自动驾驶何时能迎来“全无人”时代？我们和ChatGPT聊了聊

　　过去数年里，无人驾驶给科技圈带来了巨大的惊喜。行业顶峰时期，玩家们投入巨额资金，热切地期待着量产全无人驾驶汽车的那一天。然而，随着时间的流逝，一些公司等来的是量产不顺、资金链断裂、自动驾驶安全事故．．．我们不得不承认，全无人自动驾驶这条路，远比想象中的更艰难。直到现在，行业仍然在为这个目标而努力。

　　

　　近日，恰逢ChatGPT爆火，盖世汽车与它聊了聊这个问题：我们离全无人自动驾驶还有多远？

　　技术、法规存在缺陷，“全无人”尚未来临

　　首先，盖世汽车询问它，“目前自动驾驶汽车能实现完全无人驾驶吗？”

　　ChatGPT的回答是，“自动驾驶技术已经取得了长足的进展，但是完全无人驾驶仍需要一段时间才能实现，不过自动驾驶技术的发展趋势非常乐观。”

　　

　　这也是行业主流的看法。

　　经历过一轮泡沫破裂之后，玩家都开始变得务实，渐进式地发展自动驾驶技术。当前，ADAS辅助驾驶技术发展迅速，国内的小鹏、极狐、毫末等玩家已经可以实现更高等级的城市领航辅助驾驶。

　　据盖世汽车研究院预测，到2025年，中国乘用车L1-L2级ADAS渗透率有望达65%，与此同时，更高级别的自动驾驶系统市场份额也将逐渐崛起。全无人驾驶技术也在有序推进，国内外都有不少地区已经允许车内全无人的自动驾驶路测和商业化运营，百度L4级自动驾驶运营测试里程累计已超4000万公里，萝卜快跑累计订单量超140万。

　　不过，全无人驾驶的车辆还不能像普通汽车一样获得车牌，在开放道路上行驶，也尚未走到量产这一步。关于尚未实现完全无人化的原因，ChatGPT从自动驾驶感知、路径规划等关键技术以及法规标准方面进行了多方面分析。

　　

　　比如在感知方面，目前普遍认为激光雷达是实现高阶辅助驾驶以及未来全无人驾驶中重要的感知设备。但是现阶段还有许多问题待解决，比如由于其刷新帧率不高，处理数据的响应时间较长，在高速等场景使用不理想；在恶劣天气、沙尘等气候环境以及重复性较高的场景，其性能都会打折扣。现阶段激光雷达也缺乏统一的车规标准，许多产品的耐久性和可靠性存疑。

　　此外，当搭载激光雷达的车越来越多时，激光雷达之间有可能出现串扰问题。这些都是量产之后激光雷达行业需要回答的问题。

　　在规控方面，盖世汽车也进行了提问：

　　

　　自动驾驶在ChatGPT所提到的城市、高速等“复杂交通场景”的规控确实存在一定的困难，不少用户反应，智驾系统在超车并道、识别路障等场景中表现不佳，过于注重安全性，决策保守，往往还需要人来接管。

　　至于法规问题，ChatGPT认为，当前法规的不完善确实对推广自动驾驶技术带来了阻碍。不过它的回答较为笼统。

　　

　　目前，在技术发展不成熟的情况下，自动驾驶法规并不允许L4级车辆行驶在公开道路，德国、日本等法规较为开放的国家也只是在逐渐放开L3级自动驾驶的路权。此外关于权责问题，目前虽然有法规做出了界定，但尚待完善。

　　比如去年深圳出台的条例，当自动驾驶车辆有人时，由驾驶员承担责任，无人时由车辆所有者承担责任，容易出现“人替系统背锅”的问题。

　　此外，ChatGPT提到的保险制度、国际标准等问题也确实是当前法规的不足。

　　L4公司如何盈利？

　　国内外都有许多玩家致力于L4及以上的全无人驾驶产业，比如Waymo、百度、小马智行等。但在技术、市场等都不成熟的情况下，这些公司遇到了一定的盈利困境，也在进行战略转型。针对此，盖世汽车也和ChatGPT聊了聊全无人驾驶的市场和商业模式。

