汽车也已发展到产业化前夜。高级别无人驾驶产业化有一系列的问题是需要突破，包括技术突破、政策治理、商业模式等关键问题。

  3月底，由赛迪工业信息化研究院主办的“高级别无人驾驶产业化关键问题研讨会”在北京举办。旨在进一步了解智能网联汽车产业实际的需求和高级别无人驾驶汽车落地应用现状，梳理有关问题，推进产业发展。

  赛迪工业和信息化研究院、工信部装备工业发展中心、欧洲汽车工业协会、德国汽车工业协会、同济大学、清华大学、国汽智联等机构的专家学者，和来自一汽、广汽、吉利、长城、宝马、戴姆勒、大众、奥迪、菲亚特克莱斯勒、蔚来、拜腾、小马智行、文远知行、图森科技、百度、华为、滴滴等企业的无人驾驶相关负责人，参加了本次研讨会。

  与会嘉宾针对L3和L4级无人驾驶汽车产业化面临的问题，进行了深度研讨，归纳出以下六大关键问题：

  高级别无人驾驶汽车的关键零部件，包括集成电路、激光雷达等还处于研发初级阶段。目前从事无人驾驶研发的企业，除Waymo自主开发芯片外，别的企业L4级以上的车载芯片，基本都用英特尔等国际企业，而这些芯片也还没有通过市场的检验，实际效果还难以确定。我国无人驾驶芯片公司还属于起步阶段，产品有待市场验证，未来充满挑战。车规级的激光雷达现在也面临很大挑战，其尺寸、成本、可靠性等尚不能完全满足汽车前装的要求，距离量产还有非常长的路要走。

  此外，无人驾驶汽车的控制策略正在研究阶段，目前业界提到的控制策略，都是基于某一些特定场景，全场景的实现难度超预期。同时，汽车企业在研发L3级无人驾驶时发现，信号处理量与L2级相比，呈指数级增长，新的问题层出不穷。为保证安全性，必须把功能安全级别提高，从硬件到软件都要升级，势必带来成本过高的问题，这将成为L3级无人驾驶产业化的一大挑战。

  为实现高级别无人驾驶，高精度地图和高精定位是必备条件。高精度地图需要满足两大要求，一是精度达到厘米级；二是可以在一定程度上完成秒级更新。当前，高精度地图测绘受到相关法律和法规限制，遇到了发展瓶颈。此外，要实现秒级更新，就需要的支持，以及云端计算资源的助力。现在5G和云端计算技术尚未规模化应用，需要快速推进建设。

  高精定位方面，要实现高可靠、低成本、多传感器的高精度定位存在很大的困难。因为在高楼遮挡、隧道、地库等环境下，通过GPS+车载陀螺仪+加速度传感器能实现一定的高精度定位，但是如果GPS长时间没信号的话，将没办法实现。如何跨越这个障碍，还有待新的技术突破。

  高级别无人驾驶汽车产业化需要突破道路交互与通行安全、标准体系、型式认证等法律和法规的限制

  自动驾驶汽车上路，与现行法律和法规存在诸多冲突。包括《道路交互与通行安全法》、《公路法》等都不涉及无人驾驶方面的内容，没明确法律界定。例如，交通责任的认定缺失，客户购买无人驾驶汽车会有很多疑虑，将影响高级别无人驾驶汽车实现市场化。此外，L3、L4级无人驾驶汽车需要采集大量数据。这一些数据以及数据的处理和使用，都存在法律依据缺失。还有，对无人驾驶汽车的等级如何认证，标准也是缺失的。

  为加快无人驾驶汽车产业化，美国在积极推动无人驾驶汽车相关的法律豁免权，德国也在修改《德国道路交互与通行安全法》，为L3级无人驾驶汽车上路扫清障碍。我国有关管理部门能否完善有关规定法律法规，将成为高级别自动驾驶汽车产业化的关键。

