从0到1的方法不止一种，当一切尚未落定，百家争鸣便是最好的状态。这个说法对近年来越发火热的自动驾驶也同样适用。无论是传统车厂、新兴造车企业还是原本的互联网巨头跨界，都纷纷加入了这个改变行业乃至生活的新兴领域。
一派从SAE Level1向Level5渐进式发展，实现弯道超车。他们在传统汽车的基础上不断智能化升级，经历L2、L3，慢慢从ADAS过渡到全自动驾驶。自动驾驶的竞技是一条长长的赛道，他们选择每个节点步步为营。
另一种换道超车，直奔Level4或Level5全自动驾驶。一切按照自动驾驶需要的全套装备，搭载最完善的定位和传感器配置，使用最先进的计算平台，设计适用的车载集成系统。在自动驾驶竞技长跑中，他们积蓄力量一步到位。
两个流派看上去殊途同归，但有观点却认为并不存在交集。百度首席架构师James Peng曾在演讲中抛出观点：由ADAS开始的渐进模式不能跨越鸿沟(实现全自动驾驶)。而百度在集团内分设智能车事业部(原L3事业部)和自动驾驶事业部，似乎就是观点佐证。
传统改良与推翻式创新都能抵达自动驾驶吗？
推翻式创新者理由充分：ADAS和全自动驾驶的技术基础存在明显分层。感知可靠性从90%去逼近100%的过程，要用全新技术填充空白。ADAS阶段不怎么强调的规划决策，因为自动驾驶面对不可预见的外界环境，成为一个新难题。传统车身的结构并不能完美适应自动驾驶，线控和通讯方案几乎是对整个底层的全盘置换。这些更新、更难、更复杂的设计，都在意味着根本上的重新定义。
传统改良型自有主张：按部就班的模式，才能帮助供应商在零部件端共同成熟技术。一款真正适合车载环境的深度学习芯片还没有诞生，核心传感器成本迟迟未降，自动驾驶算法的训练不在局限于生产之前，这些都是自动驾驶汽车遥遥无期的原因。快速应用自动驾驶的阶段性产品，获得的宝贵反馈，才能以最快的速度实现商业化。
又或许，选择渐进还是推翻，其实是一种商业策略。推翻式创新可能意味着暂时无法盈利的窘境。渐进式在每个阶段都能落地产品，易于回笼资金。两种方案并行开展会分散企业精力，对人力物力有限的公司而言难以兼顾。
渐进式和推翻式争论之外，提振民族产业是一项齐头并进的话题。
自动驾驶迅速升温，国内却渐起一种趋势：自主品牌在自动驾驶开发时，讲究“快速配置功能”，因此倾向购买国际零部件企业的成熟产品，国产自动驾驶仍然“外国心”。而在另一边，国内不少掌握自动驾驶单项技术的供应商缺少实战机会。他们不但难以形成完整的产品的开发能力，而且面临着成本高居不下的瓶颈。如何跳出单个企业，带动整个产业链的勃兴，甚至是更重要的前提。
不过此时脑中想起的，是曾经听到的一则提醒：弯道也好，换道也罢，都是卡位机会，但超车本身也是危险行为，前提是你必须拥有一身过硬的技术本领。两大流派能坐在一起，最有价值的探讨，必定是自动驾驶面对的挑战和突破：
1.传感器配置优化与数据融合。
自动驾驶的传感器除了要满足严苛的车规级认证，还要在配置上确保不同环境天气时间360°全方位感知。实现不同功能的传感器配置要兼顾本车姿态，考虑低成本、少盲区。不同传感器算法与数据格式的差异性，决定了数据融合的难度。单一传感器实现ADAS功能已经日渐成熟，用传感器融合建立冗余保证安全的做法依然是项挑战。
2.软硬件高度配合的计算单元。
自动驾驶与ADAS相比，数据运算量将面临爆炸式增长。除了算法本身的优化，硬件计算性能、功耗、以及成本把控，将软硬件深度绑定才能获得一款兼顾性价比的计算单元。而且主机厂都有对车载设备小型化的期待，通过更高的集成化程度，自动驾驶核心控制部件不用把后备箱塞得满满当当。
3.面向自动驾驶的线控和总线设计。
为了满足自动驾驶低时延控制，执行机构需要经历电子化改造，线控系统的开发漫长而昂贵。自动驾驶汽车，急需满足更高数据带宽的车内连接。现有CAN总线并不擅长高速数据传输，汽车正在等待更加适应大数据运算的以太网设备。
4.基于近场通讯、5G以及云计算的网联技术。
V2X可以视为感知部分的补充，在本地传感器失效的情况下，车联网也能支撑自动驾驶汽车安全抵达目的地。除此之外，V2X可以补充本地传感器视域之外的环境信息，让自动驾驶汽车不再受到物理传感器的局限，进而看得更远。
5791127928浙江杭州
6034332088北京
