消灭驾驶员不是目的，无人驾驶本质是智能化交通。
推荐人：黑马哥
推荐星级：☆☆☆☆
阅读时间：全文 6051 字，阅读时间预计 8 分钟
推荐理由：激光雷达对无人驾驶意味着什么？特斯拉能做到智能驾驶等级的最高级别吗？Uber 的无人车目的是消灭所有驾驶员？
在本文中，四位完全不同领域却又互相相关的嘉宾来与大家一起分享这一系列问题——从学界到投资界，从 ADAS 到激光雷达，我们一起好好聊聊无人车这件事。本文由深蓝DeeperBlue（ID：deeperbluetech）授权i黑马发布。
这半个月铺天盖地都是有关无人车、无人驾驶的新闻。
2016 年 9 月 20 日，美国联邦政府颁布了人类历史上第一部无人车安全标准——“15条”。当人们对于汽车安全的印象还都停留在安全带与刹车的时候，这部法规瞬间把人们拉到了无人车时代。
“在我七年半的总统生涯中，无人车从科幻小说就这么一下子到了现实，并且它即将影响到我们每个人的生活。” 在 “十五条” 颁布的一天前，即将卸任的美国总统奥巴马在《匹兹堡邮报》上发表了一篇名为《无人驾驶，可以，但要安全（Self-driving, yes, but also safe）》的文章，号召无人车各大厂商遵守联邦政府颁布的这 15 条安全标准。
美国总统奥巴马想在卸任前推动无人车的发展。
2016 年 9 月 14 日，Uber 正式在美国匹兹堡市向公众开放无人驾驶汽车出行服务。1000 名最频繁使用 Uber 服务的 “忠实用户” 成为了第一批可以体验到无人驾驶出租车的乘客。
然而，美国密歇根大学同日公布的一项研究结果则表明，约 23% 的美国人明确表示自己不会乘坐无人驾驶汽车。
密歇根大学的调查，以及 “十五条” 的颁布，至少说明了一点：人们对于无人驾驶的安全性始终疑云未消。
在展开说无人驾驶安全性之前，我们先把无人驾驶的几个概念做一个科普。
美国汽车工程师协会（SAE）将自动驾驶分为了 5 个级别：Level 1，Level 2，Level 3，Level 4，Level 5。这五个级别又对应着三个容易混淆的概念：辅助驾驶，自动驾驶和无人驾驶。
辅助驾驶：除了能参与到一点点驾驶工作，比如减速支援，驾驶全有人掌管。对应 Level 1。
自动驾驶：即高级驾驶员辅助系统（Advanced Driver Assistance Systems，ADAS）——在光线好、没有雾雨的情况下，能够让驾驶员不用操心方向盘。对应 Level 1-3。
无人驾驶：完全无人，Level 4 以上。
无人驾驶的安全性主要取决于两件事——感知系统以及计算系统。感知系统是无人车的眼睛。
在传感器的选择上，车厂兵分两路：走 ADAS 升级到 Level 4 路线的，选摄像头加毫米波雷达；直接上无人驾驶的，选激光雷达。
激光雷达依靠激光遇到障碍后的折返时间，计算出相对距离，生成物体的 3D 轮廓，画出汽车周围环境的高精度地图，精度可达到厘米级。【点击链接回顾深蓝对激光雷达的详细解说：23%美国人不敢坐的Uber无人车，这些公司在做它的“眼睛” | 深蓝盘点】
摄像头加毫米波雷达的组合，主要让摄像头做远处的感知，毫米波雷达做近处的识别。毫米波雷达使用的载波波长是1毫米到10毫米（区别于激光雷达905纳米的载波波长），可快速获得速度信息，在不同天气情况下稳定性更高，但与激光雷达相比精度稍低、可视范围的角度也偏小。
做 ADAS 的，一般是传统车厂，比如福特、宝马这类。这些大车企想的是，从ADAS 逐步升级到无人驾驶。
谷歌、百度这类大互联网企业，它们的选择的是 3D 激光雷达。互联网企业做事方式和传统车企不同，考虑的问题也不一样，它们在技术上想要一步到位实现最高级别的智能驾驶等级 Level 4。
