2020年，突如其来的新型冠状病毒给汽车行业蒙上了一层灰，却带来了限定场景自动驾驶的“春天”：武汉市青山区吉林街上，京东物流自主研发的智能配送车每天往返于配送点和医院之间;湖北仙桃，无人快递车“汉马”承担起了其市区邮政的投递任务;厦门金龙厂区，百度Apollo的自动驾驶小巴阿波龙变身送餐员，为员工进行快餐配送服务……
技术不能永远关在笼子里，在这个自动驾驶前行之路充满坎坷的节点，这场疫情无疑为自动驾驶企业提供了一次“实战”的机会，让自动驾驶在正式商业落地之前，能对技术的完善度，产品的成熟度进行更多检测。
当然，当前无论从技术的发展还是应用的可行性来看，自动驾驶离大众消费者还是太远。它需要解决包括技术、安全、法律法规以及成本在内的多个问题。
众所周知，自动驾驶在行驶时，是依靠各种各样的传感器来收集周边信息。尽管传感器的发展已经极为迅速，但仍存在视觉盲点。此外5G技术还未大面积普及，云端数据延时也会带来安全隐患。更深层次的问题，即便技术上能够做到安全，自动驾驶也还不能真正在道路上行驶。至少目前国内的自动驾驶汽车和道路之间的协同只停留在示范区，还未有哪个地方政府真正对自动驾驶汽车开放了道路。
另外，现有法律也不适宜自动驾驶，尤其是在人车界线不明确的L3和L4之间，车辆出事，责任在谁?这些都需要完善的法律法规来说明。而最为现实的则是成本以及利润问题，激光雷达、芯片等软硬件设施还没大规模量产，车企购买相关设备，费用颇高……此外，包括高精地图、自动驾驶运营过程中的配套基础设施建设等方面都还面临较大挑战。
不过，值得庆幸的是，这些年，在政府、企业等各方的协同下，难题正在逐渐被攻克。
可量产关键技术逐渐成熟
对于自动驾驶而言，传感器和地图层面的技术尤为关键。
作为自动驾驶的“眼睛”，传感器有多种类型，常见的主要是摄像头、超声波雷达、激光雷达、毫米波雷达，而这些不同种类的雷达中，激光雷达拥有十分重要的地位。其不受光线等环境因素的影响，能精确获得前方物体的三维位置信息，高精度识别周围信息。但由于激光雷达的成本较高，迟迟没办法量产。
然而近年来随着激光雷达技术的成熟，大量科技公司的入局，已经有激光雷达价格低至100美元，尽管其在性能上并不能与高达数万美元的产品相比较，但做到如此价格已属不易。更为关键的是，由此业界看到了激光雷达成本降低的可能性，曾经的激光雷达量产之困、成本降低之难，或许并没有那么难解。未来，激光雷达的价格下降幅度可期，达到可量产的100美元-1000美元级别的水平，或许已然不远。
感知技术之外，精确的定位不仅是自动驾驶的基础，还是核心。故而，高精地图成为了自动驾驶领域炙手可热的“风云人物”。除了传统的图商，诸如BAT等科技巨头以及BBA等传统车企，都在纷纷借助收购、投资或者合作等手段进入高精度地图领域，甚至还诞生了一大批初创型企业，如Momenta、宽凳、晶众等。目前已经有二十几家企业拿到了国内的高精地图绘测资质，包括最新入局的华为、顺丰和京东物流等。相信随着越来越多的企业的入局，高精地图的精确度会有更明显的提升，可适用的场景也会越来越多。
法律法规体系愈发完善
随着自动驾驶技术的越发成熟，相关的自动驾驶标准也开始上路，自动驾驶已并非无“标”可依。
不久前，韩国便一马当先，发布《自动驾驶汽车安全标准》，其主要内容包括：L3级别自动驾驶汽车的自动车道保持，汽车行驶过程中针对在突发情况下驾驶员的状态监控，以及未及时做出人工反应时自动减速、启动紧急警告信号，消减危险等辅助功能等，韩国也因此成为全球首个为L3自动驾驶制定安全标准并制定商用化标准的国家。
当然，除韩国以外，美国交通部(USDOT)也公布了最新的自动驾驶汽车准则4.0(AV 4.0)，这是美国自2016年以来的第四个版本。其他西方国家亦纷纷在完善相关法律标准：西班牙于2014 年对交通条例进行了修改;德国联邦参议院也于2017年发布相关法案。
在自动驾驶法律层面，中国也从未停止探索的脚步。去年7月，工信部便发布公告称，根据国家标准和行业标准制修订计划，相关标准化技术组织已完成了《道路车辆先进驾驶辅助系统(ADAS)术语及定义》、《道路车辆盲区监测(BSD)系统性能要求及试验方法》、《乘用车车道保持辅助(LKA)系统性能要求及试验方法》3项汽车行业推荐性国家标准的制修订工作，现在只待进一步结合社会各界意见，做最终的发布。
多个国家有关自动驾驶法律的相继出台，无疑为自动驾驶带来黎明的曙光，也开启了自动驾驶又一重要里程碑。
车辆场景实测等智能化基础设施规模扩大
自动驾驶落地困难，还面临安全性的问题：如何证明自动驾驶系统的高度安全性和可靠性，是当前几乎所有自动驾驶玩家面临的难题。
其实证明很简单，无非就是大量的测试，用数据说话，毕竟实践是检验真理的唯一标准。
1.真实场景的大量测试
