网上科普有关“你以为“自动驾驶”只有特斯拉和新势力？”话题很是火热，小编也是针对你以为“自动驾驶”只有特斯拉和新势力？寻找了一些与之相关的一些信息进行分析，如果能碰巧解决你现在面临的问题，希望能够帮助到您。

相比于传统内燃机汽车，如今的电动车不仅仅是能源类型发生了改变，在革命性的全新电子电器架构之下，自动驾驶辅助系统也有着突飞猛进的创新和进步，特斯拉有Autopilot，造车新势力有NAD、XPILOT等等。至于老牌传统造车企业，宝马的自动驾驶辅助系统Pro非常值得了解一下，因为它不仅在传统车企中出类拔萃，与刚刚提到的那些诞生即电动的车企相比也毫不逊色，这套系统率先应用在宝马具有里程碑意义的iX3上。

宝马iX3的自动驾驶辅助系统Pro的感知系统由超声波雷达、摄像头、短距离毫米波雷达和全距离毫米波雷达组成。其中，超声波雷达主要用于泊车辅助系统，前风挡顶部设置有一个三目摄像头，用来进行近、中、远距离的前方视觉识别，环视摄像头布置在车身的前后左右进行车身四周的视觉识别，还有1颗摄像头布置在仪表盘上方，用来监测驾驶者的状态，短距离毫米波雷达主要用来探测相邻车道，全距离毫米波雷达主要探测前方行驶车辆及障碍物。

在以上丰富的硬件加持下，iX3的自动驾驶辅助系统Pro可以实现辅助驾驶、交通拥堵辅助、变道辅助、紧急停靠辅助、限速识别辅助、自动泊车入位、循迹倒车辅助等功能。

辅助驾驶

激活辅助驾驶功能后，通过遍布车身四周的摄像头和雷达，iX3可以实现保持在当前车道内行驶或者跟随前车行驶，值得一提的是，当遇到车道线不清晰或者短时间消失的情况，系统可以沿着前车轨迹继续行驶，非常智能，也减少了使用此功能期间驾驶员接管车辆的次数。

需要格外注意的是，在辅助驾驶功能工作期间，驾驶员需要保持手握方向盘，从而保证行车安全。宝马用于检测驾驶员是否手握方向盘的传感器是电容式，相比于目前大多数厂家选用的扭矩感应式传感器，电容式传感器的判断准确率更高，同时也更加易用，只需手部皮肤接触到iX3的方向盘，系统即可做出判断。

变道辅助

在高速公路或者城市快速路行驶时，驾驶员可以通过使用转向灯来激活变道辅助功能，之后iX3会自动检测周围环境，在条件允许的情况下，可实现自动变道。iX3的变道时机选择并不激进，系统决定变道的时机在驾驶员看来也属于安全范畴之内，变道动作非常顺畅，且会伴有仪表盘的动态动画显示。当然，在条件不允许的情况下，比如车道线为实线或者斜后方有车辆快速驶近，即使驾驶员打转向灯，iX3也不会进行变道，从而保障人车安全。

交通拥堵辅助

在车速不超过60公里/时且车机地图判定此路段符合条件的情况下，驾驶员可激活交通拥堵辅助功能，开启此功能后，系统将以前车及车道线为参考保持车辆在车道内行驶或跟随前车速度行驶，此期间驾驶员无需操作方向盘和加减速踏板，因此，也有人戏称此功能为“解放双手双脚功能”，此功能可以有效降低驾驶员在拥堵、低速路况下的驾驶负担。

需要说明的是，虽然“解放双手双脚”了，但仍需驾驶员时刻观察路况并做好随时接管车辆的准备，布置在仪表盘上的摄像头也会时刻监测驾驶员的状态，若发现驾驶员并没有关注路况，会有声音报警和仪表盘信息对驾驶员进行提示。另外，如果条件不再符合此功能开启的话，此功能会自动退出，并且给予驾驶员视觉和听觉提醒，驾驶员需及时接管车辆。

限速识别辅助

此功能较为常见，摄像头实时监测路旁的限速标识并将其显示到仪表中，从而起到提醒驾驶员的作用。在iX3上，当系统探测到限速标识后，驾驶员可以通过点按多功能方向盘上的SET按键，将当前限速设置为巡航速度，之后车辆会根据速度设定和交通状况自动调整车速，简单又安全。

