在上海举行的世界人工智能大会（WAIC）上，特斯拉首席执行官埃隆·马斯克再次放出一颗重磅冲击波：他表示特斯拉非常有信心在一年内完成L5级别自动驾驶的基础框架和功能。消息一出，业内一片哗然——要知道，L5可是自动驾驶的终极目标，意味着车辆在任何场景下都能完全自主操作，无需人类干预。

那么问题来了：这位“钢铁侠”的豪言壮语，真的能在一年的时间内兑现吗？

自动驾驶等级区分

在聊L5之前，有必要先把自动驾驶的等级体系拉出来遛一遛。行业里通用的划分标准是这样的：

L1级：车辆能做一些简单的辅助监控，比如ACC自适应巡航、胎压监测、交通标识识别、自动刹车、防抱死系统等。说白了，就是车子帮你盯着点，但主要还得靠人。

L2级：通常配备ACC自适应巡航、车道保持、自动刹车辅助、自动泊车等功能。在某些情况下，驾驶员可以短暂地松开方向盘，但眼睛必须时刻盯着路面。

L3级：在特定环境（比如高速公路）下，车辆可以自主完成驾驶操作，包括根据路况选择行车路线。但遇到系统搞不定的情况，必须立刻把控制权交还给驾驶员。

L4级：车辆在限定场景内（比如城市部分区域）可以完全自主驾驶，驾驶员可以彻底“脱眼脱手”，但前提是场景被严格定义。

L5级：终极形态，没有场景限制、没有条件约束。任何道路、任何天气、任何交通状况，车辆都能自己搞定，人类只管当乘客。

而马斯克的目标，就是在一年内从目前的L3直接跳到L5。他在大会上原话是这么说的：“特斯拉目前的研发进度非常接近5级自动驾驶技术，这意味着未来Model 3/Y/S/X能够在驾驶员零输入（或注意力）的情况下进行自行驾驶。同时，我对L5级别自动驾驶的高度自治非常有信心，因此我认为L5将很快来到我们身边。”

L5真的那么“容易”吗？

要实现L5级别的自动驾驶，远不是在车上多装几个摄像头那么简单。它背后需要整合GPS定位、道路信息、人员/车辆检测、高精度地图、法规适配等一系列技术。

简单来说，一辆合格的L5车辆必须实时解决三个核心问题：周边有什么、自己在哪里、下一步该怎么走。只有能同时搞定这三件事的汽车，才配得上L5的标签。

但反观特斯拉的现状，按照美国标准衡量，目前其自动驾驶水平还停留在L3阶段。也就是说，车辆并不能完全独立观察和分析路况，大部分情况下还是以驾驶员为主导。一旦遇到紧急情况，系统会立刻要求驾驶员接管，转为手动驾驶。

从L3到L5，中间隔着好几道技术鸿沟。一年之内实现跨越，从目前的技术演进节奏来看，希望相当渺茫。下面咱们掰开揉碎看看，这几道坎到底有多难跨。

1. 识别问题

视觉识别是自动驾驶的基础环节，但实际场景中麻烦不断。比如逆光、反光、夜间弱光等条件下，图像识别的难度会直线上升。前几年特斯拉就曾因为识别错误，把白色货车的车厢误判成天空，直接撞了上去。更头疼的是，视频识别需要消耗巨大的算力，算力一旦跟不上，数据处理就会滞后，这在高速行驶中是致命的。

2. 激光雷达

为了弥补纯视觉方案的短板，不少厂商选择用激光雷达作为补充。近几年固态激光雷达技术确实有了突破，被大量应用于自动驾驶测试中。但不可否认，它自身也有几大硬伤：

（1）旁瓣问题：光栅衍射除了中央明纹外还会形成其他明纹，导致激光能量在主方向之外分散，影响探测精度。

（2）加工难度高：光学相控阵要求阵列单元尺寸不大于半个波长。目前激光雷达工作波长约1微米，单元尺寸必须控制在500纳米以内。而且阵列密度越高，能量越集中，对加工精度的要求也越苛刻。

（3）接收面大、信噪比差：传统机械雷达只需要很小的接收窗口，固态激光雷达却需要一整块接收面，这会引入大量环境光噪声，增加解析难度。

3. 高精度定位

车辆必须实时知道自己在地图上的精确位置。目前除了GPS/北斗等卫星定位，还需要依赖高精度地图、激光雷达、地面基站等多重手段辅助。虽然有些企业宣称已实现厘米级定位，但在实际路测中很难稳定达到这个精度。更麻烦的是，一旦车辆进入隧道或地下停车场，卫星信号会瞬间断链，定位系统立刻失效。

除此之外，自动驾驶还面临安全冗余、天气适应性、频谱分配、法律法规等一大堆问题。短时间内想让这些技术全部成熟并量产，几乎不现实。

所以回过头来看马斯克的“一年之约”——恐怕更像是发布会上的热情表态，而非严密的技术路线图。除非他把场景限制在美国洲际公路上，那里的道路条件相对简单、标识清晰。但要是放到国内复杂的城市路况下，L5级别的自动驾驶至少还需要一年以上的封闭测试和开放道路测试，才能真正谈落地。

延伸阅读：自动驾驶要解决什么问题？仅仅是解放驾驶员的双手吗？

在关于自动驾驶的宏大叙事中，人们寄予了太多期望：合理分配出行服务、缓解道路拥堵、提升运输效率……但仔细想想，这些美好愿望真的能靠自动驾驶实现吗？

拿“合理分配出行服务”来说，滴滴已经走在了前面。他们通过人、车、路的动态匹配，把服务高效地提供给每一个用户。逻辑其实很简单：用户叫车，系统派单给周围驾驶员，驾驶员接单后把车开到指定位置。经过长期数据积累，平台甚至可以预测不同时段的用车需求，提前引导运力分布。

但如果换成自动驾驶车队，情况就复杂了：

车辆使用率：为了最大化利用效率，自动驾驶车辆必须不停地在路上行驶，这反而会加剧道路的拥堵程度。

维护成本：长时间、高强度的运行会加速车辆磨损，维修保养的频率和成本都会直线上升。

更别说还要考虑安全性、恶劣天气应对、信号频谱分配等一系列现实问题。自动驾驶真正走向成熟，还有相当长的一段路要走。而“缓解交通拥堵”这个目标，恐怕短期内不仅实现不了，还可能适得其反。