自1921年人類提出無人駕駛的幻想以來，這一領域已經消耗了無數的時間和資金。然而，近百年后的今天，事故頻發、燒錢無止境、進度緩慢，引發了眾多的不解與質疑。無人駕駛究竟是一場技術革命，還是資本市場的又一個騙局？

　　無人駕駛行業是目前最為割裂的行業之一。各個派系觀點各異，互相瞧不上、互相指責。結果就是，各自為戰，各踩各的坑，各倒各的壁，各花各的錢。在2024年之前，無人駕駛進入了寒冬，行業進入了低潮期。

　　然而，這個寒冬在2024年因為馬斯克的高調入局，似乎又出現了一絲生機和希望。特斯拉在2024年上半年開始陸續更新自動駕駛系統，FSD的V12版本號稱通過端到端AI技術，重構了特斯拉的FSD技術，為自動駕駛帶來了第二個春天。

　　公眾感受到，特斯拉FSD的效果確實比之前好了一大截。然而，在試駕過程中，依然出現了多次需要人為接管的情況。這絲毫不影響馬斯克的信心，他宣布要在當年8月8日發布特斯拉的Robotaxi。

　　馬斯克早在2019年就承諾，特斯拉在2020年會擁有100萬輛無人駕駛出租車。然而，慣于狼來了的他，這個聽起來不太實際的日期并沒有被業內人士當真。果然，特斯拉Robotaxi的發布會再次延后，這一次延期到了10月10日。

　　在等待馬斯克兌現承諾的同時，業內開始再次探討自動駕駛技術的發展現狀。特別是讓馬斯克信心倍增的端到端技術，是否真的能帶領我們走向真正的無人駕駛？端到端技術，真的是自動駕駛界的ChatGPT時刻嗎？

　　純視覺派，以特斯拉為代表，只靠攝像頭采集環境信息，利用神經網絡將2D的視頻轉換為3D的地圖。這種方法的優勢在于成本低，但也存在攝像頭信息不足、容易被視覺欺騙等問題。

　　多模態融合派，則采用激光雷達、毫米波雷達、超聲波傳感器、攝像頭等多種傳感器，進行信息融合。這種方法能夠提供更豐富、更準確的環境信息，但成本高昂，且傳感器間的信息融合也存在挑戰。

　　業內對于這兩種技術路線的爭論從未停止。有人認為，純視覺方案成本更低，更具規模化潛力；也有人認為，多模態融合方案在安全性和可靠性上更勝一籌。

　　高精地圖能夠提前采集道路信息，降低感知模塊的壓力，提高準確性。然而，制作和維護高精地圖成本高昂，且無法覆蓋所有道路。特斯拉等公司選擇舍棄高精地圖，采用無圖方案，通過車輛本地構建環境地圖。

　　對此，有觀點認為，舍棄高精地圖并不代表技術水平更高，而是商業模式的選擇。Robotaxi公司只需覆蓋關鍵城市，使用高精地圖可以提高安全性。而量產車廠商則需要考慮成本和覆蓋范圍，選擇無圖方案更為現實。

　　自動駕駛被分為L0到L5共6個等級，其中L2為部分自動駕駛，L4為高度自動駕駛（真正的無人駕駛）。

　　目前，特斯拉的FSD仍處于L2級別，而馬斯克號稱要推出的Robotaxi則是L4級別。業內人士普遍認為，特斯拉現有的車型和技術無法在短期內達到L4的標準。L2和L4之間，不僅是技術上的差距，更是責任和安全性的鴻溝。

　　L4級別需要系統在各種極端情況下都能保證安全，且責任由系統開發者承擔。而L2級別仍需人類駕駛員隨時接管，責任主要在駕駛員。

　　端到端AI技術的出現，讓人們看到了新的希望。傳統的自動駕駛系統被分為感知、預測、規劃和控制多個模塊，存在信息傳遞損耗和規則庫維護困難的問題。端到端AI試圖通過大模型的學習，實現從傳感器輸入直接輸出控制命令，簡化系統結構，提高效率。

　　然而，端到端AI也存在不可解釋性、數據需求巨大、對傳感器敏感等問題。在自動駕駛對安全性要求極高的領域，這些問題仍需克服。

　　無人駕駛技術的發展，充滿了挑戰和機遇。技術路線之爭、商業模式選擇、法規和倫理問題，都讓這個行業的未來充滿不確定性。

　　必一運動sport網頁版登錄

　　但可以肯定的是，無人駕駛是人類交通發展的必然趨勢。無論是純視覺方案、多模態融合，還是端到端AI，最終的目標都是讓交通更安全、更高效。

　　或許，在這個非共識的科技前沿領域，正是孕育創新和突破的最佳土壤。無人駕駛的未來，值得我們期待。