近日，北京2020年自動駕駛車輛道路測試資格公布：豐田汽車研發中心（中國）有限公司獲得資格，并投入4輛車。在這份名單上，還有百度、小馬智行、戴姆勒、奧迪，以及美團點評子公司三快在線，共有6家企業。

得益于5G網絡的商用和推廣，將無人駕駛再一次推上了風口浪尖處。除了上述所提到的幾家企業之外，2020年本該是很多科技和汽車廠商推出量產無人駕駛汽車的重要節點。但當2020年過半時回首看去，只能看到受疫情影響的世界和這背后嚴峻的國際局勢，關于自動駕駛的話題，很少再被提及。

 不可否認的是，2016年無人駕駛的突然出現給我們帶來了很多驚喜，Waymo、Uber的無人駕駛路測曾讓業內為之一振，也讓許多汽車企業倍感壓力。之后我們見證了Waymo和Uber向汽車企業采購幾千幾萬臺汽車用于無人駕駛車輛研發、改制和生產，也見證了通用汽車和福特汽車對無人駕駛的巨額投入。

但隨著時間的流逝，無人駕駛車輛造成的車禍、對于安全員的討論、企業之間對于“出走者”的訴訟等，漸漸讓嘆息多于驚喜。

即便到科技發展如此迅猛的今天，我們也不得不承認，無人駕駛的發展之路，遠比我們想象的要艱難。那么。在無人駕駛真正商用到來前，我們還有哪些需要做的？

 硬件的規模化量產需求難以滿足

如果用L4或者L5級別的無自動駕駛汽車當作文章的主角，即馬路上跑的全部是不需要人類接管的車輛，那么這些車一定會裝備大量的傳感器，包括激光雷達、毫米波雷達以及多個攝像頭等等。

如今的無人駕駛汽車與正常汽車在數量上相比，根本不值一提。如果真的要急速擴大無人駕駛汽車的規模，傳感器的生產規模也必須跟上。對于傳感器制造商來說，是一個比較大的問題。

就激光雷達來講，最著名的生產廠商Velodyne的產品多年來已經得到實際的驗證和使用，技術比較成熟，市場上處于領先地位。但因受到繁復的精密光學裝調工作量的影響，目前Velodyne的產能嚴重受限，遠遠跟不上市場的需求。

如果把規模擴大到數百萬輛？恐怕不是一件短期內能完成的事。

 軟件的算力得不到發展

多傳感器的問題同時也埋下了下一個問題的隱患，那就是芯片的性能。如果需要更全面的了解外部路況信息，就需要部署更多的傳感器。更多的傳感器就對融合提出了更高的要求，而且在高速度的情況下，由于路況信息的變化，所帶來的數據信息也更為海量。

根據英特爾的測算，一臺無人駕駛的汽車，配置了GPS、攝像頭、雷達和激光雷達等傳感器。這些設備每天將產生約4TB待處理的傳感器數據，如此巨大的數據量必須有強大的計算設備來支撐。而即使是這樣的頂級GPU企業，也在算力和功耗的平衡上幾乎達到了天花板。

所以近年來，專用計算平臺更多的走進人們的視野，包括谷歌投入應用的AI專用芯片TPU、國內頂尖創業公司地平線推出BPU，特斯拉也在投入巨資進行無人駕駛芯片的研究。在短時間內，這都將是無人駕駛要跨越的巨大技術障礙。

V2X之前的交互問題

如果利用V2V（車對車）通信讓車輛之間交互，可能對于無人駕駛交通狀況有一定幫助。但現在，使用V2V通信技術的無人駕駛汽車基本不存在。一旦擴大規模，成千上萬輛無人駕駛汽車在道路上行駛，相互之間都發射出V2V的電子信號，會不會發生數據爆炸性增長？

與Waymo產生直接競爭的自動駕駛公司Cruise曾被寄予厚望。Cruise曾表示在2019年底推出大規模無人駕駛出租車服務，但絲毫不出意外的是，這項服務被推遲，其CEO稱將進一步擴大Cruise在舊金山的測試基礎設施，為將來大規模推出無人駕駛出租車服務做準備。

Cruise 的例子證明，規模化推出自動駕駛，不是件容易的事。反觀國內，已推出無人駕駛出租車服務的百度，在長沙首批投放了 45 輛量產車，在特定路段提供試乘體驗。

另一家無人駕駛公司小馬智行（Pony.ai）CEO彭軍表示：「無人車行業的分水嶺就在于規模數量，100輛無人車就是一個門檻，很多公司達不到這一步，就會融資困難被淘汰掉。」

總結

其實在真正的無人駕駛到來之前，我們所能預見的困難遠不止這些，交通法規的健全、道路設施的完善、AI技術的不斷成熟等，都將會是這條路上的決定瞬間。

況且當技術研發已經發展到比較成熟的時候，規模化也許是無人駕駛行業當中最要緊的事。造出一輛無人駕駛汽車，或者研發出一套無人駕駛的系統，只是產業的開頭。

如何能將夢想照進現實，才是重中之重。