汽车智能化水平越来越高，自动驾驶技术的普及应用存在哪些问题？

我觉得普及上还是有如下问题：

一、自动驾驶有不会用，买了也不用的问题

我遇到的可能是特例，我认识的人里，有几个，买了L2+的自动驾驶汽车，但是不用。

我一个朋友，他就是购买了自动驾驶汽车（具备车道保持+ACC+AEB功能），但是他所面临的问题是，从来不用。甚至他上高速，自适应巡航（ACC）都不用，就是他自己用脚一路踩下去。

用他的话说，上一台汽车上面那么多按钮，卖了的时候，都不知道怎么用的。

这就是第一类人群，他们可能不怎么关注最新的科技，糊里糊涂的购买了自动驾驶汽车，也不用。只是和朋友吹嘘而已。

我有，但不用。

二、自动驾驶过渡宣传，过渡滥用的问题

和上面第一点是两个极端。在网络上看到了大量的自动驾驶滥用的场景，比如下面这种：水瓶驾驶！

我们都知道，现如今的自动驾驶只是L2+等级，辅助驾驶，所对应的责任都在车主，也就是汽车厂并不承诺汽车可以“一直自己开”，你还需要监管车辆的行驶过程，出了事情，你得自己负责。

为此，理想汽车在微博发布声明，称坚决杜绝此类不文明的驾驶行为，并表示理想汽车现阶段仍然是辅助驾驶，不是自动驾驶。车辆在鬼探头或加塞场景下，系统处理能力不如人类，在一些施工场景系统甚至无法识别障碍物，所以驾驶员依旧是车辆的第一负责人，需要保持手扶方向盘，随时准备接管。

与不会用自动驾驶相比，这种滥用更加危险，甚至会危及生命，害人害己。

三、自动驾驶的安全风险问题

在我看来，现如今的自动驾驶的安全挑战主要源于两方面：一方面，是不是能全面感知周围的环境，也就是主要依赖视觉检测的做法，能满足安全性要求么？即便是增加了激光雷达，就一定100%安全么？多少硬件的冗余是足够的呢？目前，尚无定论。另一方面，自动驾驶的软件是AI算法，说白了就是依赖大数据“训练”出来的，如同人的训练，样本够不够，时间久不久，都能决定训练的效果，这就引来了“长尾问题”的使用上的软件安全风险问题。

下面展开说一下：

1.自动驾驶的：硬件安全冗余 vs 普及的成本压力

自动驾驶要想能够自己开车，必须具备全方位的环境感知能力。为了实现这种类人的感知能力，车企为自动驾驶安装了各种传感器。

现如今的自动驾驶方案主要有两套：特斯拉的纯视觉方案+国内的激光雷达冗余方案

特斯拉纯视觉方案：

纯视觉方案有其先天的缺陷，其对距离的精准判断困难、‌在恶劣天气条件下的性能下降、‌对远距离和快速移动物体的感知度不高、‌以及在深度感知和三维空间构建方面的精确度不足。‌这就导致其对危险程度的预知能力不足。

激光雷达冗余方案：

相比于视觉算法，激光雷达具备“硬件本能”，即不需要经过大量复杂的计算和假设，以及数据训练就可以得到纯视觉方案需要的某些数值。相比纯视觉方案，激光雷达能够应对不易处理的 corner case（边缘场景、长尾问题），弥补摄像头可能出现的误判。

但是从硬件成本来看，传统光雷达方案硬件成本3万元+，特斯拉纯视觉方案成本节省1-2 万。

1）国内常规城市NGP配置，以小鹏G6为例，目前小鹏G6Max版搭载31颗传感器，包括12颗摄像头+12颗超声波雷达+5颗毫米波雷达+2颗激光雷达，整车传感器+域控成本约3万元。

2）特斯拉纯视觉方案配置（从HW1.0-HW5.0），以 2019年推出的HW3.0为例，传感器配置为：8摄像头，1毫米波雷达，12超声波雷达；芯片配置为3颗自研FSD芯片。2021年5月，特斯拉取消毫米波雷达；2022 年10月，特斯拉取消12个超声波雷达（明确表示从2022年10月开始，面向北 美、欧洲、中东和中国台湾制造交付的Model3和Y都不再有超声波雷达）。

一方面是硬件安全冗余的要求，一方面优势普及的成本压力。如何取舍？行业也是百家争鸣阶段，最终结果尚未可知。

2.自动驾驶的：软件长尾问题

今年5月份，襄阳的李先生有七八年的驾龄，从事二手车行业，4月初在襄阳当地的理想4S店购买了一台L9。李先生告诉上游新闻记者，4月17日，和几个朋友外出办事，在高速上开启了辅助驾驶，在行驶中车辆在自动变道后，路过一处横跨路面的广告牌时，车辆一下子刹车导致后车追尾。4S店师傅在查阅后台数据后说，“事故原因是将图案误识别成了实车，4S店提出了补偿4000元现金的方案。”

其实这种自动驾驶训练的长尾问题还有很多，现有的训练是不是能覆盖所有场景，用户使用上，是不是足够安全，还未可知。

2024年初，特斯拉FSDV12.3版本发布，智驾水平让人惊艳，端到端自动驾驶方案受到国内主机厂和自动驾驶方案企业的广泛关注。与传统的多模块方案相比，端到端自动驾驶方案将感知、预测和规划整合 到单一模型中，简化了方案结构，可模拟人类驾驶员直接从视觉输入做出驾驶决 策，以数据和算力为主导，能够有效解决模块化方案的长尾场景，提升模型的训练效率和性能上限。

四、自动驾驶的法律责任划分问题

1.自动驾驶还是新鲜事物，尚无清晰的法律责任划分。

责任归属问题是自动驾驶技术中最为复杂和争议的法律问题之一，当自动驾驶汽车发生事故或问题时，很难确定应该由谁承担责任，即谁应该对事故负法律责任。在传统的驾驶情况下，如果发生交通事故，通常是司机承担主要责任，因为司机在驾驶中有控制权和决策权。但在自动驾驶汽车中，控制权和决策权可能由车辆制造商、软件开发商、车主或其他相关方来承担，这使责任归属变得异常复杂。

早在2018年，Uber的一辆自动驾驶测试车在亚利桑那州撞死了一名行人。这起事故引发了广泛的法律争议和对责任归属的讨论。一方面，Uber作为车辆的操作者和监督者被质疑是否承担了足够的责任。另一方面，软件系统的设计和性能也受到了审查。最终，当地检察官决定不对Uber提出刑事指控，但此事件促使人们更加重视自动驾驶技术的监管和安全标准。这个案例凸显了自动驾驶技术中责任归属的复杂性，需要制定明确的法律框架来解决类似情况。

为了明确智能驾驶的法律责任认定，‌我国全国人大代表提出了修订《‌道路交通安全法》‌的相关条款，‌增加并明确“机器驾驶人”的定义，‌并将智能驾驶汽车产品责任保险纳入强制保险的范围，‌以分散相关责任主体的风险。

与之相对应的，现如今，各种自动驾驶保险也在逐步相继推出，但是最终的成熟的市场化方案也尚未形成，还需时日。