  道路测试是自动驾驶汽车产业化必须经历的阶段，其测试的标准、规程、管理方式均无经验可循，目前，我国多个地区都在建设自动驾驶汽车测试场，陆续出台了测试管理实施细则，城市级的测试规范之间存在诸多差异。企业疲于应付各种各样的管理规范，影响测试工作效率，成本高昂。去年，美国交通部发布新的法令，取消现有的自动驾驶汽车测试场，全面放开自动驾驶汽车路试，由测试单位承担安全责任，对自动驾驶汽车的发展大有裨益。如何借鉴国际经验建立完整统一的管理体系、测试评价体系，成为助力行业创新发展的关键。

  高级别自动驾驶实现产业化，需要车、路、云、网、图互联，协同发展。尽管车路协同（V2X）有很多创新探索，由于交通、通信、汽车等跨行业协调的难度很大，仍需突破技术障碍加快落地应用，通过合作共建，推动完善车联网产业基础设施，加强部门合作和部省协同，构建基于LTE-V2X、5G-V2X等无线通信技术的网络基础设施。打造综合大数据及云平台，推进道路基础设施的信息化和智能化改造，支持构建集感知、通信、计算等能力为一体的智能基础设施环境。

  自动驾驶带来的商业潜力巨大，各国自动驾驶汽车企业都在进行商业化的探索。但是，目前高级别自动驾驶汽车还没有清晰的商业模式，在现行法律和法规的框架下应鼓励有条件的企业率先开展无人驾驶运营服务，充分规划限定行驶区域，设定行驶的各种限制，包括车速、路线等，并且预先进行充分测试。与会嘉宾认为，L3级及以上高级别无人驾驶汽车的产业化落地，在未来一段时间内，将可能在特定的场景实现，主要包括封闭和半封闭区域、结构化和半结构化道路的高速公路区域（60~150Km/h）与城市道路、园区、港口、矿区等适合低速行驶（0~60Km/h）的区域等。

  高级别无人驾驶的商业化运营与共享出行结合，将加速改造面向无人驾驶汽车的新型城市交通环境。

  的冬天来了？“一个致命的事故一定是由多个小的错误组成的。”7月初，特斯拉发表博客叙述了NHTSA（美国国家公路交通安全管理局）正在着手调查第一起Tesla

  面临的难题。另外在硬件层面，图像采集也是难关。无论是各类摄像头还是传感器，其都是一

  概念车，但为什么直至最近无人车才不再被视为科幻小说，而是眼下将实现的革命性科学技术产品？追其原因，主要在于，人工智能的显著进展，以及开发无人车的所需技术和硬件

  ;某些高科技公司则希望能够通过各种外部传感器实时采集海量数据，处理器经过数据

  车辆立刻获得LiDAR感知能力。今年4月份，速腾聚创宣布启动“普罗米修斯”计划，致力于向合作伙伴提供一系列软硬件

  ，提前预知到“车祸”的可能性，对两辆车完成协调，避免潜在事故发生。车辆网在近年来

  习惯、运输行业并更广泛地影响社会。 我们不仅仅可以将汽车召唤到我们的家门口并在使用后将其送走，

  路耳听八方的各种传感器，可能大家未必很熟悉。通常而言，为获得良好的路况检测结果，一辆

  事故，和最近在Defcon上演示的如何干扰传感器，都充分说明了传感器在

  实现的基础，若无法正确地感知周围环境，那么接下来的认知、决策与控制，都是空中楼台。

  趋势： 趋势一：政策、技术驱动下，ADAS 渗透率快速提升； 趋势二：传统分布式电子电气架构向集中式转变； 趋势三：软硬件解耦降低研发成本，构建汽车软件生态 ； 趋势四：OTA升级将

  趋势有哪些？ /

  结构仿真：Ansys Mechanical 2023 R1版本的五大新功能

  ST公司的M25Pxx SPI flash memory的verilog仿真模型