誠然，自動駕駛行業所要遵循的第一要義是安全，但當我們在談論自動駕駛安全時，我們究竟在談論什么？馬斯克認為，“實現自動駕駛L5目前不存在底層的根本性的挑戰，但是有很多細節問題。我們面臨的挑戰就是要解決所有這些小問題，然后整合系統，持續解決這些長尾問題?！?/p>

在馬斯克眼中，L5技術（無人駕駛）不存在“底層的根本性的挑戰”，而是需要解決“小問題”，然而這些小問題真的那么好解決嗎？

“自動駕駛的核心技術是基于感知、決策、執行三個步驟來構建?！币晃蛔詣玉{駛測試工程師向我們表示。

互聯網江湖認為，當前自動駕駛所面臨的的安全“小問題”主要體現在兩個方面，一是感知問題，二是認知問題。自動駕駛汽車的一切執行層動作幾乎都要基于汽車的“感官感知”與“大腦認知決策”來進行，也因此，“感官與大腦”的問題是當前行業技術攀峰時面前最大的攔路虎。

我們分別來看，感知問題，也就是汽車的眼睛能否看到物體。

最大的挑戰“鬼探頭”現象是一個經典例子，比如對一輛高速行駛的自動駕駛汽車而言，側方前車擋住的盲區突然竄出一個物體，由于慣性的客觀存在，即使能夠在最后看到物體，系統無論是做出急剎還是繼續行駛決策，都很難避免事故發生。

再來看認知問題，形象地來說也就是教汽車認知物體。

就像是在我國，曾有過一輛特斯拉電動汽車誤把前車排氣管掛的紅繩認作路障，這其實就是自動駛汽車所要解決的無窮無盡認知問題的一個縮影，也許在下一次OTA后這個問題就能輕易解決，但諸如此類的特殊認知問題還有多少？其實是非常難以量化的。

從這兩個問題中我們不難發現，如果單純地將智能化武裝到汽車上，也許認知問題可以依靠像是擁有龐大車隊的特斯拉來慢慢“教學”，但解決感知問題則很難，畢竟汽車的感知設備在解決諸如“鬼探頭”這樣的問題時，難免存在視覺盲區。

因此，相較于單純地打造一臺自動駕駛汽車，不少企業已經在開辟一條全新路線，即通過車、路、云等多端聯合的方式為自動駕駛汽車“開天眼”，為自動駕駛汽車提供更多的感知冗余，這條路線就是車路協同。

那么車路協同當前都有哪些企業在做？又能解決多少馬斯克的“不自信”？我們不妨進一步分析。

二、車路協同，一場尚未白熱化的戰爭

車路協同其實也并非一個新鮮事物，最早可以追溯到上世紀90年代，在當時的歐美日等國家就已經被提出，“十二五”期間，我國科技部也立項了“智能車路協同關鍵技術研究”。

不過在之后的很長一段時間里，車路協同都未得到長足發展，直到我國互聯網巨頭的相繼入局。

1. 播種與沉寂

從2017年開始，阿里云就在杭州繞城高速中提供了視覺AI識別技術，在18年的云棲大會上，阿里也宣布升級汽車戰略，由車向路延展，利用車路協同技術打造“智慧高速”。

作為國內自動駕駛行業的領軍者之一，2018年9月，百度也正式宣布了將打造車路協同開源方案。時至今日，據媒體報道，基于ACE智能交通引擎，百度已在近二十個城市開展落地實踐。

百度早在18年就開始著手布局車路協同，實為意料之外情理之中，面對汽車工業的變革浪潮，百度幾乎是在全領域重倉押注，以Apollo為中心，百度當前已經圍繞自動駕駛構建了Robotaxi、MiniBus、車路協同、小度車載OS、智慧礦山等一系列的生態化解決方案。

另一邊的阿里雖然在自動駕駛領域布局沒有百度那般多元化，但超前布局“智慧高速”其實同樣有跡可循。電商業務作為阿里的大本營，阿里系的“三通一達”干線物流運輸在其中起著不言而喻的作用。通過打造“智慧高速”，將會給到其物流運輸能力領跑行業的先發優勢。

雖然車路協同看似前景無限，巨頭們的布局也讓賽道開始升溫，但梁斌向我們直言，“車路協同在智慧高速方面其實有過很多嘗試與合作，但前些年經常是測試過后就不了了之了，真正把一個測試合作做到落地的其實并不多?！?/p>

為何車路協同在此前并沒有太多地為自動駕駛落地提供助力？

在互聯網江湖看來，其實談車路協就繞不開單車智能，相較于單車智能，車路協同最重要的一個區別就在于能夠通過感知做到更多的安全冗余，這就意味著車路協同所要做的，其實就是給未來的自動駕駛汽車打造智能化新基建。

基于這樣一個認知，我們不難發現，當車路協同離開了單車智能，也就自然無法發揮其獨特勢能。

小馬智行CTO樓天城曾做過一個生動的類比，“單車智能是軍隊中每個士兵的能力都很強，車路協同更多是軍隊指揮系統，兩者相互促進，并不矛盾?！?/strong>