無人駕駛的車技術瓶頸不少。

感知層面，攝像頭視覺感知雖接近人眼且成本低，但視頻信號轉(zhuǎn)化要大量訓練數(shù)據(jù)和算法算力，識別不了未訓練過的障礙物，強光環(huán)境識別難。

激光雷達探測范圍廣，可暴雨大霧天測距不準，信息量太大要強大軟硬件支持，成本還高。

毫米波能應對惡劣天氣，卻只能識別角度和距離。

多傳感器融合感知系統(tǒng)能互補，可時空同步、芯片算力、信息統(tǒng)一獲取得解決。

決策方面，硬件芯片要求高，供應商集中易受貿(mào)易禁令影響，軟件機器學習算法多樣，沒達 100%安全得大量測試驗證。

激光雷達在測距方法、激光器、探測器、掃描模塊有技術路線爭議。

決策規(guī)劃上，特殊場景像車里有臨盆孕婦，競爭和非常規(guī)策略要克服。

端到端自動駕駛沒法系統(tǒng)化解釋分析，出問題不好解決。

還有技術集成、安全設計、網(wǎng)絡安全、法規(guī)完善、公眾接納度、黑客襲擊風險、通信不暢、AI 處理能力、手動駕駛接管不穩(wěn)定、道路交通法、導航精確程度、道路升級改造等一堆問題。

解決這些瓶頸得一步步來，比如加大對感知技術的研發(fā)投入，優(yōu)化算法算力提高攝像頭性能，改進激光雷達在惡劣天氣的表現(xiàn)，融合多傳感器時提升芯片算力做好信息同步獲取。

決策方面，突破硬件芯片限制，豐富供應商，軟件算法要大量測試保證安全。

激光雷達技術路線得統(tǒng)一標準，決策規(guī)劃特殊場景要多模擬訓練。

技術集成、安全設計等全面優(yōu)化，完善法規(guī)讓無人駕駛有法可依，加強網(wǎng)絡安全防止黑客襲擊，提升通信能力保證信息暢通，增強 AI 處理能力，穩(wěn)定手動駕駛接管，提高導航精度，改造道路適應無人駕駛。