相信大家對「自動駕駛」這個概念都不會感到陌生，無論是在各類科幻題材的影視作品中，還是在各大科技公司的未來設想中，它都是一個不可或缺的部分。
比如在《生化危機1》的開頭，導演就通過一個全自動駕駛的黑色車隊，來展現了保護傘公司的高超科技，這對於那個年代的觀眾而言，簡直就是無與倫比的亮點。
又比如特斯拉在前幾年推出的自動駕駛模式，以及各大社交平台上曬出的範例，這些都讓人們對自動駕駛產生了憧憬。
但遺憾的是，我國在自動駕駛的關鍵技術------雷達方面，仍沒有完全站穩腳跟，這也是我國和全社會自動駕駛之間的距離。
那這究竟是怎樣的一項技術，我國還能完成趕超嗎，且讓我們從自動駕駛本身說起。
自動駕駛：逐步突破的新科技
自動駕駛，顧名思義，就是一種能讓汽車實現自主行駛的技術，再通俗地說，就是可以讓車輛自己在路上奔跑，且無需人類操控的科技。
這聽起來很像是汽車駕駛層面的突然革新，但按照現有的發展進程來看，這其實是一場循序漸進的技術突破。
這主要是因為，目前科技界根據自動駕駛的操作者、支援者以及適行區域的不同，已經將自動駕駛分為六個等級，分別是l0、l1、l2、l3、l4、l5。
其中，l0指的就是無自動駕駛，即全人工駕駛，人類駕駛者需要全權駕駛車輛，而駕駛系統並不會提供任何形式的幫助。
l1和l2則是部分自動駕駛，在這兩個分級中，駕駛系統會為人類駕駛員提供方向控制或者動力控制，又或者兩項都能提供，比如在l2的分級中，駕駛操作者就已經從「人類」變更為「系統」，也就是說，在l2的分級中，自動駕駛系統已經可以勝任車輛的主要操控者角色，人類則淪為協同操控。
而到了l3和l4，便就是成熟的自動駕駛級別了，在這兩個分級中，駕駛系統已經可以完成所有駕駛操作，人類在車輛的駕駛過程中，已經轉變為「顧問」的角色，即只需要回答自動駕駛的問答，比如路線的選擇，以及速度的限定等。
當然，若是完全的l4等級，那人類甚至可以不用自主選擇駕駛模式，因為，自動駕駛系統會代替人類給出最優方案，只是該項功能只允許在特定駕駛區域實現。
至於最終的l5等級，駕駛系統則可以全權替代人類駕駛，無論是路線選擇，還是速度操控，又或是停車位的爭取，人類都無需操心。
而且，更為關鍵的是，相較於l4的特定區域自動化，l5根本就沒有區域限定，就算是在地下停車場和山路這樣的特殊路段，自動駕駛系統都可以照常工作，實現真正意義上的全自動駕駛。
不過，就眼下的研發進度來看，人類距離l5級別自動駕駛的落地還非常遙遠，因為從嚴格意義上來說，眼下人類能算作成熟的自動駕駛系統，其級別也只能達到l2。
更為關鍵的是，在自動駕駛的分級中，l2到l3正好是一次飛躍，可遺憾的是，人類社會似乎還沒有做好完全進入l3級別的準備。
l2到l3：科技方向存在分歧
首先，我們需要清楚的是，自動駕駛等級從l2到l3，它們之間主要存在兩個難點，那就是法規和技術。
法規，這個很好理解，指的就是針對自動駕駛而施行的法律法規，比如因自動駕駛而導致的傷亡，其責任如何劃分；又比如自動駕駛適行區域的劃定等等，這些都是法規方面的問題。
有人可能會提出疑問：為什麼從l0到l2時，不需要新法規，而到了l3卻有了法規需求了呢？
事實上，這個問題的答案，其實也正是l3和l2之間最核心的區別，那就是進行駕控環境的監控者到底是人類，還是自動駕駛系統。
簡單來說，在l2級別的自動駕駛中，系統雖然能夠控制方向和速度，但對車輛周邊情況進行把控的主體仍然還是人類。
可若是來到l3級別，那完成環境把控的主體，就需要變更為系統，人類需要做的，僅僅是回答系統的問詢即可。
這意味著，人類在整個駕駛過程中的地位會逐漸邊緣化，那一旦發生事故，與人類駕駛員的關聯性就會有所削弱，甚至，還會出現系統全責而人類無責的情況。
