自动驾驶还是“半成品”

（本文作者 高德汽车事业部总裁韦东）

最近借 CES 和北美车展之势，自动驾驶的话题又火了一把，各种报道和议论铺天盖地。有不少朋友问我，自动驾驶汽车的时代是不是要来了。但我的回答是，并不会那么快，目前的自动驾驶还只是「半成品」。

必须承认，自动驾驶技术在最近两三年取得了长足进步，这从众多在实际道路完成自动驾驶测试的厂商上可见一斑。但有个问题——目前绝大多数的自动驾驶汽车，包括我在 CES 上看到的一些，仍然是单纯依靠传感器和控制系统——传感器探测周围环境，控制系统进行数据处理并控制车辆完成整个行驶过程。

这种解决方案在技术上有着明显的局限性，最直接的就是特定情况（如恶劣天气）下传感器的失效问题。说到底，把所有任务都交给车辆独立完成，是把鸡蛋全部放进一个篮子，成本难以控制、效果不好保证——如果要将自动驾驶相关的所有信息储存到一辆车上，只怕每辆车都得背上一个大体积的高性能计算机才可以。这样看来，做一两辆测试车秀秀肌肉没问题，要实现量产，恐怕没那么容易。

破解的关键是什么？海量数据挖掘和实时联网。具体到关键能力上，则是高精度地图和云计算服务。

高精度地图就像自动驾驶汽车的记忆，离开了记忆，无论眼睛和思考速度有多么发达，还是无法对事件有全局把控。一辆能调用高精度地图数据的自动驾驶汽车，能够对所处的环境进行精准预判，提前选择合适的行驶策略，而把对环境的监测重点放在应对突发情况上。在提升车辆安全性的情况下，还有助于降低车载传感器和控制系统的成本。

正如人的记忆能力各有差别，不同级别的高精度地图，在精度和信息量上也差别明显。例如，基础 ADAS 地图只需要精度达到米量级，而 HAD 级别高精度地图的精度则能达到厘米量级。在数据量方面，基础 ADAS 地图只记录高精道路级别的数据（道路形状、坡度、曲率、铺设、方向等），HAD 级别地图不仅增加了车道属性相关（车道线类型、车道宽度等）数据，更有诸如高架物体、防护栏、树、道路边缘类型、路边地标等大量目标数据。

在 CES 上，采用「众包」方式，通过量产车配装的传感器进行地图数据采集成为一种新思路。尽管通过这种方式采集的数据可能无法达到 HAD 级别，却可以加快地图基础数据的采集更新，也让专业地图厂商能够更专注于高精度地图数据的采集。

高精度地图在应用过程中，还要解决两个问题，那就是实时更新和实时同步。少了实时更新，地图数据就不能反映道路的真实情况，记忆就会出现偏差。而少了实时同步，最新的数据就无法有效传递给每个交通参与者。

正因如此，云计算平台至关重要。可以说，只有和云计算平台结合在一起时，高精度地图才能够真正发挥效果。

当然，云计算平台的作用还不仅如此，道路上行驶的不同车辆可以将道路情况实时上传至云端，在通过云端对其他车辆进行信息同步。于是，自动驾驶汽车可以提前知道前方 5 公里发生了交通事故，10 公里处有临时的施工，而在 20 公里以外已经开始下雨……从目前来看，利用云计算平台实时更新，车与车、车与路的通讯技术固然是一大难点，但更重要的是，提供云计算服务的平台是否具备进行海量数据收集、运算、交互与分发的能力。

从这个角度说，自动驾驶的普及需要从云+端的层面入手，细节涉及方方面面，是一个各领域专业公司之间协同发展的过程。这也是为什么最近很多看似不相干的公司宣布联手合作的深层次原因，包括我们看到开展自动驾驶研究非常早的 Google 也在寻求车企合作。

在 CES 上，高德和德尔福也宣布了将在高精度地图、精准导航、高精度定位、LBS 服务等方面展开深入合作。德尔福是全球领先的汽车零部件供应商，在自动驾驶系统方面有深入研究，并在今年提出了传感器和 V2X 技术上具备量产可能的现实解决方案。

高德的强项则体现在高精度地图和云计算平台上。其中高精度地图的覆盖里程数和精度（10cm）都是国内第一，并且高德已经拿到了国内首个高精度地图的商业订单；在云服务方面，高德已经能够通过阿里云平台的支持，建立面向车辆的自学习平台及实时信息发布平台，实现从静态道路信息到动态车辆行为，甚至车主个人驾车习惯等内容的系统自主学习判别。

汽车厂商对于汽车本身、以及驾驶的专业理解，加上互联网企业在大数据和云计算层面的积累，本身就是一种各取所需的高效方式。

在汽车诞生以来的一百多年间，曾经历过多次技术和生产方式上的重大革命。相信在自动驾驶领域，专业公司之间的跨界合作将成为一种常态。而由此带来的一种全新生态模式，大概才是自动驾驶真正实现普及的关键所在。

欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市（微信号：geeket）。