當(dāng)?shù)貢r間10月12日，特斯拉首席執(zhí)行官埃隆·馬斯克(Elon Musk)發(fā)布推特稱：“按照承諾，下周二將發(fā)布有限的完全自動駕駛能力(FSD)的測試版。首先，這將只限于少數(shù)細(xì)心和精于駕駛的駕駛員。”

此前，馬斯克在推特上透露，最新版本的完全自動自動駕駛能力軟件能夠?qū)崿F(xiàn)“零干預(yù)駕駛”。

依靠自動駕駛技術(shù)劃分而言，需要人類駕駛員共同駕駛的汽車通常被認(rèn)為是第2級(L2)或第3級(L3)。共同完成駕駛?cè)蝿?wù)的汽車被描述為半自動駕駛，通常包含多種自動附加組件，稱為ADAS(高級駕駛輔助系統(tǒng))。

由人工智能完全自主駕駛，在駕駛過程中沒有任何人工輔助的汽車被認(rèn)為是第4級(L4)和第5級(L5)。

在L2+自動駕駛規(guī)?；慨a(chǎn)的當(dāng)下，L3級自動駕駛乃至更高級別的L4/L5級無人駕駛，讓人們對智能汽車的到來充滿期待。

特斯拉的大招真的恐怖如斯么?

從某種意義上來說，這或許是一場精妙的文字游戲，目前特斯拉的“完全自動駕駛能力”并不能做到完全自動駕駛。

特斯拉官網(wǎng)顯示，完全自動駕駛能力包括：自動泊車(平行泊車與垂直泊車);自動輔助變道：在高速公路上自動輔助變換車道;自動輔助導(dǎo)航駕駛：自動駛?cè)牒婉偝龈咚俟吩训阑蛄⒔粯虿砺房冢^行駛緩慢的車輛;智能召喚：停在車位的車輛會響應(yīng)召喚，在停車場的任意角落找到您。并且即將推出“識別交通信號燈和停車標(biāo)志并做出反應(yīng)”，以及“在城市街道中自動輔助駕駛”兩項(xiàng)功能。

另外值得我們注意的是，特斯拉國內(nèi)車主一直詬病完全自動駕駛功能在國內(nèi)道路并沒有想象中好用，性價比不如免費(fèi)的基礎(chǔ)版輔助駕駛功能，尤其是在高速公路匝道的駛?cè)腭偝鋈杂胁簧俑倪M(jìn)余地。

市場已至下半局，國內(nèi)企業(yè)進(jìn)展如何?

根據(jù)2020年10月12日中國電動汽車百人會、騰訊自動駕駛與中汽數(shù)據(jù)有限公司聯(lián)合發(fā)布的《中國自動駕駛仿真藍(lán)皮書2020》顯示，當(dāng)下“該融資的都融到了，該發(fā)布技術(shù)的已經(jīng)發(fā)布了，大部分企業(yè)都進(jìn)入了潛心研發(fā)的階段，這是自動駕駛企業(yè)進(jìn)入下半場的標(biāo)志?！?/p>

針對當(dāng)下國內(nèi)自動駕駛的行業(yè)瓶頸問題，藍(lán)皮書倡議，在統(tǒng)一的標(biāo)準(zhǔn)格式內(nèi)，各單位進(jìn)行基礎(chǔ)場景庫的共建，并在此基礎(chǔ)上各自拓展個性化場景庫，避免“重復(fù)設(shè)計(jì)輪子”的過程。與此同時，還可以將仿真平臺應(yīng)用于更加實(shí)用的領(lǐng)域，如智慧城市、智慧交通管理、智能網(wǎng)聯(lián)汽車認(rèn)證等領(lǐng)域。為適應(yīng)即將到來的智能網(wǎng)聯(lián)汽車與傳統(tǒng)汽車混行的道路環(huán)境，研發(fā)仿真系統(tǒng)的公司也應(yīng)及時開展混行交通與人機(jī)交互相關(guān)的場景模擬。

最后，藍(lán)皮書中還提到，自動駕駛仿真技術(shù)作為自動駕駛的底層核心技術(shù)之一，應(yīng)當(dāng)確保國產(chǎn)化，如此才不至于因?yàn)橥鈬募夹g(shù)封鎖導(dǎo)致產(chǎn)業(yè)進(jìn)入停滯。

為什么說自動駕駛是AI發(fā)展的關(guān)鍵鑰匙?

