原创：谭婧
这里的“意义”，就是指使用，落地的意义。
把N个行车记录仪安装在车辆上，将这类记录数据用于自动驾驶，这种叫做实验室游戏。
那么，自动驾驶到底离我们有多远？
高阶自动驾驶现在就有，纯无人矿山卡车，在澳大利亚已经开了三五年了。
如果谈自动驾驶的普及，不管是从技术角度，还是法律法规角度，个人认为还需要5到10年，才能体验到100%“脱手脱眼开车”。
从自动驾驶分级（L0，L1，L2，L3，L4，L5）来看，只要到了L3这个级别，车的驾驶权就属于机器，而不是人类，这大大有别于L2级别。
所以，任何L3以上级别的车，不管是软件架构，还是传感器配置，都非常接近，是性能达到95%和99.9999%的区别。
具体地说，是设计运行域（ODD）的覆盖度大小的区别。
设计运行域是指，在什么条件下可以实现自动驾驶。
例如，嬴彻科技的重型卡车被设计成能在高速公路上自动驾驶，所以，设计运行域是“高速公路”。
设计运行域是非常精确的（refined），天气、照明条件等情况变化了，它也要改变。
自动驾驶是要造在现实道路上跑的车，能够普及的车，一辆能让所有人都接受的车。
只有在成本是可控的情况下，自动驾驶技术才能够普及。
量产是自动驾驶的紧箍咒，换句话说，考虑得不光是安全与舒适，还有车规级的硬件和功能安全。
特别是，成本。
高速移动是重卡自动驾驶的第一大技术难点，重卡是高载重量。激光雷达的价格已有了一个数量级的下降，一台Velodyne128线的，大概四十几万。量产车上，Livox的激光雷达，几千人民币。嬴彻科技车规级的激光雷达，不到一万人民币。换句话说，车规级别的激光雷达可以坚持跑5万个小时不出问题。车规级的车，严格按照“车规级”去设计，一定要采集到有效的数据，用于L4/L5级别进阶的数据，来做仿真和训练。一辆Robotaxi，在城市里速度比较慢，一天大概能开300到400公里数就很高了，算下来一年365天也就是10万公里。一般而言，几十亿公里的测试里程是“通过实际驾驶证明自动系统安全性”的基本要求。如果要获取百亿数量级的数据，车队规模就很重要，要在万级。我不相信世界上任何一家自动驾驶公司，能够仅用一个不产生盈利的试运营车队，去维持一个成千上万辆的车队。自动驾驶最终是要给用户一个产品，在不同的应用下，做重卡和Robotaxi很不一样。 重型卡车是一个生产工具，要产生经济效应，就要考虑成本（Total Cost of Ownership，TCO）。常见问题是：“多花了20万到30万把这个东西给买回来，在3到4年的生命周期里，能不能把成本给收回来？”重卡司机的人力成本大概是一个司机一年15万，3年就是45万。假设成本上限是45万，研发出来的系统成本超过45万，不管多么自动化，多么高阶的自动驾驶也没法用，因为用了就是亏钱，越用越亏。量产有了规模以后，这个成本才能从原来的几十万，降到几万，甚至降到几千，这个规模效应类似智能手机。智能手机出货量小，就不可能做到小几千块钱一部了，恐怕是30万块钱一部，这个价格普通消费者用得起吗？这就是为什么重卡自动驾驶除了安全与舒适之外，格外关注成本。Robotaxi运营成本的那笔账很多人都还没有算明白。
高速移动是重卡自动驾驶的第一大技术难点，重卡是高载重量。世界上最好、最贵的激光雷达，感知距离只有200米，而重卡的刹车距离，从100公里的时速刹车到0，要150米长的刹车距离。所以，对智能系统的要求是至少能看到300米以上，这是没有任何激光雷达可以达到的。嬴彻用计算机视觉的方法，用高清摄像头，看到的距离非常远。并且，重卡的设计是两截式，刹车时折翻，挂车就把车头撞了。最后，我不认可拿行车记录仪可以在路上采数据，因为行车记录仪的信息量实在太少了，缺少360度全向数据。自动驾驶车辆带了全套的传感器，上面有激光雷达、毫米波雷达，这样才算带了足够的数据记录能力，才算是完完全全为自动驾驶车辆迭代发展提供有效数据。我对高阶自动驾驶未来的普及很有信心，但过程是艰辛的。搞深度学习框架的那帮人，不是疯子，就是骗子
DPU加持下的阿里云如何做加密计算？
超级计算机与人工智能：大国超算，无人领航
消失的人工智能 “法外之地”
售前，航空母舰，交付，皮划艇：银行的AI模型上线有多难？
我怀疑京东神秘部门Y，悟出智能供应链真相了
开源系列：AI对抗攻防算法开源平台，哪家强？
最后，再介绍一下主编自己吧，我是谭婧，科技和科普题材作者，围追科技大神，堵截科技公司，生命短暂，不走捷径，个人微信18611208992。还想看我的文章，就关注“亲爱的数据”。