自动驾驶落地商业化，至少面临六大挑战

自动驾驶对未来道路的安全会有一个非常大的提升。非常多的案例表明交通事故多源于人的因素，用自动驾驶取代人类驾驶员，就可以把人类的错误因素消除掉，从而提高整个的道路安全。

大陆集团高级驾驶辅助系统事业部中国区产品战略总监张彤表示，现在正常的驾驶员对年龄、体能都有规定，但人类对出行的服务需求是一直存在的。自动驾驶可以取代人类驾驶员，可能会给所有人提供个人移动的可能性。 

自动驾驶对于个人移动出行的便利，还在于提高舒适性和通行效率。现在人们在通勤路上花费越来越多的私人时间，自动驾驶可以释放枯燥乏味的通勤时间，让人们有机会做更高价值的事情。同时通过自动驾驶规范车辆驾驶行为，在燃油、排放上都会带来效率的提升。这四点在自动驾驶概念上得到一个很好的价值链的体现。

“大陆集团到目前为止已经在L2以下，包括L1、L0的ADAS辅助功能做到量产，目前正在开始对泊车相关的L2/L4级自动驾驶进行布局和开发。”张彤表示，未来两到三年，真正意义上的L3级自动驾驶会走向市场，无论B端还是C端。

L4和L5的发展分两种情况，对共享出行而言，L4级无人驾驶出租车的技术方案大概在2023年达到成熟，并步入市场；2025年L5级点对点的无人驾驶技术，即高速巡航和低速泊车时完全没有人类驾驶员的干预会逐步实现。

“L5级自动驾驶实现时间相对会更远一点，但L3/L4级在未来十年会迎来一个快速增长。”在张彤看来，自动驾驶的落地商业化，会遇到至少六大挑战：复杂性、成本、法律法规、新的方法带来的人才匮乏、自动驾驶的验证、用户体验。

一、复杂性

复杂度有不同的理解，硬件系统的复杂度、软件执行复杂度、整个系统复杂度，从复杂度的角度说明自动驾驶是一个非常庞大的概念体。

在自动驾驶从技术架构上，感知层面大陆集团有毫米波雷达、前向智能摄像头、360环视摄像头、驾驶员监控系统，Flash激光雷达等；

决策部分有辅助和自动驾驶控制单元（ADCU），这是大陆集团非常重要的硬件产品；

V2X硬件，包括智能天线、通讯模块、定位、数据传输；执行端有一体式电子制动MK-C1、电子助力转向等等。

当然自动驾驶的硬件层面还远不止这些，这些硬件之间彼此会有通讯、协作。

硬件之上，还要有能够依托硬件去完成的各项应用，比如传感器的感知要有环境模型，地图要用电子地平线获取地图信息给到超时预测，需要用到机器学习、神经网络实现对环境更清晰的认知。

感知、机器学习对数据的处理，要用到高性能的处理器，不同类别的数据处理所用的神经网络也不同，处理的结果在执行端需要做动态控制，没有动态控制谈不到安全等等。

全电气化的自动驾驶架构上，因为数据互联，对车辆网络安全也提出了更高更新的要求。这种安全要求与传统PC端网络安全的维护不同，对安全团队的软硬件能力、响应能力提出了更高的挑战。

因此，对于自动驾驶来讲，从硬件到软件都会发生一次重构，其复杂性不可同日而语。即使是传统Tier1，仅对零部件的理解是远远不够的，需要上升到系统层面，可以称之为系统工程。

Tier1如果想完成自动驾驶系统，必须对整个系统工程有一个非常深入的理解。一个产品出现问题后需要追溯的范围已经从零部件、子系统上升到了车辆本身，甚至上升到智能交通系统的大环境。给未来自动驾驶提供解决方案的供应商，需要具备对系统的理解，才能有自上而下的解决问题的能力。

张彤表示，在自动驾驶层面，基于高性能计算平台（ADCU），通过整合不同的计算单元和计算功能，对感知、云端、执行端等进行整合和匹配，最后给到主机厂用户或者行业合作伙伴的，将会是一个完整的系统方案。

大陆集团会持续迭代感知、处理器、执行器方面的软硬件，提升性能。但大陆集团不会也没有能力干所有的事情，在整个自动驾驶的实现、落地过程中，会保持开放性。比如在域控制器中，可以只提供整体的裸硬件以及底层软件；在应用层，可以会同主机厂进行非常多的合作。