特斯拉也想从 ADAS 逐步上升到 Level 4，但在上升过程中，遭遇了不少挫折。
“总之我不是激光雷达的粉丝。” 2015 年 10 月，在某次媒体公开见面上，CEO 伊隆·马斯克（Elon Musk）说到：“我不认为大家需要激光雷达……你可以用摄像头加上一个前置雷达，实现一样的效果。”
有人说几年前特斯拉出生之时，马斯克是由于成本考虑不承认激光雷达的作用。如今激光雷达成本已经下降，而马斯克对激光雷达态度仍未改观。
2016 年 5 月，一场死亡事故后，抨击特斯拉感知系统的声音陆续出现。佛罗里达州一辆特斯拉 Model S 在自动驾驶模式下撞上前面的车出了人命：前面那辆车转弯遮挡了特斯拉的视线，并且当时有强光照射，导致特斯拉的摄像头没看到前方来车。
到底摄像头加毫米波这个组合靠谱不靠谱？只有经过大量测试的摄像头算法才能信得过，但目前特斯拉的产量还达不到 “大量测试” 的水平。
三个月之后，特斯拉升级了自动驾驶系统—— Autopilot 2.0。经历了车祸人命事件的特斯拉，在 Autopilot 2.0 上，摄像机的主导作用被削弱，毫米波雷达的作用被强化了。
关于无人车研究路线，中国无人车市场和机会，深蓝 DeeperBlue 邀请了以下四位完全不同领域却又互相相关的嘉宾来谈论一系列问题。
从学界到投资界，从 ADAS 到激光雷达，我们一起好好聊聊无人车这件事。
一
特斯拉 CEO 伊隆·马斯克 （Elon Musk） 说过：“我不认为大家需要激光雷达……你可以用摄像头加上一个前置雷达，实现一样的效果。” 他这句话是有道理的吗？
2016 年 5 月 7 日，一辆特斯拉 Model S 因自动驾驶功能导致车祸，车主死亡，引起了特斯拉自动驾驶技术的大讨论。
激光雷达专家 汤劲松：特斯拉并不能实现真正的自动驾驶。
目前特斯拉能实现的是 AutoPilot，包括自适应巡航、紧急制动等功能。但这不是真正的无人驾驶。
真正的无人驾驶，对可靠性、安全性有极高的要求，感知准确率要达到很多个 9， 即 99.99999···%。要达到这个标准，传感器至关重要。第一，要有冗余设计的考量 。 第二，要有传感器融合。比如摄像头，遇见强光会有困难；这是特斯拉 5 月撞车事故的原因之一。侧面或一些盲区，摄像头和毫米波雷达视角不够宽，可能探测不到，而激光雷达可以。
激光雷达的运用不是要取代这些传感器，而是做其他传感器做不到的事。多种传感器同时使用，各司其职：激光雷达辐射范围远，角度广，能对物体进行 3D 感知，也不会受夜晚和强光影像；摄像头能看纹路，看颜色，近距离信息全面；毫米波距离远，能够适用在恶劣天气环境，能做预警。
未来一定是多种传感器融合使用。而无人车面临的挑战是，如何不靠牺牲精度来控制传感器成本、提升可靠性。Quanergy 的固态激光雷达就是一个技术突破，使得激光雷达未来在自动驾驶汽车的量产化应用成为可能。
ADAS 专家陈茂：车载领域，毫米波雷达 + 摄像头的解决方案更普遍。
我觉得马斯克说这话是有一定的道理的。之所以有些人认为一定要使用激光雷达，这可能更多的是科技公司的观念。科技公司更多会去注重理论上的东西。从理论上来讲，激光雷达的可靠性比毫米波雷达的可靠性要高。
其实未必。毫米波雷达是一个非常成熟的技术，它比激光雷达的应用要早很多。好的毫米波雷达也能实现较好的二维效果。如果结合视觉的话，可以把整套感知系统组成一个出错概率极低的环境感知系统，而且成本比激光雷达低很多。因此，主机厂还是更倾向于使用毫米波雷达。
就目前车载领域而言，市面上毫米波雷达的应用量远远多于激光雷达，这个是一个不争的事实。
投资人 朱祎舟：激光雷达提供了更好的解决方案，为何不用？
视觉在理论上能解决所有的事情，但有了激光雷达，事情能被更好的解决。远距测量，不需要具体图像的测量，距离点阵的测量等方面，激光雷达比摄像技术要来得好。所以如果激光雷达成本下降，没必要不用激光雷达。
