自動駕駛商業化落地的條件正在逐漸具備。一方面，近幾年技術發展在持續降低自動駕駛方案成本，激光雷達、毫米波雷達價格不斷下降，人工智能算法也在提高攝像頭對路況的處理能力；另一方面，中美歐日等各地區都在抓緊制定自動駕駛相關法律法規，清除自動駕駛汽車上路的法律障礙；此外，從國外到國內，各企業都高調推進自動駕駛汽車道路實測，并為之設計概念車或量產小部分樣車，大量路測數據讓自動駕駛方案日趨成熟，自動駕駛汽車從概念走向落地。

7月20日，在2018青城山中國生態高峰論壇上，重慶長安汽車股份有限公司智能化研究院副院長何文預計，自動駕駛技術將會呈現爆發式增長。“尤其現在是L1和L2，我們估計到2025年L1將達到90%左右，L2級從今年開始到2025年也會呈爆發式的增長，”何文說道，“ L3與L4智能駕駛開發路線也逐步清晰，產業化步伐加快，現在大家基本統一了認識，L3與L4并行推進，L3面向消費者，L4是從運營市場切入，解決最后一公里的問題。”

重慶長安汽車股份有限公司智能化研究院副院長何文

根據美國汽車工程師協會（SAE）標準，自動駕駛分為六個等級（L0至L5），第1級（L1）至第2級（L2）是輔助駕駛階段，而第3級（L3）至第5級（L5）是自動駕駛階段。目前量產車當中，自動駕駛級別多在L3以下，2017年下半年上市的新奧迪A8，號稱是全球首款支持L3級別自動駕駛的汽車。特斯拉雖然曾經號稱自己的Autopilot 2.0硬件平臺可以支持L5級全自動駕駛，但出現幾次事故以后，特斯拉已經不再著力宣傳這一點。

何文表示，從近期數起開啟自動駕駛后發生的事故來看，當前汽車廠商還存在過渡宣傳的現象，夸大現有功能，從而誤導了部分車主。“技術路線還不成熟，感知系統無法適應復雜多變的環境，”何文認為，自動駕駛汽車在國內落地還面臨多重挑戰，“第一個是法規，法律法規如何對自動駕駛汽車進行約束還有很多空白，需要更進一步研究來完善法規；第二個，在中國交通設施和交通標志的設計與自動駕駛需求還存在較大差距，中國各種道路交通要素不統一，復雜多變，導致道路測試難以覆蓋所有路況，比如匝道、隧道建設的不統一，帶來識別的困難；第三，基礎設施與自動駕駛發展缺少協調統籌，我們的基礎設施很少考慮自動駕駛的特點，已完成的交通基礎設施也很難準確獲取信息；第四，智能駕駛引入的開放互聯將帶來信息安全問題，也是智能汽車發展的重要威脅，國外已經出現過因為黑客攻擊導致汽車出現事故的案例。”

馭勢科技CEO吳甘沙也表示，目前自動駕駛生態遠不成熟，離替代人類還有很大的距離。Waymo路測里程已經超過800萬英里，但根據蘭德公司2016年的推演，自動駕駛系統要真正略超出（20%）人類行駛里程平均事故率（每1億英里有1.09次致命事故）水平，需要完成的路測里程數是110億英里，才能在統計學上驗證該平臺是安全的。“這幾乎是不可完成的任務。解決的思路，第一是通過模擬仿真來替代，在云服務器上，一天可以在模擬器里跑100萬英里，當然模擬不能完全取代路測，所以我們希望建立飛輪效應，開放區間L4級自動駕駛不可行，但可以放到封閉環境去跑，在封閉的環境獲得更多的數據，從而提升算法。”

馭勢科技CEO吳甘沙

吳甘沙分析，影響自動駕駛場景的因素可以分成三個緯度，即可靠性、開放性與安全舒適性，不同自動駕駛場景，對三維參數要求不同。無人駕駛的物流應用對于舒適性沒有需求，相對約束條件較少；自動代客泊車也不需要舒適性，但其環境開放程度較高，系統健壯性需要提高；高速自動駕駛應用場景相對封閉，更可預測，但對舒適性要求較高。

吳甘沙還對擴展封閉場景應用拓展做了設想，他表示，可以在車載控制器里跑兩套算法，一邊是產品算法，一邊是模擬算法，以此來解決路測數據不夠的問題。“在停車場內部做無人駕駛，一旦車開出停車場，就變成有人駕駛，在有人駕駛的同時，不讓傳感器和控制器閑著，系統在開放道路跑L4的算法，并做模擬決策，但不反饋。把模擬決策跟有人駕駛的決策做比較，如果顯著不同，就把數據傳回來。不斷在開放道路上在有人駕駛的情況下，做L4測試，裝機數量越多，數據就越多。”

這種封閉或半封閉場景的自動駕駛應用，都是當前商業化落地前景比較好的方向，西井科技率先落地的應用就是港口自動運輸。但西井科技CEO譚黎敏認為，封閉場景并不意味這解決方案一定就比較簡單，“在港口要做到的車輛控制和定位精度是兩公分，因為我們的車輛需要跟大型機械去做交互，需要用港基的設備去抓集裝箱，在這個過程當中，系統對設備的精度要求非常高，集裝箱鎖孔就是兩到五公分大小，所以很有難點。”

西井科技CEO譚黎敏

從現場投票結果來看，大家也比較一致地認為，物流、自動代客泊車與高危作業環境等特定應用場景的自動駕駛落地會比較快。針對投票結果，AImotive執行顧問Tony King-Smith給出的解釋是，物流與自動泊車經濟效益立等可見，所以產業推進速度很快，“物流可以一天24小時持續作業，因此自動駕駛在物流業中有非常好的經濟效益，所以我們已經看到自動駕駛在物流配送領域的應用。”

AImotive執行顧問Tony King-Smith

在國內公司大多將資源投入封閉場景自動駕駛時，國外的Waymo與通用汽車等，都已經開始準備在開放場景做無人駕駛出租車商業試水。當然，在技術基礎、道路環境與法律法規等方面，中美區別較大，所以無法直接比較這兩種途徑的優劣。但有一點是相同的，最終商業化決定能否成功落地的，都不是技術，開放場景的自動駕駛商業化，更依賴健全的法律法規與完善的基礎設施建設，而封閉場景的自動駕駛商業化，更依賴對應用環境的透徹理解，以及行業資源。