【芯视野】落地L4级自动驾驶 绝非仅差一个激光雷达

【芯视野】落地L4级自动驾驶 绝非仅差一个激光雷达找不到悲伤的方向 除了特斯拉以外，L4级自动驾驶是近来汽车界最热的一个名词。整车厂在宣布L4级的量产计划，芯片企业竞相发布L4级的解决方案，各地也纷纷开启L4级交通工具的试运营。 有人认为2021将是L4级

除了特斯拉以外，L4级自动驾驶是近来汽车界最热的一个名词。整车厂在宣布L4级的量产计划，芯片企业竞相发布L4级的解决方案，各地也纷纷开启L4级交通工具的试运营。

有人认为2021将是L4级自动驾驶的元年，有人则认为这不过是厂商宣传的噱头。在信心和质疑的交织下，L4级自动驾驶的落地似乎扑朔迷离。

跨级L3 直奔L4

自动驾驶的级别是由美国汽车工程师学会（SAE）所划定的，按照人工介入的程度，划分了6个等级。

图 自动驾驶等级划分

业界目前的焦点在L3和L4级之上。这两级之间的关键区别就在于，如果发生意外或系统失效，具备L4 级自动驾驶功能的汽车可以进行干预。

L3级自动驾驶汽车也具有“环境检测”能力，可以自己根据信息做出决定，如进行超车。但是这个级别仍然需要人类操控。驾驶员必须保持警觉，并且在系统无法执行任务时进行操控。

这种定位就让L3处在非常尴尬的境地。当年奥迪为A8的L3级自动驾驶做了铺天盖地的宣传，最后却因为各种束缚而不了了之。

“我们放弃驾驶辅助技术的过渡阶段，决定直接提供L4级别全自动驾驶的车辆。原因是不知道在L3级别，如何从机械操控切换到人工操控。” 2016年8月，当时的福特北美总裁的Raj Nair曾这样表示。

比起级别更高的L4级，L3级依然需要人工的介入，但是始终需要驾驶员保持高度的专注，以便随时接管驾驶权，如果驾驶员出现误判，极有可能造成重大事故。

这就引发了一个非常重要的责任划分问题。在 L3 级自动驾驶下，如果车辆发生事故，责任将由技术提供方也就是主机厂和驾驶员共同承担，而 L2 级则全部由人类驾驶员来承担。这也让众车企背负着巨大压力。可为了展示实力，车企只能想出一个L2.5级的说法，以期规避责任划分风险。

于是，跳过鸡肋的L3，直奔高大上的L4也就成了车企默认的选择。只不过，这个步子迈的有点大。

在2020年11月9日发布的《智能网联汽车技术路线图2.0》中，中国智能网联汽车创新中心给出的自动驾驶车型量产时间表是：到2030年，实现高度自动驾驶技术（L4）的规模化应用。

以10年时间实现L4量产似乎比较合理，但是厂商们有点等不及了。去年，长安汽车提出了要在2022年实现量产，北汽给出的时间点则是2025年，长城汽车也发布了咖啡智驾“331”战略，提出在2023年实现L4级自动驾驶。进入2021年，4月16日，威马汽车发布了威马W6，宣称“于行业率先实现了L4级别无人驾驶”。仅隔一天，华为与ARCFOX联合打造的阿尔法S就开启了预售，这款车型搭载了华为ADS高阶自动驾驶全栈解决方案。按照官方的说法，华为的这套方案以L4级自动驾驶架构为基础，构筑面向L4~L2+级自动驾驶。

为了抢占市场份额，并在以后的标准制定中占据有利地形，车企的明争暗斗可见一斑。

激光雷达之外

现在业界说法是，要落地L4级自动驾驶，就看激光雷达。

以阿尔法S华为HI版为例，这款车型就使用了3个激光雷达、13个摄像头、6个毫米波雷达和12个超声波雷达。

尽管存在视觉算法和激光雷达的路线之争，但是除特斯拉以外的车企还是选择了激光雷达。因为激光雷达可以生成车辆周边环境的3D模型，为系统提供深度的环境数据，而且其在车辆定位中也扮演着重要的角色。

据行业人士介绍，实现L4自动驾驶的硬件设备一般要包含：6~12台摄像头、3~12台毫米波雷达、5台以内的激光雷达以及1~2台GNSS/IMU和1~2台计算平台（不同方案会选择不同侧重的传感器）。这一套设备成本高昂，基本在50万元左右。

但车企认为，这些成本问题可能随着大规模的应用逐步降低。相关调研机构就指出，当前可量产激光雷达的平均价格约为$1,000，到L4/L5导入千万台量产时单台激光雷达成本将降至$100以内。

