论文部分内容阅读
无人驾驶不是辅助驾驶，产业化尚有三道壁垒
你准备外出，打开手机上的APP，点击“出行用车”，并输入目的地。出家门后，你耐心等待专属无人驾驶汽车的到来。车内没有司机，没有方向盘，甚至没有刹车和油门。待你坐上车后，汽车会自动前往之前输入的地点，路上都是这样的无人驾驶汽车，你可以躺下休息，看看电影，不费吹灰之力便能到达。然后在APP上轻击“停车”，汽车就能自动寻找车位。泊完车后，还可以让车自己出去找加油站，等你回来。
这种场景目前还只能在科幻小说里实现，现实世界中，能够用来量产的无人驾驶技术还处于初级阶段。无人驾驶产业化难点可分为三层：人与车、车与车、车与环境，这三道壁垒层层渐进。
人与车难点在于，如何界定人与车的关系和事故定责;而车与车之间，数据共享存疑，以及商业模式仍不明朗;至于车与环境互联互通，则需要推动汽车产业和电子信息产业的深度融合，打破行业间的壁垒。
仅靠整车厂或者互联网企业闭合系统下的研发，肯定不足以成就无人驾驶，这需要整个体系齐力协作。
无人驾驶就是通过越来越多的电子电器技术，把汽车真正地变成装在四个轮子上的电脑，通过车载智能系统感知周围环境，能够完全接管车辆控制及无人驾驶，从而最终实现智能驾驶系统。这套智能系统主要由三部分组成：感知模块、中央决策模块和底层控制模块。
你甚至可以把无人驾驶汽车看成一个高度智能化的出行机器人，它拥有人类关于行动的众多感官。
最核心的子模块是中央决策模块，类似于人脑中的中枢神经。汽车的行为决策都由它完成，包括路径规划、导航、信息融合和路径跟踪等。通过一个小黑盒子，即域控制器对由感知模块搜集来的信息进行整合，再做分析和决策，形成自主驾驶、避障、超车等行为。
感知模块则更像人类的感受器。人通过眼睛、耳朵、鼻子，去感知这个世界的光色声味，自动驾驶汽车则依靠由摄像头、激光雷达、雷达、GPS等组成的环境感知模块收集环境信息，去感知路况、道路信息。
感知模块收集完数据，再由中央决策模块分析后，信息抵达了最后的底层控制模块，相当于人的四肢，控制车辆行驶速度、角度，使车辆适应环境的改变，按照决策的路线安全行驶。
由上至下，智能驾驶系统需要各层模块的信息整合，互相作用，才能让无人车运转起来。
就像人出门还得带地图和雨伞一样，除了智能驾驶系统，无人驾驶汽车还需要借助外力。在感知模块中，传感器和传感融合技术仅是获得数据，感知外界情况的第一步。配上高精度的地图，能够及时修正数据上的误差，辨识车辆的准确位置并导航，同时高精度地图也能够核对数据，并帮助汽车精确监测周边环境。
比如谷歌无人驾驶汽车的卖点很大程度在于谷歌地图。中国信息通信研究院副院长张延川告诉《财经》记者，云端详细地图导航可以精确地告知路况、街景。高精度地图导航、驾驶指令，背靠的是强大的云端计算能力。
专用短程通信技术（DSRC）、4G/5G、GPS等技术构成的协同式环境感知模块，将车辆周围信息传到云端大数据进行分析决策，在云端做进一步的融合、机器学习、分析等，并将这些信息再次下发给即将到达该区域的车辆。自动驾驶汽车可以提前知道前方5公里发生了交通事故，10公里处有临时的施工，而在20公里以外已经开始下雨。
也就是说，无人驾驶汽车是一个拥有高度学习能力的人工智能机器人。IBM全球企业咨询服务部合伙人王涛向《财经》记者表示，云是数据存储、交互、处理的平台。无人驾驶汽车利用云存储云计算等技术，可以拥有认知能力，进行修复和优化，无需人为干预，也可以与周围基建连接，实现共享。在大数据的支持下，机器学习的能力是无边际的，可以支撑无人驾驶系统。
