自动驾驶正站上“风口”。

本月初，重庆、武汉两地率先发布自动驾驶全无人商业化试点政策，在外界看来，这标志着我国自动驾驶将迎来高速增长拐点。从2017年开始，工信部、公安部、交通运输部、国家标准委等部委先后发布《智能网联汽车道路测试管理规范（试行）》《智能网联汽车道路测试与示范应用管理规范（试行）》等文件。近年来，中央和地方陆续推出一系列支持政策，推动无人驾驶技术进步和商业化落地。

作为未来出行的核心支撑，自动驾驶技术犹如一把打开新兴产业大门的金钥匙。据不完全统计，已有北京、上海、广州、深圳、长沙等多个地区出台了相应管理办法或实施细则，从道路测试、载人测试、示范运营到无人化等多个阶段开展探索。

与此同时，近期与“自动驾驶”相关的交通事故频上热搜。8月上旬，一辆小鹏P7在开启LCC（车道居中辅助系统）功能进行辅助驾驶的状态下发生交通事故。这并非个例，去年8月连锁餐饮品牌创始人林文钦驾驶蔚来ES8并使用NOP领航功能发生车祸去世，而业界围绕自动驾驶系统安全性的争议从未停止。

8月初，深圳首次为自动驾驶交通事故责任认定提供了法律依据，其中，如果汽车完全无人驾驶，车主将负责，在确认是由车辆缺陷导致事故的情况下，车主可以向自动驾驶车辆制造商寻求赔偿。

自动驾驶时代或许不远，这一技术是否成熟又面临哪些难点，什么原因导致事故频发，行业亟待怎样的监管规范。对此，新京报贝壳财经记者专访了北京市高级别自动驾驶示范区工作办公室常务副主任捷菲，同济大学教授、汽车安全技术研究所所长朱西产以及国家发改委综合运输研究所城市交通中心主任程世东。

谈发展

高级别自动驾驶产业商业化任重道远

新京报贝壳财经：在自动驾驶车辆的测试过程中，常提到车、路、云、网、图的建设，它们起到什么作用？

捷菲：北京市高级别自动驾驶示范区践行的车路云融合技术路线，是围绕“聪明的车”“智慧的路”“实时的云”“可靠的网”“精确的图”五大体系开展基础建设。通过车路云融合，实现我们通常提到的自动驾驶车路协同技术，解决单车智能所无法解决与处理的一些复杂危险场景。

在路侧建设包括摄像头、毫米波雷达、激光雷达等在内多源路侧感知基础设施，给自动驾驶车辆提供一个自身传感器无法实现的“上帝视角”，提升车辆的融合感知能力；在云端，通过边缘云-区域云-中心云结合，完成数字化路口全要素精确感知，从而统筹全域管理与信息服务，满足不同级别自动驾驶车辆的使用需求；同时，通过搭建分米级高精度动态地图平台实现车道级精准定位，依靠低时延、高可靠、极稳定的网络支持，实现实时数据交互。在最大化确保自动驾驶安全性的同时，降低单车智能带来的高成本问题，促进高级别自动驾驶车辆的规模化落地。

新京报贝壳财经：目前来看，示范区还有哪些问题正在突破？

捷菲：首先，在技术层面，目前产业链上下游仍有急需突破的核心关键技术。示范区立足自身汽车产业基础，围绕核心项目配套产业链，重点攻关芯片、操作系统等“卡脖子”技术，并制定专项政策。同时，作为融合发展的新产业，需要确立新的建设标准和投资模式。示范区坚持车路云融合的“中国方案”技术路线。如果标准不统一，数据将无法实现互联互通，会降低车路云一体化平台的支撑作用和企业的投资意愿，增加有关成本，不利于大规模推广。目前，示范区已经发布首个高级别自动驾驶示范区标准体系，相关标准研制工作正在进一步推进。

此外，现阶段高级别自动驾驶产业商业化、规模化任重道远。因此，政策先行区打造先行先试监管沙盒，积极推动商业化探索与商业场景落地，并持续优化运营监管，为示范区企业商业化探索营造良好的营商环境。

