这出现表现在出行成本的下降和时间利用效率的提升。据百度自动驾驶事业部总经理王劲介绍，未来，80%的汽车将是共享的，百度经过建模测算得出：如果居民采用完全自动驾驶模式的电动无人驾驶出租车方式出行，其成本仅为当前有人驾驶出租车出行成本的44%。甚至，如果该电动无人驾驶出租车采用分时共享方式运营的话，其出行成本将进一步降到目前出租车方式的1/3。美国一个通勤者的单程平均驾驶时间是 25 分钟，中国大城的通勤时间更长，当有了自动驾驶技术之后，人们可以在通勤中有更多的时间来工作和休闲。同时，自动驾驶汽车还可以为我们「跑腿」去处理一些任务。

因此，自动驾驶将大幅提升我们的生活效率，并且会创造出一种全新的智能城市形态。带来的影响不可估量，因此也成为众多科技巨头纷纷加入进来的原因。

从 20 世纪 80 年代卡耐基梅隆大学的 Navlab 计划，到谷歌自动驾驶项目，再到如今所有相关公司的强势布局，众多参与者都走在追求这个终极目标的路上，每个参与者都会基于自己的优势规划发展路径。各个领域的参与者从不同角度向自动驾驶这个目标进发，特斯拉上个月刚刚发布了完全自动驾驶硬件，包括 8 个环绕摄像机、12 个升级版的超声波传感器、具有增强功能的前视雷达、基于 GPU 的更强大的车载计算系统和特斯拉自己开发的神经网络；创业公司 Drive.ai 另辟蹊径选择了与自动驾驶汽车与周围环境（主要是人类）进行通信的发展方向；英伟达则将端到端学习应用到了自动驾驶中；牛津大学和Udacity刚刚开放了各自的自动驾驶数据集。

以谷歌和特斯拉为例，两家公司都使用了多种相似的传感器、地图技术以及汽车的「学习」软件技术，但各自有一些不同的考量。但就像人类一样，无人驾驶汽车也需要一双「眼睛」去「看」到路上的人、车、物，以安全为前提做出决策。而在这项技术方面，谷歌和特斯拉有不同的考量。 谷歌激光测距系统 LIDAR，通过向目标发射探测信号(激光束)，然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较，来计算目标的相关信息，比如距离、方位、高度、速度、姿态、甚至形状等参数。由于该技术可高度精确地计算汽车与周遭环境的位置关系，因此激光测距系统 LIDAR 是目前无人驾驶技术最优的选择之一。而特斯拉则完全不买 LIDAR 的帐，而是采用高速摄像头让汽车「看见」周遭的一切。

在数据方面，特斯拉在去年 10 月通过软件升级增加了辅助驾驶功能，这个功能在研发时使用了特斯拉车主过去 18 个月积累的 7.8 亿英里行驶数据。在该功能上线后的短短六个月内就积累了 4,700 万英里数据，远远超过谷歌历时 6 年积累的 150 万英里，而近期特斯拉的这个数据已经增加到 1 亿英里。特斯拉在收集数据上有着垄断性的巨大优势，所以能够利用现有深度学习做自动驾驶，atv，在与大多数同行竞争中已然遥遥领先。但特斯拉并没有满足这一状态，Elon Musk 同时通过成立 Open AI 在本质上寻求能够实现第四级别自动驾驶的下一代的深度学习算法。

在通往自动驾驶之路上，各家科技公司各显神通，百度无人车的体验让我们意识到自动驾驶已经离我们的生活越来越近，而现在我们需要探寻的就是谁将先到达那里。自动驾驶涉及的技术非常复杂，现在下结论还为时过早，但唯一明确的一点是，自动驾驶是一项系统工程，需要各种技术相结合。BCG报告中指出，传感器和传感器整合技术在自动化驾驶中至关重要。但除此之外，自动驾驶还需要有精确到10厘米以内的高清地图，满足其对周围环境进行预判。传感器和地图的结合可以保证数据的连贯性，准确定位、导航，不止这些，高清地图可以对传感器进行交叉检查，帮助自动驾驶车辆对周围环境进行实际的测试。

百度无人车的这次试乘不仅可以让我们更加自信的畅想自动驾驶给我们带来的未来，同时也更好的让我们感知到系统性自动驾驶技术的进展。