　　首先，盖世汽车问它，以Robotaxi代表的全无人自动驾驶目前有哪些盈利难点？

　　

　　ChatGPT的回答可以用一句话总结：研发投入过大，但技术不成熟，市场未完全铺开。虽然在某些地区Robotaxi已经可以进行完全无人的商业化运营，但地点和提供服务的时间都有很大局限，其收入与庞大的开支相比，无异于杯水车薪。

　　值得注意的是，ChatGPT提到了司机服务。司机能根据交通拥堵状况灵活选择最优路线，在乘客时间紧急时能加速行驶，还能与乘客聊天，相比之下，没有司机的自动驾驶是否具有优势，还是一个未知数。

　　在成本环节，ChatGPT提到了构建高精度地图。于是，盖世汽车针对这个问题继续询问：自动驾驶是否一定需要高精度地图？

　　

　　ChatGPT的回答是“不一定，但高精地图有很大作用。”

　　城市场景复杂，红绿灯、车道线等信息，若仅靠感知需要耗费大量的算力，更何况潮汐车道、林荫路、隧道等特殊场景，智驾系统很容易出现视觉盲点，需要高精地图的辅助。目前小鹏、极狐等车企的辅助驾驶都接入了高精地图。

　　不过，高精地图城市试点进度缓慢、无法实时更新、成本极高，业内不少观点认为，高精地图逐渐从自动驾驶的“拐杖”变成了“绊脚石”。

　　所以，业内已经有一部分玩家打出了重感知、轻地图的口号，理想在L7发布会上多次强调理想的城市NOA会通过BEV算法摆脱对高精地图的过度依赖；小鹏称小鹏表示2023年，从高速到城市的领航辅助驾驶不再依靠高精地图；百度的ANP3.0已经可以做到无图识别红绿灯。

　　或许未来可能会正如ChatGPT所说，自动驾驶技术能够不依赖高精地图。

　　随后，盖世汽车又向ChatGPT询问了全无人驾驶公司的盈利策略它认为，Robotaxi公司想要实现盈利，需要通过不断创新、降低成本、提高使用率、扩大市场份额、推出增值服务、资本运作等多种方式，以满足客户需求、提高服务质量、降低成本、扩大市场规模，从而实现盈利。

　　值得关注的是，由于高阶自动驾驶落地不达预期。目前许多L4玩家都在试图与车企合作车规级前装量产，通过“降维”卖ADAS系统来获取收益。虽然L4规模化还遥遥无期，但高阶辅助驾驶已经成为主机厂竞相追逐的功能，相应的解决方案也有比较广阔的市场。许多玩家已经在这方面有所动作，比如小马智行已经成立了独立的独立事业部运营乘用车辅助自动驾驶业务，文远知行去年宣布和博世达成合作，首次明确了将自动驾驶方案应用于L2至L3的前装量产。

　　紧接着，盖世汽车向ChatGPT寻求建议：在哪些场景，自动驾驶公司更容易盈利？

　　

　　ChatGPT的回答也基本和行业目前的主流观点一致，及商用车自动驾驶短期内盈利前景相对乐观。

　　所谓商用车自动驾驶，主要包括如下场景：干线物流、港口运输、物流园区、矿区场景、机场场景、末端配送和无人清扫。

　　相比于复杂的高速、城市场景，以上场景由于路况简单，行驶路线固定、行驶限速严格，对技术要求相对较低，普遍认为比开放场景的Robotaxi更容易实现大规模落地。目前，在矿山等场景，已经有一些公司可以实现全无人常态化运营，在无人配送等领域，玩家的降本卓有成效，毫末智行已经能把单车成本降低至10万元以下。

　　所以，相比于乘用车的自动驾驶，业内普遍认为，商用车自动驾驶可能会更快到达盈亏平衡点。

　　ChatGPT的观点实际上都是行业的共识，从它的回答中，我们可以比较清晰的看出自动驾驶行业的现状。乘用车的“全无人驾驶”依然是一个遥远的目标，还有许多技术、法规方面的问题待解决，但为实现这个目标的努力从来没有停止。另一方面，高阶辅助驾驶、商用车自动驾驶已经在逐渐推广、普及。自动驾驶行业可以说是“仰望星空，脚踏实地”。

　　责任编辑：邓健