【摘要】新一代信息技術的突破、產業政策的推動使自動駕駛呈現高速增長勢頭，技術水平快速提升，產業和市場規模持續擴大，涌現多種類型發展模式，中國自動駕駛產業國際競爭力也不斷增強。同時，自動駕駛仍然面臨技術成熟度、軟硬件成本、基礎設施水平、數據豐富度以及法律法規不足等方面的制約。加快推進自動駕駛的水平提升和市場拓展，需要在技術創新、基礎設施建設、數據采集、法律法規等方面發力。

【關鍵詞】自動駕駛  無人駕駛  產業發展  產業政策    

【中圖分類號】F42    【文獻標識碼】A

隨著人工智能、物聯網、5G移動通信等新一代數字技術的發展與成熟，其與實體產品的融合日趨緊密，汽車是其中的典型代表。近年來，汽車企業持續推進整車的自動化智能化水平，市場對自動駕駛的接受程度也在不斷提高，具有輔助駕駛或自動駕駛功能的汽車銷量快速增長，自動化與電動化一起成為改變全球汽車產業格局的重要力量。未來自動駕駛仍有巨大的發展空間，且會向無人駕駛的方向發展。同時也要看到，自動駕駛汽車的發展也面臨技術、成本、數據、基礎設施和法律等方面的制約和挑戰，需要積極采取措施加以應對。

國內外自動駕駛的發展現狀

汽車產業規模大、先進技術集成度高、產業關聯度強，是美國、中國、日本、德國等制造大國的重要支柱產業。自動駕駛作為一項顛覆性技術，其發展水平直接關系各國汽車產業的國際競爭力和全球產業分工格局，因此世界主要國家都高度重視自動駕駛的發展，不少傳統汽車大國發布自動駕駛路線圖和發展目標，在交通法規、監管政策等方面積極探索，推出一系列支持自動駕駛的產業政策，以重塑汽車產業競爭優勢、保持和強化全球競爭地位。例如，美國在聯邦和州政府層面發布了一系列法規，逐步對自動駕駛向更高等級發展進行松綁。我國將自動駕駛作為新興產業發展的重點領域，工信部等相關部委出臺了一系列自動駕駛相關的發展戰略、規劃和標準，一些地方也在積極開展關于自動駕駛的地方立法。隨著自動駕駛技術的逐步成熟和性能提升、成本下降，市場接受度不斷提高，產業呈現快速發展勢頭?？傮w上看，國內外自動駕駛汽車呈現以下五個方面發展特點：

一是技術水平快速提升。國際汽車工程學會（SAE）2014年1月發布的J3016標準定義了從無駕駛自動化（L0）到完全駕駛自動化（L5）等6個駕駛自動化等級，2021年4月該標準更新到第4版。我國2021年8月發布并于2022年3月1日實施的《汽車駕駛自動化分級》（GB/T 40429-2021）國家標準與國際汽車工程學會的劃分大體一致，將駕駛自動化劃分為6個等級，0級是應急輔助，1級是部分駕駛輔助，2級是組合駕駛輔助，3級是有條件自動駕駛，4級是高度自動駕駛，5級是完全自動駕駛。自動駕駛的核心硬件主要包括高分辨率攝像頭、激光雷達、毫米波雷達、各種專用芯片，軟件主要包括智能泊車、導航輔助駕駛（NOA）、高級駕駛輔助系統（ADAS）以及集成各種功能的智能座艙。在國家、企業、科研機構等各種力量的共同推動下，自動駕駛的軟硬件性能、車載計算平臺的算力持續提高。例如，Mobileye在2014年量產的EyeQ3芯片算力為0.256TOPS，2018年量產的EyeQ4芯片算力為2.5TOPS，目前的智能駕駛芯片算力已達到200TOPS。目前，包括自適應巡航控制系統、車道保持輔助、后方及側方盲點監控、輔助停車、變道輔助等L1/L2級自動駕駛功能已經非常成熟，L2+技術方案逐步應用到越來越多的車型。根據工信部的數據，2022年，L2級乘用車新車滲透率達到了34.5%。從Github技術社區新建研發項目的數量變化也能看出自動駕駛技術的進步，L3/L4級自動駕駛新建研發項目占比從2016年的18.2%提高到2022年的55.6%，L1/L2級占比相應地從81.8%下降到44.4%。