紧急停靠辅助

当驾驶员由于突发原因无法继续驾驶时，可以通过拉起电子驻车按键并保持一段时间来激活紧急停靠辅助功能，之后车辆会紧急制动并保持在当前车道，同时开启双闪以警示后车，还会自动发送包含位置信息的紧急呼叫，最大程度上降低意外碰撞风险。

自动泊车入位&循迹倒车辅助

对于新手司机来说，停车确实属于难度系数偏高的操作，但iX3可以实现自动泊车入位，启动该功能后，以低于约35公里/时的车速和大于1.5米的间距向前驶过停靠的一排车辆，系统会自动检测车位，当有合适车位的时候，屏幕上会有提示，按照提示操作即可轻松完成停车。

日常驾驶中，我们有时会遇到因不熟悉路况而造成误入“死胡同”的情况，如果道路狭窄无法掉头，此时挂入倒挡并激活循迹倒车辅助功能，之后iX3会沿原路自动向后倒车50米，从而帮助驾驶者轻松脱困。

以上众多功能集成在一起组成了iX3的自动驾驶辅助系统Pro，此系统全系标配，而且获得了2020 E-NCAP满星评分，这样的成绩足以说明这套系统的优秀。如果与宝马的老对手奔驰和奥迪相比的话，EQC和e-tron在自动驾驶辅助方面确实表现平平，不仅功能丰富程度不及iX3，在使用体验方面更是逊色许多，iX3可以走得如此超前，与宝马电动化转型以及数字化战略的正确决策不无关系。

另外值得一提的是，iX3刚刚官降7万，降价后的iX3与特斯拉Model Y以及蔚来ES6等车型的价格区间也较为接近，考虑到此类车型的驾驶辅助系统均需加钱选配，而标配自动驾驶辅助系统Pro的iX3则竞争力更为强劲。

不过，汽车工业发展至今，宝马的对手已经不再仅仅只有传统认知中的奔驰和奥迪，众多电动车的后起之秀发展势头同样不可小觑，更何况这些企业没有传统车企的基因桎梏，因此在新能源汽车发展上更加放得开手脚。

而家大业大的宝马在做出转变时需要格外谨慎，好消息是宝马的iX3确实做到了，如之前所述，其自动驾驶辅助系统Pro在功能丰富度和使用体验方面均足够出色，不仅如此，宝马对驾驶辅助系统的策略标定并不激进，因为它现阶段的目的并不是取代驾驶者对于车辆的控制权，而是令驾驶过程更加安全、轻松和智能，这无论是对于整个行业的激励还是对于消费者的切身利益来说，都是一件好事。

众专家深挖自动驾驶痛点，何时才能“扔掉”方向盘？

1994 年某个阳光明媚的秋日，法国 Autoroute 高速上，其他车主可能没有意识到正在发生的不同寻常的事情，两辆德国牌照的豪华轿车正在行驶于高速。这两辆灰色的梅赛德斯奔驰 500 SEL 正在加速到时速 130 公里，它们通过路况自动做出改变，没错，这两辆车是自动驾驶的，计算机控制方向盘，油门和刹车，而且它们这趟行程经过了德国和法国政府的允许。

在谷歌、特斯拉、Uber 开展自动驾驶业务的近 30 年前，一名叫 恩斯特·迪克曼斯 的德国科学家领导者一个工程师团队已经成功的实现自动驾驶。

今天园长来讲讲迪克曼斯的自动驾驶，以及他如何被人遗忘，顺便再说一下 AI 历史浪潮中的自动驾驶的起起伏伏。

迪克曼斯现在 82 岁，他已经停止向研究人员提供一般性建议，他说「人们永远不应该完全忽视曾经非常成功的方法」。

在成为「自动驾驶实际发明者」之前，迪克曼斯工作的前十年是分析太空飞船重回地球在大气层所需的轨迹。

作为一名航天工程师，他在西德雄心勃勃的航天界迅速晋升，在 1975 年，不到 40 岁的他在大学的研究院任职。

在此段时间，他的人生使命发生了改变：他想让汽车自己认路。迪克曼斯越来越相信，他的未来不在太空而是陆地。几年内，他买了一辆面包车安装了计算机，照相机和传感器，并于 1986 年开始在大学内测试。

