[摘要]科技巨头谷歌在无人驾驶项目上起步早，并积累了一定的技术先进性，但其商业化进程却始终缓慢，究竟是什么成为它难以逾越的障碍？

在汽车自动驾驶领域，一直有两个主要的参与者——传统车企和互联网科技公司，他们从一开始就选择了不同的路线。

通常来说，传统车企都采用一种“循序渐进”的策略，即从高级驾驶辅助系统（ADAS）入手，一步步提高系统的自动化水平。

而另一头，以谷歌为代表的互联网巨头则采用了更为激进的方式，想一步到位直接开发无人驾驶技术，也就是达到Level 4 甚至Level 5等级的自动驾驶技术。

那么在技术上，谷歌和传统车企有什么不同呢？

谷歌认为，要实现真正的无人驾驶，就必须对车辆进行精准定位，为此谷歌搬出了行业内最为先进的激光雷达技术。

下图是谷歌推出的无人驾驶的测试原型车，在其可爱的车身外形上面顶着一个圆嘟嘟的黑色凸起，如果有机会近距离仔细观察的话，便会发现它在不停地旋转，这就是谷歌采用的激光雷达本尊。

激光雷达的英文是Lidar，是由光（Light）和雷达（Radar）拼合起来的单词，顾名思义就是通过发射激光探测数据的雷达系统。这一技术现今在汽车行业中越来越重要，此前则广泛用于遥感测量。为了测绘地形地貌，飞机会载着它飞来飞去，下面的地形地貌3D数据就会测量出来。

Lidar的原理和普通雷达类似，只是它发出的电磁波是能量密度集中的激光（通常是不伤眼睛的不可见光）。Lidar发射一道激光后等待并收到对应的反射信号，那么Lidar到障碍物表面的距离就可通过——时间差*光速/2的计算得出。紧接着，Lidar会偏离一个很小的角度再次发射激光测量，如此反复可以在1秒内射出十几万次类似的激光束，也就是相当于在短时间内完成十几万次的测量，而且精度还相当地高，可达到厘米级别。这也是为什么谷歌采用它的原因。

如果有兴趣同学可以仔细看一下这个Lidar的具体技术参数。

由上图可知，谷歌的激光雷达能同时发出64道的激光束，最快每秒旋转20圈，也就是每1/20秒或者50毫秒便生成一张车辆周围的3D图像；它的测量范围是120米，精度达到2厘米，每秒钟采集2.2MB的数据信息。

下图是一张Lidar实时采集的3D图像，汽车周围所有的障碍物以及地形的轮廓都已经被Lidar扫描出来了。

通过数据的分析和处理，可以把移动物体识别出来，车辆、行人、摩托车或者自行车手，甚至动物都可以被识别出来。例如在下面的实时3D图像中，所有车辆被用粉色轮廓标识，行人用黄色轮廓标识。

那么Lidar如何实现精准定位呢？除了实时采集的高精度3D图像，还需要有高精度地图，两者比对便能够实现精准定位，精度可以达到厘米级。

实现了对车辆的精准定位，并对车辆周围所有移动物体进行识别，测量它们的行进方向及速度，就能通过一定的算法来实现对车辆的自动驾驶了。不断完善这个算法或者控制系统是谷歌目前正在努力的方向，为此谷歌进行了大量的测试，据说目前的路试里程（参配、、询价） 已经积累达到350万英里（约合563万公里）。

那么如何才算是“完善”呢？为此谷歌定义了一个名词“脱离”，英文是Disengage。当控制系统发现无法处理某个场景而需要测试人员接管控制时，会产生一次“脱离”。“脱离”意味着从自动控制脱离到人工控制。

在实际路测中，每一次“脱离”都会被编号，详细的场景信息包括周围的3D地形图、传感器输入的信号、脱离后人工控制的信息等都会被详细的记录下来，然后就交给软件工程师去处理。

软件工程师的工作就是想法设法搞定这些“脱离”，遇到类似的场景时控制系统能自己处理而不用“脱离”。“脱离”的次数越少，就说明控制系统越智能和完善。

除了激光雷达，传统车企中广泛采用的摄像头、毫米波雷达和超声波雷达等传感器谷歌也会采用，但这些传感器在谷歌系统中无疑变成了次要地位，只起到一些辅助作用。例如，摄像头主要用于识别交通信号灯，或限速交通指示牌；由于激光雷达的探测角度有限，车辆周围激光雷达探测不到的近距离范围，就成了超声波雷达负责探测的区域；毫米波雷达可能是用于冗余作用，即激光雷达失效了，可依靠毫米波雷达采集的信息把车辆停在一个安全的位置。