下一步，示范区将坚定智能网联汽车发展的战略方向，通过推动具有重大引领带动作用的技术、政策和产业融合发展，助力北京市加快全球数字经济标杆城市建设。通过打造中国方案智能网联汽车落地标杆，形成北京实践范本，将网联云控式自动驾驶系统逐步融入智慧城市建设体系，推动数字化新基建和智能网联技术应用到更多场景，使广大民众能够共享智慧城市的红利。

新京报贝壳财经：目前智能网联车辆测试进入“主驾无人”阶段，从整体的无人化测试来看，主要分为哪些阶段？

捷菲：智能网联乘用车道路测试分为主驾有人、副驾有人、后排有人以及远程驾驶四个阶段。2021年4月，依托示范区在经开区设立北京市智能网联汽车政策先行区以来，通过系列政策先行先试，陆续开放了相关场景测试，并推动企业开展商业化探索。

去年4月，市自动驾驶办公室颁发首批乘用车道路测试牌照，在政策先行区开放智能网联乘用车场景测试。10月，开放了无人化道路测试，将其分为副驾有人道路测试、后排有人道路测试以及车外远程三个阶段。11月，开放全国首个自动驾驶出行服务商业化试点。今年4月，我们在国内首次开放主驾无人示范运营试点。7月，推动国内首个无人化商业化试点在政策先行区开放。未来，在保障安全的前提下，将有序推进产业步入整车“无人化”阶段，最终实现民众出行服务体验的变革。

有必要推动公共汽车自动驾驶测试

新京报贝壳财经：8月，交通运输部发布《自动驾驶汽车运输安全服务指南(试行)》(征求意见稿)，如何看待这一政策出台？

程世东：鼓励在封闭式快速公交系统等场景使用自动驾驶汽车从事城市公共汽(电)车客运经营活动，主要是因为不同车型对无人驾驶技术有不同要求。目前，小汽车、货车、低速无人配送车都在测试，推动公共汽车自动驾驶测试也很有必要。总体上来讲，自动驾驶技术具有通用性，但不同车型会有一定的差异，根据不同车型差异性推进测试，都值得肯定。

新京报贝壳财经：各地加快自动驾驶商业化落地，目前我国自动驾驶发展处于什么阶段？

程世东：每家企业技术发展具有差异性，作为业内人士只能通过公司测试过程中一些具体行为，判断技术发展的程度，从试验场地到公开道路，从有安全员到没安全员，都是技术进步的体现。目前，无论国际还是国内，自动驾驶技术都往前推进了一大步，这代表着公司对自己技术的自信。

谈事故

企业要界定辅助驾驶使用条件

新京报贝壳财经：近期，小鹏汽车、蔚来汽车辅助驾驶频见事故，企业在宣传上有何变化，这类事故安全责任应怎样界定？

程世东：前两年，企业可能更多的是宣传无人驾驶或自动驾驶，这两年更强调辅助驾驶。这主要在于企业认为短期内真正实现全自动驾驶的可能性不大，所以转向高级辅助驾驶。

我认为在辅助驾驶过程中，一旦发生事故，安全责任划分很重要。现在法律规定只要驾驶员驾驶车辆，即使使用辅助驾驶，所有责任都归咎于驾驶员。实际上，使用辅助驾驶，比如定速巡航功能，会令驾驶员注意力分散，如果遇到紧急情况就需要反应时间，会增加安全风险。所以目前责任划分不够合理。汽车厂家需要界定辅助驾驶使用条件，在此条件下出现安全事件，车企应该承担责任。相反，驾驶员在不符合规定条件下使用辅助驾驶场景，发生交通事故以后，驾驶员应该负责。

系统变聪明，“L2+毕竟不是自动驾驶”

新京报贝壳财经：在你看来，造成“自动驾驶”事故频发的重要原因是什么？

朱西产：有些车型的辅助驾驶功能已经从L2级别达到L2+级别，自动控制能力在提升。

从几年前就有的ADAS（先进辅助驾驶系统）来说，第一代ADAS产品是通过毫米波雷达和单目摄像头作为环境感知传感器，没有人工智能算法，采用嵌入式电子构架，没有高算力，L2级别以下的辅助驾驶系统也不使用高精地图。驾驶者一般不会对这类辅助驾驶系统产生依赖，因为它的实际表现不行，所以L2级别辅助驾驶系统反而是安全的。

