又又又双叒叕撞了！自动驾驶你可千万别当真

特斯拉撞了，小鹏撞了，蔚来撞了，理想撞了……所谓的“自动驾驶”还能相信吗？

目前的技术根本无法实现完全自动驾驶（L5），别看某某车宣传火热，其实只是玩了文字游戏，真相只是具备了“自动导航辅助驾驶”功能。

各家叫法或许不同，道理都是相通的。把辅助驾驶分L1-L5这几个等级，这些辅助驾驶连L3都未能实现，把它们当L5来用的小伙伴心真大。

如果你对驾驶辅助功能不甚了解，那么好好看看这篇文章就够了。

我们现在看到的特斯拉NOA、小鹏NGP、蔚来NOP、理想NOA等都是自动导航辅助驾驶功能，也可以说是自动驾驶具备的某个功能。

即在一些特定的道路，如高速公路、城区道路，汽车实现主动变道、超车等动作，不用人为干预。

简单来说，自动导航辅助驾驶让汽车在ACC自适应巡航（横向的）的基础上，加上纵向的控制力。

在高速或者某些城区道路上，使用导航辅助驾驶很容易让驾驶者有自动驾驶的错觉，有些人放松了警惕，甚至玩起了手机，意外就这么发生了。

为什么会发生意外？目前辅助驾驶的局限是什么？

自动（智能）驾驶系统的开发流程：底层软件策略→硬件平台→车辆执行→实际道路测试

软件策略由无数条代码组成，我们是看不到的，也不知道优劣；硬件平台则是由芯片、雷达、摄像头等必要配置组成，很容易对比；车辆执行则是前面两样东西装车；道路测试则是上路之后的表现了。

这四个环节都有可能“出错”，软件出现错误代码；芯片、雷达故障；执行机构故障；路上不确定因素影响等等。

说到这里，有些厂家可能会说：“我们的软件层面很优秀，我们整车的质量很好。”你说的都对，毕竟这些东西不经过时间的考验无法量化对比。

以上是4款具备自动导航辅助驾驶功能的车型的硬件对比，它们芯片的算力不算太强，感知硬件的数量也中规中矩。

我们常说：自动驾驶算力为王。自动驾驶芯片为什么需要这么高的算力？主要有两个原因：1.视觉信息数据大2.视觉识别算法繁琐。

1比较容易理解，可以将它的数据简单地理解成一张张的照片，每颗摄像头每一秒的数据量都会达到MB级别。

而雷达这些数据仅KB级，对比之下便知差距。

2比较复杂，电脑收到的视觉信息跟我们肉眼接收到的并不一样，而是由一个个像素点组成，电脑成像必须通过经过卷积运算生成一张归纳有原始图像特征信息的新图像。

（PS：感兴趣可以自己去查查什么是卷积，太过复杂大家记结论就可以了）

对1张1920*1080大小的黑白图像进行识别，仅3*3卷积运算就要进行2.1亿次，这还是十分保守的估计。

一个30帧的摄像头，每秒会产生30张图像，一辆车可能会有几到十几个摄像头。

原始图像不会只有黑白两色，每一层都会有数十个不同的卷积核……所以视觉识别算法的计算复杂度极其夸张，对算力的需求也是空前的。

以上车型除了Model Y（参数丨图片）之外，算力都不算太高，因此大部分车企也只是开放了高速自动领航辅助功能，相对来说高速的图像处理不那么复杂。

不过即便芯片的算力能够满足高速使用，但还有传感器的影响，任一发生问题，整个系统可能就失灵了。下面简单聊聊传感器的缺陷：

1.超声波雷达：远距离精度差，容易受天气影响
2.毫米波雷达：感知行人及静止物体能力差
3.激光雷达：成本高、容易受雨、雪等天气干扰
4.摄像头：受强光、大雾等因素影响，激光致永久损伤

在使用这些所谓的高端功能时，我们不应该去赌它什么时候失灵，所以开车的时候还是要留注意力在车上。

PS：特斯拉HW4.0算力可能突破1000TOPS

汽车未来的大方向之一是自动驾驶，车企肯定不会因为它的不完美而选择放弃。在新一代车型上，国产新势力选择了堆料，数据如上表所示。

提高算力、增加传感器数量，把短板都补齐。汽车理论上武装到了牙齿，但随着功能的增加，也就是全场景智能驾驶辅助开放，车辆要应对各种路况，意味着挑战也随着增大。

再者，自动驾驶的优劣并不单以拼硬件简单论高下，背后还需要车企对感知算法、规划算法、控制算法等方面的持续优化和迭代。

除此之外涉及的因素还很多，比如还需要高精地图以及数据处理中心的协助。

举个例子，尽管特斯拉有FSD（全自动驾驶），硬件、软件的水平在美国广受好评。但中国的道路情况更复杂，特斯拉一没高精地图，二没对针对中国路况进行开发，驾驶辅助系统的表现反而不如国产车型。

说了这么多，小编的核心立意只有：智能驾驶辅助系统太过于复杂，局限性也很多，大家在使用的时候还是要留心。

如果您对于自动驾驶有更多想了解的地方，不妨留言告诉我们，我们会尽快给予答复。