大学同事们说他是个怪人，但是因为之前航天领域的成绩，所以对他也就睁一只眼闭一只眼。

1986 年，迪克曼斯的面包车成为第一辆自动驾驶汽车。次年，这辆车在巴伐利亚尚未对外公开的高速上以时速 90 公里的速度进行了测试。不久之后德国汽车制造商戴姆勒找到了迪克曼斯，戴姆勒成为了他的资助方，并且在 20 实际 90 年代初，提出了一个项目，他们想要一台大型客车，能够在 1994 年的巴黎展会上演示自动驾驶。

迪克曼斯听完这个要求后，做了个深呼吸，然后告诉戴姆勒「我的团队和我们的方法可以做到」。

1994 年 10 月，迪克曼斯的团队从戴高乐机场接了一批高级客人，在高速公路上，他们使用自动驾驶来完成行驶任务。名为贝林格的工程师坐在车辆的驾驶座，双手放在方向盘上以防出现问题。贝林格 24 年后谈论此事仍兴奋不已。

很多报纸头条报道了这件事。一年之后，团队测试了另一辆新车，他们从巴伐利亚到丹麦的高速公路上，用自动驾驶总共行驶了 1700 公里，最高时速超过了 175 km/h。

不过，不久之后，项目被迫中止了。

迪克曼斯的技术到了天花板，戴姆勒失去了兴趣，再之后，迪克曼斯的开拓性的工作机会被人遗忘。

人工智能的历史已经有了 60 多年,它往往伴随着一个又一个「盛夏」和「寒冬」。迪克曼斯项目起始于盛夏，而终结于寒冬。

20 世纪 50 年代末，人工智能的研究方向是如何让机器像人一样思考。一开始，人工智能这个领域的最大特点就是雷声大雨点小，各种宣传各种大佬站台，经济学家赫伯特·西蒙 20 世纪 60 年代曾预测「机器将会在 20 年内取代人类的工作」。

这些刺激了投资，大量热钱涌入但技术不能实现，20 世纪 70 年代中期泡沫破灭，资金减少，人工智能技术预冷。

在 20 世纪 80 年代中期，迪克曼斯的自动驾驶项目赶上了新一轮的盛夏，他的概念让资本方产生了兴趣，他的团队曾一度扩张至 20 人。然后是 20 世纪 90 年代寒冬的来临，让迪克曼斯的概念不再吸引人。

当时坐在驾驶室的工程师贝林格说「这是一个有趣的概念，但是对很多人来讲，太过未来主义了」。

技术专家说发明有两种：像灯泡一样，被发明就一直被使用，不断被改进。另一种像超音速客机一样，比如协和飞机，它们体现出了革命性的技术，但是过于先进而不适于当下。

迪克曼斯的自动驾驶就属于第二种。

当他在 20 世纪 80 年代开始研发时，计算机仍然需要 10 分钟来分析图像，对周围环境做出反应，并实现驾驶。

面对着看似不可逾越的障碍，他从人体生物学中汲取灵感，他认为，汽车应该想人眼一样，对街道和周围的环境有所感知。人类只能以高分辨率注意到视野中心，同样的，汽车也应该只关注与驾驶有关的东西，如道路标记。这会大大降低计算机处理的信息量。

事实上，汽车在高速公路上自动驾驶是比较简单的，因为路面不复杂，车道明确，指示牌都很清晰。

当时也有一些问题，比如前面的车挡住了指示牌，或者指示牌太旧看不清，都会让自动驾驶出现问题。

在寒冬来临之际，戴姆勒告诉迪克曼斯希望能尽快推出商用，而迪克曼斯知道这项研究在几年内根本无法商用。戴姆勒也就渐渐失去了继续下去的兴趣。

瑞士卢加诺 Dalle Molle 人工智能研究所联合主任 JürgenSchmidhuber 说「事后看来，这些项目并没有立即继续下去，这可能是一个错误，如果继续了，现在自动驾驶也没有 Google 、Uber 这些公司的事了」。

德国公司现在持有自动驾驶技术一半以上的专利，但是新参与者比如 Alphabet 的 Waymo 这样的美国科技巨头正在迎头赶上。

20 世纪 90 年代末，迪克曼斯与美国陆军研究实验室签订四年的合同。他们的合作除了新一代的自动驾驶汽车，能够处理更复杂的路面。在迪克曼斯退休时，这个项目引起了五角大楼新兴技术部的达尔帕的注意。于是 2004 年，该部门搞了了一系列「挑战」鼓励科学家们参与自动驾驶竞赛。

