当前，自动驾驶处于尴尬的境地：一方面，自动驾驶是前沿技术，谁走在前面，谁的创新能力就会获得社会认可；另一方面，因为不能落地，带来了经济效益自然有限，谁又有如此多的钱可烧。本文从技术、路况，法规等影响落地的因素入手进行分析。

　　一、落地，还有漫长的路要走

　　早在2009年，谷歌的Waymo就启动无人驾驶研发，试图将这项激动人心的技术带给全人类。然而，理想很美好，现实很残酷，十几年的打拼并没有带来自动驾驶的商业化运营突破。

　　但是，自动驾驶，经过近几年的发展，已经步入研发和测试阶段，入局企业更如雨后春笋般地涌现，各自在其领域取得了不菲的业绩。就目前而言，自动驾驶正处在由“L2智能辅助驾驶”迈向“L3、L4自动驾驶”的关键阶段，毫不夸张地说，自动驾驶已步入下半场，到了落地为王的竞争阶段，但离真正的商业化运营，还有很长的路要走。

　　自动驾驶实现规模化商业运营，决定于技术的可行性，即能否胜任各式复杂场景，产业链是否成熟，容错空间有多大，如果发生事故后果将会有多严重等等。

　　要把自动驾驶推进下去，眼下的重点是解决好技术、安全和可靠性问题。技术不成熟，企业量产就不可能。当追逐风口的浮躁散去，关于自动驾驶的思考逐渐回归技术本源，需要技术和运营层面的不断突破。自动驾驶技术本身难以落地，需要转化为可感知、可使用的产品与服务。自动驾驶企业应开展技术角逐，尽可能多得从技术创新中攫取利润。

　　目前的技术做不到全场景，各大企业虽然有冗余，但无法实现感知、决策和执行的全冗余，关键时刻，人员还是要接管。比如，夜间光线不好的道路施工区域、停在路边的车突然开门等，都是实现城区自动驾驶时需要解决的典型问题。

　　在技术可行之前，需要海量的行驶数据支撑。覆盖广泛的测试网络能带来海量的行驶数据，有利于研发团队快速提升自动驾驶车辆的算法完善度。厂商则往往是拉着测试车天南海北地跑，通过堆积测试里程提高数据获取量。

　　在公开道路测试里程上，Waymo在2020年1月就达到了2000万英里；同时，在仿真模拟器上跑了70亿英里的驾驶里程。百度的L4 级自动驾驶累计测试里程突破 1000 万公里，是全球唯一自动驾驶测试里程突破千万公里的中国企业。

　　然而，这还远远不够，为了让自动驾驶系统的可靠性达到99.9999%，研发人员必须在多种场景进行反复测试，以提高系统的可靠性。然而，在政策允许的场景中测试，就像在封闭赛车场上跑圈，到了下一个场景，还得继续跑。

　　比如，百度尽管今年五月在“首钢园”试行所谓的商业化载客实验，但脱离园区的自动驾驶如何实现robotaxi，如何接入真实出行场景，百度仍然难有答案。

　　无论你怎么测试，在一个开放的道路区域，你永远会遇到各式各样的不同的新问题：比如，天气的变化，路况的变化，道路车辆行为的变化，人的行为的变化等等。

　　自动驾驶是一个依靠技术驱动的行业。随着场景的逐步多元，其对算法精度要求之高、算法广度要求之多势必让人咂舌，而对于不可预见的长尾场景的处理，挑战非常巨大。如果不能解决这样的场景，将严重影响实际的驾乘体验与技术落地进程。

　　自动驾驶未来的比拼，核心是技术的比拼，谁能满足更多场景的实际需求，谁就能在这场竞逐中走到最后。有人认为，今后的5~10年时间，自动驾驶技术将迎来转折点，营造生态、积累数据，是当前应该专心做的事。

　　如何选择商业化的实现路径，也是重要一环。因为一旦选错，可能就会走许多弯路。在诸多赛道中，自动驾驶卡车正被越来越多的人视为最具商业落地领先性的产品，其中一个原因是载物而不是载人，对安全性的要求不是那么苛刻。出租车上路载客，因城区道路场景内长尾场景多变复杂，将成为自动驾驶实现100%技术落地的最后角落。

　　没有规模就不会形成产业链，在真正进行商业化运营之前，不会真正产生有规模的用户价值。

　　二、商业化，是一项系统工程

　　自动驾驶是颠覆性技术，其落地是一项系统工程，不仅需要技术，安全，更需要路况与法规。

　　自动驾驶上路，不是依靠某一家公司就可以解决问题，首先需要一个系统级的顶层设计。光有车，没有一个好的路况，好的法规，无人驾驶其实也很难做。

　　当前，车路协同已经成为我国自动驾驶大规模商业化应用的主流路线。6月11日，第11届中国汽车论坛上，中国汽车工业协会常务副会长兼秘书长付炳锋表示，现在中国已经明确走车路协同的路线。车路协同能让自动驾驶行车更安全、行驶范围更广泛、落地更经济，让自动驾驶规模化、商业化落地门槛大大降低。

