“進步飛快”，是清華大學人工智能研究院視覺智能研究中心主任鄧志東教授在接受泰伯網專訪時提及自動駕駛最深的感受。

自2009年起，在國家級科研項目的資助下，鄧志東開始做自動駕駛項目。

改裝日產奇駿、別克昂克雷，與長安汽車等主機廠線控車合作，從硬件、算法、軟件、系統到研發整個自動駕駛解決方案到實地路測等，鄧志東在10余年的時間內，帶領團隊主持研發了四輛自動駕駛汽車。

踩了不少坑后，鄧志東既反思了過去粗放式發展下“產業技術路徑不清晰”的困境，也切實展望了未來自動駕駛的商業落地之路。

事實上，以谷歌啟動自動駕駛項目為起點，歷經十余年孕育，自動駕駛賽道上的多股勢力已清晰可見：以蔚小理、大眾、通用、特斯拉等為代表的新舊勢力主機廠，以國外Waymo、國內百度、華為等為代表的互聯網與ICT科技公司，還有以博世、Mobileye為代表的眾多Tier-1、Tier-2汽車零部件供應商。

而他也一直堅信，行業對自動駕駛產業落地的路徑將愈發清晰，相關實踐也在扎實推進中。

人工智能下的汽車進化

“國內于2009年前后開始做自動駕駛科研項目時，幾乎和谷歌一同起步。那時候，新一輪的人工智能熱潮并沒有興起。”鄧志東回憶道。

而起初做科研時，參與團隊更多使用傳統計算機視覺或者模式識別方法，幾乎沒敢想自動駕駛會落地的事情，更不用說要考慮整車解決方案的成本、商業模式等。

在鄧志東看來，中國自動駕駛在2016年前后發生了一個很大的變化，即從科研項目為主轉向以市場為主導、以企業為主體的產業化發展之路。“那時候，很多大廠、初創企業開始拿到大量資金，大規模組團招募相關人才，開始著手自動駕駛的產業落地。”

也正是2013年—2016年期間，新一輪人工智能給計算機視覺技術帶來的大幅度的能力提升，讓人們開始真正相信，它有可能推動自動駕駛的產業落地。

自此，高校也更多轉向研發前瞻性關鍵核心技術。

“過去汽車行業是傳統工業，現在汽車產業是傳統工業結合新一代信息產業”的觀念轉變下，無論是在學術界還是產業界，人工智能在自動駕駛中的核心作用愈發明顯。

比如，鄧志東表示，“利用多攝像頭視覺神經網絡這一核心架構，基于自主學習來解決自動駕駛感知、預測與規控挑戰，目前特斯拉的FSD Beta 10.10測試版，也是消費者手中用戶體驗較好的L2自動輔助駕駛產品之一，自2020年10月啟動FSD測試版以來，僅部分推送，就已有5萬用戶在落地使用。”

盡管特斯拉目前并非是L3+的自動駕駛，但解決了0到1的難題后，其相關技術仍在持續迭代發展。

環顧市場，鄧志東認為，自動駕駛仍然是當下的投資風口和熱點。據不完全統計，縱觀國內外市場，2021年自動駕駛相關融資超過數百億人民幣。

特別是由于對交通與出行方式的顛覆性作用，以及對人工智能技術與產業的推動作用，產業鏈上的各個環節都在追捧這一賽道：互聯網、ICT與共享出行巨頭、傳統車企、造車新勢力、汽車零部件供應商（Tier-1、Tier-2)、更多的自動駕駛解決方案初創企業，以及芯片、計算平臺、傳感器、圖商等都卷入進來，產業生態逐步完善。

這也造就了傳統車企與互聯網巨頭之間競爭與合作的“新關系”。

如，阿里巴巴與上汽集團宣布聯合制造高端電動車；吉利與百度成立智能電動車合資公司，新車計劃在2023年實現量產；華為強力投資自動駕駛解決方案，與北汽、重慶長安和廣汽三家車企合作打造3個汽車子品牌；蘋果、亞馬遜等美國科技巨頭的造車項目也在有序地推進中。

