本文為【新智駕會員計劃】第 10 期內容。
隨著自動駕駛技術的發展，新的交通形式將會出現，并被所運輸的人或物，車輛所有權的形式、及使用地點等因素影響。交通形式又會影響商業模式、價值鏈和企業戰略。最先進的自動駕駛形式將會如何發展，以幫助企業推行戰略，并在即將到來的變革中保持領先地位？
來自麥肯錫芝加哥辦公室的高級合伙人Asutosh Padhi和休斯頓辦公室的合伙人Philipp Kampshoff分享了麥肯錫未來出行研究中心的觀點。其中，Asutosh Padhi是麥肯錫未來出行研究中心的創始人之一。
他們通過回答7個問題，討論了自動駕駛的技術、應用和機會。這7個問題分別是：
自動駕駛技術什么時候能夠真正落地？
為什么檢測和驗證如此重要？
車到基礎設施（V2I）技術是有必要的還是只是錦上添花？
預計未來會看到哪種類型的自動駕駛應用？
自動駕駛出租車會給現有的出行模式帶來什么改變？
成為自動駕駛出租車市場的領導者需要些什么？
ADAS（高級輔助駕駛系統）是否仍然有用？
自動駕駛技術什么時候能夠真正落地？
Asutosh Padhi：我們預計，真正的L5級的自動駕駛落地還要等十年以上。但是在未來三到五年內，我們可能會看到自動駕駛車輛在地理圍欄內的應用。
硬件的進步實際上起了很大的作用。例如，激光雷達的成本在過去五年中下降了十倍。同樣，GPU能提供的計算容量也大幅增加。
但目前仍然存在兩個挑戰。第一個挑戰是物體的檢測和分類，識別行人的能力。例如，在行人推著嬰兒車，或者撐著傘，又或者捧著一些植物，看起來不像行人的時候，系統能否識別出行人？
第二個挑戰是決策。人類在駕駛時，會向其他司機傳達一些細小的信號，比如誰先走等等，這些信號通常是自動駕駛車輛無法解讀的。
讓自動駕駛車輛去學習如何識別和處理這兩種挑戰同時存在的邊緣情況，還需要很長的時間。
Philipp Kampshoff：這就是為什么自動駕駛出租車還沒有那么快到來的原因。自動駕駛的決策步驟是由車內的神經網絡完成的，至少大部分是。有95％的情況，是可以相對快速地訓練的。但是，想要使神經網絡的決策能夠達到99％的正確率，需要進行更多的訓練，還需要更多的測試里程。邊緣情況是關鍵所在。
*Uber 測試車發生事故
人類駕駛員，平均每行駛16.5萬英里會出一次事故，這意味著，在99％情況下，人類開車是安全的。然而，對于自動駕駛車輛，監管機構的安全要求會比人類的高得多。而這些安全要求最終會歸結為處理一些邊緣情況，例如在一段施工道路上，路口亮起了紅燈，自動駕駛車離路口越來越近，但有一位工人正在路口指揮行人和車輛通行。自動駕駛車輛如何知道此時紅燈可以忽略？這些都是自動駕駛在大規模應用之前必須解決的邊緣情況。
未登錄