二是產業和市場持續擴大。自動駕駛的巨大潛力吸引了大量投資進入。在我國，自動駕駛領域的融資在2015年出現快速增長，2014年融資事件4起，融資金額0.45億元，2015年增加到17起5.57億元，2015年至2021年間融資事件402起，融資金額939.91億元，其中2021年融資事件111起，融資金額497.8億元。資金的大量投入催化了自動駕駛技術快速發展、市場接受程度提高，越來越多的車型加載了自動駕駛功能，由此也推動了一批重視自動駕駛的車企快速發展。但由于在推廣中遇到各種困難，L3級及以上技術的落地進展較慢，甚至一些投入高級別自動駕駛的明星公司出現經營困難，或被迫轉入L2+級的自動駕駛，整體上自動駕駛的實際應用還處于L3以下水平，但L2、L2+級自動駕駛增長很快。全球乘用車L0、L1、L2級智能駕駛上車數量，2020年分別為2330萬臺、1948萬臺、1080萬臺；2021年分別為1800萬臺、3070萬臺和1947萬臺。根據“愛普搜汽車”的數據，2022年1-11月我國國內自動駕駛L1級銷量256.86萬輛，同比下降18.7%，滲透率14.7%，同比下降2.7%，而L2及L2+級銷量600.96萬輛，同比增長46.0%，滲透率34.5%，同比增長11.8%。自動駕駛裝機量快速增長的同時，相對較高級別的自動駕駛所占比重也在持續提高。世界主要國家也在積極推動自動駕駛向無人化的實際應用方向發展。美國已經開展較大規模的無人駕駛試點，有62家公司獲批在加利福尼亞州進行自動駕駛測試。我國多個城市也開啟了無人化探索，例如，2022年4月，北京在經濟技術開發區60平方公里范圍內投放30輛車，在全國率先開展“主駕無人、副駕配備安全員”的自動駕駛出租車(Robotaxi)商業化試點。礦山、碼頭、園區接駁等封閉、低速運行場景下的路況簡單、沒有行人干擾，在這類半封閉場景或限定場景下初步實現了L4級別的高度自動駕駛。

三是多種類型發展模式并存。推動自動駕駛汽車發展的關鍵力量是自動駕駛技術。自動駕駛的巨大發展潛力吸引了包括原有汽車主機廠、供應商在內的各種力量的加入。自動駕駛行業的不同參與者各具優勢，從而也形成了自動駕駛的多種發展模式。主機廠采取多種不同的進入模式，強勢主機廠依靠具有自動駕駛技術的傳統一級供應商，投資芯片與算法創業公司，通過內部創新循序漸進發展自動駕駛，或者采取上述幾種方案的組合；造車新勢力將自動駕駛看作核心競爭力的重要組成部分，往往自研芯片、算法；國內小型主機廠多采取與成熟自動駕駛方案供應商合作的模式；還有一些主機廠與自動駕駛解決方案領先企業以合資或戰略合作方式孵化獨立自動駕駛整車品牌。自動駕駛第三方供應商也有多種類型，包括以博世為代表的傳統汽車電子一級供應商，以Alphabet的WAYMO和百度的Apollo為代表的互聯網巨頭跨界提供自動駕駛解決方案，以地平線、Mobileye為代表的以自研芯片為導向的自動駕駛方案集成商，以Momenta為代表的算法領先型集成商，以及以圖森未來為代表的面向特定場景的集成商。此外，不少出行平臺公司也在積極開展Robotaxi的技術和方案探索。自動駕駛技術是對汽車產業原有技術路線的顛覆，會引發主機廠、供應商等產業格局的重構，例如，主機廠希望保持傳統汽車時代的供應鏈主導地位，而自動駕駛企業希望擁有更多的供應鏈話語權甚至控制權，由此主機廠商、傳統供應商、新興供應商圍繞供應鏈價值鏈主導權展開激烈競爭。

