L4，自动驾驶的下一步？

L4的责任界定还是很清楚的

事故直接由运营商负责

就在上周，2022世界人工智能大会在沪召开，上一篇早科技专栏，三林也介绍了本次大会的亮点和成绩（点击阅读《行业观察 | 2022世界人工智能大会，元宇宙、自动驾驶......这届亮点有点多》）。大会开幕式上，百度创始人李彦宏针对自动驾驶未来的商业化方向，给出了自己的看法，他认为，未来自动驾驶将跳过L3直接进入L4级别的商用。

9月5日，上海发布了《上海市加快智能网联汽车创新发展实施方案》（下称《方案》），提出到2025年，初步建成国内领先的智能网联汽车创新发展体系，产业规模力争达到5000亿元，并对不同等级的自动驾驶汽车规模做了发展预期。其中，L2级L3级的汽车占新车生产比例超过70%，L4级及以上汽车在限定区域和特定场景实现商业化应用。

自从自动驾驶技术落地以来，全球汽车产业对于自动驾驶的研发和商业化落地，投入巨大。那么，L4究竟是不是自动驾驶商业化的下一步？L3又将如何发展？本文想和各位读者一同探讨探讨。

2022世界人工智能大会现场（紫宝/摄）

自动驾驶现在是什么水平？

先简单看看什么是自动驾驶的分级。

根据《汽车驾驶自动化分级》国家推荐标准（GB/T40429-2021），驾驶自动化系统可划分为6个等级：0级（应急辅助）、1级（部分驾驶辅助）、2级(组合驾驶辅助) 、3 (有条件自动驾驶) 、4 级(高度自动驾驶) 、5 级(完全自动驾驶）。6个等级也对应着6个不同的标准。

来源：汽车驾驶自动化分级国家标准（GB/T40429-2021）

前不久，深圳刚刚通过关于无人自动驾驶上路的规范，这是全国首部智能网联汽车法规。根据该规范，L3级以上更高级别的自动驾驶完全合法化，符合相关标准且列入该目录或国家汽车产品目录的智能网联汽车，经相关部门登记后，即可在城市道路进行全无人自动驾驶。

从目前深圳的实行现状来看，L3级别的自动驾驶未来有望更快地在政策上落地，并从深圳逐渐推广至其他区域。

但是，这似乎和开篇我们所谈及的百度方面的观点，似乎有些不同。百度作为自动驾驶的龙头，说出的话自然在业界有着非凡分量，如果我们真的会直接从L2级别辅助驾驶的商用，直接跳到L4级别的商用，但从政策导向来看，似乎对于推进L3商业化更有利？

其实这个问题，李彦宏给出了自己的回答：「人们把希望更多地寄托在L2+这样的渐进式路线上，认为自动驾驶的技术路线是先实现L2，再实现L3，最后是L4，L5。国家相关部门的政策配套也是先L2，再L3，然后才考虑L4。

其实L2之后率先进入商用的很可能是L4，而不是L3。因为L2和L4的事故责任界定都是清楚的，L2出了事儿，责任在司机，L4的责任界定也是清楚的，就是没有司机了，运营商要为事故负责。L3就不一样了，司机在需要的时候进行接管，这就使得事故责任很难界定，因此，我认为L3的普及需要更长的时间」（部分摘取）

从李彦宏的讲话内容来看，这样的解释无可厚非。为了不深陷扯皮而影响企业声誉和未来发展，从公关和品牌的角度来看，L3级别的自动驾驶都不是车企的最终目标，L4才是。

L4级别的自动驾驶，就已经意味着能够进入完全的自动驾驶，也意味着车主可以不需要操控方向盘，在责任界定上，一旦发生交通事故，L4自动驾驶公司属于完全的事故责任方。

但是，在没有实现L4级别的完全自动驾驶之前，无论是老牌车企还是新势力，大家宣传上打擦边球成了常见手法。

目前，从实际研报和行业分析来看，蔚小理的自动驾驶水平目前都停留在L2层级，并未进入L3。即便是将FSD系统吹得出神入化的特斯拉，也并未实现L3的真正落地。

这其中考量指标众多，在此不再细说。

可见，对于车企来说，先不管扯皮的事情，连L3级别自动驾驶汽车的量产，目前都尚有一段路要走。

但不管车企如何，市场要发展，行业要进步。

要让自动驾驶真正商用，相应规范少不了。

在深圳通过的《条例》中，对于L3层级的自动驾驶可能出现的纠纷，就给出了能够明确界定。

在条例中，自动驾驶级别和规范有了明确规定：有驾驶人的自动驾驶汽车若是发生交通事故造成损害，由驾驶人承担赔偿责任；若是完全自动驾驶的汽车，在无驾驶人期间发生交通事故造成损害，则由自动驾驶车辆的所有人、管理人承担赔偿责任。

在此前，L3级别的自动驾驶汽车若是发生事故，车主和车企都需担责。而该条例对于自动驾驶车辆发生事故后的权责界定，给出了明确的判定。也对企业宣传和驾驶人员在实际使用时，给出了更多警醒，这也是自动驾驶能够商业化落地的重要一步。

L3/L4为何迟迟难落地？

自动驾驶在某种程度上也代表着产业未来的前景和方向，值得各行各业的从业者关注。

正如很多汽车行业从业者认为的那样，自动驾驶技术商用和研发完全是两个层面，在自动驾驶领域，L4级别的驾驶水平，并不是简单的“技术攻克=商业应用”。

虽然百度和华为等企业在自动驾驶技术上都有很深造诣，百度的水平也能够达到L4水平，却难以落地，可见自动驾驶商业化不是一个简单的命题。简单就从成本考量，L3及以上的自动驾驶技术能够配备的零部件，要么供应不足要么造价昂贵，都让商业化陷入瓶颈。

