美国汽车新闻网日前报道称，尽管在自动驾驶领域，诸如Waymo和Cruise的技术实力依然可以排在世界前列，但是在实际应用和道路测试方面，中国企业已经快速赶上；并且随着经验的积累，中国自动驾驶企业在技术水平上也在迅速地缩小差距。

例如，7月10日，无人驾驶出租车公司文远知行获得政府许可，将在广州的公共道路上启动中国首个全自动驾驶测试。美国汽车新闻网在文章中表示，“虽然还不清楚测试何时开始，但他们有可能将与Waymo的技术水平不相上下。”

道路测试加速中国企业技术突围

可喜的是，尽管今年来的疫情让许多企业生产研发陷入停滞，但是企业自动驾驶技术上的投入并没有因此而暂停前进的脚步——他们的注意力已从发展AI技术本身，转向关注规模化的自动驾驶出租车业务的实际运营。

“中国汽车业正变得更加成熟，”专注于研发以摄像头为传感器的自动驾驶企业AutoX创始人萧健雄认为，“在技术上追赶的有效方式就是必须考虑如何快速地落地测试与运营。”今年4月，该公司在上海推出了由100辆自动驾驶汽车组成的车队，并开设了一个运营中心以管理车辆。与此同时，该公司启动了与移动平台高德地图的合作以获取搭载自动驾驶技术的网约车服务。

在群雄逐鹿的中国自动驾驶领域，当然不止这些玩家。除了AutoX之外，今年2月，自动驾驶初创企业小马智行从丰田汽车公司获得了4亿美元的投资后，该公司在美国加州欧文市启动了一个以送货为主的试点项目。

百度作为国内最早布局自动驾驶的企业之一，其开发的Robotaxi技术已经可以自如应对中国式复杂交通场景，例如无保护左转、车流中择机变道、复杂路口通过、窄路通行等。不仅如此，今年4月19日，百度在湖南长沙运营的Apollo Robotaxi服务上线百度地图及百度APP智能小程序，成为国内首个通过国民级应用向公众开放的自动驾驶出租车服务，长沙用户打开百度地图进入打车服务或在百度APP搜索“Dutaxi”，均可率先体验新式自动驾驶出行服务。

同样是在今年5月，网约车公司滴滴出行宣布计划到2030年在中国道路上部署100万辆无人驾驶汽车。随后的6月27日，上海智能网联汽车规模化载人示范应用启动，滴滴出行首次面向公众开放自动驾驶服务。用户可通过滴滴APP线上报名，审核通过后，将能在上海自动驾驶测试路段，免费呼叫自动驾驶车辆进行试乘体验。

尽管此前许多企业都以加州为中心开展自动驾驶路测，但是随着中国各大城市测试牌照的逐步放开，他们纷纷落地中国推进商业化路测项目。文远知行创始人韩旭认为：“中国的道路复杂程度要远高于美国，选择在此测试，就好比将一个运动员放到更高对抗水平的比赛中，其水平提高就会比之前更快。”

商业化前景可期

一项新的技术要真正实现正向循环，商业化落地是必然的选择。自动驾驶技术对企业而言无疑是天然具有诱惑力的。

咨询公司罗兰贝格全球合伙人兼大中华区副总裁方寅亮测算：“如果达到L4级自动驾驶，公路运输过程中的人力、燃油、维保、保险费用等均能够有不同程度的降低。”他认为，在最乐观情况下，L4级别自动驾驶在高速公路场景将不再需要司机，仅需要人工进行装卸货等，预计可降低80%成本；更高效的线路和更通畅的道路可以节省15%燃油费用成本；驾驶方式的改变也能节省15%的维修保养费用以及40%保险费用，另外，“在出行领域，RoboTaxi（智能的士）预计将成为最先成熟的商业模式。”

潜在的大幅节约成本的可能性，给网约车平台带来了巨大的想象空间。咨询公司贝恩估计，中国的网约车市场价值约为230亿美元，是世界上最大的市场。该公司表示，其中约90%的份额由滴滴占据。但是，自动驾驶技术的出现让这一市场出现了拓展空间。

滴滴出行创始人兼CEO程维表示：“我们相信最终AI技术会大幅提升驾驶安全和效率，造福人类，而滴滴最大优势是场景和数据以及坚定投入的决心。同时我们也相信自动驾驶从技术、商业到法规成熟，道阻且长，至少还需要做10年持续投入的计划，也要做好面对各种困难和挑战的准备，但方向是明确而坚定的。”

方寅亮预测，在商用车领域，2025年预计可以实现“有条件的自动化”，即驾驶员的双手、手脚和双眼可以实现同时“解放”，但必须随时快速接管车辆控制；到2030年可以进入“高度自动化”阶段，即车辆在特定情况下可以实现自动驾驶，不需要驾驶员监控路况；在乘用车领域，预计到2025年将有约50%左右车辆能够实现L1—L2级别自动驾驶，约15%左右能够实现L3—L4级别自动驾驶，L5级别自动驾驶尚不能实现。

自动驾驶技术挑战依然

自动驾驶技术因为能够深刻改变当下人类社会的出行方式，使得它不仅要足够可靠安全，还必须符合各国的法律法规。由于此前不少车主使用自动驾驶过程中出现不少事故，这项技术在大众视野中始终被打上怀疑的烙印。

方寅亮指出，自动驾驶技术的难点主要在3个方面，即技术、成本和运维。具体而言，在技术方面，自动驾驶汽车需要海量里程的实际路测，近两年全球发生了多例自动驾驶汽车事故，充分说明了这项技术的数据积累目前还不够成熟；在成本方面，激光雷达、高性能芯片等关键部件的造价仍然太高，但未来规模化降本可期，同时AI算法需要非常大的功耗，难以实现量产；在运维方面，传感器、激光雷达、摄像头等关键部件需要进行及时维护以确保其在最优状态，而个人应用可能无法保证维护的及时性和专业性。

以高精度地图为基础提供自动驾驶解决方案的四维图新在接受记者采访时表示，对于高精度地图来说，难点主要在两个方面，一个是安全，另一个是合规。他们眼下需要重点要解决4个问题：一是数据的质量参差不齐；二是高精度地图的产品品质（L3+自动驾驶的驾驶主体第一次发生了变化，地图也不再只是参考，而是影响安全的核心决定因素，地图品质控制上升为全新的重要命题）；三是产品的合规较难统一；四是中国城市道路的复杂性对高精度地图生产效率、自动化水平、成本、品质均提出了更高的要求。