四是中國國際競爭力不斷增強。中國政府高度重視自動駕駛發展，各種類型的企業也紛紛加入自動駕駛技術研發、應用試點和商業化推廣。電動化和智能化是汽車產業發展的兩大趨勢，而且這兩大趨勢是緊密交織在一起的。相比之下，新能源汽車企業特別是國內外造車新勢力將自動駕駛作為形成差異化優勢的賣點，發展自動駕駛的動力更強，因此新能源汽車企業成為我國自動駕駛發展的重要推動者，并處于行業領先水平。我國電動汽車產銷量連續8年全球第一，有力地帶動了自動駕駛技術的發展和應用。在高速領航領域，2020年底以來，蔚來汽車、小鵬汽車、理想汽車先后推出各自的輔助導航駕駛功能NOP、NGP和NOA；在市區導航領域，2021年以來，小鵬汽車推出城市NGP功能，蔚來汽車和理想汽車也擬推出市區導航輔助駕駛功能NAD和NOA。年度平均接管里程（MPI，Miles per Intervention）是衡量自動駕駛水平的核心指標。根據美國加州交通管理局發布的2022年全年自動駕駛數據，MPI表現最好的前10名公司，美國5家，中國4家，德國1家，其中前五名分別為Cruise（美國）、AutoX安途（中國）、Zoox（美國）、WeRide文遠知行（中國）、Didi滴滴（中國）；在車隊規模排名中，美國公司Waymo、Cruise和Zoox分別384輛、350輛和106輛位居前三，中國自動駕駛公司Pony.ai小馬智行、安途、文遠知行和滴滴分別居第6、第8、第10和第12位。在自動駕駛零部件領域，國產化也取得很大進步。雖然國內企業在高級駕駛輔助系統（ADAS）的行車領域差距較大，2021年來自德國、日本、美國的大陸、博世、電裝、采埃孚、安波福占據前裝市場約80%的份額，但在高級駕駛輔助系統（ADAS）的環視及泊車領域，2021年國內市場前五名的供應商為博世、同致電子（TTE）、法雷奧、德賽西威、蘇州智華，其中第2、4、5名都為中國企業。

自動駕駛仍面臨多方面制約與挑戰

盡管自動駕駛技術快速發展、市場需求不斷成熟，整個行業呈現繁榮發展的景象，但自動駕駛進一步發展需要更好地解決在技術、成本、數據、基礎設施等多方面存在的問題，法律法規的缺位與不健全也成為自動駕駛向更高等級發展的掣肘因素。

第一，技術成熟度的制約。自動駕駛的發展水平取決于各種硬件、軟件、計算能力等方面的技術進步及其整合效果。盡管自動駕駛的軟硬件取得很大進展，但現有技術仍存在不足，對自動駕駛向高階發展形成制約。例如，激光雷達穿透雨霧的能力有限，易受強光干擾；攝像頭視覺感知的靈敏度在夜間和惡劣天氣中會顯著下降。近年來，不乏知名品牌自動駕駛車輛或頭部自動駕駛公司的測試車型發生事故，不少是因為自動駕駛系統沒有對障礙物準確識別造成的，暴露出自動駕駛技術不成熟的問題。由于不同的方案具有各自的優缺點，因此目前自動駕駛的技術路線并未確定，無論在感知層、決策層均有多條不同的技術路線在競爭。例如，在感知層，特斯拉的Autopilot堅持視覺主導的方案，且未采用高精度地圖，這種方式成本低廉，但是易受環境、天氣影響；小鵬汽車的XPILOT選擇激光雷達主導方案，并配合高精地圖，這種方案精度高、探測距離遠，受天氣、環境影響較小，但成本高。還需要注意到，隨著自動駕駛向更高自動化水平發展，車載芯片的數量大幅度增長，對算力的需求也顯著提高。當前，我國地平線、華為海思等芯片企業在芯片算力方面與英偉達、特斯拉、Mobileye、高通仍存在較大差距，同時中國大陸的芯片先進制程制造能力相比世界先進水平也存在較大差距，在美國等西方國家加強對芯片產業鏈控制、將芯片作為大國博弈工具的形勢下，我國車載芯片的供應鏈安全存在較大風險。

