除了天隼图像，驭势科技也将自动驾驶的落地锁定到了园区。在驭势科技创始人吴甘沙看来，封闭园区具有道路环境固定，稳定性高等条件，是目前能最快实现商业化的路径。

　　吴甘沙表示，目前驭势科技已经与多家整车厂商进行了合作，他们提供的解决方案也已经在这些厂家进行测试。据他透露，驭势科技的低速自动驾驶车辆有望于2018年就在一些园区进行商业运营，最快能够在2019年出现在量产车上。

　　国内外算法差距小，数据差距大

　　提到自动驾驶技术，不得不首先提到激光雷达。作为自动驾驶必不可少的传感器，激光雷达正在逐渐发展成“标配”。

　　最早开始研究自动驾驶的谷歌采用的就是激光雷达为主的解决方案。在国内，起步于2013年的百度自动驾驶项目使用的也是激光雷达传感器。此外，包括大众、日产、丰田等公司都在研发和测试无人驾驶汽车技术，也用到了激光雷达。

　　目前，大多数业内的自动驾驶测试车都使用的是Velodyne公司生产的激光雷达，其64线激光雷达的售价高达70万元人民币。某种程度上说，激光雷达高昂的价格成本正是无人驾驶汽车无法大规模商用的重要原因。

　　对此，一些公司开始尝试能代替激光雷达的解决方案。驭势科技吴甘沙介绍，目前业内的传感器融合有两大路径，一个是激光雷达+视觉感知系统的融合方案，另一个是毫米波/超声波雷达+视觉的融合方案。

　　特斯拉采用的就是后一种融合方案，最早使用的是Mobileye视觉感知系统，用摄像头作为主传感器。不过，2016年5月，美国弗罗里达洲的一场车祸将这一视觉解决方案推到了风口浪尖。

　　当时，特斯拉的电动汽车在高速公路上和一辆驶入前方的18轮重型半挂卡车相撞。面对卡车这么庞大的目标，特斯拉的自动驾驶系统不仅没能识别出来并进行规避，更严重的是，车子就像失控一样，突然加速冲了上去，最后导致车毁人亡。

　　吴甘沙分析，突然横过来的卡车不符合Mobileye视觉算法对车的认知，所以系统没能认出来；另一方面，毫米波雷达的安装位置比较低，靠近的时候就扫空了，所以这两个传感器都没发现。

　　目前，驭势科技提出的解决方案是改进摄像头，例如使用双目深度摄像头，能知道物体的距离与面积。此外，进一步改进视觉的算法，用深度学习算法提升摄像头对道路标示、车辆的识别率。

　　而图森COO郝佳男告诉小饭桌，特斯拉的事故并不代表视觉解决方案不靠谱。他认为，问题在于特斯拉错误地用了这项技术，“这个芯片本身就没有那么高的一个可靠性，还有一个问题就是，视觉感知需要融合很多种算法。”

　　对于视觉解决方案本身，郝佳男颇为自信。2016年9月，图森自行研发的深度学习算法在KITTI和Cityscapes两个自动驾驶数据集进行了评测。KITTI评测成绩显示，图森拿到了车辆检测、行人检测、自动车检测、车辆追踪、行人追踪等9个项目的第一名；在Cityscapes两套标准下，图森同样是第一名。

　　吴甘沙也认为，国内外在算法上的差距已经很小，“但数据上的差距现在还比较大，现在我们也在进行数据上的积累，只能一步一步来。”

　　政府对自动驾驶的态度：逐步开放

　　假设技术上的难题都能一一通关，政府会同意自动驾驶的汽车上路吗？

　　其实早在2015年，国务院便印发了《中国制造2025》，将智能网联汽车列入未来十年国家智能制造发展的重点领域，明确指出到2020年要掌握智能辅助驾驶总体技术及各项关键技术，到2025年要掌握自动驾驶总体技术及各项关键技术。

　　2016年10月底，中国汽车工程协会发布首个无人驾驶技术路线图。这份长达450页的报告详细制定了无人驾驶汽车发展的三个五年阶段需要达成的目标，力求高度或完全自动驾驶汽车在2021到2025年能够上市。报告还指出，2026年到2030年，每辆车都应采用无人驾驶或辅助驾驶系统。