首先是成本問題，因為芯片製造是巨額投入，從7納米制程，向3納米制程，甚至再高端的制程升級，研發投入可能是成幾何數量級的增長。其次，真正的L4以上自動駕駛所需要的軟件，或者說從場景上以及在政策上其實還沒有完全準備好。
比如，計算芯片的車規級安全與質量穩定性，與整車整體控制策略的匹配性等問題。換句話說，“現在軟件層面的主要瓶頸在於，感知融合算法尚不成熟，仍需針對邊角情況實現對對象的精准識別與決策”，時帥說。
麥肯錫在今年4月發布的《中國汽車行業CEO特刊》介紹，自動駕駛車輛仍然難以攻克兩類場景：
首先，由於大部分測試局限在特定區域，迭代出來的算法很難快速推廣到更多複雜場景中。其次，即使測試里程達到千萬公里，真正特殊場景的數據仍然稀缺，系統對特殊情況的應對能力仍很弱，而高級自動駕駛技術成熟的標誌是對各類特殊情況都能自如處理。
“自動駕駛往後其實就是要在不同場景中去摸索和探索，然後適配這些場景，從而增強自動駕駛系統的穩定性、可靠性。這個過程本身就是一個很緩慢的爬坡過程”，商湯科技移動智能事業群副總裁石建萍對新京智庫說，行業內多數公司的產品在這幾年中系統的穩定性、可靠性上還有很大的提升。
石建萍舉例解釋，三四年前他們的產品還只是在系統搭建階段，但現在他們的自動駕駛系統僅在上海臨港就已穩定運行了幾十萬公里，也是一直在收集各類問題，碰到一些非常罕見的場景，然後在不同車型上適配，不斷對系統進行迭代升級。
車路協同標準急需制訂 |
