F）传统意义上的高精度地图也许是个过渡期的存在，但实时构建高精度地图的技术应用将持续存在。

自动驾驶千万条 弄清地定义第一条
自动驾驶是什么？这是永远绕不开的提问三连第一弹。顾名思义，自动驾驶是指依靠计算机、传感器代替人类进行部分驾驶操作的技术。
而承载这项技术的主体便是自动驾驶汽车（Automated Vehicle；Intelligcnt Vehicle；Autonomous vehicles；Self-piloting automobile；），又称智能汽车，或轮式移动机器人，是一种通过计算机实现自动驾驶的智能汽车。
根据全球通用的标准，我们对不同的自动驾驶等级进行评级，也就是我们在广告宣传单上经常可以看到的 L2、L3，那么具体如何划分谁是 2 谁是 3 呢？参见下表：

自动驾驶涵盖哪些关键技术？
并不繁杂，主要分为四类就可以讲清楚：
1、环境感知。相当于人类的眼睛与耳朵，处于自动驾驶汽车与外界环境信息交互的关键位置，是实现自动驾驶的基础。现在感知阵营分为两大技术流派：以特斯拉为主的视觉派、以自动驾驶创业公司为主的激光雷达派，当然，最近越来越多的后者也在推出自己的可“量产”的视觉方案，也说明越来越多的人想明白了要做量产真正需要关注什么了。
环境感知技术通过利用摄像头、激光雷达、毫米波雷达、超声波传感器等车载传感器，辅以 V2X 和 5G 等技术获取汽车所处交通环境信息和车辆状态信息，为自动驾驶汽车的决策规划进行服务。
2、高可靠度的绝对定位、相对定位。有了环境感知还不行，还需要知道自己在哪，绝对定位和相对定位都很重要，至于哪个比例更高，取决于你的开发能力和成本接受度。因为不仅需要获取车辆与外界环境的相对位置关系，还需要通过车身状态感知确定车辆的绝对位置与方位。
3、规划计算。就是你把这么多的外部信息接收到之后，怎么来做一个决策，下达指令车应该怎么开。就好比我右前方有一个车，它是怎么开的，我应该怎么开才是安全的，它会不会变道？如果它插到我前面来，我应该怎么办？这跟我们人开车的时候，脑子里面在不停的琢磨一样。因为在技术上太复杂了，这么表达比较容易理解。感知和规划都需要有强大的计算能力来支撑。
目前市面上自动驾驶主流芯片分为两种，一个是 Mobileye 的 EyeQX 系列，另一个是英伟达 Drive 系列。当然了，特斯拉刚刚发布的 FSD 芯片也是很强大的。我们也希望，能够早日看到国产的计算芯片，比如华为。
4、控制。再好的感知与运算规划能力，如果不能完成控制执行，那还是迈不开腿。因此自动驾驶汽车的车辆控制系统是行驶的基础。这一块，国产也很匮乏。

如果要达成 L4，那么以上所有模块缺一不可。如果只是开发 L2 的话，还是有“必修课”“选修课”之分， 必修：感知、控制、定位。规划计算里面的中央处理单元则可以选修。
举个例子，如今很多具备标准 L2 的车型只攻读了必修课，所以它的 L2 无法进行后期升级或开通新功能，简单理解就是“单机版”的 L2 自动辅助驾驶系统，其最大的优势是在于整个匹配效率非常高，并且量产效率也是非常高的。当然了我们知道道路环境会一直变，自动驾驶系统也应该能够不断的学习、进化。今天大家都在谈整车 OTA，最难的是，自动驾驶系统能不能 OTA？真正把这个能力做到量产，目前也只有特斯拉、蔚来和小鹏汽车。