清华 曹重：无人驾驶并不需要厘米级的测绘精度。
一定程度上是对的。无人驾驶要求对所有环境参数有精确的了解，激光雷达的特长就是环境感知和构建。尤其在探测远距离物体上，激光雷达的精度远高于其他传感器。
但也不是说汽车对远处和近处的环境测绘精度都必须达到厘米级。打个比方，开车的时候，远处的路边是树还是人，眼睛有可能分不清楚。摄像头好比眼睛，远距离判断也没有那么精准。实际情况是，司机对远处的细节并不需要如此细致的判断，其他雷达也是可以胜任的。更值得重视的是近处的细节。而近距离的识别，激光雷达的优势消失了。摄像头加上超声波或者简单激光雷达就可以满足需求。
二
ADAS 升级路线与直接 Level 4 路线，谁更有可能成功？
ADAS 路线，靠摄像头和毫米波雷达，被很多传统车企采用。
激光雷达专家 汤劲松：一个目标，两条路径。
这是一个目标，两条路径的问题。通过 ADAS 一步步实现自动驾驶功能，从自动巡航、紧急刹车等开始，慢慢培养用户对自动驾驶的习惯。另一些公司则对中间技术过渡过程不感兴趣，想要一步到位发展到无人驾驶。两条路方式不同，都走得通。
ADAS 专家 陈茂：ADAS 升级路线的积累更为深厚。
很多人因为特斯拉最近两起死亡事故，而不看好视觉 + 毫米波雷达的 ADAS 技术，这我是不同意的。出事是因为因为系统把 Mobileye 做出的判断作为决定性的依据——视觉没有检测到某个东西，就认为这个东西不存在了，而把毫米波雷达放置了一种配角和辅助的地位。
正是由于这两次死亡事故，马斯克注意到了这个问题，所以他马上宣布，新出的 Autopilot 2.0 以雷达为主，视觉为辅。自动驾驶感知决策技术路线正在不断进化。
尽管特斯拉的激进技术方式导致了 2 起死亡事故，但并不意味着这种方式成功的可能性就比 Level4 路线低，因为特斯拉的 ADAS 升级路线已经跑完了 2 亿公里的测试里程，而即使是谷歌的 Level4 路线的测试里程也才不到 300 万公里，而且谷歌的测试速度要低得多。现在特斯拉已经认识到自动驾驶人机切换重要，已经开始限制注意力不集中的驾驶员长时间使用自动巡航功能，相信这会极大地降低恶性事故的发生率，有利于 ADAS 升级路线的飞速前行。
投资人 朱祎舟：Level 4 路线下无人车将会重新定义交通工具。
这两个路线本质上是不一样的。传统车企走 ADAS 路线，因为他们主要卖的是车，要在现有车辆的基础上迭代功能。而 Level 4 路线下的无人车会重新定义交通工具。首先车的形态会有很大变化，可能没有方向盘，没有驾驶室，比如 Google 无人车；其次，应用场景不再是公路，可以拓展到如工厂和高尔夫球场等。这些特殊场景对交通工具没有法规限制，路况也比较简单，适合发挥无人车的设计空间。
清华 曹重：ADAS 不涉及无人驾驶核心架构，可能难以走通。
我觉得前者比较困难。ADAS 距离无人驾驶跨度还太大，需要不断添加功能，实现量变到质变。两者从一开始就有本质区别：ADAS作为辅助驾驶系统，本质上还是人做决策，而无人驾驶的决策权在车手里。无人驾驶系统要保证收集到的每一个信息、做出的每一个控制决策都是精确和完整的，而这些核心架构 ADAS 并不涉及。ADAS 这条路比较难走通。
三
传统车企做自动驾驶是为了减轻驾驶员负担，而 Uber 希望通过消灭驾驶员来减少补贴数量。这些理念差异是否会影响汽车自动化路线的选择？
Uber 打造的无人驾驶汽车概念图，车顶有个大大的激光雷达。
激光雷达专家 汤劲松：消灭驾驶员不是目的，无人驾驶本质是智能化交通。
不认同 “消灭驾驶员” 这个前提。自动驾驶的本质是将交通智能化，简而言之就是让机器做机器擅长，而人不擅长的。机器不会喝酒，不会有情绪，不会累。最终降低事故率，缓解堵车，提高城市空间利用率，节约能源，提升整个社会的效率。