负责谷歌无人驾驶汽车的软件主管Dmitri Dolgov则认为，无人驾驶汽车可以利用深度学习算法来创造路上行人的模型。汽车行驶的每一英里路程的情况都会被记录下来，汽车电脑就会保持这些数据，并分析各种不同的对象在不同的环境中如何表现。有些行为可能会被设置为固定变量，如：绿灯亮，汽车行。
这些都还只是试验阶段的愿景，现阶段无人驾驶技术领域应用较广泛的是驾驶辅助系统，其功能包括自适应巡航、自动紧急制动、道路偏离检测、辅助泊车、碰撞预警、紧急刹车辅助等。
当与前车之间的距离过小时，自适应巡航控制系统控制单元可以通过与制动防抱死系统、发动机控制系统协调动作，使车轮适当制动，并使发动机的输出功率下降，以使车辆与前方车辆始终保持安全距离。自动紧急制动系统基于周围传感器和电子稳定程序ESP的联网，持续监测车辆前方的交通情况，在即将发生追尾事故的情况下避免事故的发生或者降低事故的严重程度。还有自动识别交通路牌的功能，从而根据路牌控制车速，即使驾驶员给出更高的速度，也只按照这段路规定的速度行驶。
“实现全天候、全区域的无人驾驶至少要20年时间。”这是驭势科技联合创始人吴甘沙的判断。吴在英特尔工作了16年，专研大数据和人工智能，这两者正是无人驾驶汽车中的精髓，赶着这一波热潮，吴离职创办了驭势科技，提供自动驾驶系统的解决方案。
吴甘沙告诉《财经》记者，目前车企能实现量产的主要是高级驾驶辅助系统（ADAS），在特定场景，城区中低速情况下实现无人驾驶要快得多，但离真正的无人驾驶还距之甚远。
如何准确界定无人驾驶，中国并无公认的行业标准。目前业内广泛沿用的是美国高速公路安全管理局（NHTSA）的标准，将自动化驾驶分为五个阶段（level 0-4），分别是无自动、部分自动、半自动、高度自动以及全自动驾驶，划分以驾驶员的自由程度和无人驾驶系统的成熟程度为标准。
目前标榜能量产无人驾驶技术的都是汽车企业，他们口中的可供量产的技术其实是ADAS系统，它是无人驾驶的前驱型阶段，按照国际标准，属于自动化驾驶一级至二级的水平。ADAS系统可以利用传感器、雷达、GPS等，感知周围环境、收集数据、辨识路况，大数据上传到云端之后，再进行计算和分析，实现了转弯自动减速、避障、自动跟车、识别红绿灯、路人及前方障碍等功能，以人为主，更好地服务于驾驶者。 在技术上，辅助驾驶和无人驾驶是两个轨道，辅助驾驶无法通过技术改良进入到无人驾驶阶段。“辅助驾驶往往工作在光线充足、封闭和结构化较好的道路上，对障碍物的类型有先验的假设，而无人驾驶则不对光照、天气状况、障碍物和道路有所假设，在中国的复杂路况下尤其是个挑战。”吴甘沙表示。显然，这需要在感知和认知技术上做大跨步的革新，放大广义视觉感知能力、运用多传感器融合，采用包括深度学习和强化学习在内的人工智能技术。
上海交通大学汽车工程研究院副院长殷承良教授对不少车企提出的无人驾驶概念持保留意见。比如上汽和北汽宣称自己做出了无人驾驶汽车，殷认为这只是辅助驾驶技术在某种意义上的延伸，“无非是传感器比之前多了几个，车的信息内容比之前丰富了，完全不是具有颠覆意义的智能汽车，更不要提热议的互联网汽车了”。
汽车电子巨头博世给诸多车企提供传感器、车身电子稳定系统等重要车载零部件，连他们都不敢轻言无人驾驶汽车的量产。
