一直以来，围绕智能驾驶的疑问、争论不断，公众的期待也很高。

智能驾驶领域也的确面临一系列制约发展的痛点。

芯片如同智能汽车的数字发动机，负责将数据转化成知识，其效率直接决定了决策的好坏。

“按照我们的统计，自动驾驶每往上走一级，芯片算力就要翻一个数量级。而且，车规级人工智能芯片的研发行业内有着极高的要求和标准。”地平线公司创始人余凯认为，技术是一切的根本，只有实现更低单位成本下更高的算力，让算法和芯片架构尽可能契合，才能让车辆更“聪明”。据了解，搭载地平线征程2芯片的长安汽车全新车型UNI—T，已于今年年中上市，这是中国首款量产上车的车规级AI芯片。

除了芯片，操作系统、传感器、高精地图等软硬件协同发力，才能实现最大效益。

为了更智能，机器还需要快速学习大量的数据。驭势科技首席执行官吴甘沙说，从统计学看，要证明一个自动驾驶系统比人的驾驶安全性能提升20%，需要110亿公里的道路测试数据。行业正在为此积极努力，探索虚实结合的方法减少测试的成本和风险。据了解，阿里搭建全球首个自动驾驶“混合式仿真测试平台”，系统每日虚拟测试里程可超过800万公里。

“滴滴自主研发的车载设备桔视，覆盖了滴滴平台上50%以上的订单。通过这种简单的安装，滴滴每年可以获得近1000亿公里的驾驶场景数据，从而实现自动驾驶算法的迭代。”张博表示，只有穷尽所有的可能性，才能还原真实路况的不确定性，系统才能精准应对真实路况的突发情况。

与此同时，科学家们也正在运用强化学习、模仿、生物学等手段，将人的社会阅历知识化，赋予车辆一些“知其然也知其所以然”的能力，但目前仍处于非常基础的探索阶段。

安全是智能驾驶的重要价值，也是最基本的要求。在后续技术迭代中，在保障安全的前提下，不断降低研发成本，维持成本与效率的平衡，仍是从业者面临的严峻挑战。

想实现大规模商业化应用，光有技术还不够。专家认为，想达到这个目标，起码要同时满足5个条件——技术成熟、社会基础完善、法律法规同步、成本下降、社会接受度良好。显然，每个条件都还有一段很长的路要走。

目前，国内智能驾驶众多封闭场景在逐步落地，实现了一定程度的商业化。但专家表示，距离实现大规模开放道路的商业化，要走的路还很长。