2005 年斯坦福大学计算机教授塞巴斯蒂安·特伦赢得了挑战赛，成立了谷歌自动驾驶车队，他是 AI 社区的名人。而与此同时，本文的主角迪克曼斯和他开创性的工作也被人遗忘了。

2011 年，迪克曼斯巴黎演示无人车之后的 17 年，纽约时报报道了塞巴斯蒂安·特伦努力制造了第一辆无人车，但马上就进行了修正，写到尽管塞巴斯蒂安·特伦开发了一辆无人驾驶汽车，但是他不是第一个这么做的人。

在 2018 年，随着人工智能之前的炒作，新的寒冬来了么？不少人这么认为的。

最近 AI 的研究普遍采用深度学习，通过算法来识别。其基本原理是在复杂的数据中找到相关性，这对大多数应用程序都奏效，但在某些情况下是死路一条。由于深度学习是数据驱动，它伴随着局限性。

之前翻译过圣地亚哥计算机科学 Piekniewski 的文章《 AI Winter is coming 》，他表示大量的热钱涌入 AI，特别是自动驾驶和机器人技术方面，指望马上出成果并不切实际。

很多投资者因为投入了这么多钱，但是期望没有成真而感到恼火。

代尔夫特大学教授 Virginia Dignum 表示「AI 人员继续去重点关注深度学习，结果会让人失望，这个领域如果想要有所突破，一定要通过较少的数据或者因果关系来建立模型，而不是依赖大量数据带来的相关性。」但她不相信 AI 寒冬来了，因为现在和以往不同，现在有大量的可商用 AI，这是因为 2010 年起的技术进步，特别是计算能力和数据储存方面的进步。

迪克曼斯仍然相信，现在的自动驾驶真正成熟，还需要十年以上的时间。现在的汽车并没有真正的分辨能力，他们仅仅是依赖于大量数据的训练，这意味着在一些道路以及通用情况下会很好，但是在一些特定的环境中会出现意外。

迪克曼斯说「我的自动驾驶技术命名为「寻路者（pathfinder vision）」，现在仍有几个机构在研究这种方法，它能让汽车在任何地方和情况下运行，不论是暴风雨过后，地震之后，战区，都可以起到作用」。

他预测，总有一天，行业会意识到现在通用的方法的局限性，到时候他会再度出山。

他补充道「我很高兴我可以成为开拓者之一，但是如果我今天重新开始，凭借现有的技术，这将是一个完全不同的故事」。

“虽然很多城市对自动驾驶是积极的，但出发点不一样，落地方式也不一样。有的希望做一次招商广告，很多企业去了但无法参与，因为这样的城市不是真心想做自动驾驶。”

在第三届全球智能汽车前沿峰会上，中国电动汽车百人会秘书长兼首席专家张永伟的一席话语出惊人，而类似这样的金句，在本届峰会上比比皆是。

自动驾驶的“痛点”到底是什么？

在遭遇“Uber在美国撞死行人”的标志性事件后，自动驾驶行业开始逐渐变冷，直到今年3月，业内传出自动驾驶再次被催热的声音，原因是禾赛科技、小马智行、Waymo、驭势科技等自动驾驶公司相继拿到大笔投资，Waymo的融资金额更是高达22.5亿美元。

然而，融资潮的来临并不能掩盖诸多痛点的存在。

中国电动汽车百人会理事长陈清泰

中国电动汽车百人会理事长陈清泰认为，虽然汽车革命的下一步是智能化和网联化，但智能汽车的发展仍需要加强核心技术和关键零部件的创新和研发，且跨界融合、协同创新将是成败的关键。

“中国汽车产业对零部件的关注度和投入度都很不足，使我国汽车行业饱尝核心零部件空心化的苦果。这个现象在今年新冠疫情爆发和国际形势变化时，暴露得更加明显。”他表示，中国汽车的产销量已经稳居全球之首，但是在核心技术和关键零部件方面，仍存在诸多弱点和痛点。

中国电动汽车百人会秘书长兼首席专家张永伟

陈清泰将核心痛点指向零部件产业，张永伟则对部分城市发展自动驾驶的出发点提出了质疑，他认为有些城市将自动驾驶视为招商引资的“利器”，并且由于这个产业太新、太大，操作起来有很多盲目性，大家走了不少的弯路，单一主体推动的顶层设计也会导致创新模式被曲解。但同时，他对积极务实的城市给予了认可，“有一些城市从顶层设计到实施步骤都比较清晰、稳妥，虽然还在探索当中，但是值得点赞。”