博世中国执行副总裁徐大全对《财经》记者表示，技术层面下一步能实现的，首先是自动代客泊车功能。到2018年，驾驶者就可以通过手机APP一键停车，车会自己在停车场找空位，泊车完毕再反馈到手机。其次是高速公路上的高度自动驾驶，只谈技术，2020年就可以实现。而真正的自动驾驶，量产未可期，需要配套的城市高精度地图、大数据、认知计算、车车通信等技术，至少十年后才能成熟。
目前无人驾驶汽车的量产显然还突破不了第三阶段（即高度自动驾驶）：在高速公路、城郊道路等复杂路况下，可以脱离驾驶者的控制，实现部分路段自动驾驶。
那么，搭载互联网企业的无人驾驶系统是不是一条捷径呢？也不是。
谷歌早在2012年就宣称，无人驾驶技术上没有难度，然而几年过去了，谷歌的无人驾驶汽车在积累了150多万英里的路测里程以后，足迹遍布复杂路况如山、公路、平地等，这些数据和技术并没能转化为量产。
最大的痛点在于商业模式谈不拢。2014年，谷歌就与一众车企（包括奥迪、通用汽车、本田、现代）成立了“开放汽车联盟”，力图推动安卓操作系统进入车载平台，但是车企似乎并不乐于推动实质进展。
互联网企业依托汽车打造一个通用的车载平台，获得用户数据，这等于让互联网企业摁住汽车企业的命脉，后者可能因此沦为一个硬件代工商。
在埃森哲战略董事总经理沈军看来，整车企业未来发展的数字化战略一定是以车企自身为主，跟外部的数据源连接，打造更广的生态系统。车企会和互联网企业进行战略合作，以打通数据链，在这个过程中既有合作又有竞争，车企会极力避免成为代工厂。
既然利益分割谈不拢，干脆各干各的。互联网企业正迎头赶上，要么找弱势品牌代工，要么自己造车，车企如沃尔沃，则是沿袭车企主导的思路，从辅助驾驶渐进过渡到无人驾驶。
无人驾驶产业化难点分为三层，即人与车、车与车、车与环境的壁垒，层层渐进。
人与车难点在于如何界定人与车的关系、事故定责;车与车的数据共享存疑，以及商业模式不明朗;车与环境互联互通，需要推动汽车产业和电子信息产业的融合，打破行业间的壁垒。
无人驾驶的实现需要自上而下的顶层设计，法律问题、道路交通是无人驾驶上路的最大挑战，只有法律界定了问责、驾驶系统设计、改善道路环境，才能让无人驾驶汽车真正产业化。
法律方面美国已有松动。美国高速公路安全管理局（NHTSA）近期公布决议支持谷歌无人驾驶汽车，称其符合联邦法律，并且确认无人驾驶汽车的司机可以是自驾系统，而不是车主本人。这意味着，原本规定的无人驾驶汽车必须配备方向盘和刹车这一条件不复存在，这堪称无人驾驶立法上里程碑式的一步。
而中国在立法这块暂时缺失。吴甘沙认为，无人驾驶立法可谓和风劲吹，世界范围内的变化会推动国内的立法者和意见领袖往这个方向去努力，虽然中国国情和路况更复杂、起步慢，但一旦形成了统一意志，能行得更快。
无人驾驶汽车要落到实处，还得从行业内开始改变，打破第二层壁垒，即车与车之间互联不畅。车辆通过车联网，大约1公里之内的局域网，可以形成车对车（V2V）、车对基站（V2I）的互联，统称为V2X，车辆的运动轨迹都能扫描到，可以互相感受到来者是否想要转向、变道。车变成了有生命的个体，可以听见、看到、感受到，进而做预测、决定、下指令。
张延川表示，V2X通信的主要目的是保证汽车安全驾驶，能使车辆迅速了解道路环境和车况，车与车之间进行信息交互，避免车辆碰撞和预见路况，是自动驾驶的必要组成部分。
然而车企一开始并不热衷，在这个网络中，每一辆入网的车可以成为一个网络节点，具有移动性。但目前控制器局域网络（CAN）是汽车内通信核心，传送着大量关键运行数据，车企希望的是构筑一个封闭花园，而不是开放体系，这样可以提防外部风险，也可以最大化利益。
