近年來，智能汽車成為全球汽車產業發展戰略方向。一系列智能科技的應用助推了自動駕駛技術日漸成熟，然而，當前無人輔助的自動駕駛汽車要真正上路還有不小的距離。自動駕駛發展還需要解決哪些問題？日前在北京·華夏幸福創新中心舉行的全國博士后學術交流活動上，與會專家分享了他們的思考。

中國人工智能學會理事長、中國工程院院士李德毅說，當前自動駕駛的主流技術路線要求根據路況數據，生成對應不同環境的駕駛模式。理論上，這一自動駕駛模式必須輸入無窮多的數據，形成無窮多的駕駛模式供計算機選擇，但要實現這一點很困難。

李德毅認為，自動駕駛汽車要想走出特定場景、走向開放道路，必須具備主動學習的能力。“人之所以接受培訓后獲得駕照，是因為我們預設駕駛員具有不斷學習的能力，能越開越好。未來自動駕駛汽車應該是能自主學習的輪式機器人，無需駕駛員的輔助，能像人一樣學習，否則就不能叫自動駕駛。”李德毅說。

標準的爭議也是自動駕駛面臨的挑戰之一。與會專家表示，盡管美國機動車工程學會提出自動駕駛從L0級到L5級分類標準，也逐漸得到產業界認可，但這一分類存在定義模糊，不同級別之間界限有待厘清等問題。

自動駕駛的安全性最受關注，但要通過道路測試來驗證自動駕駛的安全性困難也不小。馭勢科技首席執行官吳甘沙說，從統計學看，要證明一個自動駕駛系統比人的駕駛安全性能提升20%，需要110億公里的道路測試數據，要獲得這些數據僅僅通過幾百臺測試車是不可能的。

自動駕駛研發也有技術難題。現實中，智能化程度較低的輔助駕駛技術已經應用，但高級別的自動駕駛以機器為主導，應具備全部自動駕駛功能。當前，推進高級別的自動駕駛技術，產業界存在兩種不同的研發路徑。第一種是“一步到位”路線，即從一開始就研發徹徹底底的自動駕駛汽車；另一種則是“步步為營”路線，即在傳統的汽車上逐漸新增一些自動駕駛的功能，最終過渡到完全自動駕駛的階段。專家表示，前者將面臨技術不成熟和成本高昂的問題，后者則容易被現實束縛，不易取得突破性進展。

吳甘沙認為，折中的路線或許有助于破解自動駕駛實現難題，即把“全自動駕駛”的技術應用于高頻、剛需、可量產的場景，在提升技術成熟度和經濟性的同時，積累更多的復雜場景數據，提高“全自動駕駛”技術的普適性。他認為，自動代客泊車、物流車和快速公交系統這幾個場景符合高頻、剛需、可量產的要求，有助于推動全自動駕駛技術落地和數據積累。

人工智能被認為是助推自動駕駛的重要動力之一。華夏幸福產業研究院院長顧強說，未來人工智能將在包括自動駕駛在內的諸多領域加速突破。人工智能不僅將推動無人駕駛時代到來，還會深刻影響汽車產業鏈的每一個環節。