相信大家对“自动驾驶”这个概念都不会感到陌生，无论是在各类科幻题材的影视作品中，还是在各大科技公司的未来设想中，它都是一个不可或缺的部分。
比如在《生化危机1》的开头，导演就通过一个全自动驾驶的黑色车队，来展现了保护伞公司的高超科技，这对于那个年代的观众而言，简直就是无与伦比的亮点。
又比如特斯拉在前几年推出的自动驾驶模式，以及各大社交平台上晒出的范例，这些都让人们对自动驾驶产生了憧憬。
但遗憾的是，我国在自动驾驶的关键技术------雷达方面，仍没有完全站稳脚跟，这也是我国和全社会自动驾驶之间的距离。
那这究竟是怎样的一项技术，我国还能完成赶超吗，且让我们从自动驾驶本身说起。
自动驾驶：逐步突破的新科技
自动驾驶，顾名思义，就是一种能让汽车实现自主行驶的技术，再通俗地说，就是可以让车辆自己在路上奔跑，且无需人类操控的科技。
这听起来很像是汽车驾驶层面的突然革新，但按照现有的发展进程来看，这其实是一场循序渐进的技术突破。
这主要是因为，目前科技界根据自动驾驶的操作者、支援者以及适行区域的不同，已经将自动驾驶分为六个等级，分别是l0、l1、l2、l3、l4、l5。
其中，l0指的就是无自动驾驶，即全人工驾驶，人类驾驶者需要全权驾驶车辆，而驾驶系统并不会提供任何形式的帮助。
l1和l2则是部分自动驾驶，在这两个分级中，驾驶系统会为人类驾驶员提供方向控制或者动力控制，又或者两项都能提供，比如在l2的分级中，驾驶操作者就已经从“人类”变更为“系统”，也就是说，在l2的分级中，自动驾驶系统已经可以胜任车辆的主要操控者角色，人类则沦为协同操控。
而到了l3和l4，便就是成熟的自动驾驶级别了，在这两个分级中，驾驶系统已经可以完成所有驾驶操作，人类在车辆的驾驶过程中，已经转变为“顾问”的角色，即只需要回答自动驾驶的问答，比如路线的选择，以及速度的限定等。
当然，若是完全的l4等级，那人类甚至可以不用自主选择驾驶模式，因为，自动驾驶系统会代替人类给出最优方案，只是该项功能只允许在特定驾驶区域实现。
至于最终的l5等级，驾驶系统则可以全权替代人类驾驶，无论是路线选择，还是速度操控，又或是停车位的争取，人类都无需操心。
而且，更为关键的是，相较于l4的特定区域自动化，l5根本就没有区域限定，就算是在地下停车场和山路这样的特殊路段，自动驾驶系统都可以照常工作，实现真正意义上的全自动驾驶。
不过，就眼下的研发进度来看，人类距离l5级别自动驾驶的落地还非常遥远，因为从严格意义上来说，眼下人类能算作成熟的自动驾驶系统，其级别也只能达到l2。
更为关键的是，在自动驾驶的分级中，l2到l3正好是一次飞跃，可遗憾的是，人类社会似乎还没有做好完全进入l3级别的准备。
l2到l3：科技方向存在分歧
首先，我们需要清楚的是，自动驾驶等级从l2到l3，它们之间主要存在两个难点，那就是法规和技术。
法规，这个很好理解，指的就是针对自动驾驶而施行的法律法规，比如因自动驾驶而导致的伤亡，其责任如何划分；又比如自动驾驶适行区域的划定等等，这些都是法规方面的问题。
有人可能会提出疑问：为什么从l0到l2时，不需要新法规，而到了l3却有了法规需求了呢？
事实上，这个问题的答案，其实也正是l3和l2之间最核心的区别，那就是进行驾控环境的监控者到底是人类，还是自动驾驶系统。
简单来说，在l2级别的自动驾驶中，系统虽然能够控制方向和速度，但对车辆周边情况进行把控的主体仍然还是人类。
可若是来到l3级别，那完成环境把控的主体，就需要变更为系统，人类需要做的，仅仅是回答系统的问询即可。
这意味着，人类在整个驾驶过程中的地位会逐渐边缘化，那一旦发生事故，与人类驾驶员的关联性就会有所削弱，甚至，还会出现系统全责而人类无责的情况。
