5月25日，在联想之星未来之旅之「人工智能」暨Comet Labs智能交通实验室中国推介会上， Comet Labs发布智能交通研究报告。对自动驾驶的历史、现状做了全面的梳理，并详细分析了产业链上的主要参与者。

以下为报告全文：

自2016年起，一切围绕“自动驾驶”的概念和故事开始比以往更频繁地进入公众视野：从Uber与沃尔沃共同打造无人汽车，到Alphabet将Waymo从Google X中拆分；从特斯拉Autopilot 1.0的意外事故，到新加坡nuTonomy的无人驾驶出租车在本土上路；从高通收购恩智浦，到英特尔收购Mobileye；从ADAS到车联网；从激光雷达到高精度地图……

截至2017年第一季度，全球前14大技术公司里，已经有12家宣布开发自动驾驶相关的技术；在汽车领域，全球前14家的整车厂之中，已有13家宣布要进军自动驾驶领域。自动驾驶的时代，已经来临。

业内领先的技术公司以及诸多在近两年成长起来的初创企业，都对自动驾驶投入了巨大的人力、物力和财力，积极地推动自动驾驶技术革新的浪潮。在这一交叉属性明显的领域，需要整车厂（OEMs）和零部件以及技术提供商进行合作，通过研发技术、升级产品，乃至并购等方式，保持在业内的竞争力。除此以外，自动驾驶的车辆共享和租赁服务因具备更佳的用户体验，其优势和价值已经开始显现。

从三个角度理解“自动驾驶”

关于如何界定“自动驾驶”的概念，一直是汽车行业的热议话题。随着行业热度的提升，近年来相关概念的引用和使用产生了一些混乱，“自动驾驶”、“无人驾驶”、“自我驾驶”、“自动化汽车”等词均在不同场合被提及。那么，到底该如何定义“自动驾驶”？

1）从技术元素的角度

自动驾驶描述的是一个目前人类想象力所能达到的理想驾驶状态，是一个结果。在实现的途中，需要融合和运用多种技术，主要涉及到人工智能算法技术、云技术以及机器人技术。其中任意两种技术的结合，都是广义自动驾驶概念的外延，或者是实现自动驾驶的底层基础。

2）从原理的角度

所有的控制系统都是由传感器、控制器、执行器组成的，即对应感知信息、决策、执行三个功能模块。人类驾驶即是如此，自动驾驶亦是如此。

3）从行业标准的角度

关于如何界定“自动驾驶”的概念，一直是汽车行业的热议话题。随着行业热度的提升，相关概念的引用和使用产生了一些混乱，为了解决这个问题，行业的做法是分级。目前行业内普遍采用的分级标准是美国汽车工程师学会（SAE，即Society of Automotive Engineers）J3016国际标准。

该标准来自2016年9月19日美国交通部与国家公路交通安全管理局（NHTSA）联合推出的《美国自动驾驶汽车政策指南》。该指南的推出，意味着此前颇为权威的NHTSA五级分级标准未成为联邦标准。两个标准的区别主要是，在“有条件自动化”与“完全自动化”之间SAE多分了一级为“高度自动化”。

自动驾驶的行业发展历程

从1925年世界上第一辆“无人驾驶汽车”的诞生到2015年前后，自动驾驶行业在几个关键事件的驱动下，经历了阶进式的发展。

按照国际上众多车企的时间表，2016年至2018年是自动驾驶汽车走向市场化的时间段，因此2016年也被业界看作“自动驾驶元年”。回顾这一年，整车厂和技术服务提供商开始深入合作，产业链日臻完善。

自动驾驶的产业链

产业链中的玩家，可大致划分为整车厂（OEMs）、零部件/技术提供商，以及运营和服务提供商。

整车厂和技术供应商的合作关系

科技界与整车厂的合作目前主要有两种模式：一是传统的供应商模式，即科技企业进入整车厂的供应链，向其供货；二是更加平等的合作关系，双方各取所长。通过合作关系图我们发现：在海外，美国和德国的传统车企在与科技公司的合作展开得更早也更广泛；在国内，一方面，百度通过提供完整的软硬件和服务解决方案，已经走在了国内科技公司与整车厂合作的前面，另一方面，携手芯片厂商和高精度地图厂商，是国内的整车厂目前最迫切的合作切入点。

ADAS不是真正的自动驾驶，但它是实现“自动驾驶”的基础

ADAS 是 Advanced Driver Assistance System 的缩写，即“高级驾驶辅助系统”。

ADAS 不是一项配置，而是几项配置协调作用的系统，利用安装在车上的各式各样传感器，在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。

ADAS 硬件的核心是传感器（摄像头、雷达等）和处理器，软件核心是算法。

ADAS 主要起到的是驾驶辅助的功能，目前主要实现在 SAE 标准的 L0-L3 阶段，所以不是真正的“自动驾驶”，但它却是实现“自动驾驶”的基础。ADAS 系统除具有预警功能外，还可以在紧急情况下干预驾驶员操作，避免碰撞等交通事故的发生。

展望自动驾驶的未来，Comet Labs 认为：

一、降低激光雷达的成本对自动驾驶固然意义重大，但降低成本的问题可能不是真正的难点

激光雷达在过去几年因缺乏民用应用场景，没有人过度关注成本问题，但在自动驾驶应用民用化的推动下，已经产生了至少两种降低成本的方法：一是采用低线数雷达配合其他传感器，即传感器的融合；二是用固态激光雷达来替代因机械旋转部件昂贵而导致高成本的传统激光雷达。因此，在产业链各方有足够的重视和投入的情况下，激光雷达成本问题的技术进步，可能会在比人们所预期的更短的时间内实现。

二、多传感器融合的过程会异常艰难

为满足ADAS应用的高性能需求，多传感器的融合已经成为业内共识的趋势。目前传感器融合的方案已呈现出趋同的趋势，未来竞争的核心也主要集中在算法的研究上，但传感器融合的过程必将会异常艰难：其一，需要大量投入人力和财力完成融合的系统架构；其二，以计算机视觉为主的系统只能做到L3，而在L4面对更复杂的情况时必然会产生更加庞大难以处理的数据量；其三，传感器融合之后会产生融合算法的问题，在捕捉到巨大数据量的情况下要面临决策和取舍。训练深度神经网络的人工智能算法，让机器自己去学习和建模，仍然是最佳的方案。

三、核心基础设施的升级需尽快实施

随着自动驾驶技术逐渐被主流汽车厂商采用，核心基础设施的升级需要被提上日程并尽快实施。基础设施升级涉及到很多方面——从喷绘新的、更清晰的车道分隔线，到整合新的传感器和通讯模块。自动驾驶汽车需要能获取足够多关于所处环境的信息，以便进行预判、制定决策以及作出反应。当前的基础设施为人类驾驶员提供信息的方式并不一定适合自动驾驶汽车。针对人类驾驶员，我们使用不同的颜色、标志、信号灯、障碍物和车灯闪烁方式提供信息；而对自动驾驶汽车来说，这些信息输入将与环境结合，进而提供与道路状况相关的更多信息——传感器能监控车流信息，而汽车之间也能进行通信。

四、智能交通生态中出现突破性的事件对自动驾驶的实现至关重要

全球各国各地的交通环境会受到包括自然环境，政府的城市规划、政策，以及道德、民族文化等多方面因素的影响。如何让自动驾驶系统与交通环境适配，会成为一个长久的课题。智慧城市、节能汽车、电动汽车、车联网等智能交通生态中的任何一个环节的突破性进展，乃至政府政策的引导（比如雄安新区的智慧城市、智慧交通的定位），都会大幅推进自动驾驶实现的进程。