张永伟还指出，“过于注重短期收益，缺乏战略眼光”也是自动驾驶产业发展的一大阻碍，“大家对城市做自动驾驶确实还是有短期的追求，希望尽快见效，缺乏长期的战略性投入，因此把一些本不应该急于盈利的项目当作短期商业化项目来对待，影响了对一些战略性项目的投资，比如基础设施、云控平台等。”

作为企业代表，广州汽车集团股份有限公司总经理冯兴亚的观点更具有实践意义，他认为，智能汽车产业的发展已走到关键节点，“过去几年，智能汽车以超高关注度吸引了大量的资本投入，从去年开始大家明显感觉到智能汽车投资的热度在下降，我们认为智能汽车发展逐渐进入了冷静期，这是一件好事情。”

冯兴亚表示，目前这个阶段企业、资本和公众等各方不再被概念所迷惑，而是进入冷静期。但要承认，智能汽车在关键技术领域仍然面临着很多难题，自动驾驶辅助技术和无人驾驶汽车之间的鸿沟可能远比看到的要深。

“高昂的单车成本和基础设施投入是制约规模化量产的重要因素，根据Gartner（高德纳）公司技术成熟度曲线，L4、L5级自动驾驶汽车量产还需要十年时间。以5G为例，每周新增基站1.5万个，速度是全球领先，但5G在全国范围的应用可能还需要5年以上的时间。”

除了技术本身，冯兴亚还提到了几个公认的痛点：监管层面、道德伦理以及法律法规带来的考验。他明确指出，短期内无人驾驶汽车有望在严格约束条件下开始小范围示范运行，例如在城市限定区域低速行驶或者在某些特定的高速路段行驶。但是长期来看，自动驾驶背景下的交通事故责任归属尚未理清，“智能汽车涉及到的软硬件安全和数据的安全也是一大课题，上述种种在包容审慎的监管理念下依然有很长的路要走。”

关于企业间的融合和协作，冯兴亚的观点与陈清泰一致，“我们相信只有主机厂牵头才能做到系统的设计和整合，没有任何一家供应商能够单独完成。未来整车厂的整合能力反而会变得越来越重要，当然前提是主机厂能够活下来。”

在智能化的时代，主机厂、一级供应商、二级供应商、运营商……这些所谓的各司其职早已被不复存在，大家的角色定位愈发模糊。谈到这个问题时，法雷奥中国区首席技术官顾剑民认为，随着一些科技公司、新出行服务公司纷纷进军汽车行业，它们既可能是客户，也有可能会是合作伙伴、供应商，甚至是竞争对手。

真正的无人驾驶，离我们还有多远？?今年7月，广汽举办了2020广汽科技日活动，当天发布了包括三维孔结构石墨烯在内的多项黑科技，以及ADiGO智驾互联生态系统的最新成果——ADiGO3.0，其中ADiGO3.0在自动驾驶系统、智能物联系统、人工智能三大方面迎来了全新升级。

根据规划，广汽下一步将会把更多精力放在L4自动驾驶的落地上。对此冯兴亚介绍说，将力争在2023年实现L4级自动驾驶的区域示范运营。

今年3月，工信部曾发布了《汽车驾驶自动化分级》推荐性国家标准（报批稿），标准规定了汽车驾驶自动化功能的分级，拟于2021年1月1日开始实施。谈及自动驾驶分级，业内始终争论不休，有人说L3级就是鸡肋，可以从L2级直接跨入L4级；也有人认为应按照自动驾驶发展路线走，每一级都有它存在的意义。

相对于单纯的分级，按照场景划分或许更加合理。在本届峰会上，罗兰贝格全球高级合伙人、大中华区副总裁郑赟给出了各个场景下自动驾驶的预期落地时间，“停产场自主泊车有望于2020-2023年实现，城际无人客运巴士的落地实现时间点将为2023-2025年，而全场景无人驾驶私家车、全场景无人驾驶Robocab出行服务以及全场景无人驾驶移动服务平台要等到2030年以后才能实现。”