同时，系统本身就具有不确定性，这预示着，若是不进行自动驾驶区域划分的话，那对于其他行人的生命安全是极其不负责任的。
因此，从l2到l3级别，法规是首当其冲的难关，但值得庆幸的是，各国为了能尽快落实自动驾驶，都纷纷出台了适应性政策，比如我国在2022年8月时，就发布了《关于做好智能网联汽车高精度地图应用试点有关工作的通知》。
根据该文件的内容，我国将在广州和深圳等地，建立固定的自动驾驶适行路线，以及特定的试行模式，以确保我国自动驾驶的测试能够顺利开展。
从这一点来看，法规这项难点已经逐步得到解决，而除去法规一项后，便只剩下技术这一关了，而技术难关的关键则只有一项，那就是激光雷达。
自动驾驶所用的激光雷达，全称为车载激光雷达（lidar），其原理和其他雷达相似，只是它发射出来的是激光，即通过激光碰撞物体的折射，来判断该物体的大小，以及与车身间的距离。
同时，这种激光雷达还具备相当的信息处理能力和传输能力，这意味着，它能够对探测信息进行解析，并将其上传到卫星终端和车辆终端，以便于自动驾驶系统做出反应。
所以，我们其实能将激光雷达，理解成自动驾驶的眼睛，它能够替代先前人类的目视判断，从而让自动驾驶系统也具备对环境的判断能力。
不过，科技界中对激光雷达的运用仍存在争议，即“弱感知+超强智能”与“强感知+强智能”的两个方向。
其中，“强感知+强智能”模式强调必须要使用激光雷达，正如其名所述，这种模式需要超强的对外感知能力，而能够做到这一点的便只剩激光雷达，目前谷歌自动驾驶选择的就是该方向。
而另一种“弱感知+超强智能”模式，则更强调智能分析的作用，即通过普通雷达来对环境信息进行基本的收集，之后交予超智能终端进行分析处理，从而得出最优的路线和驾驶方法，现在最具代表性的采用者，便就是特斯拉。
这两种模式从本质上来说，都是实现自动驾驶的办法，且各具利弊，比如激光雷达的难点就在于造价贵，且技术具有垄断性，要知道，世界激光雷达市场基本都被velodyne公司垄断。
也就是说，无论是哪一家企业想突破自动驾驶，都需要从velodyne购入激光雷达，而这家公司作为行业“独角兽”，在价格方面就显得尤为自信。
而velodyne在价格方面的自信，也就导致这种自动驾驶模式的成本非常高，要想投入实际运用，就过不了价格这一关。
当然，或许也正是源于这一点，所以该模式一直未能投入实际运用，反倒是特斯拉在越过了激光雷达后，已经率先让用户实现了自动驾驶，只是碍于终端智能性不高，从而造成了不少自动驾驶事故，惹得多国纷纷禁用特斯拉的自动驾驶。
中国的自动驾驶：或许能弯道超车
然而，无论是谷歌为代表的“强感知+强智能”，还是以特斯拉为代表的“弱感知+超强智能”，我国在技术层面几乎都没有基础，尤其是激光雷达领域，我国起步非常晚，核心技术掌握实在太少，要想实现自研自产，还有很长一段路要走。
正如《中国科技信息》杂志在文章中所述：
“在激光雷达领域国货几乎没有话语权。”
但根据我国科技发展的速度来看，未来是必然能够追上欧美步伐的，只是所用事件或许要稍长一些。
不过，值得一提的是，我国的自动驾驶目前已经走出了“第三条路”，那就是“车路协同”模式。
这种模式和以上两种模式最大的区别，就在于车路协同是让路也同样变得智能，举个简单的例子，一辆自动驾驶的汽车在路上行驶时，它不需要依赖激光雷达来感知路况，道路上设置的传感器会主动发送路况信息给车辆终端。
换句话来说，车路协同模式下，激光雷达就不再是必备项，反倒是全覆盖的5g网络，以及超强道路基建才是重中之重。
显然，相较于研发激光雷达，5g网络和道路的建设，才是我国的核心强项，因此，在车路协同模式的加持下，我国很可能将会完成自动驾驶方面的“弯道超车”。