波士顿咨询的一份报告里也提到，汽车工程师一开始认为V2X的作用极为有限。自动驾驶汽车在他们看来，应该是相互独立的。车联网缺乏可信赖的通信网络，难以界定用户的隐私数据，要用好V2X通信，还得先解决这些硬伤。
这一壁垒也并非牢不可破。车内新增的安全模块可以保证每条V2X信息的可靠，同时建立V2X安全认证的升级机制，杜绝存储个人信息。目前欧美正建立基站，进行V2X通讯测试，车辆可以通过WiFi热点或无线电进行沟通，V2X系统已经实现了道路预警、实现道路信息实时共享。
美国交通部预计2020年推出V2X法规，更重要的是，有主流车企开始松口：通用汽车打算2017年开始前装V2X设备。
如何准确界定无人驾驶 ，中国并无公认的行业标准。
第三层壁垒是车与环境的互联不通。无人驾驶汽车在这张广袤的地图中行走，需要智慧城市的辅助，更需要广泛覆盖的网络作为载体。
在驾驶的过程中，路况、交通信息、导航实时信息的收发、用户娱乐系统数据与云端的传输以及其他各种APP应用，都必须要有稳定的数据网络才能保证畅通无阻，无人驾驶必须有很强的通信能力。5G通信服务能够在毫秒内做出控制，比现有的4G快50倍左右，才能使无人驾驶汽车等实时应用成为可能。
由于现有4G移动通信网络在低时延、高可靠、低功耗、大连接等数据业务上能力不足，不能全面满足无人驾驶汽车的技术要求，政府正在大力推动5G移动通信网络标准化进程。“这方面中国走在世界前列，目前国家层面计划5G的第一个运用就是无人驾驶。5G网络标准成熟和产业化时间约在2020年，正与全球无人驾驶汽车上路的时间表相吻合。”张延川表示。
你准备外出，打开手机上的APP，点击“出行用车”，并输入目的地。出家门后，你耐心等待专属无人驾驶汽车的到来。车内没有司机，没有方向盘，甚至没有刹车和油门。待你坐上车后，汽车会自动前往之前输入的地点，路上都是这样的无人驾驶汽车，你可以躺下休息，看看电影，不费吹灰之力便能到达。然后在APP上轻击“停车”，汽车就能自动寻找车位。泊完车后，还可以让车自己出去找加油站，等你回来。
这种场景目前还只能在科幻小说里实现，现实世界中，能够用来量产的无人驾驶技术还处于初级阶段。无人驾驶产业化难点可分为三层：人与车、车与车、车与环境，这三道壁垒层层渐进。
人与车难点在于，如何界定人与车的关系和事故定责;而车与车之间，数据共享存疑，以及商业模式仍不明朗;至于车与环境互联互通，则需要推动汽车产业和电子信息产业的深度融合，打破行业间的壁垒。
仅靠整车厂或者互联网企业闭合系统下的研发，肯定不足以成就无人驾驶，这需要整个体系齐力协作。
汽车也是机器人
无人驾驶就是通过越来越多的电子电器技术，把汽车真正地变成装在四个轮子上的电脑，通过车载智能系统感知周围环境，能够完全接管车辆控制及无人驾驶，从而最终实现智能驾驶系统。这套智能系统主要由三部分组成：感知模块、中央决策模块和底层控制模块。
你甚至可以把无人驾驶汽车看成一个高度智能化的出行机器人，它拥有人类关于行动的众多感官。
最核心的子模块是中央决策模块，类似于人脑中的中枢神经。汽车的行为决策都由它完成，包括路径规划、导航、信息融合和路径跟踪等。通过一个小黑盒子，即域控制器对由感知模块搜集来的信息进行整合，再做分析和决策，形成自主驾驶、避障、超车等行为。
