有人說，自動駕駛是眼下和未來汽車行業最熱的賽道，沒有之一。雖然一些示范運行項目不斷推進，但從產業鏈的角度講，自動駕駛落地仍然不能說是“萬事俱備，只欠東風”。

6月27～29日，由英佛會議展覽(上海)有限公司、中國汽車零部件工業有限公司、中國照明電器協會、國際汽車輕量化綠色科技聯盟、中歐新能源智能汽車產業聯合會及中歐汽車材料委員會聯合主辦的上海國際汽車創新技術周(IATW 2021)舉行。在同期舉辦的2021中國自動駕駛及車用芯片創新大會上，與會嘉賓圍繞自動駕駛產業鏈發展的現狀和挑戰展開交流。

激光雷達尚未實現“質變”

激光雷達是實現汽車自動駕駛的關鍵部件之一。不少行業人士認為，高級別自動駕駛離不開激光雷達。但激光雷達市場目前也面臨一系列“靈魂”拷問，比如如何協調與其他傳感器的關系?技術路線之爭，誰會是最終勝出者?如何化解產品開發的復雜性與推向市場緊迫性的矛盾?還有多大的成本下降空間?存在真實的市場需求，抑或只是企業在開展“軍備”競賽?現階段，這些問題恐怕還難以形成定論，但業界正在努力尋找最佳答案。

Innoviz中國區總經理蘇淑萍介紹稱，以往企業發展的路徑多是從技術到產品再到市場，但Innoviz反向操作，是看市場需求什么樣的產品，如何平衡技術與成本，再將之推向市場。她認為，在激光雷達和自動駕駛領域，有生命力的技術一定是被市場認可且得到廣泛應用的。

至于激光雷達、毫米波雷達和攝像頭，誰可以替代誰的問題，蘇淑萍表示，不存在相互替代的問題，每種傳感器都有自己的優缺點，眼下要做的就是把產品本身的性能發揮到極致。當然，對性能的追求沒有極限，還要綜合考慮系統架構和成本。

另據了解，全球近百家激光雷達企業面臨一個共同的挑戰，那就是激光雷達元器件的短缺。激光雷達產業處于發展初期，從供應鏈層面看并非成熟的產品量產市場，不僅尚未實現0～1的質變，甚至仍處于0～0.1階段。蘇淑萍稱，Innoviz的做法是自己生產元器件，優勢是自主可控，但缺點也十分明顯，即難上量、難降價。同時，激光雷達企業還面臨車規級和自動化生產的挑戰。

底盤域控技術內涵待探索

現下，人們談及自動駕駛，更多的關注點還是放在傳感器層面。但事實上，底盤架構在實現自動駕駛方面亦至關重要。天津英創匯智汽車技術有限公司線控底盤事業部總監王翔宇指出，現有底盤機電系統架構，子功能獨立進行感知，控制決策難以協調，不夠安全;電子電氣架構冗余，制造匹配成本昂貴，難說高效。底盤零部件供應鏈分散，各子系統形成信息“孤島”，各子功能優化目標相異，底盤執行部件獨立受控，各功能在動力學維度上相互割裂。

在未來的智能汽車時代，自動駕駛并未改變底盤動力學固有的失穩特性;駕駛員難以緊急避險，在倫理道德和法律基礎上無人兜底。可以說，線控制性是智能汽車自動駕駛對線控底盤的需求迫切，其可替代傳統人車閉路系統中人的主觀評判，自上而下實現底盤數字化和自感知量化，不僅包含單純反饋控制或臨界失穩干預，本質上與集成底盤控制存在顯著差異。

據介紹，我國汽車行業面臨底盤線控技術自主化的困境，具體表現為：一是高度依賴進口，制造成本難以管控;二是整車企業在線控上受制于零部件供應商;三是國際零部件供應商抬高對外銷售價;四是傳統架構下新電控功能開發代價高。

王翔宇認為，智能汽車的“腦”應該是智駕“大腦”+底盤“小腦”的智能車輛系統架構。行業應探索底盤域控核心技術內涵，以突破智能汽車底盤分布式電控架構為目標，引領下一代集中式電控發展方案。

仍需突破測試和評價瓶頸

自動駕駛技術的發展離不開測試和評價，同濟大學汽車學院副院長熊璐表示，由國家發展改革委等11部委聯合印發的《智能汽車創新發展戰略》明確提出，到2025年基本形成相關法規標準體系。那么，應如何通過測試證明自動駕駛汽車達到了安全性?自動駕駛汽車的智能性需要哪些方面的評價?目前，測試與評價仍是限制自動駕駛落地的瓶頸。

據悉，同濟大學承擔了我國在自動駕駛測試與評價領域的第一個重點研發計劃項目，并取得了豐碩的研究成果。在預期功能安全方面，由于感知系統和復雜算法的引入，自動駕駛汽車存在無軟硬件故障情況下，無法實現預期功能的情況。自動駕駛系統的風險來源于多個方面，主要表現為系統功能不足與性能局限，以及由人為誤操作引發的危險。

近年來，預期功能安全已成為自動駕駛領域的熱門話題。同濟大學在國內較早地建立了預期功能安全的測試和評價方法體系，通過危害事件、觸發條件分析、決策規劃系統場景測試，減少已知危險場景和未知危險場景數量，提高系統安全性。

而目前，行業針對高級別自動駕駛汽車的智能性評價理論建設尚屬空白。現階段，智能汽車測試評價研究都集中于車輛本身在一定的外界條件和環境下的行駛能力，但這只是一個方面，即駕駛自治性。智能汽車在時間維度上還體現出學習進化能力，在空間維度上還體現出交通協調性即社會性。這就需要針對環境、任務的復雜度量化評估，多視角主客觀一致的交通協調性評價方法。

值得注意的是，隨著自動駕駛技術研究的深入，研究重點將逐漸由技術的可行性向用戶的舒適性問題轉變。數據顯示，認知舒適性問題普遍存在，同濟大學進而探索了可以用于認知舒適性事件識別與量化表征的客觀指標。

由于自動駕駛場景無法窮盡，所以車輛真正上路之前無法完成全部驗證。自動駕駛汽車測試工具鏈可通過對多并發、分布式、跨平臺的數據分發機制，實現多個決策規劃系統“共時空”仿真測試能力。平臺允許多個測試客戶端同時測試，提供為不同決策和規劃算法之間進行對抗測試和訓練的開發測試環境。