量产具备自动驾驶能力车型的三种方式：
1、集成型
绝大部分的国产主机厂和合资主机厂、包括造车新势力，都是这种类型。Tier 1 提供“菜单”，主机厂根据自己的市场需求“点菜”，然后把“孩子”送过去，长大成人了再领回来。这种方式可以利用成熟的供应商能力快速落地，但结果就是几乎都是千篇一律。
2、部分自研型
通过利用供应商成熟的感知能力，来突破这个难点。自己做一些规划和融合方面的开发，其优势在于灵活性比集成型更高，可以自己进行 OTA，也可以去实现部分的差异化功能。当然，研发的投入也会更高，在 0 到 1 的过程中，会更痛苦。如果真正想把自动驾驶的能力做出更大的差异化，量产节奏更快，这种方式也还是会有一定的局限性。
3、完全自主研发型
不仅是感知，整个端到端的完全自主化，甚至连计算平台都参与设计，毫无疑问这是最痛苦的也是最嗨皮的路线。特斯拉是典型代表，而且目前已经在量产上实现了这种系统能力的，也只有特斯拉。小鹏 P7 也将是实现端到端完全的自主研发的第一款车型。
小鹏 P7
量产 L3 级自动驾驶最难在感知
目前 L3 正是在感知这一块“卡脖子”，虽然激光雷达看起来是个捷径，越来越多的视觉方案出现，也在说明这条捷径似乎在汽车量产上，不是那么可靠。但是做视觉需要有大量的成本投入、数据做训练、反复的验证，这需要规模化的数据能力和升级能力，需要有很强的毅力。因此很大一部分是要去解决感知的问题，于是乎就诞生了两个派别，一视觉，二激光雷达。

关于是视觉还是激光雷达，这一厢恐怕一直会有争论，因为每个人看问题的角度和思考方式都不一样。激光雷达直接、见效快，直接输出高精度结果，在数据规模化和标注上需求量相对更少。但是，还是避不开谈量产，成本就不说了，车规也不说了。布置怎么办呢？总不能家用车都顶着一个像救护车一样的东西吧。维修和保险怎么办呢？以前一个追尾几百，现在成千或上万。你要量产，这些都是必须考虑的问题。
回过来看视觉的优势就逐渐显现，布置相对灵活、扩展性好、成本适宜都是它的优势，这对于车企来讲是非常重要的。很多人会说视觉安全性低，这其实过于片面，对于汽车的安全来讲，99%与 99.99%其实是一样的，那剩余的部分只要一出现，结果都是 Game Over。黄工表示小鹏还是更愿意用发展的眼光来看待视觉技术。

在未来的 3-5 年，我们平常所忽略的毫米波雷达也会有很多进步和提升，任何技术的发展都不是孤立的，而是相补相融的，也许两三年后视觉+毫米波雷达，会跟我们今天看到的，有很大的不一样。
量产 L4 级自动驾驶最难在行为预测
L4 最难的不是感知，因为 L3 的量产就是在跨越这个关卡。L4 最难的是在行为预测，如何让自动驾驶系统真正像人一样，对道路上所有交通参与者都能观察、分析、判断、响应，就像下围棋，所有的可能性，指数级的计算。目前来看，2024 年前量产推出 L4 级别民用车的可能性不大。
来到 L4，与之相关的还有要在政府层面大力推动的 V2X，从行业来看，V2X 无疑非常有利于实现自动驾驶，但从自动驾驶本身量产来看，核心还是要发展车辆自身的能力，感知、行为预测等都是必不可少的，而 V2X 则作为个锦上添花的建设。
高精地图与自动驾驶
高精地图固然是一个好东西，其拥有比 GPS 导航系统拥有至少 10 倍以上的精度，但在不少主机厂的工程师看来，在最终实现完全自动驾驶的终点上，并非依赖高精地图，也就是说高精地图的作用在逐步实现自动驾驶的路上的作用是呈抛物线状的，所起的作用随着自动驾驶不断进阶而下降。

按文章开篇的说法，完全自动驾驶可以类比人类驾驶，人在开车时永远是驾驶员根据看到的去做出驾驶动作，自动驾驶也是类似。道路上的情况是实时变化的，高精地图再清晰，面对国内基建神速，也无法做到实时去更新地图数据，如若采集成本则非常高昂。所以最终依赖的还是车辆的传感器对路上的其它交通参与者进行识别，从而做出相应的驾驶动作。

道路上的情况是实时变化的，高精地图再精准，面对咱们国内的修路施工频率，也是挑战很大的。所以最终依赖的还是车辆的传感器对路上的其它交通参与者进行识别，从而做出相应的驾驶动作。高精度地图的高投入和不确定性回报，也一定程度影响了参与者们的积极性。