感知模块则更像人类的感受器。人通过眼睛、耳朵、鼻子，去感知这个世界的光色声味，自动驾驶汽车则依靠由摄像头、激光雷达、雷达、GPS等组成的环境感知模块收集环境信息，去感知路况、道路信息。
感知模块收集完数据，再由中央决策模块分析后，信息抵达了最后的底层控制模块，相当于人的四肢，控制车辆行驶速度、角度，使车辆适应环境的改变，按照决策的路线安全行驶。
由上至下，智能驾驶系统需要各层模块的信息整合，互相作用，才能让无人车运转起来。
就像人出门还得带地图和雨伞一样，除了智能驾驶系统，无人驾驶汽车还需要借助外力。在感知模块中，传感器和传感融合技术仅是获得数据，感知外界情况的第一步。配上高精度的地图，能够及时修正数据上的误差，辨识车辆的准确位置并导航，同时高精度地图也能够核对数据，并帮助汽车精确监测周边环境。
比如谷歌无人驾驶汽车的卖点很大程度在于谷歌地图。中国信息通信研究院副院长张延川告诉《财经》记者，云端详细地图导航可以精确地告知路况、街景。高精度地图导航、驾驶指令，背靠的是强大的云端计算能力。
专用短程通信技术（DSRC）、4G/5G、GPS等技术构成的协同式环境感知模块，将车辆周围信息传到云端大数据进行分析决策，在云端做进一步的融合、机器学习、分析等，并将这些信息再次下发给即将到达该区域的车辆。自动驾驶汽车可以提前知道前方5公里发生了交通事故，10公里处有临时的施工，而在20公里以外已经开始下雨。
也就是说，无人驾驶汽车是一个拥有高度学习能力的人工智能机器人。IBM全球企业咨询服务部合伙人王涛向《财经》记者表示，云是数据存储、交互、处理的平台。无人驾驶汽车利用云存储云计算等技术，可以拥有认知能力，进行修复和优化，无需人为干预，也可以与周围基建连接，实现共享。在大数据的支持下，机器学习的能力是无边际的，可以支撑无人驾驶系统。
负责谷歌无人驾驶汽车的软件主管Dmitri Dolgov则认为，无人驾驶汽车可以利用深度学习算法来创造路上行人的模型。汽车行驶的每一英里路程的情况都会被记录下来，汽车电脑就会保持这些数据，并分析各种不同的对象在不同的环境中如何表现。有些行为可能会被设置为固定变量，如：绿灯亮，汽车行。
这些都还只是试验阶段的愿景，现阶段无人驾驶技术领域应用较广泛的是驾驶辅助系统，其功能包括自适应巡航、自动紧急制动、道路偏离检测、辅助泊车、碰撞预警、紧急刹车辅助等。
当与前车之间的距离过小时，自适应巡航控制系统控制单元可以通过与制动防抱死系统、发动机控制系统协调动作，使车轮适当制动，并使发动机的输出功率下降，以使车辆与前方车辆始终保持安全距离。自动紧急制动系统基于周围传感器和电子稳定程序ESP的联网，持续监测车辆前方的交通情况，在即将发生追尾事故的情况下避免事故的发生或者降低事故的严重程度。还有自动识别交通路牌的功能，从而根据路牌控制车速，即使驾驶员给出更高的速度，也只按照这段路规定的速度行驶。
量产只是个概念
“实现全天候、全区域的无人驾驶至少要20年时间。”这是驭势科技联合创始人吴甘沙的判断。吴在英特尔工作了16年，专研大数据和人工智能，这两者正是无人驾驶汽车中的精髓，赶着这一波热潮，吴离职创办了驭势科技，提供自动驾驶系统的解决方案。
吴甘沙告诉《财经》记者，目前车企能实现量产的主要是高级驾驶辅助系统（ADAS），在特定场景，城区中低速情况下实现无人驾驶要快得多，但离真正的无人驾驶还距之甚远。