第二，軟硬件成本的制約。自動駕駛功能雖然會將車輛駕駛員解放出來、給用戶帶來更好的用車體驗，但是新功能的實現需要付出額外的成本，用戶會在新增功能與額外成本之間進行權衡。如果實現自動駕駛的成本過高，只會有少數“領先用戶”采用，銷量不夠大、企業利潤不夠多，就會缺乏資金進行技術創新投入，遲滯技術的迭代升級進程。自動駕駛高昂的軟硬件成本成為其普及和功能升級的重要阻礙。一方面，雖然攝像頭、激光雷達、V2V/V2I、處理器等軟硬件單位成本有了顯著下降，但無人駕駛功能仍然會顯著增加車輛成本；另一方面，自動駕駛功能升級將會進一步增加車輛的硬件數量和代碼量，L3級及以上對增加硬件冗余備份的要求更高，會進一步增加成本。L3級別自動駕駛的算力需求為20TOPS，是L2級的10倍，L4級、L5級的算力需求分別達到400TOPS和4000+TOPS。羅蘭貝格預測，自動駕駛從目前的L2級升級到2030年的L3級時，對應的單車軟件價值會從8000-16000元提高到16000-32000元。有分析表明，單車智能價值的零部件成本在10-20萬之間，這么高的成本是普通家庭難以承受的，相對而言對商用車總售價的影響較小，目前在商用車領域應用的可能性更大。

第三，基礎設施的制約。自動駕駛的技術路線包括單車智能和車路協同兩個方向。自動駕駛向更高水平發展甚至進入到完全無人駕駛階段，不僅需要單車智能方面的硬件和軟件進一步的技術發展和性能提升，還需要通信端、路端、云端等基礎設施與車輛形成協同。例如，美國聯邦交通運輸機構籌資成立的研究所歷時數十年發展包括“車輛對車輛通信”（vehicle-to-vehicle，V2V）與“車輛對基礎設施通信”（vehicle-to-infrastructure，V2I）在內的“車對外界的信息交換（vehicle-to-everything，V2X）”技術。目前，單車智能路線受到車端傳感器安裝位置、探測距離、視場角、時間同步等限制，在繁忙路口、惡劣天氣、逆光等復雜環境下難以解決精準感知識別和高精度定位問題；而路側數字基礎設施本身具有道路信息感知、道路信號發布和控制等功能，通過無線通信網絡實現與車輛的數據交互共享，能夠彌補車端感知有限視距、感知盲區等短板，進一步提高自動駕駛車輛對道路環境的感知能力，輔助車輛作出更安全高效的決策，進而提高交通效率、減少交通事故。但總體上看，適應自動駕駛發展的信息基礎設施在我國尚處于探索、試點的早期階段，離大規模商用要求還存在不小差距。