二、成本

成本方面，L1、L2的实现，相对而言传感器架构简单，通过毫米波雷达+前向智能摄像头就可以完成。

但L3、L4逐渐允许驾驶员解放双手、双脚，甚至双眼（注意力），这种情况下就需要非常复杂的传感器架构，复杂的不仅仅是传感器、执行器等，还有冗余的要求，这是复杂且昂贵的系统。

要实现这些，OEM的成本压力还是非常大。因此也出现了类似于L2.5级这样的过渡方案。作为不能马上用到L3、L4级昂贵的系统，同时又给消费者提供一些超出L2级体验的折中方案。

基于复杂系统高昂的成本，制约大规模商业化的落地，大陆集团有两个比较大胆的预测，首先是未来十年内虽然L3、L4级的产品会出现在市场中，但比例还是会比较低。

无论是面向C端的L3级系统，还是面向B端的L4级无人出租车系统，所占据的比例不会超过整个新增车型总量的10%，未来较大比例的还是会来自于L2、L2.5级的系统。

其次是未来无人驾驶出租车因为提供比较方便的出行服务，从而会引起整个汽车消费市场的需求有所下降，趋势不会改变。

三、法律法规

法律法规的挑战也不少，对于驾驶员脱手方面，在欧盟有严格的法律要求，欧盟一直在用维也纳公约，规定在L3级系统以下不允许脱手。但事实上还有很多的主机厂客户希望给用户提供脱手的体验。

目前欧盟已经对脱手的要求进行讨论，如ECE R79工作组提到满足L3级自动驾驶的车辆行驶中可以脱手，预计会在2020-2022年生效。目前都在讨论过程中，还没有正式发布，而技术与服务的需求往往快于法律法规的提出。

同样在美国也没有相应的法规，需要给到自动驾驶相应的引导和咨询。美国是比较宽松的环境，法律没有明确规定就可以尝试，但在中国和欧盟很难推广，因为有法规这样的要求。

美国现在也在做自动驾驶法案的立法过程，中国国内还没有任何的实施性法规的出台，目前相关组织部门也在进行这样的讨论。

四、新的方法和人才

新的方法是关于机器学习、人工智能方面的方法。这些方法跟传统的Tier1大致相同，大陆集团正在把这些新的方法引入到现在的零部件设计流程中，从而创造出了非常多新的职位。

比如说大数据处理、数据统计学分析、机器学习算法工程师等等，这些职位在传统设计中没有出现过，但是反而现在变成非常重要的环节。

相关专业人才的争夺也变得白热化，这在日常工作中可以体现到，更多造车新势力、传统主机厂也对人才有强烈的需求，人才的争夺愈演愈烈，对于行业而言是一个不小的挑战。

五、验证和认证

在当前自动驾驶行业中，对于认证和验证的环节还没有统一标准或方法，多数公司都只是在不停摸索中。

大陆集团认为，这是一个很大的挑战，在感知、决策和执行端需要高可靠性，不能失效，这些可靠性累积起来要变成可量化的数字，比如10亿小时允许出现一次事故，才能视为比人类驾驶做的更好，自动驾驶要满足这样一个要求才能得到人们的信任。

但这在现实操作中难以实现，因为10亿小时比整个人类发展时间还长，这是一个悖论，因此要实现它就需要做其他方面的工作。

把验证的概念，从单纯验证阶段，提前到设计阶段，考虑到未来验证的可靠性，同时在仿真端介入，进行大量的仿真，包括实地的路测，包括基于场景的路测。

大陆集团在德国有一个专门为自动驾驶和辅助驾驶实验用的试车场，在全球其他地区也有同试车场合作。包括中国在内的不同地区建立很多的数据中心，就是为了支持仿真端的应用。

六、用户体验

从消费电子行业，过渡到汽车行业的自动驾驶当中，如何为终端用户提供更好的驾乘体验？

大陆集团将自动驾驶功能分为三类，一类是基础的安全功能，所有的功能都要满足不同人的要求；二是巡航功能，在中高速的路段所实现的功能；三是低速泊车功能。从高端自动驾驶，到低端的驾驶辅助，最重要的始终是安全。

实现不同等级自动驾驶产品的商业化，要克服的不只是以上六个挑战，还要全行业的合作，大陆集团将会以一个开放合作的态度，同行业上下游共同建立自动驾驶的生态。