如何准确界定无人驾驶，中国并无公认的行业标准。目前业内广泛沿用的是美国高速公路安全管理局（NHTSA）的标准，将自动化驾驶分为五个阶段（level 0-4），分别是无自动、部分自动、半自动、高度自动以及全自动驾驶，划分以驾驶员的自由程度和无人驾驶系统的成熟程度为标准。
目前标榜能量产无人驾驶技术的都是汽车企业，他们口中的可供量产的技术其实是ADAS系统，它是无人驾驶的前驱型阶段，按照国际标准，属于自动化驾驶一级至二级的水平。ADAS系统可以利用传感器、雷达、GPS等，感知周围环境、收集数据、辨识路况，大数据上传到云端之后，再进行计算和分析，实现了转弯自动减速、避障、自动跟车、识别红绿灯、路人及前方障碍等功能，以人为主，更好地服务于驾驶者。 在技术上，辅助驾驶和无人驾驶是两个轨道，辅助驾驶无法通过技术改良进入到无人驾驶阶段。“辅助驾驶往往工作在光线充足、封闭和结构化较好的道路上，对障碍物的类型有先验的假设，而无人驾驶则不对光照、天气状况、障碍物和道路有所假设，在中国的复杂路况下尤其是个挑战。”吴甘沙表示。显然，这需要在感知和认知技术上做大跨步的革新，放大广义视觉感知能力、运用多传感器融合，采用包括深度学习和强化学习在内的人工智能技术。
上海交通大学汽车工程研究院副院长殷承良教授对不少车企提出的无人驾驶概念持保留意见。比如上汽和北汽宣称自己做出了无人驾驶汽车，殷认为这只是辅助驾驶技术在某种意义上的延伸，“无非是传感器比之前多了几个，车的信息内容比之前丰富了，完全不是具有颠覆意义的智能汽车，更不要提热议的互联网汽车了”。
汽车电子巨头博世给诸多车企提供传感器、车身电子稳定系统等重要车载零部件，连他们都不敢轻言无人驾驶汽车的量产。
博世中国执行副总裁徐大全对《财经》记者表示，技术层面下一步能实现的，首先是自动代客泊车功能。到2018年，驾驶者就可以通过手机APP一键停车，车会自己在停车场找空位，泊车完毕再反馈到手机。其次是高速公路上的高度自动驾驶，只谈技术，2020年就可以实现。而真正的自动驾驶，量产未可期，需要配套的城市高精度地图、大数据、认知计算、车车通信等技术，至少十年后才能成熟。
目前无人驾驶汽车的量产显然还突破不了第三阶段（即高度自动驾驶）：在高速公路、城郊道路等复杂路况下，可以脱离驾驶者的控制，实现部分路段自动驾驶。
那么，搭载互联网企业的无人驾驶系统是不是一条捷径呢？也不是。
谷歌早在2012年就宣称，无人驾驶技术上没有难度，然而几年过去了，谷歌的无人驾驶汽车在积累了150多万英里的路测里程以后，足迹遍布复杂路况如山、公路、平地等，这些数据和技术并没能转化为量产。
最大的痛点在于商业模式谈不拢。2014年，谷歌就与一众车企（包括奥迪、通用汽车、本田、现代）成立了“开放汽车联盟”，力图推动安卓操作系统进入车载平台，但是车企似乎并不乐于推动实质进展。
互联网企业依托汽车打造一个通用的车载平台，获得用户数据，这等于让互联网企业摁住汽车企业的命脉，后者可能因此沦为一个硬件代工商。
在埃森哲战略董事总经理沈军看来，整车企业未来发展的数字化战略一定是以车企自身为主，跟外部的数据源连接，打造更广的生态系统。车企会和互联网企业进行战略合作，以打通数据链，在这个过程中既有合作又有竞争，车企会极力避免成为代工厂。
既然利益分割谈不拢，干脆各干各的。互联网企业正迎头赶上，要么找弱势品牌代工，要么自己造车，车企如沃尔沃，则是沿袭车企主导的思路，从辅助驾驶渐进过渡到无人驾驶。
破壁进行中
