自動駕駛對未來道路的安全會有一個非常大的提升。非常多的案例表明交通事故多源于人的因素，用自動駕駛取代人類駕駛員，就可以把人類的錯誤因素消除掉，從而提高整個的道路安全。

大陸集團高級駕駛輔助系統事業部中國區產品戰略總監張彤表示，現在正常的駕駛員對年齡、體能都有規定，但人類對出行的服務需求是一直存在的。自動駕駛可以取代人類駕駛員，可能會給所有人提供個人移動的可能性。

自動駕駛對于個人移動出行的便利，還在于提高舒適性和通行效率。現在人們在通勤路上花費越來越多的私人時間，自動駕駛可以釋放枯燥乏味的通勤時間，讓人們有機會做更高價值的事情。同時通過自動駕駛規范車輛駕駛行為，在燃油、排放上都會帶來效率的提升。這四點在自動駕駛概念上得到一個很好的價值鏈的體現。

“大陸集團到目前為止已經在L2以下，包括L1、L0的ADAS輔助功能做到量產，目前正在開始對泊車相關的L2/L4級自動駕駛進行布局和開發。”張彤表示，未來兩到三年，真正意義上的L3級自動駕駛會走向市場，無論B端還是C端。

L4和L5的發展分兩種情況，對共享出行而言，L4級無人駕駛出租車的技術方案大概在2023年達到成熟，并步入市場；2025年L5級點對點的無人駕駛技術，即高速巡航和低速泊車時完全沒有人類駕駛員的干預會逐步實現。

“L5級自動駕駛實現時間相對會更遠一點，但L3/L4級在未來十年會迎來一個快速增長。”在張彤看來，自動駕駛的落地商業化，會遇到至少六大挑戰：復雜性、成本、法律法規、新的方法帶來的人才匱乏、自動駕駛的驗證、用戶體驗。

一、復雜性

復雜度有不同的理解，硬件系統的復雜度、軟件執行復雜度、整個系統復雜度，從復雜度的角度說明自動駕駛是一個非常龐大的概念體。

在自動駕駛從技術架構上，感知層面大陸集團有毫米波特種、前向智能攝像頭、360環視攝像頭、駕駛員監控系統，Flash激光特種等；

決策部分有輔助和自動駕駛控制單元（ADCU），這是大陸集團非常重要的硬件產品；

V2X硬件，包括智能天線、通訊模塊、定位、數據傳輸；執行端有一體式電子制動MK-C1、電子助力轉向等等。

當然自動駕駛的硬件層面還遠不止這些，這些硬件之間彼此會有通訊、協作。

硬件之上，還要有能夠依托硬件去完成的各項應用，比如傳感器的感知要有環境模型，地圖要用電子地平線獲取地圖信息給到超時預測，需要用到機器學習、神經網絡實現對環境更清晰的認知。

感知、機器學習對數據的處理，要用到高性能的處理器，不同類別的數據處理所用的神經網絡也不同，處理的結果在執行端需要做動態控制，沒有動態控制談不到安全等等。

全電氣化的自動駕駛架構上，因為數據互聯，對車輛網絡安全也提出了更高更新的要求。這種安全要求與傳統PC端網絡安全的維護不同，對安全團隊的軟硬件能力、響應能力提出了更高的挑戰。

因此，對于自動駕駛來講，從硬件到軟件都會發生一次重構，其復雜性不可同日而語。即使是傳統Tier1，僅對零部件的理解是遠遠不夠的，需要上升到系統層面，可以稱之為系統工程。

Tier1如果想完成自動駕駛系統，必須對整個系統工程有一個非常深入的理解。一個產品出現問題后需要追溯的范圍已經從零部件、子系統上升到了車輛本身，甚至上升到智能交通系統的大環境。給未來自動駕駛提供解決方案的供應商，需要具備對系統的理解，才能有自上而下的解決問題的能力。

張彤表示，在自動駕駛層面，基于高性能計算平臺（ADCU），通過整合不同的計算單元和計算功能，對感知、云端、執行端等進行整合和匹配，最后給到主機廠用戶或者行業合作伙伴的，將會是一個完整的系統方案。

大陸集團會持續迭代感知、處理器、執行器方面的軟硬件，提升性能。但大陸集團不會也沒有能力干所有的事情，在整個自動駕駛的實現、落地過程中，會保持開放性。比如在域控制器中，可以只提供整體的裸硬件以及底層軟件；在應用層，可以會同主機廠進行非常多的合作。