一周前，文远知行WeRide携旗下合资公司文远粤行发布了中国首份L4级自动驾驶出租车Robo-Taxi的试运营报告。文远粤行试运营首月，即2019年12月01日至31日，共完成8,396个出行订单，零安全事故，日均出行服务270.8次，单天最多订单达到438单，服务订单总里程达41,140公里，共服务4,683名用户。
作为自动驾驶领域当之无愧的领头羊，在今年的CES展上，Waymo也宣布其无人驾驶车队已经在公共道路上行驶了 2000 多万英里(3218万公里)，目前已载客超过10万人，且现阶段每个月已经有1500名的稳定用户，远远领先于其竞争对手。
此外，百度、Cruise小马智行、智加科技等诸多企业也已在自动驾驶测试方面做了诸多的工作，而这将会为自动驾驶测试带来更多更为真实可靠的数据，也势必将加速自动驾驶的商业化落地。
2.多地自动驾驶测试场所的建立
要想更多的自动驾驶汽车上路，单单靠企业的努力显然是不够的，还需要各地政府的支持。截止目前，北京、重庆、上海、广州、武汉、深圳、江苏等各地方已出台相关政策、放开路测，为自动驾驶商业化推波助澜。
据不完全统计，截止目前，国内已经颁发了近300张路测牌照，包括传统车企，造车新势力、互联网巨头、科技公司等都获得了数额不等的测试牌照。更有甚者，如武汉、北京等地已经准许自动驾驶车辆进行载人、载物测试。无疑，国家层面的推动，对自动驾驶里程数的积累有着举足轻重的作用。自动驾驶车辆，只有不断的测试，才能增强数据的可靠性，行驶的安全性。
3.仿真测试技术趋于成熟
美国著名智库兰德公司曾经估计,如果想让一辆L5级别的自动驾驶车辆正式上路,需要经过110亿英里的测试。这就意味着即便是一支拥有100辆测试车的自动驾驶车队，7X24小时一刻不停歇地测试，要想完成110亿英里的测试里程也需要花费大约500年的时间。所以，如果依靠真实的路测，显然是不够的。故而，虚拟仿真测试成为了积累自动驾驶汽车测试里程的重要手段之一。
仿真测试，简单的来说就是通过传感器仿真、车辆动力学仿真、高级图形处理、交通流仿真、数字仿真、道路建模等技术模拟路测环境，建立现实静态环境与动态交通场景的数学模型，让自动驾驶汽车与算法在虚拟交通场景中进行驾驶测试，其最大化地覆盖场景，以在短时间内实现现实生活中难以达到的测试里程。更为重要的是，它可以解决现实路测中的诸多局限，尤其是针对一些在实际道路上基本没有办法测试的极端场景。
近年来，随着谷歌、英伟达、百度、腾讯等科技巨头的入局，以及5G通讯技术的到来，仿真测试数据接收延时问题得到了极大的解决。此外，该领域也涌现出了一批新创玩家，如AAI、51WORLD、Cognata、Panosim、Parallel Domain、RightHook以及刚刚被Waymo收购的Latent Logic等，令仿真测试技术越来越成熟，测试场景也越来越接近真实场景。
企业相继入局，拉快自动驾驶量产进度条
自动驾驶很难实现量产的一定离不开现实的因素：制作成本太高，尤其是尚处在探索阶段时期，因为没有一家公司能够凭借一己之力解决智能汽车产业化的问题。由于自动驾驶涉及面广、技术要求高，单个企业难以形成有效的竞争力。要想尽早完成这项浩大工程，就必须集合车企、供应商、互联网以及诸多科技公司，发挥好行业的力量，从而加速相关方案的落地。
好在，现如今越来越多的企业看到了自动驾驶的商机，纷纷入局，不仅有传统车企、初创科技公司、BAT也加入了这一战场，更多ICT(信息和通信技术)巨头，如华为、苹果等亦纷纷进入自动驾驶领域，全场景布局汽车产品。而有关成本的问题，随着企业的通力合作、大面积的量产以及商业模式的完善，一定是往更低的趋势前行的。
当然，如果非要给自动驾驶何时到来一个确切的时间的话，诸多企业已经给出了明确的量产时间，2020-2022年或将是自动驾驶车型量产大年。
在今年红旗H9的发布会上，该企业就明确表示新红旗将会在2020年实现L3级自动驾驶量产，2021年实现L4级别的量产;同样要在2020年实现L3级自动驾驶量产的还有吉利、广汽;此外，通用此前也发布了一款量产车Origin，按照通用汽车的预计，将于2021年底，最晚于2022年开始生产Origin;大众则计划2021年推出L4级别自动驾驶汽车;奔驰与宝马将分别于2020年与2021年推出L4、L5级别自动驾驶汽车;沃尔沃和福特不约而同地将量产时间定在了2021年。
除了传统车企之外，造车新势力也纷纷公布自己的自动驾驶的量产时间。
小鹏汽车计划2020年实现高速自动驾驶量产，搭载车型小鹏P7车型;威马汽车也将在2020年实现L3级自动驾驶的量产及搭载;零跑汽车则表示在2020年前，全系车型可通过软件升级到L3级别自动驾驶功能;奇点汽车预计2020年实现L3自动驾驶量产落地，同时计划在后期通过OTA方式升级到L4;特斯拉也表示将在2020年实现自动驾驶。
盖世小结：自动驾驶已然离我们越来越近了，这个曾处在襁褓里的“新生儿”，很快就要自己站起来了。相信随着车企量产时间表的落地，自动驾驶商业化步伐也会越来越快。或许，自动驾驶车辆“飞入寻常百姓家”也并非是很遥远的事情。