不过，L4的挑战绝不止激光雷达一个。对于L4级自动驾驶的关键点：现有算法无法准确处理复杂环境下无限可能的长尾场景，激光雷达再强大也是不够的。这个时候，高精度地图的作用就体现出来了。

高精度地图相比于普通导航电子地图具有高精度、高动态、多维度的特点。高精度即精度达到厘米级别;高动态是指高精度地图数据的实时性，未来应对各类突发状况，自动驾驶车辆需要高精度地图的数据具有较好的实时性;多维度则是指地图中不仅包含有详细的车道模型、道路部件信息，还包括与交通安全相关的一些道路属性信息，如GPS 信号消失的区域、道路施工状态等。

因为很多信息都涉及国家安全，像高精度地图中的核心数据——如道路曲率——是不能公开的。所以要让高精度地图商用，就需要国家来牵头，而也会同样制约L4落地的进程。

聪明的厂商们也想出了各种办法，比如，华为的ADS在有高精地图的区域，可使用点对点自动驾驶功能；无高精地图的区域，可使用普通的L2级自动驾驶功能，只是这样就离完全意义上的L4相距甚远了。

此外，车路协同也是实现L4的一个重要因素。通过智慧交通和V2X车路云协同技术可以分担大量的路况感知和数据运算。通过路侧辅助系统，降低车载自动驾驶系统的投入成本。通过在信号灯、路灯等路侧设施上安装路侧计算单元（RSCU），5G传输低延时信号，实时分担车载计算。这些听着都很美妙，只不过实现的难度远超车端。

有人就总结了自动驾驶在在路测主要面对的四种挑战：封闭测试场地利用效率不高，智能路网建设市场热、政府冷，车联网标准尚不统一，尚未形成统一的标准化测试评价体系。逐一解决这些问题，绝非两三年能够实现。

如何挣钱

要让L4级自动驾驶能够落地，挣不挣钱才最关键。

一位汽车供应链人士表示：“商业模式的落地取决于闭环的形成。自动驾驶也有自己的供应链，这个链条中的关键供应商有一家不挣钱，一个细分行业不挣钱，闭环就无法形成，落地自然成为空谈。”

因为缺乏立法和基础设施，L4级无人驾驶汽车当前只能在限定区域行驶，这被称之为地理围栏（geofencing）。因此，现有的L4自动驾驶的商业模式非常有限。

有人将L4自动驾驶近期可实现的商业场景分为泊车系统（低速）的AVP（自动泊车）和中速的Robotaxi（自动出租车）/Robotruck（自动卡车）。

AVP由于车速较低，且使用场景不在公共道路上（不属于交警管理范围），需求的控制器算力要求不高（1.5-16Tops），需求的传感器也是基于现有的传感器，在2020年底、2021年初量产，后续会逐渐迭代完善功能，也包括控制器算力的提升。

AVP的商业模式也比较清晰：科技公司可通过出售AVP解决方案或C端收取运营费盈利，车企可从通过装载AVP系统吸引用户提高售价，停车场可通过场地改造及运营增加停车率，用户可通过AVP功能节省时间。

中速（80km/h）的Robotaxi，目前众多自动驾驶算法公司（包括Waymo、百度、Cruise等公司）都是采用工控机、车载服务器作为控制器，算力可以达到上千Tops，以及机械式激光雷达，而车规级的嵌入式域控制器（100～300Tops）预计在2021年中或者2022年中量产，固态、半固态激光雷达预计在2022～2023年量产，届时才具备中速Robotaxi量产条件。

普华永道指出，L4 Robotaxi是无人驾驶最大的细分赛道之一，作为一种对传统网约车运力的补充和提升，可以增加整体商业模式的长期利润。由于过高的技术门槛，该商业模式会首先在美国落地，在中国和欧洲的落地时间预计会稍晚1～2年。

至于Robotruck，其在长途物流运输时，可以将2名司机减少为1名，在短途运输时可以减少单个司机的工作量，为司机个人和货运企业带来显著的成本效益。同时， Robotruck可以通过算法控制最优的油耗性能和安全距离。燃油成本占卡车TCO成本的三到四成，车企实验数据表明，自动驾驶系统可以控制油耗下降5%-10%。其前景也非常可期。

不过，即使是上述商业模式可以形成闭环，也需要3-5年的时间，况且这些模式也不代表L4的完全成熟，对于车企最关心乘用车的L4落地，没有技术和政策的万分齐备，最终按钮就不会被按下，毕竟自动驾驶是关系到人命的大事。

所以，激光雷达的成熟也只不过补上了L4落地的一块拼图。在各方要素都没有凑齐的情况下，L4还只能在活在地理围栏中。（校对/Andrew）