ADAS 专家 陈茂：理念差异影响技术路线选择，未来可能是多种驾驶形式混合。
这种理念的差异在自动驾驶发展的前期的确会影响企业对自动驾驶的技术路线选择。ADAS的目的是减轻驾驶员负担，而不是消灭掉驾驶员，而Level 4的目的的确是冲着消灭掉驾驶员来的。
因此这两种技术路线会应用场景会不同，Level 4 会主要应用在低速的城市出租车、分时租赁、公交车行业，而私家车和高速客运/货运车将会以 ADAS 路线为主要应用场景。高速上的 Level 4方式技术上还有很长的一段路要走，未来 3～5 年会出现两种技术路线并存的格局。当然，再过 20 年也许 ADAS 渐进方式技术路线会成为现在的固定电话，会变得越来越少，越来越边缘化。
我认为自动驾驶不会一下子把所有司机都取代，就像固定电话现已经发展一百多年了，现在也没有消失。自动驾驶必将是一个渐进发展的过程。在未来很长一段时间例，有人驾驶、半自动驾驶、自动驾驶、无人驾驶这几种驾驶形式会混在一起。在这过程中，受益最大的应该是传统的车企，因为车企能把有人车，半自动驾驶、自动驾驶车都做得很好。
投资人 朱祎舟：目标用户需求不同，决定了企业策略。
传统车企做自动驾驶，是为了提高用户体验。很多人就是喜欢开车，这部分需求是没办法取代的。车企在自动驾驶上的竞争，更多就是说车企与车企之间的差异化竞争，而非取代驾车体验。所以车企是不可能去消灭驾驶员的。
Uber 和谷歌不同，乘客才是他们的用户。它们提供的不是车，而是交通出行服务。因此自动驾驶技术成为核心地位。有了无人车，不会因为驾驶员的数量有限，而满足不了乘客的用车需求。
清华 曹重：这些结果或许都会出现。
传统车厂一般还是从 ADAS 过渡，想消灭驾驶员就选择一步到位的 Level 4 技术实现了之后不同公司都会有不同的处理方式，这些结果或许都会出现。
四
无人驾驶领域有哪些技术稳点亟待解决？
无人车为保证安全，必须综合各项传感器技术。
激光雷达专家 汤劲松：Quanergy 从固态激光雷达开始。
从激光雷达、惯性导航、高精度地图、自动驾驶决策系统的开发、视觉系统的进一步开发等都有很多挑战 。从 Quanergy 成功开发出固态激光雷达开始，这些挑战都会被突破。
ADAS 专家 陈茂：所有问题回归到人工智能上。
实际上主要难点来自于环境的感知与认知。自动驾驶也好，ADAS 也好，所有这些问题的本质最终还是回到人工智能上来。人们对无人驾驶的智能水平要求，是零事故零失误，但理论上做不到，因为现有的认知理论，不论是深度学习还是其他形式的人工智能模式识别，它都做不到百分百准确。
在这种情况下，确确实实存在对公众的一些误导，一定要让公众承认——自动驾驶它也有失误，飞机发展一百多年了，但每年还时不时地掉下来——怎么能要求这个自动驾驶跑到上亿公里一个人不死的？这是不正确的，这个是误导。全球每年的交通死亡达 120 万。如果自动驾驶的普及将全球交通事故死亡降低到 1.2 万甚至 1200 人，自动驾驶就已经很安全，很了不起了！
投资人 朱祎舟：安全性问题最为突出。
无人车对安全性要求极高，失败风险代价严重。要提高准确率，应对复杂环境下的处理和计算。
问题首先在于目前没有足够多的数据基础，也没有处理过足够多的情况，很多行驶条件都没有考虑到。比如 5 月特斯拉的车祸，就是因为计算机没有处理过斜面过来的高光。
其次，传感器成本也是问题。为了削减成本，厂商只能阉割传感器精度，或者少装传感器，这会极大影响无人车的安全性。
清华 曹重：ADAS 在环境感知上弱点不少。
我觉得 ADAS 最大的问题在于没有考虑环境感知的全面性。ADAS 所用摄像头和雷达，对环境的感知都来自于各个传感器数据的拼贴，对环境采集信息量不够，这恰恰是无人驾驶的致命点。摄像头还需要实现图像识别、图像理解功能，目前也没有实现。