不得不承认，谷歌的无人驾驶技术是目前世界上最为先进的，在某些条件下确实能达到Level 4以上的自动驾驶水平。但市场化的角度来说谷歌并不能算是“先进”，因为其研发多年，商业化进程却步伐缓慢，这是为什么呢？

谷歌的自动驾驶领域存在着技术上难以逾越的障碍。

首先，激光雷达的成本太高。激光雷达性能虽好，但实在是太贵了。谷歌一套激光雷达的采购成本据说超过7万美金（约合46万人民币），这样的价格在美国都可以买一辆特斯拉的Model S了。以这样的成本，大规模的商用根本无从谈起。再说了，把这么昂贵的设备放在车身外，似乎也并不是一个好主意，窃贼们可能要蠢蠢欲动了。

其次，采集和维护一个高精度3D地图的工作不可谓不疯狂。高精度的3D地图意味着海量的数据——一般来说每公里的数据量可达1G，常规容量1T的硬盘也只能存下1000公里的道路数据，这远远满不了无人驾驶的需求，上海一个城市的公路总里程就已超过1万公里，如果把比较窄的里弄以及住宅小区的内部道路包括进去，那真是天量的数据。而且任何道路维修施工或新道路的建成都会带来地图的不断变化，如何来维护及更新这个高精度3D地图呢？很明显行业内还没有答案。

最后，在雨雪雾的天气下，激光雷达的探测性能会急剧下降，所以天气不好谷歌的无人驾驶车是无法出门的。

为保证硬件运算速度，谷歌使用了英特尔处理器。但随着控制系统的不断完善，其对硬件处理能力的要求会越来越高，硬件系统几乎成了一个超级电脑，软硬件的复杂程度相当之高，这对系统的安全性提出了巨大挑战。

要知道，在无人驾驶技术开发中安全永远是第一位的。

随着汽车领域中关于功能安全的ISO26262规范的推广，目前整车设计的安全等级普遍达到了ASIL（Automotive Safety Integration Level，汽车安全完整性等级）的C级标准。目前谷歌的无人驾驶控制系统还处于原型测试阶段，为了满足汽车行业对功能安全的要求，从原型测试阶段到量产阶段势必要经过极其大量和繁重的测试，甚至整个系统都需要经过重新设计，不经过几年时间几乎是不可能实现的。

商业化的进展缓慢，似乎也让谷歌逐渐失去耐心了，这一心态演化为谷歌在2016年底最终将其自动驾驶汽车项目分拆为一家单独的公司Waymo。

为了尽早商业化，Waymo放弃了可爱造型的实验车，转而和菲亚特克莱斯勒集团（FCA）合作，目前已经有100辆Pacifica跑在路上了。Waymo希望通过对量产车型的改造，有朝一日能开发出成熟的自动驾驶技术，从而成功向更多的整车厂售卖他们的无人驾驶系统。

看来谷歌不想烧钱了，但到目前为止，Waymo还无法提出一个令人信服的商业化项目时间表，烧钱也只能继续...与此同时，众多无人驾驶项目高管的离职，也显示出其商业化进程有多么艰难。

但也有值得鼓舞的消息。

今年9月，Waymo宣布和英特尔达成战略合作共同开发无人驾驶技术。而英特尔在今年3月刚刚以153亿美元的代价收购了足以称为自动驾驶ADAS技术先锋的以色列公司Mobileye，这意味着，通过英特尔的牵线搭桥，此前在技术路线上争得水深火热的谷歌（Waymo）和Mobileye有望实现合作。强强联手会碰撞出怎样的火花呢？技术流的谷歌会闯出一条怎样的道路呢?让我们拭目以待吧。

本月，谷歌旗下Waymo公开了一份长达43页的自动驾驶汽车技术安全评估报告。这份安全报告逐一列举了Waymo公司考虑汽车安全行驶中所用到的各种参数，如何收集汽车行驶中所用数据和功能的方法及收集时间，从而让车辆能够满足更广范围内的用户使用，比如向视觉和听觉存在障碍的用户提供盲文标签、声音和图像显示等功能。尽管调查显示，仍有约75%的美国人害怕乘坐自动驾驶汽车，但谷歌此举无疑能消除一部分人的顾虑。

不积跬步，无以至千里。

欲详细阅读这份自动驾驶安全报告完整英文版的同学，可关注微信公众账号“汽车AI科技（Auto_AI_Tech）”回复“谷歌”即可获取。