　　通过智慧高速项目建设自动驾驶专用车道，再通过技术手段实现自动路车协同，这是自动驾驶基础性的新工作。

　　目前这方面的工作已经开启，主线科技成功中标《高速公路智能车路协同系统集成应用》，成为“自动驾驶专用车道设计及货车列队控制“课题的负责单位。今年3月，蘑菇车联与衡阳市政府达成战略合作，双方在智能终端、车路协同、自动驾驶及智慧交通领域展开深度合作，推动城市级自动驾驶大规模落地和商业化运营。

　　众所周知，自动驾驶的落地，需要海量的测试数据。但测试，需要在合规的前提下进行，所以这个很大程度取决于当地法规的完善程度。如今，很多自动驾驶企业都已跃跃欲试，寻求更加开放、合法的真实道路测试乃至商业化运营，然而技术和法规之间的同步需要时间，更需要强有力的依据支撑，例如技术安全性、可靠性的测试评价证明，这需要政府和企业共同去努力。

　　2020年文远知行已经获得了广州、武汉、郑州等地的自动驾驶路测牌照，滴滴自动驾驶已经在上海、北京、美国加州等多个地方获得自动驾驶道路测试资格。

　　真正商业化落地之前，是政策体系的开放，目前，许多政策还需进一步完善，比如保险、基础设施等等。可喜的是，目前，北京，深圳、广州、长沙等城市推动政策落地的力度、节奏超过预期。

　　4月13日，北京市智能网联汽车政策先行区正式开设，并发布了《北京市智能网联汽车政策先行区总体实施方案》。在这一先行政策中，明确鼓励经过充分验证的智能网联汽车在政策先行区率先开展试运行并提供商业运营服务，企业在商业运营过程中可提供收费服务。

　　目前国内还尚未允许无人驾驶出租车上路载客，商业化运营还不被批准，但从地方角度，已有尝试，文远知行于今年2月获得广州市交通运输局颁发的网约车运营许可证，选择与白云出租汽车集团合作，完成了从自动驾驶测试车到法规许可的营运车辆的跨越，目前已能在最热闹，最缺出租车的广州市区，实现商业化载客。

　　总之，自动驾驶到底什么时候能做到规模的商业化，其实不完全取决于企业，政府政策、基础设施、法律法规、道路开放、甚至如高精度地图都是牵制因素。但我们相信，随着技术、生态的发展，相关政策体系也会不断完善成熟。

　　三、分级调整，难解落地困局

　　5月3日，SAE International（国际汽车工程师协会），联合ISO（国际标准化组织），再次更新了自动驾驶分级标准，这也是SAE在7年内第四次更新分级标准。

　　行业和用户最熟悉的自动驾驶分级是SAE 制定的规则，从L0-L5共六个等级。由于SAE前三次分级不清晰，对L3级的定义比较模糊，这次分级重新进行了定义，明确了L1、L2必须称作辅助驾驶，L3、L4、L5才能称作自动驾驶。

　　就L3来说，明确增加对驾驶员接管能力监测和风险减缓策略的要求，大大降低了门槛；但L4更难了，新规要求在L4的场景下，车辆不会要求驾驶员做任何接管，但意味着，一旦L4出现事故，责任全是车企的。

　　在本次更新之前，许多车辆的水平都是介于L2-L3之间，新的分级之后，国内在自动驾驶领域领先的车企纷纷表示将在年内量产搭载激光雷达的车型，以实现L3级别的自动驾驶功能。自动驾驶本身技术没变，以前车企只能宣传L2.X，现在可以尝试宣传L3了。

　　这对宣传有用，但对实际落地帮助不大，甚至增加了难度。L4是指在特定区域内的完全自动驾驶，这意味着车辆已经不要方向盘、刹车，更不会要安全员。

　　2020年10月，Waymo宣布，取消其在亚利桑那州凤凰城郊区运营的Robotaxi业务上的安全员，是L4的一次尝试，给业界带来了一片乐观的期待，认为Robotaxi的规模化复制指日可待。

　　然而，直到今年7月，Waymo的无人驾驶车队规模大概还是700辆。基本上，可以确定，哪怕到2022年，Waymo将Robotaxi规模商业化运营的可能性都等于0。

　　从传统理念上看，自动驾驶从L1到L5是循序渐进的过程。然而，目前市场上各个企业的切入角度不同，有采取渐进式发展，也有直接瞄向L4/L5。残酷的现实是，截至目前，直接做L4级自动驾驶的商业模式还没有一家跑通。在AI能力没有出现质变之前，直接做L4级自动驾驶系统，恐怕难以实现。

　　也有车企，抛开SAE分级，自己定义自动驾驶功能级别，如特斯拉，如小鹏都以场景为主，自己定义自动驾驶功能级别。

　　但是，无论怎么分级，最终其实都是为了把这个技术放到一种可以落地运营的应用场景当中去，况且，目前SAE 分级标准和工信部的《汽车驾驶自动化分级》国标都没有法律效应，无法对于自动驾驶责任主体进行判定。分级的调速，难解自动驾驶落地困局。

　　结语：现有技术下，全球普遍停留在L3级别，离完全的自动驾驶还有差距。换言之，目前的自动驾驶汽车依然离不开人的参与，真正完全取代人，还很遥远，目前要做的是，一步一个脚印地共同推进自动驾驶技术的研发和商业化落地。