五
如何看待国内自动驾驶市场？
百度无人车已获得加州上路测试许可。
激光雷达专家 汤劲松：趋势不可阻挡。
从智能社会发展的角度来看，研发自动驾驶是一个不可阻挡的趋势。国内的市场，前景广阔。从汽车工业的发展、国家的布局等各个方面看，国内的自动驾驶都非常有前景。
ADAS 专家 陈茂：上路？技术上还为时过早。
百度做无人车还是有些靠谱的，因为它也是一个技术型驱动公司。但其宣传，“三年商用，五年量产”，本人认为没有这么乐观，因为其安全的测试里程没有积累到一定的程度很难让人信服。
当然，仅仅是造园区或者小区里，车速一二十公里的慢速自动电动车，倒是有可能的。但如果是在公共的交通中实现无人驾驶，我觉得技术上还为时过早。国外的无人驾驶汽车都行驶好几千万、上亿公里了，宣传都还比较谨慎。国内有些科技公司没有多少测试里程就这样说，总觉得不太靠谱。
在自动驾驶发展的过程中，ADAS 会先行已经达成共识，只有当 ADAS 普及到一定的程度，感知技术成熟后，自动驾驶才有技术基础，否则，皮之不存，毛将焉附。
投资人 朱祎舟：研发 VS 驱动力。
百度，谷歌等是有无人车整车研发实力的，能一步到位。滴滴和 Uber 在靠商业模式驱动自动驾驶研发，驱动力比百度要更强。
清华 曹重：命题复杂，但值得尝试。
不了解细节的情况下，技术难以衡量。考虑到中国的路况，自动驾驶是个较复杂的命题。但我挺佩服他们的。我博士即将毕业，也在考虑加入自动驾驶的创业团队，不管成不成功，总要有人去尝试这件事情。
六
自动驾驶市场哪个环节更有机会？
未来的无人车世界，每个角落都被传感器覆盖。
激光雷达专家 汤劲松：车联网、新能源是两大机会点。
我认为车联网也将是一个机会点。车联网是实现无人驾驶的必要环节。目前自动驾驶车上的地图是静态的，不反应及时信息。需要一个实时更新的动态地图，在路况、事故等问题后，能通知其他无人车及时重新规划形式路径。
此外，无人车的能源问题也值得关注。为了减轻无人车系统负担，是不是电动车形式更好？那电动车的供能，散热等各个环节都是有机会的。
ADAS 专家 陈茂：国内公司在感知技术与决策技术上会有机会。
我觉得有这几块可以做：第一块是感知技术与认知技术，尤其是作为自动驾驶核心技术的认知技术。目前国内有大量的公司在做这一块。
另外决策技术也很有机会。汽车的感知到位后——汽车识别出来了，人识别出来了，道路也识别出来了——最后的环节，如路径的规划、障碍物的绕行，就是决策系统的工作了。现在很多互联网公司在做这块，包括百度，也包括其他的互联网公司。
这两个领域完全凭算法取胜，如果说中国在自动驾驶领域的公司有机会的话，一定是在这两个领域。
投资人 朱祎舟：零部件与系统集成同样有机会。
关键零部件，包括传感器，计算，对于小公司来说都是有机会的，比如计算机视觉是国内小公司目前的主流方向；同时也有难点，小公司拿不到数据。
此外，操作系统和集成也是有机会的。自动驾驶环节很多，包括视觉的各种传感器和控制决策系统，这些零碎的环节需要一个基础的控制平台集成。类似手机需要操作系统，对手机接软件和手机里的硬件。集成系统也能帮助市场确立标准和协议通讯。
这不是一个能单点突破的事。目前车厂没有技术实力去做这个系统，能做的小公司没有资金和资源优势。目前的趋势是，小公司被大车厂或大公司收购，整合资源抢占这块市场。
清华 曹重：看好单点技术的整体模块开发。
自动驾驶有很多新的技术点，但缺少配套的零部件。每一个技术点上的整体模块开发，都可能有机会。比如高精度地图会涉及到很多环境感知的传感器，单物体识别就需要一个识别模块，一个测距模块，一个光线感知模块。有了这些模块的提供商，整车厂就能直接集成。
匿名用户
