1.高精度預計算地圖，壟斷vs競爭

現(xiàn)在每個人出行都會用谷歌地圖、蘋果地圖、百度地圖及高德等產(chǎn)品，并且他們都有一個不錯的準確度令我們在城市中可以便捷的通行。但令人類用戶滿意的地圖精度距離滿足自動駕駛汽車的需求還很遠，因為他缺乏了路面上有幾條車道、車道的邊緣位置、隔離帶與路障位置等極為具體的信息。

因此給自動駕駛汽車開發(fā)其專用的高精度地圖便成為了必不可少的任務。國內(nèi)外較大的地圖提供商目前都已經(jīng)在高清地圖領域展開了積極的行動，意圖盡快的占領自動駕駛汽車用地圖市場更多的份額。

高清地圖服務商一般先要使用類似于谷歌街景車的技術，用車頂上的高清相機、雷達等設備把周圍環(huán)境全部掃描記錄，再通過算法優(yōu)化最終得到厘米級別的地圖數(shù)據(jù)。

HERE生產(chǎn)高清地圖的策略與Google類似，這兩家公司目前都是一次性采集一整個街區(qū)的數(shù)據(jù)。HERE通過車頂安裝的四個廣角的24兆像素攝像頭、旋轉式的激光雷達、陀螺儀以及GPS系統(tǒng)，依靠自有算法能夠生成高清地圖。按照Here的預期，用于自動駕駛高清地圖服務預計將在2020年能夠上線。

國內(nèi)的高德地圖也已經(jīng)在推進地圖數(shù)據(jù)的高精度化，在未來高德希望能夠利用高精地圖數(shù)據(jù)支撐自動駕駛的發(fā)展，自動駕駛再產(chǎn)生新的數(shù)據(jù)，經(jīng)過科學自動化的處理，變得更新更準，更能被機器電腦使用和學習的數(shù)據(jù)，最終形成高精地圖數(shù)據(jù)的生產(chǎn)閉環(huán)。地圖行業(yè)及自動駕駛領域的巨頭百度也早有布局，目前高精度地圖已經(jīng)是百度最重要的戰(zhàn)略性業(yè)務之一。

A16Z的合伙人擔心高精度地圖會存在壟斷的機會，因為他認為在自動駕駛時代人們將不得不完全依賴于這些成本高昂地圖，且這個目前沒有法律所管轄的領域也急需監(jiān)督。

星河研究院認為從我國情況來看這種擔心有些多余，在國內(nèi)資本充足的現(xiàn)狀下，多家地圖企業(yè)相互競爭才是比較現(xiàn)實的情況，而其高昂的成本多半要先由風險投資商承擔，再到后期尋找合適的變現(xiàn)模式。目前高德已經(jīng)宣布其高精度地圖對自動駕駛汽車免費開放，而預計隨著競爭的加劇，為了市場份額而爭相免費的情況將不可避免。

2.機器學習vs工程算法：

算法是支撐自動駕駛技術最關鍵的部分，目前主流自動駕駛公司都采用了機器學習與人工智能算法來實現(xiàn)。

而海量的數(shù)據(jù)是機器學習以及人工智能算法的基礎，通過此前提到的傳感器、V2X設施和高精度地圖信息所獲得的數(shù)據(jù)，以及收集到的駕駛行為、駕駛經(jīng)驗、駕駛規(guī)則、案例和周邊環(huán)境的數(shù)據(jù)信息，不斷優(yōu)化的算法能夠識別并最終規(guī)劃路線、操縱駕駛。

現(xiàn)在面臨的主要問題是相比于模型計算，真實行駛場景中的算法需要的數(shù)據(jù)過多且計算量超出了現(xiàn)有能力。目前已經(jīng)有了不少對機器學習進行簡化的嘗試，例如OpenAI的Universe這一項目，未來這一問題或許能夠通過近似簡化以及計算能力的提高得到解決。

同時在機械以及路徑規(guī)劃方面較為優(yōu)秀的工程算法也不應該被棄之不顧。這兩者最主要的區(qū)別是工程算法依靠固定的邏輯及規(guī)則運行，而機器學習能夠結合歷史經(jīng)驗與數(shù)據(jù)計算出最優(yōu)結果。

BostonDynamics令人驚嘆的機器人的算法中并沒有使用機器學習技術，但依然擁有了令人印象深刻的成果。因此即使工程算法在執(zhí)行效率上與基于深度學習算法的Alpha-Go并不在一個水平，但將兩者的優(yōu)點相結合依然能夠有效的提升機器學習的最終效果。

3.算法通用化vs本地化：

本地化是一個計算機科學的術語，意味著軟件將會依據(jù)其周圍的環(huán)境條件選擇合適的執(zhí)行策略。

每個城市都有不同的駕駛習慣，所以未來自動駕駛汽車如何處理好本地化問題成為了其實際應用前必須突破的障礙。如果算法不能夠做到本地化，那么在班加羅爾適用的自動駕駛安全措施很明顯將會在波士頓造成嚴重的交通擁堵，其他城市亦然。

但我們無法為每一個不同駕駛習慣的地區(qū)都編寫特定的算法，因此能夠實現(xiàn)本地化的自適應綜合算法成為了關鍵，這種自適應算法要做到能夠通過學習社會習俗及典型的當?shù)厝祟愋袨閬硎棺詣玉{駛汽車獲得更好的表現(xiàn)。