第四，數據豐富度的制約。自動駕駛是數據驅動的技術，無論是攝像頭方案還是激光雷達方案，都需要收集大量且場景豐富的數據，用于自動駕駛算法的訓練和迭代升級。車輛是一種對安全性要求非常高的產品，自動駕駛的安全性只有遠超過傳統汽車的水平才有可能取代人類駕駛。但是自動駕駛場景中的數據呈現出典型的長尾分布特征，即大多數場景會頻繁出現，而邊緣場景（corner case）出現的概率很低。特別是在當前無人駕駛被限定在相對固定、有限的區域，更是限制了多元化場景數據特別是邊緣數據的獲取。雖然高階輔助駕駛功能在相對簡單的路況下（如高速公路等車道線清晰、車流適中的場景）能夠較好地實現，但是面對城市道路等復雜的場景卻難以做到完全讓人放心，在一些長尾路況中可能會由于對環境的誤判而發生事故。自動駕駛向更高等級發展特別是高等級自動駕駛從測試場地到有限區域再到全天候路況擴張，場景的復雜度不斷提高，對數據的規模和質量也提出更高的要求。邊緣場景的低概率特征決定了在實際路況下獲取數據需要大量行駛里程的積累，這是一件非常耗時、成本高昂的工作。據估計，無人駕駛要超過人類司機的安全性，需要超過80-100億英里的測試里程。測試里程不夠，自動駕駛的安全性就無法提高；而安全性不高，高級別自動駕駛就被限制在測試階段和有限區域，又會制約測試里程的增長。一種替代的辦法是構建數字化仿真場景，使用模擬數據進行訓練，但仍存在邊緣情景收集和標注難度大，仿真場景構建壁壘高等問題。此外，高精地圖的覆蓋率較低，也需要花費時間和資金用于數據采集和制圖。

第五，法律法規不足的制約。當自動駕駛進入到L3級之后，車載系統就在相當大的程度上取代駕駛員實施對車輛的控制，也正因如此，國際汽車工程學會2021年更新的標準將L0-L2級稱為“駕駛員輔助系統”，L3-L5級稱為“自動駕駛系統”，也就是說，達到L3級的車輛才真正可稱為“自動駕駛”。從L3級開始，自動駕駛系統可以在不同程度上駕駛車輛，因此車輛或者其背后的生產廠商需要承擔更多的責任。目前，對于L3及以上自動駕駛在權責認定、道德倫理等方面存在較大爭議和法律缺失的情況。在系統操控車輛的情況下，當車輛發生事故造成損害時，對人類無法訴諸過錯侵權，適用于自動駕駛汽車的注意義務標準也不同于人類駕駛者。目前，國內外一些法律法規對自動駕駛車輛中的交通事故責任進行了劃分。例如，2022年8月實施的《深圳經濟特區智能網聯汽車管理條例》規定，“完全自動駕駛的智能網聯汽車在無駕駛人期間發生交通事故造成損害，屬于該智能網聯汽車一方責任的，由車輛所有人、管理人承擔賠償責任”，因智能網聯汽車存在缺陷造成損害的，車輛駕駛人或所有人、管理人在按規定賠償后，可以依法向生產者、銷售者請求賠償。但是一方面，事故原因的判定還需要更多明確的條例和規范，另一方面，這些法律仍然沒有解決當發展到自動駕駛階段后，由抽象的理論轉變為現實的“電車難題”。所謂“電車難題”是指當電車面對突發意外時，如果電車沿原有路線行駛，就會造成更多的人員傷亡；拐向岔路可以比沿既定路線行駛減少傷亡，但會把與電車原本無關的人員卷入其中，在這種情況下如何選擇就會面臨倫理困境。由人類駕駛的車輛在突發事件發生時，駕駛員會作出判斷和應對，并承擔由此造成的后果。但是在無人駕駛的情況下，車載系統做出應對方案選擇的依據是什么？汽車廠家又是依據什么預先設定算法？算法的設計者即汽車廠家又應該因此承擔什么樣的責任？因此，為了規避法律方面的風險，即使目前已有企業在技術上實現了L3級甚至L4級的一些自動駕駛功能，仍然推遲發布L3級產品，要求車輛行駛中需要駕駛員配合并隨時接管車輛控制權。法律的缺失以及由此造成的不確定性風險，成為自動駕駛發展的制約因素。