二、成本

成本方面，L1、L2的實現，相對而言傳感器架構簡單，通過毫米波特種+前向智能攝像頭就可以完成。

但L3、L4逐漸允許駕駛員解放雙手、雙腳，甚至雙眼（注意力），這種情況下就需要非常復雜的傳感器架構，復雜的不僅僅是傳感器、執行器等，還有冗余的要求，這是復雜且昂貴的系統。

要實現這些，OEM的成本壓力還是非常大。因此也出現了類似于L2.5級這樣的過渡方案。作為不能馬上用到L3、L4級昂貴的系統，同時又給消費者提供一些超出L2級體驗的折中方案。

基于復雜系統高昂的成本，制約大規模商業化的落地，大陸集團有兩個比較大膽的預測，首先是未來十年內雖然L3、L4級的產品會出現在市場中，但比例還是會比較低。

無論是面向C端的L3級系統，還是面向B端的L4級無人出租車系統，所占據的比例不會超過整個新增車型總量的10%，未來較大比例的還是會來自于L2、L2.5級的系統。

其次是未來無人駕駛出租車因為提供比較方便的出行服務，從而會引起整個汽車消費市場的需求有所下降，趨勢不會改變。

三、法律法規

法律法規的挑戰也不少，對于駕駛員脫手方面，在歐盟有嚴格的法律要求，歐盟一直在用維也納公約，規定在L3級系統以下不允許脫手。但事實上還有很多的主機廠客戶希望給用戶提供脫手的體驗。

目前歐盟已經對脫手的要求進行討論，如ECER79工作組提到滿足L3級自動駕駛的車輛行駛中可以脫手，預計會在2020-2022年生效。目前都在討論過程中，還沒有正式發布，而技術與服務的需求往往快于法律法規的提出。

同樣在美國也沒有相應的法規，需要給到自動駕駛相應的引導和咨詢。美國是比較寬松的環境，法律沒有明確規定就可以嘗試，但在中國和歐盟很難推廣，因為有法規這樣的要求。

美國現在也在做自動駕駛法案的立法過程，中國國內還沒有任何的實施性法規的出臺，目前相關組織部門也在進行這樣的討論。

四、新的方法和人才

新的方法是關于機器學習、人工智能方面的方法。這些方法跟傳統的Tier1大致相同，大陸集團正在把這些新的方法引入到現在的零部件設計流程中，從而創造出了非常多新的職位。

比如說大數據處理、數據統計學分析、機器學習算法工程師等等，這些職位在傳統設計中沒有出現過，但是反而現在變成非常重要的環節。

相關專業人才的爭奪也變得白熱化，這在日常工作中可以體現到，更多造車新勢力、傳統主機廠也對人才有強烈的需求，人才的爭奪愈演愈烈，對于行業而言是一個不小的挑戰。

五、驗證和認證

在當前自動駕駛行業中，對于認證和驗證的環節還沒有統一標準或方法，多數公司都只是在不停摸索中。

大陸集團認為，這是一個很大的挑戰，在感知、決策和執行端需要高可靠性，不能失效，這些可靠性累積起來要變成可量化的數字，比如10億小時允許出現一次事故，才能視為比人類駕駛做的更好，自動駕駛要滿足這樣一個要求才能得到人們的信任。

但這在現實操作中難以實現，因為10億小時比整個人類發展時間還長，這是一個悖論，因此要實現它就需要做其他方面的工作。

把驗證的概念，從單純驗證階段，提前到設計階段，考慮到未來驗證的可靠性，同時在仿真端介入，進行大量的仿真，包括實地的路測，包括基于場景的路測。

大陸集團在德國有一個專門為自動駕駛和輔助駕駛實驗用的試車場，在全球其他地區也有同試車場合作。包括中國在內的不同地區建立很多的數據中心，就是為了支持仿真端的應用。

六、用戶體驗

從消費電子行業，過渡到汽車行業的自動駕駛當中，如何為終端用戶提供更好的駕乘體驗？

大陸集團將自動駕駛功能分為三類，一類是基礎的安全功能，所有的功能都要滿足不同人的要求；二是巡航功能，在中高速的路段所實現的功能；三是低速泊車功能。從高端自動駕駛，到低端的駕駛輔助，最重要的始終是安全。

實現不同等級自動駕駛產品的商業化，要克服的不只是以上六個挑戰，還要全行業的合作，大陸集團將會以一個開放合作的態度，同行業上下游共同建立自動駕駛的生態。