自動駕駛級別提升的技術(shù)瓶頸主要有以下幾個方面。

首先是傳感器的問題。現(xiàn)在車上安裝的各種傳感器，像毫米波雷達(dá)、激光雷達(dá)、超聲波雷達(dá)、單目攝像頭、雙目攝像頭、紅外攝像頭等，無法檢測到環(huán)境中的所有威脅，即便傳感器融合也難以做到，這就無法完全保障駕駛的安全。

其次是算法。現(xiàn)有算法，不管是傳統(tǒng)的還是基于深度學(xué)習(xí)的，都無法滿足感知部分的需求，不能準(zhǔn)確檢測到威脅車輛的因素。在算法上還需要繼續(xù)改進(jìn)和提升。

然后是車輛安全問題。一方面是功能安全標(biāo)準(zhǔn)還不完善，雖然有像 IEC61508、ISO26262 以及 SOTIF 等標(biāo)準(zhǔn)，但真正把功能安全用好的還很少，SOTIF 的可行性也受到質(zhì)疑。另一方面是雙冗余、線控底等系統(tǒng)底層構(gòu)建安全還不夠成熟。目前量產(chǎn)的域控制器、線控機(jī)構(gòu)成本高，部署不廣泛，域控制器暫時不能支持更多傳感器和模塊工作，I/O 不足。為滿足功能安全，需要兩個同等模塊共同作用于系統(tǒng)，這會增加成本并考驗(yàn)研發(fā)能力，導(dǎo)致很多功能缺少必要的冗余備份。

此外，算力也是關(guān)鍵瓶頸。自動駕駛從 L1 到 L5，每增加一級，對算力的需求就增加一個數(shù)量級。當(dāng)前的行業(yè)展開了一場算力的軍備競賽，感知是現(xiàn)階段對算力需求最大的部分。

最后，產(chǎn)業(yè)發(fā)展理念、技術(shù)路線等方面尚未完全形成共識，不同行業(yè)對智能網(wǎng)聯(lián)汽車跨界融合特征認(rèn)識不足，新的產(chǎn)品架構(gòu)、研發(fā)模式、商業(yè)模式、測試模式等都還需要不斷創(chuàng)新和探索。

不過，雖然存在這些瓶頸，但自動駕駛是未來的趨勢，相信隨著技術(shù)的不斷進(jìn)步，這些問題都將逐步得到解決，實(shí)現(xiàn)更高等級的自動駕駛。