问题如影随行，是阵痛？还是技术天花板
   视线转到大洋彼岸，作为行业领头羊的美国却传来了让人高兴不起来的消息，3月19日，Uber无人驾驶车在夜间行驶测试时撞死一位行人，成为有史以来最严重的交通事故，为自动驾驶前景蒙上一层寒霜。

   虽然事故的原因目前依然众说纷纭，但从公布的资料来看，问题还是聚焦在夜间行驶这个场景上，有美国的网友看过视频后表示，在光线昏暗的情况下，摄像头拍摄的图像非常昏暗，不可能看到行人。国内专注做视觉成像芯片的眼擎科技CEO朱继志，朱继志则认为：“具体情况还不明了，但现场环境来看，不会那么黑，因为传统摄像头比人眼能力差几十倍，所以如果人来看的话，应该是可以看到行人。但对于汽车来说，第一、行人离车距离太近，车速过快，激光雷达未必反应的过来。第二、当时行人是从暗部走向亮部，因为路灯的原因，光线明暗反差太大。在暗部的时候，汽车没有监测到，等行人走到亮部的时候，距离太近已经太迟了。夜间道路光线环境太复杂，汽车摄像头的动态范围需要提升30倍以上，自动驾驶汽车才有上路的可能。”
   “然而，让人惊讶的是，摄像头能力并没有我们想象中的那样火眼金睛，传统摄像头广受光照条件影响，在强光、弱光、逆光、反光等情况下，普遍无法保持正常工作，自动驾驶正常行驶的本质，打个比喻来形容，摄像头就是眼睛，而激光雷达是手，如果看不清楚只靠摸的话，终归不是长久之计。”
   “过去三十年，以ISP为代表的传统成像架构一直统治着成像能力的表现，即使现在AI发展了，发现传统摄像头能力不够，效果也不可能有很大的提升，原因很简单，三十年前的技术架构，人家不可能考虑未来人工智能有什么需求，以前图像只考虑给人看，现在的图像是给机器看，但传统架构成形多年，积重难返。这就是技术架构的弊端，久而久之，大家没看到视觉能够突破，就形成了一种潜移默化，普遍认为视觉能力就是不可能有突破，这也是激光雷达日后被叫好的一个原因，其实本质上，我们应该回到问题的源头，视觉能力不够，就研发新的成像引擎架构，做视觉成像专用的芯片，来提升汽车的视觉能力，这件事不好干，我们为此专注做了4年，就是眼擎科技目前做的事情。”朱继志的介绍中，大体解释了自动驾驶视觉领域技术存在天花板的成因，也基本明白了为什么大家都不愿意去做，原创技术没有经验、耗时费力，“聪明人”都觉得不划算。

   而当前最受车企青睐的激光雷达，除了成本高、分辨率低外，更无法获取物体对象的颜色信息，更不善于实时地分辨物体。
   一时之间，陷入僵局。
   自动驾驶汽车产业的三座大山：算法、量产能力、关键技术
   通过跟行业里很多朋友沟通，记者了解到，汽车属于长周期，重研发产业，虽然自动驾驶当前很多创新，标准未必都像传统汽车业那样严苛，但是也要比消费电子要求高几个甚至十几个量级。

   自动驾驶车企想要发展，必须要考虑三个问题：
   第一就是自动驾驶算法层面的设计和优化，目前大部分厂商考虑接入百度Apollo，一部分则考虑自建团队自力更生，这是人才和技术的“军备竞赛”，而这点互联网公司和新兴创业公司具有优势。
   第二是量产能力，近期特斯拉频频被行业人士抨击，就是因为特斯拉汽车产能不足，前段时间威马创始人沈晖接受采访时也表示：“造车新势力的窗口期只有三年，年销量10万量才能活下来，而期待靠其他车场代工解决量产能力，是一个美好的愿望。”印证了汽车整体量产能力不亚于生死线，这点传统车企有优势。