相比之下，现在新一代车型的电子架构采用域控制器，使用了高算力芯片,车辆的环境感知传感器已经变成了多目的高清摄像头，在高算力芯片、AI算法支持下，这些高清摄像头的感知能力大大提升。此外，新一代车型在智能驾驶域控制器里使用了精度高达厘米级的高精度地图和车道级的高精度定位。

目前国内还未出台L3级别自动驾驶标准，所以车企的宣传基本把L2+级别的系统称为高精度导航智能驾驶（NOP、NGP等）。新一代车辆计算能力强、环境感知和摄像头处理也采用人工智能算法，各家车型基本上搭载8-10个摄像头，能力的确很强。一般情况下，在高精度地图覆盖的区域，这些车辆的智能驾驶系统基本没有问题，正常交通状态下几乎不需要驾驶员介入操作，因此尽管汽车企业没有误导，车主在使用过程中会积累起对它的信任而错误地认为自己在使用自动驾驶功能。但L2+智能驾驶系统毕竟还不是自动驾驶。

新京报贝壳财经：有观点称，没有正确区分自动驾驶和辅助驾驶是造成事故的一个重要原因，你如何看待这种观点？

朱西产：我们要告诉消费者，中国的汽车企业现在还不能销售自动驾驶汽车，所以用户也不可能购买到具有自动驾驶功能的汽车。无论车辆搭载了多高算力的芯片和多贵的激光雷达，目前能销售的汽车智能驾驶系统都属于辅助驾驶。使用辅助驾驶系统，驾驶员就不能分心，尽管它在自动控制，驾驶员仍需要专心开车。

谈技术

感知静态物体仍为智能驾驶难点

新京报贝壳财经：为什么自动驾驶功能尚未达到L3级别？

朱西产：现在有些车型的辅助驾驶在高精度地图、高算力人工智能算法的支持下，驾驶能力的确有提升，但它毕竟不是自动驾驶。目前来看，辅助驾驶系统车辆发生碰撞事故，基本上容易撞到静态物体。机器开车与人开车的特征是不一样的。对于人来说，很容易识别静态物体，但对于智能汽车而言，毫米波雷达有测速能力，摄像头用了光流算法对动态物体也是敏感的，但它们对静态物体的识别能力较差。从智能汽车发生的事故看，大多数撞的都是停在路边的车辆或物体，这也是为什么这一类智能汽车现在还达不到L3级别的原因。

新京报贝壳财经：如何破解自动驾驶识别静态物体难题？

朱西产：目前的智能驾驶系统静态物体识别能力差，从技术角度来说，可能还差一个激光雷达。今年国内有几款新上市的车型搭载了激光雷达，例如小鹏新版P5和P9，蔚来ET7、长城汽车的摩卡等。随着更多搭载激光雷达的车型上市，再看看是否可以解决静态物体识别能力差的问题。

目前来说，视觉与激光雷达融合的方案可能更适合自动驾驶的发展方向。对静态物体的感知可能需要靠激光雷达，完全依靠视觉可能不行。

谈落地

国内正在制定L3认证标准

新京报贝壳财经：距离真正的自动驾驶还有多远？

朱西产：德国相当于已经实现了自动驾驶，搭载L3级别自动驾驶功能的奔驰EQS可以进行量产销售。国内进度也会很快，目前国内L3级别自动驾驶认证标准也正在制定中。

需要注意的是，即便达到L3级别自动驾驶功能，也并不意味着任何时候双手可以脱离方向盘。德国目前已经发布的L3级别自动驾驶功能是车速限制在0-60公里/小时的高速公路拥堵场景下的主车道巡航（ALKS）功能（TJP），也就是说车速超过60公里/小时，双手就不能脱离方向盘。预计明年，新的L3级别自动驾驶标准会出台，车速可以在高速公路达到0-130公里/小时（HWP）。

对于消费者而言，要考虑一下购买一辆具有L3功能的智能汽车是否划算。车辆功能如果达到L3级别自动驾驶，大概率要比现在同类型L2功能的车辆贵10万元左右，因为其搭载的域控制器和激光雷达的成本都还很高。

