PRO会员通讯
事故频发、过度营销，数据疑云……智能驾驶刚刚成为核心卖点不久，就再次被推至风口浪尖。
事实上，从智能驾驶概念被提出以来，尽管其被认为是汽车智能化的核心之一，软硬件技术也在飞跃式发展，但整体进程却不算顺利。直到现在，智能驾驶该如何发展？高阶智能驾驶需要什么？也长期没有定论，更没有统一的标准。
在现阶段的智能驾驶路线中，感知方案的争议最为严重，一方是以特斯拉为代表的纯视觉感知方案，另一方是被国内企业青睐以激光雷达+摄像头为主的混合感知方案。
均胜电子副总裁、均胜智能汽车技术研究院院长郭继舜在泰达论坛中表示：「激光雷达是必需的传感器。」郭继舜提到，因为毫米波雷达对金属的敏感度太高、容易误触，实际做系统设计的时候，往往会把毫米波雷达权重调的非常低，摄像头对非标物体需要深度学习才能识别跟踪。这种背景下，激光雷达也就成为了最理想的传感器。
多传感器也是智能驾驶设计时的冗余考虑，但目前主流的后融合的松耦合方案，是对各传感器判断之后的结果进行融合，存在不同结果间干扰的可能，如何实现高效的安全冗余就成为了关键问题。马斯克此前取消毫米波雷达，也是认为其误判率过高，不但无法起到冗余作用，还影响视觉判断。
他的说法是出自感知需求和必要性，智能驾驶更需要感知前向后向环境，这两处可以应用高清摄像头，但侧向仅做近程环境的识别，而且感知的重点物体种类，不是细节特征，不需要超高的分别率，十几个摄像头的数量也偏多。
「To C的量产功能将长期处于L2++阶段，但场景逐渐扩展到复杂的城市道路」郭继舜认为，L3级智能驾驶要人和系统经常切换控制车辆，这个过程容易造成法律法规和责任认定的问题，而且相关政策也在抑制厂商的开发热情，所以L3不是好的产品形态。
而更高阶的L4级智能驾驶，原本是面向商用市场的技术，转到民用需要时间去孵化，郭继舜预计到2024-2025都很难量产。这种背景下，L2++可能会长期处于占据中高端量产市场，但使用场景和功能还会不断扩充，甚至有部分L3或L4的应用场景。
比如，通过功能降级，可以让L2++在城市或封闭道路自主驾驶，但驾驶员必须时刻监管车辆，而高阶智能驾驶是全部可以由系统自动完成的。目前已经量产的L2+级智能驾驶系统，实际已经初具这种能力。
「用户体验和安全设计是天然的矛盾体。」郭继舜提到，功能安全考量与用户体验研究是高阶智能驾驶必需的深耕领域，但其现在的操作方式也存在问题。「部分一键开启的方式虽然便利，但从安全层面考虑却有待商榷，而语音、手势和体态识别不能应用于智能驾驶。」
首先是硬件方面，高阶智能驾驶所涉及的感知、控制、决策系统复杂性将会大幅提高，与车身其它系统的信息交互、控制也越来越多，因此低成本、模块化、器件数量少、便于管理的域控制器或集中式架构，就变为高阶智能驾驶的技术趋势。
郭继舜认为，电子电气架构的发展需要渐进和理性，相比终极的集中式架构，域控制器将是智能驾驶中短期内的发展方向，主要出于两个原因：降低系统复杂度，以及降低成本。
不过同时，郭继舜也判断，未来5年能做出集中式架构就已算是理想速度。高通公司产品市场高级总监艾和志此前也曾表示集中式架构不会很快出现：「汽车电子/电气架构正从传统ECU向域控制器和集中式架构演进，预计到2025年后，支持分区计算的集中式架构将出现。」
至于高精地图的应用，郭继舜表示：「使用众包数据形成数据闭环，基于数据驱动的功能迭代方式将成为业界共识，但众包设计较多信息安全与信息敏感问题，需要在监管下完成。」
中国信科集团副总经理、专家委主任、无线移动通信国家重点实验室主任陈山枝表示，5G+车联网的车路协调是实现高阶智能驾驶的必要路径，它可以解决极端工况无法预测的问题，同时也可以大幅减轻单车传感器负担，降低成本，以及减少开发难度。
