近日，哈佛大学研究团队在《科学》杂志发表一项名为“预测大流行后新冠病毒的传播状态”的研究。研究表明，新冠疫情在未来五年内有可能会反复爆发，需要长期监控。

截至目前，全球累计确诊超1800万例，超60万死亡患者，在尚未研发出安全有效的疫苗之前，社交距离、口罩防护已经成为全球民众的必要选择。疫情带来的世界格局变化，再次将自动驾驶推向风口浪尖。

打赢这场“战疫”，不仅仅是靠人类自己。2月6日，武汉市一台无人配送车从京东物流仁和站出发，躲避过车辆和行人，顺利将医疗物资送至武汉第九医院，这是疫情爆发后武汉智能配送的第一单。在疫情激发下，无人车技术成功满足了载物的低速配送场景，成为这场全球抗疫斗争中的中坚力量。除了无人物流配送，无人消毒车、无人清扫车等相关技术也相继赢来需求爆发。

疫情之下，人与人之间的接触传播感染机率，可以通过机器降到极低，这或许也是“无人”胜于“有人”的原因之一。

然而，载物无人驾驶和我们常说的载人无人驾驶是两个不同的垂直领域。“无人车载物”在疫情当下被完全激发，但 “无人车载人”领域却仍在探索如何规模化商业落地。作为人工智能技术最大的应用场景之一，科技公司与资本方纷纷押注这个热门赛道，再次为自动驾驶汽车的商业化落地保驾护航。

“无人”技术日臻成熟 商业化基础浮出水面

在近几年，自动驾驶主要有三方面的研发进展：感知系统的精准度不断提高，智能汽车计算平台的算力逐步增强，车路协同的基础正在形成。随着技术的成熟，外加上下游产业的不断完善，自动驾驶商业化的基础已完成构建，加速其在众多复杂的应用场景中探索落地。

首先，自动驾驶的感知系统包括环境信息感知、车辆信息感知等，涉及的环节包括对摄像头、激光雷达、毫米波雷达、超声波雷达等多种传感器的数据融合和处理，从而判断车辆可视范围内的物体，为系统驾驶决策提供信息支持。随着企业不断地进行路测和算法迭代，各家企业的感知系统，在物体识别准确度上都有了大幅提升,确保了自动驾驶的安全性。

其次，算法系统会从传感器原始数据中提取信息，从而进行感知、决策和控制。这一系列操作都需要在计算平台上完成。自动驾驶的等级越高，需要的计算平台算力越高。Mobileye 的自动驾驶处理芯片从 EyeQ1发展到EyeQ4，计算性能提高 384 倍，其EyeQ5芯片也将在今年量产。而英伟达的自动驾驶平台算力从则从320 TOPS提升到2000TOPS ，可以支持L5级的自动驾驶。

最后，5G的全球技术标准正在形成，将迎来行业爆发，5G技术将成为车路协同的基础。而在国家新基建的发展趋势下，路端智能也有望在未来几年逐步普及，全国各地都在筹备智能公路的建设筹备。在5G技术的基础上，“车联网”、车路协同也成为自动驾驶领域相关的大热技术，其涉及到的许多产业链有强大的带动区域经济发展的动力，也将带来巨大的经济和社会效益。自动驾驶下的车联网、车路协同如同一座桥梁将政府、产业链中的上下游企业串联起来，形成“互动”。

截至目前，自动驾驶的技术革命已完成早期阶段的胜利，也由此衍生出两种基于不同技术的自动驾驶解决方案。一种是以Waymo为首的互联网公司所代表的多传感器+高精度地图解决方案，车顶的元器件包含了激光雷达、摄像头、GPS天线等，这种方案较贵；另一种低成本解决方案则是以特斯拉等传统汽车厂商为代表的毫米波雷达+视觉传感器解决方案。两者相比，在远距离测量的精准度上，激光雷达方案优于毫米波雷达+视觉传感器的解决方案。毫米波雷达+视觉传感器无法感知行人，并且对周边所有障碍物无法进行精准的建模。因此，行业普遍倾向的包含激光雷达的多传感器+高精度地图解决方案将成为自动驾驶实现商业化变革的前提。

目前，国内处于行业下游的L4/L5自动驾驶技术公司发展迅猛，在18、19年纷纷拿到地方政府颁发的自动驾驶路测牌照，至此，国内的自动驾驶汽车已在开放道路上积累了大量的路测经验。除了下游企业的蓬勃发展，中国自动驾驶行业的上游部件以及核心模块也有多家初创企业崭露头角。近几年来，激光雷达作为实现自动驾驶最重要的一环，国产供自动驾驶车使用的激光雷达纷纷投入量产与应用，也在一定程度上加速了国内自动驾驶市场逐步走向成熟化。