有資本方認(rèn)為，人工智能時代的第一個“殺手級”應(yīng)用就是智能汽車。智能汽車算力的指數(shù)級增長，意味著它具備引領(lǐng)行業(yè)往前推進(jìn)的核心資源，而這樣的資源會外溢成為下一步發(fā)展的很多基礎(chǔ)設(shè)施。誰能掌握自動駕駛最核心技術(shù)的推動力，誰就掌握了下一代人工智能發(fā)展的鑰匙。

從細(xì)分情景來看，自動駕駛單套算法需要177億公里驗(yàn)證，就傳感器而言其主要包括雷達(dá)和光學(xué)攝像頭，相當(dāng)人的耳朵和眼睛，主要功能是車輛收集周圍的“即時信息”，實(shí)時了解車輛周圍的環(huán)境，為無人駕駛車輛提供完整、準(zhǔn)確的各類環(huán)境數(shù)據(jù)。

尤其是攝像頭作為眾多預(yù)警、識別類ADAS功能的基礎(chǔ)。車載攝像頭主要包括環(huán)視攝像頭、內(nèi)視攝像頭、后視攝像頭、前置攝像頭、側(cè)視攝像頭等。其中，光學(xué)攝像頭是場景解讀的較佳工具，能較好地分辨顏色，但是沒有立體視覺效果時，缺乏“深度“，無法判斷物體和相機(jī)(車輛))間的距離。

依照人工智能產(chǎn)業(yè)的發(fā)展時間線劃分，在曾經(jīng)，人工智能行業(yè)首先落地于安防。

在行業(yè)發(fā)展中，以雪亮工程為例，其主要應(yīng)用于深度學(xué)習(xí)、視頻結(jié)構(gòu)化、人臉檢測、人臉特征識別、人體特征識別、車牌識別、車輛特征識別、大數(shù)據(jù)分析及應(yīng)用等。通過人工智能技術(shù)，可以對前端采集的原始監(jiān)控圖像進(jìn)行結(jié)構(gòu)化解析，按照規(guī)范標(biāo)準(zhǔn)，把原始的視頻圖像數(shù)據(jù)自動轉(zhuǎn)化為準(zhǔn)結(jié)構(gòu)化和結(jié)構(gòu)化數(shù)據(jù)，形成相對應(yīng)的主題數(shù)據(jù)庫，并將數(shù)據(jù)提交至大數(shù)據(jù)平臺進(jìn)行相關(guān)的數(shù)據(jù)模型、技戰(zhàn)法等使用，形成豐富的實(shí)戰(zhàn)應(yīng)用，如人車軌跡刻畫、落腳點(diǎn)分析、預(yù)測預(yù)警等服務(wù)，充分發(fā)揮監(jiān)控圖像的實(shí)戰(zhàn)價值。

可以說，在過去與安防行業(yè)的結(jié)合中，人工智能積累了大量有價值的數(shù)據(jù)和算法。依照行業(yè)發(fā)展而言，在已有大量圖像相關(guān)的算法和數(shù)據(jù)后，若要更進(jìn)一步，投身自動駕駛行業(yè)屬意料之中的事實(shí)。

同時，在落地安防行業(yè)的過程中，人工智能技術(shù)還誕生了一系列的問題。例如隨著新技術(shù)和硬件設(shè)備的發(fā)展，人工智能技術(shù)已經(jīng)進(jìn)入一個日新月異的地步，在雪亮工程中我們也常?？吹揭曨l智能分析、深度學(xué)習(xí)、大數(shù)據(jù)等技術(shù)的身影。然而，要想利用視頻智能分析挖掘出視頻圖像中更多的信息，對視頻成像質(zhì)量有非常高的要求。目前，環(huán)境對監(jiān)控攝像頭的視頻成像質(zhì)量的影響很大，可能會有光照不足、目標(biāo)遮擋或者尺寸很小等一系列問題。

另外，由于編碼和網(wǎng)絡(luò)帶寬等因素，會導(dǎo)致視頻卡頓、視頻畫面模糊等問題，無法實(shí)現(xiàn)視頻的智能化分析。深度學(xué)習(xí)技術(shù)只能保證設(shè)備制造過程中的學(xué)習(xí)，并且不能保證實(shí)時進(jìn)一步研究和分析所收集的圖像。

再加之早期的智能化工程中，智能分析技術(shù)并不成熟，多為單場景地對目標(biāo)進(jìn)行檢測和對目標(biāo)行為的分析，這種單場景的分析一般對視頻內(nèi)容的理解能力偏弱，針對大范圍場景的關(guān)聯(lián)行為分析比較少，沒有較多的有效經(jīng)驗(yàn)來支撐異常分析，以及對風(fēng)險做預(yù)測。

因此，想要解決這些問題，那么一個相對而言更加“嚴(yán)苛”的環(huán)境則是必要的。那么我們也可以到的這樣一個類比，如果將人工智能比作礦石，那么落地安防行業(yè)便是初步的熔煉打磨，若想成鋼，更加嚴(yán)苛的淬打必不可少。這樣就是為何在資本的眼里，未來誰掌握了自動駕駛的核心技術(shù)，誰就有人工智能發(fā)展的核心鑰匙。