蔚來車主林文欽日前駕駛ES8汽車啟用NOP領航輔助系統時發生事故并不幸逝世，這將自動駕駛技術推到風口浪尖上。第一財經記者發現，受此事影響，造車新勢力企業理想汽車和小鵬汽車紛紛在官方網站上修改了駕駛輔助系統的名稱。

理想的輔助駕駛原本名稱是“理想AD高級輔助駕駛系統”，但目前已經改成了“理想AD輔助駕駛系統”，去掉了“高級”二字。目前，小鵬汽車官網對其輔助駕駛系統名稱宣傳是“XPILOT 3.5 智能輔助駕駛系統”，而小鵬汽車以前的宣傳材料上曾經寫的是“XPILOT 3.5 自動輔助駕駛系統”。

“現在，很多‘自動駕駛輔助’系統，本質上就是L2級駕駛輔助，并不能和自動駕駛畫上等號。”某自主車企自動駕駛工程師張克向記者表示。

自動駕駛技術未成熟

按照美國汽車工程師學會（SAE）的分級，目前特斯拉的Autopilot并不能算做自動駕駛系統。由于11起和Autopilot相關的事故，美國國家公路交通安全管理局(NHTSA)于當地時間8月16日表示，已對特斯拉公司的駕駛輔助系統展開正式的安全調查。

“現在市面上的輔助系統，駕駛主體依舊是駕駛者而非車輛本身，這便決定了這些系統不能被稱之為自動駕駛系統。并且在技術上，我們和真正可靠的自動駕駛系統依舊有著不小的距離。”據張克介紹，自動駕駛系統主要有感知、認知以及控制三大模塊組成。當前主流的駕駛輔助系統主要使用攝像頭和毫米波來進行感知，但攝像頭識別精確度較低，難以區分和天空顏色較為接近的物體；毫米波雷達的識別精度更高，但對于靜止物體敏感度較低，并且無法準確識別塑料、布料等材質的物體。

蔚來方面明確表示，目前版本下的蔚來NIO Pilot還沒辦法識別塑料雪糕筒，以及停駐在前方的障礙物。記者了解到，包括小鵬以及特斯拉在內的車企，目前的駕駛輔助系統亦有類似的問題。也正因如此，上述車企在用戶手冊中，都會將相關場景單獨進行羅列。

自動駕駛行業專家張林向記者表示，能夠可以生成三維的位置信息，快速確定物體的位置、大小、材質，同時還能獲得數據形成精確數字模型的激光雷達，將成為自動駕駛系統感知元件的有效補充。但當前激光雷達的成本依舊較高，需要后期通過規模化來降低激光雷達的使用成本。

多類型傳感器融合的解決方案將會進一步提升自動駕駛感知系統的可靠性。張林稱，多傳感器融合的感知方案是通過取長補短，互為冗余，來提升感知的精確程度。

人工智能和算法還需要突破性發展

感知元件之外，自動駕駛系統算法的亦極為關鍵。多傳感器融合的解決方案能夠有效提升識別精度，要準確識別還依賴于決策的執行度，如何去做出決策，取決于機器更相信哪種檢測設備的反饋結果，這就需要算法策略的介入。

“算法需要大量道路測以及場景實驗進行不斷測試和優化，庫里的場景越多，機器算法的決策就會越準確，但遇到邊界情況，庫里沒有相對應的場景，算法可能會陷入‘手足無措’或者做出錯誤判斷。早前Waymo的一輛自動駕駛車遇到了一個庫里沒有的場景，車輛自動停下來十幾分鐘，等到工作人員趕到時，車似乎突然‘想通’了，自己又開走了。”張林認為算法可能要比感知元件更加重要。

上海交大智能汽車研究所研究員劉君告訴記者，把所有場景都錄入自動駕駛系統幾乎不可能，人工智能需要有舉一反三的能力，這需要算法有遷移學習的能力，或者說機器要具備思考的能力，這需要算法、數字領域有突破性的發展。

為了解決算法、場景錄入等問題，特斯拉開發了多任務學習HydraNets神經網絡架構、“仿真場景技術”等新技術。特斯拉人工智能部門總監Andrej Karpathy表示，特斯拉希望用攝像頭來模擬光線進入視網膜的過程，通過打造一個類似動物視覺皮層的神經網絡連接，模擬大腦信息輸入和輸出的過程。而仿真場景技術可以模擬現實中不太常見的“邊緣場景”，用于自動駕駛培訓。特斯拉工程師可以提供不同的環境以及其他參數（障礙物、碰撞、舒適度等），提升算法的訓練效率。

短期來看，自動駕駛更適合出現在相對固定、簡單的場景中，商用物流、封閉/半封閉園區、礦山、港口等相對封閉的B端商用領域已經開始實現自動駕駛。2019年上汽集團便在洋山港物流園、洋山一期碼頭內實現5G+自動駕駛重卡商業化落地。

對于C端的普通用戶，當前自動駕駛功能更多出現在停車場相對更加簡單的場景之中。威馬汽車創始人沈暉表示：“我們L4級別無人駕駛功能，最終選擇了高頻停車場景的原因，就在于相對封閉的環境、相對低速的狀態，安全性更高。”

某自主品牌研究院負責人陳奕也告訴記者：“目前在有限場景下的無人駕駛已經算比較成熟，比如現在很多車企都推出的AVP自動泊車。但是要在更大的場景中實現自動駕駛，一方面需要感知元件、算法的進一步完善；另一方面，由于駕駛主體發生改變，還需要增加約束條件、劃分清晰的權責。”