競逐L4自動駕駛

或許，科技巨頭與傳統車企之間，誰更需要誰的問題并不好回答。

可以肯定的是，近5年來，自動駕駛一直可以用興奮與焦慮來描述行業現狀。

鄧志東表示，目前L2級的智能輔助駕駛技術已經較大規模應用，市場入局者也都在研發車規量產的L3與L4級的自動駕駛。

事實上，奧迪早在2011年就開始進行L3級別自動駕駛的研究，并于2017年率先在奧迪A8上推出了車規量產的AI Traffic Jam Pilot (TJP) L3級自動駕駛功能。“同樣是限定區域（結構化的高速公路）和限定功能（60km/h以下的交通擁堵模式）的L3自動駕駛，僅是增加了一種L3級別的自動駕駛功能。”

但市場的興奮與“遲遲不能大規模商業化落地”的焦慮同在。就在2020年，奧迪放棄了L3級自動駕駛產品的研發計劃。

為什么落不了地？

在鄧志東看來，擺在面前的安全問題尚未完全解決。“L3屬于人機共駕，不僅有法律法規創制的問題，而且也需要增加車載技術監測手段（如車載黑匣子）。一旦出現安全事故，在技術上厘清法律責任主體還比較困難。”

這也意味著，針對L3單項功能的自動駕駛政策落地也相應變得困難，甚至可能會制約其產業發展空間。

“對包括政策制定者在內的各方來說，僅僅為了上述的局部舒適性L3功能，很難有足夠的動力去突破政策監管的安全紅線。”

基于此，鄧志東直言，相信這兩年將會出現各種聲稱具有L3級別功能的自動駕駛產品，但估計不會獲得推廣使用。

這一現狀下，包括鄧志東在內的從業人員更多傾向于認為，L4是目前業內比較理想的產業發展目標。“包括特斯拉、谷歌Waymo、華為、百度、小馬智行、蔚來等市場參與方，正在籌劃跳過L3級，一步到位直接投入資源研發量產級L4自動駕駛。”

只不過相比特斯拉的純視覺，從技術能力，特別是AI應用、大數據積累等層面考慮，國內絕大多數自動駕駛傳感器解決方案，不得不采用以激光雷達主導的技術方案。

當然，“本質上，無論使用哪種方案，核心的挑戰是：能否有效解決制約自動駕駛落地的最大瓶頸，也就是長尾感知問題、邊緣事件和由對抗性干擾樣本等帶來的安全問題。”鄧志東稱，“而不論哪種方案，最后能解決安全問題的都將距離成功不會太遠。”

面臨量產和現金流的考驗

從商用市場來看，百度的蘿卜快跑自動駕駛出行服務已在北京、重慶等城市的限定區域或特定路網條件下，實現了一定規模的商業化收費試運營，開始有了現金流。

“僅2021年第四季度就已完成 21.3 萬訂單，歷史性地獲得了自我造血能力”的突破下，鄧志東對L4級別自動駕駛的發展仍舊樂觀：頭部企業在限定區域與限定功能的條件下，有望在3-5年內實現L4車規量產，并實現商業模式迭代。

現實的尷尬在于，企業有能力造出一輛L2智能汽車，卻造不出一輛足夠便宜的車。換句話說，總的運營成本并沒有降低。

這在鄧志東看來，也是商用車商業模式無法持續發展的最大困難。“實際上，一個算法工程師做安全駕駛員，比一般的網約車駕駛員更貴。如果目前自動駕駛解決方案的成本比人力高很多，那它就不具有經濟可行性。”

雖然智能駕駛需要依靠以人工智能為核心的技術來解決，但人工智能也并非萬能的。

諸如，認知水平的知覺理解能力，知識推理能力，常識、經驗與技巧的利用能力以及知識學習能力等，短期之內跟人類智能比，還很難突破。

從“不能舉一反三，隨機應變，熟能生巧”等人類能力上看，鄧志東指出，“目前，人工智能還只是一個弱人工智能，有明顯短板。”

當前的趨勢是，在實現L4的路徑上，可以極限使用或者說最大限度地利用目前已有的數據驅動人工智能。

“先把L4自動駕駛做成了，就會獲得巨大的產業發展空間。比如我們可以先解決基于高速公路的城際自動駕駛，或者專注于城區自動駕駛的問題，或者僅限于某一個園區、港口、礦山等的L4自動駕駛。在限定區域、限定一些功能下，即便人工智能存在短板，也依然能支撐L4的落地。”

按照鄧志東的暢想，“未來，將通過5G-V2X、平行駕駛等支撐的邊云安全接管等核心技術的突破，在整個產業生態的合力支撐下，逐步撤銷車載安全駕駛員，真正實現L4自動駕駛的大規模產業落地，以及可持續迭代的共享出行自動駕駛商業模式。”