推動自動駕駛規范化發展的對策建議

不少機構對自動駕駛的發展趨勢作出了樂觀的判斷。例如，甲子光年預測，到2026年全球乘用車L0、L1、L2級智能駕駛上車數量分別達到535萬臺、2531萬臺和6010萬臺；科爾尼預測，L4級別車型將于2024/2025年上市，到2030年，L2+級別自動駕駛普及率達到90%，其中L3及以上級別達到50%；IHS Markit預測，L3級自動駕駛與全自動停車、全高速自動巡航等L4級功能將于2025年在大眾市場普及，到2030年，L4級自動駕駛在大眾市場普及，L5級功能在高端車型實現。根據國家發改委預測，2025年我國智能汽車數量將達2800萬輛，滲透率82%，2030年智能汽車達到3800萬輛，滲透率達到95%。但是要實現這些目標，需要采取措施解決自動駕駛在技術、基礎設施、數據、法律法規等方面的制約。

首先，加快自動駕駛技術發展。將自動駕駛作為國家科技研發重點支持的領域，加大對車規芯片、激光雷達等關鍵硬件和操作系統、智能座艙等軟件系統及其產業鏈上下游、V2I基礎設施等領域在基礎科學、產業共性技術上的研發投入。深化科技體制改革，支持企業與高校、科研機構聯合申報國家科技項目，促進科技成果的產業轉化和相關科技人才進行科技創業。鼓勵整機廠商、零部件供應商、數字科技企業加大對自動駕駛技術的研發投入，組建技術聯盟、建立開源社區，積極參與國際技術合作與國際技術標準的制定。

其次，推進車路協同基礎設施建設。推動車用無線通信網絡（如LTE-V2X）、新一代車用無線通信網絡（如5G-V2X）的建設，在部分城市、高速公路率先應用。逐步推進市政道路的數字化改造，重點在目前開展高等級自動駕駛區域的道路安裝智能攝像頭、激光雷達、智能信號燈等基礎設施，推進車路協同的實現。推動制定高精度地圖國家標準，支持自動駕駛企業、地圖導航企業、出行服務企業建立戰略聯盟，共享道路實時數據，推動高精地圖的動態更新，提供更精準服務。

再次，促進數據的積累。支持地方政府擴大高等級自動駕駛運行區域，鼓勵各類自動駕駛企業增加路測和運營車隊規模，積極參與國內外法律法規寬松地區的路測和實際運營。促進自動駕駛仿真技術開發，構建行業性數字化仿真公共平臺，鼓勵企業采取仿真模擬方式增加數據積累。完善自動駕駛數據采集、存儲、傳輸、交易的相關法律，在保證公共安全的前提下，支持車企采取“影子模式”，通過在有人駕駛狀態下開啟傳感器探測車輛行駛道路周圍的數據，支持車企將自動駕駛數據進行交易共享。

最后，推進自動駕駛立法工作。鼓勵地方政府制定自動駕駛地方性法規，對自動駕駛的安全設計、開發、測試和應用等方面作出規定，包括具有高等級自動駕駛功能的車輛上路行駛條件，發生事故時的事故原因鑒定流程、事故責任劃分依據和賠償責任，車輛保險政策和賠付規則，對自動駕駛車輛、制造商、供應商、Robotaxi的監管等?？偨Y國外和地方立法實踐中的經驗教訓，根據技術發展、市場需求，適時制定全國性的自動駕駛法律法規。

（作者為中國社會科學院工業經濟研究所研究員）

【注：本文系中國社會科學院研究所創新工程項目“全球先進制造業競爭與中國制造強國建設研究”（項目批準號：2022GJS02）及中國社會科學院登峰戰略優勢學科（產業經濟學）項目研究成果】

【參考文獻】

①[美]胡迪·利普森、[美]梅爾芭·庫曼著，林露茵、金陽譯：《無人駕駛：人工智能將從顛覆駕駛開始全面重構人類生活》，上海：文匯出版社，2017年。

②司曉、曹建峰：《論人工智能的民事責任：以自動駕駛汽車和智能機器人為切入點》，《法律科學》，2017年第5期。

責編/于洪清    美編/宋揚

聲明：本文為人民論壇雜志社原創內容，任何單位或個人轉載請回復本微信號獲得授權，轉載時務必標明來源及作者，否則追究法律責任。