国家重点发展战略 迎来黄金时代

疫情之后，不管是从政府政策层面还是中国高质量数据层面都得到了全面的提升与爆发，自动驾驶开始真正驶向黄金发展时代。在中国，自动驾驶技术和智能汽车强国将成为国家重点发展战略。

一方面，在政府层面，国家发改委等11个部委在今年2月联合发布《智能汽车创新发展战略》，提出智能汽车强国发展战略。截至目前，北京、长沙、广州、上海等15个城市不仅对企业开放实际路面积进行测试，也逐步批准自动驾驶出租车的路面测试与运营。《北京市自动驾驶车辆道路测试报告（2019年）》报告指出，百度、小马智行、丰田、腾讯、蔚来、智行者、滴滴、四维图新、奥迪、戴姆勒、北汽新能源、美团等13家企业都在京开展自动驾驶路测。

另一方面，就实际路测而言，由于国内复杂和各地差异化的路况，国内的自动驾驶企业更容易获得大量的、丰富的路测机会。早在2018年，上海市自动驾驶车实地测试的累计测试时长就已经达到1031小时，合计23158公里。为了使自动驾驶车可以在瞬息万变的复杂场景中发挥作用，以及考虑到机器学习系统对数据的需求，汽车厂以及技术公司对其进行大量的训练。在进行长时间的训练和实际路测后，这些来自不同的驾驶环境的高质量数据收集与分析，为自动驾驶车的上路做出了安全性保证。

根据前瞻产业研究院发布的《中国无人驾驶汽车行业发展前景预测与投资战略规划分析报告》相关数据显示，自动驾驶汽车到2025年可以催生出一个2000亿至1.9万亿美元的巨大市场。此外，据麦肯锡未来出行研究中心发布的报告显示，中国未来可能成为全球最大的自动驾驶市场，直至2030年，自动驾驶相关的新车销售及出行服务创收将超过5000亿美元（约合3.5万亿元）。这个蛰伏多年的市场将迎来史无前例的需求爆发。

三方合作协同 量产新征程

但就如何更高效的实现自动驾驶商业化问题上，目前行业普遍认同只有自动驾驶技术公司、汽车制造商、和共享服务平台三方联合，才能协同实现产业化。其中，自动驾驶技术公司，也就是科技公司，提供全栈式软硬件解决方案。举例来说，L4级自动驾驶解决方案提供商元戎启行发布的车规级计算平台解决方案DeepRoute-Tite，大幅降低了计算平台的成本和体积，功耗降至传统方案的近九分之一，为自动驾驶商业化创造了更大的空间。其自研的L4传感解决方案DeepRoute-Sense更能精确感知周围140米范围内的物体，提高了车辆上路的安全保障。

在技术公司之后，汽车制造商或一级供应商进入，有了主机厂的支持和底层平台的开放，加之零部件和传感器的车规化，就可以实现量产，建立规模化的车队。

最后，联合共享服务平台转化为B2C，和特定场景下的B2B服务，实现自动驾驶出行服务的落地。例如，安波福在拉斯维加斯街头投放了30辆搭载有安波福平台的自动驾驶汽车，加入Lyft共享汽车平台为消费者提供服务。出行服务商在应用场景以及的天然优势能够让自动驾驶车更快的上路，在运营场景上的资源和海量的出行数据为发展自动驾驶打好了基础，帮助自动驾驶在感知和路径规划上进行迭代和升级。除了Lyft，百度的自动驾驶开发项目Apollo计划一方面与神州专车、首汽约车、盼达、大道出行等出行公司达成了战略合作，另一方面也与福特、长城、威马等车企达成合作，开启自动驾驶商业量产时代新征程。

驶向未来 挑战与困难犹存

尽管如上文所言，感知系统、智能汽车计算平台、智慧公路的发展为自动驾驶的商业化提供落地支持，但距离完全商业化仍然有许多挑战与困难。自动驾驶技术要想大规模商业化，一方面需要降低成本，提高传感器性能的；另一方面，也急需解决有关自动驾驶安全性、本地化、与相关法规制定等问题。

在安全性方面，由于现实的交通环境非常复杂，同时雨雪大雾等恶劣天气会影响自动驾驶对于路况及行驶的判断与决策。因此，如何保证复杂的城市道路交通环境中的安全性仍然是自动驾驶载人汽车需要提升的。

此外，面对网络风险，自动驾驶车的系统需要做足防御，抵御黑客的入侵，保证驾驶的安全，防止AI系统和敏感性数据遭到破坏和监控，从外部下达指令遥控汽车。而本地化在汽车行业中尤为重要，受到语言、文化和客户不同的特征的影响，车企需要为不同地区的客户开发不同的语音功能并进行跨语种优化，保证消费者良好的体验感。其次，自动驾驶发生交通意外时的责任如何认定，也是目前面临的一道难题。