最近借CES和北美車展之勢，自動駕駛的話題又火了一把，各種報道和議論鋪天蓋地。有不少朋友問我，自動駕駛汽車的時代是不是要來了。但我的回答是，並不會那麼快，目前的自動駕駛還只是“半成品”。

　　必須承認，自動駕駛技術在最近兩三年取得了長足進步，這從眾多在實際道路完成自動駕駛測試的廠商上可見一斑。但有個問題——目前絕大多數的自動 駕駛汽車，包括我在CES上看到的一些，仍然是單純依靠感測器和控制系統——感測器探測周圍環境，控制系統進行數據處理並控制車輛完成整個行駛過程。

　　這種解決方案在技術上有著明顯的局限性，最直接的就是特定情況(如惡劣天氣)下感測器的失效問題。説到底，把所有任務都交給車輛獨立完成，是把 雞蛋全部放進一個籃子，成本難以控制、效果不好保證——如果要將自動駕駛相關的所有資訊儲存到一輛車上，只怕每輛車都得背上一個大體積的高性能電腦才可 以。這樣看來，做一兩輛測試車秀秀肌肉沒問題，要實現量産，恐怕沒那麼容易。

　　破解的關鍵是什麼？海量數據挖掘和實時聯網。具體到關鍵能力上，則是高精度地圖和雲計算服務。

　　高精度地圖就像自動駕駛汽車的記憶，離開了記憶，無論眼睛和思考速度有多麼發達，還是無法對事件有全局把控。一輛能調用高精度地圖數據的自動駕 駛汽車，能夠對所處的環境進行精準預判，提前選擇合適的行駛策略，而把對環境的監測重點放在應對突發情況上。在提升車輛安全性的情況下，還有助於降低車載 感測器和控制系統的成本。

　　正如人的記憶能力各有差別，不同級別的高精度地圖，在精度和資訊量上也差別明顯。例如，基礎ADAS地圖只需要精度達到米量級，而HAD級別高 精度地圖的精度則能達到釐米量級。在數據量方面，基礎ADAS地圖只記錄高精道路級別的數據(道路形狀、坡度、曲率、鋪設、方向等)，HAD級別地圖不僅 增加了車道屬性相關(車道線類型、車道寬度等)數據，更有諸如高架物體、防護欄、樹、道路邊緣類型、路邊地標等大量目標數據。

　　在CES上，採用“眾包”方式，通過量産車配裝的感測器進行地圖數據採整合為一種新思路。儘管通過這種方式採集的數據可能無法達到HAD級別，卻可以加快地圖基礎數據的採集更新，也讓專業地圖廠商能夠更專注于高精度地圖數據的採集。

　　高精度地圖在應用過程中，還要解決兩個問題，那就是實時更新和實時同步。少了實時更新，地圖數據就不能反映道路的真實情況，記憶就會出現偏差。而少了實時同步，最新的數據就無法有效傳遞給每個交通參與者。

　　正因如此，雲計算平臺至關重要。可以説，只有和雲計算平臺結合在一起時，高精度地圖才能夠真正發揮效果。

　　當然，雲計算平臺的作用還不僅如此，道路上行駛的不同車輛可以將道路情況實時上傳至雲端，在通過雲端對其他車輛進行資訊同步。於是，自動駕駛汽 車可以提前知道前方5公里發生了交通事故，10公里處有臨時的施工，而在20公里以外已經開始下雨……從目前來看，利用雲計算平臺實時更新，車與車、車與 路的通訊技術固然是一大難點，但更重要的是，提供雲計算服務的平臺是否具備進行海量數據收集、運算、交互與分發的能力。

　　從這個角度説，自動駕駛的普及需要從雲 端的層面入手，細節涉及方方面面，是一個各領域專業公司之間協同發展的過程。這也是為什麼最近很多看似不相干的公司宣佈聯手合作的深層次原因，包括我們看到開展自動駕駛研究非常早的Google也在尋求車企合作。

　　在CES上，高德和德爾福也宣佈了將在高精度地圖、精準導航、高精度定位、LBS服務等方面展開深入合作。德爾福是全球領先的汽車零部件供應商，在自動駕駛系統方面有深入研究，並在今年提出了感測器和V2X技術上具備量産可能的現實解決方案。

　　汽車廠商對於汽車本身、以及駕駛的專業理解，加上網際網路企業在大數據和雲計算層面的積累，本身就是一種各取所需的高效方式。

　　在汽車誕生以來的一百多年間，曾經歷過多次技術和生産方式上的重大革命。相信在自動駕駛領域，專業公司之間的跨界合作將成為一種常態。而由此帶來的一種全新生態模式，大概才是自動駕駛真正實現普及的關鍵所在。