新京报贝壳财经：目前国内和国外自动驾驶主打的技术路线有何不同？

朱西产：德国已经出台了L3级别自动驾驶法规，进行L3级别自动驾驶的认证，从这个角度来讲，德国跑在了前面。

从国内驾驶路况来看，自动驾驶应对拥堵情况时，很多车会加塞，这大大增加了自动驾驶的难度，可能在拥堵路况下会频繁退出，同时现在的摄像头识别红绿灯、车道线、行人、交通标志的准确率仍需提高，尤其是国内的红绿灯，别说摄像头，我觉得我们自己要看懂都有点难度。

目前在自动驾驶技术路线方面，ADAS驾驶辅助系统全球是一样的，L2+级别、L3级别国内外技术路线也没有差别。

但在无人驾驶方向上，国内外存在差异，美国主打单车智能，国内是在做网联智能，路端感知、通过5G通讯将车与路和云端平台连成一体。不过，无论是单车智能的无人驾驶还是网联智能的无人驾驶都还没有能够通过安全认证。

“只有技术成熟才能商业化”

新京报贝壳财经：我国何时能实现自动驾驶？

程世东：只能说越来越接近了，因为从国际上来看，有企业已经取消了安全员，并对此测试了很长时间。国内企业也已经把安全员从主驾移到副驾，甚至取消安全员，这说明对自家智能驾驶安全的信任。不过，不排除盲点或关键环节可能没有克服，这一过程需要比较长的时间，具体什么时候实现，目前无法预测。

新京报贝壳财经：无人驾驶出租车纷纷开启试点，商业化前景几何？

程世东：当技术还不成熟的时候，谈不上商业化，只有技术成熟了，才能商业化。商业化要看性价比，要考虑成本，如果能够替代传统有驾驶员的出租车，才能谈市场竞争力。现在商业化更多的是测试以及对用户的认知教育，让大家熟悉自动驾驶，等技术成熟后有信心去乘坐，这是用户心理和认识上的一种培养。

谈规范

认证与OTA为行业监管重点

新京报贝壳财经：对于自动驾驶时代到来，如何进一步监管？

朱西产：第一，明确认证标准。自动驾驶系统是需要进行认证的，需要制订我国自动驾驶汽车认证标准，并进行安全认证后才容许汽车企业销售具备自动驾驶功能的汽车。

第二，需要进行OTA（空中下载技术）监管。车辆的智能驾驶软件需要不断迭代更新，也就是OTA更新。目前市场监管总局已经发布OTA监管要求，如果企业要进行OTA升级的话，首先需要到市场监管总局进行备案。

新京报贝壳财经：车企在智能驾驶宣传等各个方面该注意什么？

朱西产：目前我国汽车企业在官网、用户手册上都还很规矩，没有对智能驾驶功能进行过分的宣传，一定程度上尽到了企业初步的社会责任。

但是部分汽车企业高管在社交媒体上发布“自动驾驶”误导性信息，汽车销售人员向客户展示或炫耀“自动驾驶”功能的现象还是存在的。作为一个有社会责任的汽车企业应该对企业员工进行管理和约束，不应有这类误导性信息散布，扩大产品影响力。

在自媒体上也存在智能汽车用户炫耀“自动驾驶”的视频，并且这些视频往往点击率很高，能够提升点击率，网红就会冲上去大量制作和传播这类误导信息。娱乐平台上充斥着这些存在误导的信息，汽车企业是不是应该发布一些声明，避免用户被误导而引发严重交通事故呢？如果真能做到这一层，我觉得这个企业才是真正把社会责任放到首位了。“造汽车，必须确保安全”。

新京报记者 王琳琳 陈维城 吴婷婷 张冰 编辑 王进雨 校对 贾宁

    以上就是本篇文章【对话｜自动驾驶风起，商业化落地尚有技术“坎”】的全部内容了，欢迎阅览 ！ 文章地址：http://xiaoguoguo.dbeile.cn/quote/2389.html 
     行业      资讯      企业新闻      行情      企业黄页      同类资讯      网站地图      返回首页 多贝乐移动站 http://xiaoguoguo.dbeile.cn/mobile/ , 查看更多