目前深圳成为第一个，允许全无人自动驾驶汽车上路的城市，成为自动驾驶发展的一个重要转折点，也是未来自动化大规模应用的具有里程碑的事件。对于想要抢滩市场的车企和研发公司来讲，抢先入局成为加紧研发的动力。

那么，我们不妨看看自动驾驶技术都涉及到哪些零部件，都有哪些关键技术，落地难点在哪里。

1.数据采集（识别技术）——传感器

对于自动驾驶技术来说，需要海量的数据才能够帮助识别障碍、车辆、行人，这些数据从哪些地方来？

答案是遍布整车的传感器，包括摄像头、激光雷达、毫米波雷达，还有红外线、超声波雷达等等。

作为数据采集的零部件，这些传感器各有优势，有的技术较高，有的工艺简单，但即便简单，也不可或缺。

以摄像头为例，在天气好时能够采集图像、色彩、能识别字体，但缺点亦是不少，比如雨天或者晚上视力就会下降。再比如激光雷达，主要作用就是通过计算激光束的反射时间和波长，从而绘制周边障碍物的3D图，自动驾驶要想躲避识别障碍物，这个雷达少不了，但它却没办法识别图像和色彩。

如果我们拆解自动驾驶技术，其复杂程度不亚于整车制造需要上千个零部件，传感器不过是其抓取数据的基础一环，但这几处一环却也是自动驾驶能够实现的底层逻辑和工具。

2.驾驶决策（决策技术）——AI

自动驾驶如何实现：看到行人要躲避，看到障碍物要绕过，看到红绿灯要停车？这就需要自动驾驶技术能够像人脑一样，对不同的场景进行决策，这样大脑才知道这里是该停车还是绕行还是前面要拐弯，成为汽车的“智慧大脑”。

这就需要厂商将一个个应对不同场景的程序算法事先设置好，只有这样，当汽车上的各个传感器抓取到周围行人和障碍物、红绿灯等信息后，自动驾驶技术就能够针对这些情况，判断是停车还是拐弯，做出正确决策。

专业一点说，设计的决策内容包括：参考路径、交规决策、路径决策、速度决策、场景的分类和调度。这些规则需要事先预测并写进程序，当司机面临的决策满足程序触发的条件，自动驾驶技术就会自动执行。

除了一开始就将这些场景做成程序编进自动驾驶这个智慧大脑中，现在研究自动驾驶技术的厂商还致力于开发模仿人类大脑的AI大脑，实现算法的自进化，当然这个过程还有很长的路要走。

3.定位

在自动驾驶技术当中，定位这一功能的作用，相信三林不说，大家也都了解。

现在的定位系统需要依赖卫星实现导航，因此自动驾驶技术必然是在城市规划明确、卫星信号覆盖完善的城市路段率先实现。

对于自动驾驶来说，未来一个重要的应用场景，也是极有价值的应用场景，就是在路况复杂的山区进行货运或者载客。而未来能否在山区通过自动驾驶满足无人送货等功能，还有赖山区能否实现卫星和信号铺设的能力，当然也有赖于自动驾驶技术本身。

4.通信安全

可能有人对智能汽车通信安全的重要性不甚了解。事实上，汽车作为物联网的重要一环，其中的数据对于城市建设、商业应用都有着巨大的价值。

这些数据蕴藏着一个城市的居民轨迹，而这些轨迹中又包含了海量信息，即便不一一而举，我们都能想象出价值巨大。比如对于企业来说，纵览城市的行车轨迹有利于其规划一个城市最值得买入的商铺路段，对于地产商来说，这些数据有利于判断未来哪些路段有商业潜力，对于消费品企业来说，其中的数据还能反映市民的消费习惯和消费时间段等等偏好。

自动驾驶是一个综合系统，信息价值巨大。极端点来看，一旦某个传感器数据被黑客入侵篡改，有可能损害的就是一条生命。

对于车企来说，保护用户的行车安全是大于天的事情，数据安全自然重要。

5.人机交互

在自动驾驶系统碰到它处理不了的情况时，汽车会怎么做？恐怕最理想的做法，目前还是呼叫驾驶员来进行处理。

这只是车内人机交互的一个场景，未来能否让智能汽车成为另一个移动的第三空间，全靠人机交互技术的发展。

6.高精度地图

高精度地图的精度到什么级别，才能满足L3甚至L4的自动驾驶需求？要知道这个问题的答案，我们需要先了解目前的地图已经在自动驾驶技术上有哪些应用。

在L2级别的自动驾驶，主要还是以静态的道路基本信息为主，包括车道中心线和边界线、参考点等等。但高级别的自动驾驶技术需要对更加复杂的路况进行分析，以便找到最佳的应用方案，这时，动态的行驶数据就显得极为必要，包括天气、交通拥挤程度、道路状态等等。

所以，高精度地图可以说是启动驾驶技术能够有效应用和不断进步的必备条件。

7.车联网（V2X）技术

车联网 V2X就是将车上网， 包括汽车和汽车（V2V）的连接、汽车和基础设施（V2I）的连接、汽车和互联网（V2N）的连接，以及汽车和行人（V2P）的连接。

汽车和道路是城市的网，车联网自然就成为智慧城市的底层逻辑。

由此可见，自动驾驶不仅涉及的技术和零部件众多，涉及的场景以及连接的事物同样众多，环环相扣，非长期投入难以实现和精进，更何况，这其中涉及人身安全。

自动驾驶进入商业应用以来，发生的事故不在少数，如何在技术和安全之间实现平衡，都是车企和自动驾驶技术研发企业需要考量的事情。

自动驾驶，无论是L3还是L4，哪个率先商用，都将是长路漫漫。