无人驾驶产业化难点分为三层，即人与车、车与车、车与环境的壁垒，层层渐进。
人与车难点在于如何界定人与车的关系、事故定责;车与车的数据共享存疑，以及商业模式不明朗;车与环境互联互通，需要推动汽车产业和电子信息产业的融合，打破行业间的壁垒。
无人驾驶的实现需要自上而下的顶层设计，法律问题、道路交通是无人驾驶上路的最大挑战，只有法律界定了问责、驾驶系统设计、改善道路环境，才能让无人驾驶汽车真正产业化。
法律方面美国已有松动。美国高速公路安全管理局（NHTSA）近期公布决议支持谷歌无人驾驶汽车，称其符合联邦法律，并且确认无人驾驶汽车的司机可以是自驾系统，而不是车主本人。这意味着，原本规定的无人驾驶汽车必须配备方向盘和刹车这一条件不复存在，这堪称无人驾驶立法上里程碑式的一步。
而中国在立法这块暂时缺失。吴甘沙认为，无人驾驶立法可谓和风劲吹，世界范围内的变化会推动国内的立法者和意见领袖往这个方向去努力，虽然中国国情和路况更复杂、起步慢，但一旦形成了统一意志，能行得更快。
无人驾驶汽车要落到实处，还得从行业内开始改变，打破第二层壁垒，即车与车之间互联不畅。车辆通过车联网，大约1公里之内的局域网，可以形成车对车（V2V）、车对基站（V2I）的互联，统称为V2X，车辆的运动轨迹都能扫描到，可以互相感受到来者是否想要转向、变道。车变成了有生命的个体，可以听见、看到、感受到，进而做预测、决定、下指令。
张延川表示，V2X通信的主要目的是保证汽车安全驾驶，能使车辆迅速了解道路环境和车况，车与车之间进行信息交互，避免车辆碰撞和预见路况，是自动驾驶的必要组成部分。
然而车企一开始并不热衷，在这个网络中，每一辆入网的车可以成为一个网络节点，具有移动性。但目前控制器局域网络（CAN）是汽车内通信核心，传送着大量关键运行数据，车企希望的是构筑一个封闭花园，而不是开放体系，这样可以提防外部风险，也可以最大化利益。
波士顿咨询的一份报告里也提到，汽车工程师一开始认为V2X的作用极为有限。自动驾驶汽车在他们看来，应该是相互独立的。车联网缺乏可信赖的通信网络，难以界定用户的隐私数据，要用好V2X通信，还得先解决这些硬伤。
这一壁垒也并非牢不可破。车内新增的安全模块可以保证每条V2X信息的可靠，同时建立V2X安全认证的升级机制，杜绝存储个人信息。目前欧美正建立基站，进行V2X通讯测试，车辆可以通过WiFi热点或无线电进行沟通，V2X系统已经实现了道路预警、实现道路信息实时共享。
美国交通部预计2020年推出V2X法规，更重要的是，有主流车企开始松口：通用汽车打算2017年开始前装V2X设备。
第三层壁垒是车与环境的互联不通。无人驾驶汽车在这张广袤的地图中行走，需要智慧城市的辅助，更需要广泛覆盖的网络作为载体。
在驾驶的过程中，路况、交通信息、导航实时信息的收发、用户娱乐系统数据与云端的传输以及其他各种APP应用，都必须要有稳定的数据网络才能保证畅通无阻，无人驾驶必须有很强的通信能力。5G通信服务能够在毫秒内做出控制，比现有的4G快50倍左右，才能使无人驾驶汽车等实时应用成为可能。
由于现有4G移动通信网络在低时延、高可靠、低功耗、大连接等数据业务上能力不足，不能全面满足无人驾驶汽车的技术要求，政府正在大力推动5G移动通信网络标准化进程。“这方面中国走在世界前列，目前国家层面计划5G的第一个运用就是无人驾驶。5G网络标准成熟和产业化时间约在2020年，正与全球无人驾驶汽车上路的时间表相吻合。”张延川表示。