同時，系統本身就具有不確定性，這預示著，若是不進行自動駕駛區域劃分的話，那對於其他行人的生命安全是極其不負責任的。
因此，從l2到l3級別，法規是首當其衝的難關，但值得慶幸的是，各國為了能儘快落實自動駕駛，都紛紛出台了適應性政策，比如我國在2022年8月時，就發布了《關於做好智能網聯汽車高精度地圖應用試點有關工作的通知》。
根據該文件的內容，我國將在廣州和深圳等地，建立固定的自動駕駛適行路線，以及特定的試行模式，以確保我國自動駕駛的測試能夠順利開展。
從這一點來看，法規這項難點已經逐步得到解決，而除去法規一項後，便只剩下技術這一關了，而技術難關的關鍵則只有一項，那就是激光雷達。
自動駕駛所用的激光雷達，全稱為車載激光雷達（lidar），其原理和其他雷達相似，只是它發射出來的是激光，即通過激光碰撞物體的折射，來判斷該物體的大小，以及與車身間的距離。
同時，這種激光雷達還具備相當的信息處理能力和傳輸能力，這意味著，它能夠對探測信息進行解析，並將其上傳到衛星終端和車輛終端，以便於自動駕駛系統做出反應。
所以，我們其實能將激光雷達，理解成自動駕駛的眼睛，它能夠替代先前人類的目視判斷，從而讓自動駕駛系統也具備對環境的判斷能力。
不過，科技界中對激光雷達的運用仍存在爭議，即「弱感知+超強智能」與「強感知+強智能」的兩個方向。
其中，「強感知+強智能」模式強調必須要使用激光雷達，正如其名所述，這種模式需要超強的對外感知能力，而能夠做到這一點的便只剩激光雷達，目前谷歌自動駕駛選擇的就是該方向。
而另一種「弱感知+超強智能」模式，則更強調智能分析的作用，即通過普通雷達來對環境信息進行基本的收集，之後交予超智能終端進行分析處理，從而得出最優的路線和駕駛方法，現在最具代表性的採用者，便就是特斯拉。
這兩種模式從本質上來說，都是實現自動駕駛的辦法，且各具利弊，比如激光雷達的難點就在於造價貴，且技術具有壟斷性，要知道，世界激光雷達市場基本都被velodyne公司壟斷。
也就是說，無論是哪一家企業想突破自動駕駛，都需要從velodyne購入激光雷達，而這家公司作為行業「獨角獸」，在價格方面就顯得尤為自信。
而velodyne在價格方面的自信，也就導致這種自動駕駛模式的成本非常高，要想投入實際運用，就過不了價格這一關。
當然，或許也正是源於這一點，所以該模式一直未能投入實際運用，反倒是特斯拉在越過了激光雷達後，已經率先讓用戶實現了自動駕駛，只是礙於終端智能性不高，從而造成了不少自動駕駛事故，惹得多國紛紛禁用特斯拉的自動駕駛。
中國的自動駕駛：或許能彎道超車
然而，無論是谷歌為代表的「強感知+強智能」，還是以特斯拉為代表的「弱感知+超強智能」，我國在技術層面幾乎都沒有基礎，尤其是激光雷達領域，我國起步非常晚，核心技術掌握實在太少，要想實現自研自產，還有很長一段路要走。
正如《中國科技信息》雜誌在文章中所述：
「在激光雷達領域國貨幾乎沒有話語權。」
但根據我國科技發展的速度來看，未來是必然能夠追上歐美步伐的，只是所用事件或許要稍長一些。
不過，值得一提的是，我國的自動駕駛目前已經走出了「第三條路」，那就是「車路協同」模式。
這種模式和以上兩種模式最大的區別，就在於車路協同是讓路也同樣變得智能，舉個簡單的例子，一輛自動駕駛的汽車在路上行駛時，它不需要依賴激光雷達來感知路況，道路上設置的感測器會主動發送路況信息給車輛終端。
換句話來說，車路協同模式下，激光雷達就不再是必備項，反倒是全覆蓋的5g網路，以及超強道路基建才是重中之重。
顯然，相較於研發激光雷達，5g網路和道路的建設，才是我國的核心強項，因此，在車路協同模式的加持下，我國很可能將會完成自動駕駛方面的「彎道超車」。