但有人不这么认为，他就是狂人马斯克。

2017年5月，特斯拉CEO埃隆·马斯克曾信誓旦旦地表示，特斯拉距离L5级自动驾驶大约还有2年的时间。三年后的2020年世界人工智能大会上，马斯克再次放出豪言，“特斯拉已经非常接近L5级自动驾驶了，我们有信心在今年完成L5级别的基本功能开发。”可想而知，大家对他的壮志目标已半信半疑。

“我认为L5级的完全无人驾驶需要时间。但是马斯克是非常特殊的，很多时候看不懂。关于他说的很多东西、做的很多事情，我们最开始感觉她又在胡思乱想，但他说的有些事情最后反而搞定了。我个人觉得，L5级无人驾驶的落地时间尚早。”清华大学自动化系工程研究所教授姚丹亚评论道。

目前行业的共识是，想要实现高级别自动驾驶，车路协同是必经之路，单车智能的视觉、计算功能太有限。“车路协同主要是把路和车考虑成一个完整的系统，用聪明的道路弥补智能网联汽车的不足，提高它的安全性、可靠性以及相关的功能，让所有的老百姓买得起、用得起，快速的大规模推动系统的实施，达到系统优化。”东南大学-威斯康星大学智能网联交通联合研究院院长冉斌表示。

文远知行COO张力也认为，自动驾驶汽车需要有强大的软硬件的能力，在没有5G、4G网络或者其他单车以外的辅助下实现安全的自动驾驶。在这个基础上，车路协同对无人驾驶而言是一个重要的安全冗余，超视距、云端等都是可以为单车智能补强。“拿红绿灯举例，在车路协同的帮助下，路端设备可以直接把红绿灯信号发送给无人驾驶汽车，让车辆获得红绿灯现在的信息，以及多少秒后会发生变化，帮助车辆更好地做出规划，以防止因为光线折射、暴雨暴雪、树枝遮挡等外部原因，影响自动驾驶汽车对红绿灯判断的错误，从而提升安全性。”

就目前来说，想要实现乘用车高级别自动驾驶的落地，还有一个很重要的方法，即Robotaxi（自动驾驶出租车）。

今年2月，文远知行发布了国内首份L4级自动驾驶出租车的试运营报告。据悉，文远粤行试运营首月（2019年12月01日至31日）共完成8396个出行订单，没有安全事故，日均出行服务270.8次，单天最多订单数为438单，服务订单总里程达41140公里，共服务4683名用户。但是，这样的成绩仍是建立在有安全员的基础上实现的，对此张力曾坦言，真正把安全员拿下去，自动驾驶出租车的业务模型本身才具有真正的意义。

在本届峰会上，张力给出了明确的时间表，“今年我们会继续扩大和加深Robotaxi的运营，同时拿到无人驾驶的路测许可，到2021年我们希望能够在部分区域里面去掉安全员，实现无人驾驶Robotaxi小范围的运营，2023年在广州大部分区域可以实现全无人驾驶出租的运营服务。”

这次我有幸短暂体验了RoboTaxi，从后排的显示屏可以看到多传感器融合建立高精度地图后的效果，视线范围外的行人和车辆位置清晰可见，不过当遇到社会车辆违章行车时，RoboTaxi在一些情况下仍需要安全员来接管车辆。据悉，这些接管操作会被完整记录并进行后期分析。

坦白讲，现阶段的RoboTaxi需要接管非常正常，在此前滴滴的那场“雨天直播”中，一辆静止的三轮车突然出现在车道上，后排的显示屏中也可以看到该障碍物，面对这种偶发事件，滴滴自动驾驶也需要进行远程协助。在滴滴看来，未来1-2年内相关安全员依旧不能被取代，他的作用至关重要，这点也是基于法律法规的需求。

写在最后：

当然，自动驾驶面临的难题远不止这些，广州市工业和信息化局局长江智涛还提出了“混行障碍”、“规则歧视”，以及前文曾提到的“伦理悖论”等。就现有的人文观念，机器自身的容错率极低，人们不允许商业化的自动驾驶技术存在不可靠因素。与此同时，一定比例的自动驾驶车辆若强行混入社会车辆中，反而会让交通更加混乱。正如小马智行(广州)总经理莫璐怡所说，现阶段做的很多商业尝试，都是为了更快达到无人化和规模化的目标，从而抢占未来的市场先机。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

关于“你以为“自动驾驶”只有特斯拉和新势力？”这个话题的介绍，今天小编就给大家分享完了，如果对你有所帮助请保持对本站的关注！