无人驾驶汽车其实可以归入智能汽车的范畴，是人工智能在交通领域应用的核心场景，因为它是一种自动化载具，能够部分或者全面代替人类驾驶员进行驾驶行为。无人驾驶的历史并不长，从汽车发展史来看甚至可以说非常短。现阶段无人驾驶浪潮起始于谷歌于2012年5月获得美国首个自动驾驶车辆许可证。自此它一直是备受关注的一项汽车前沿技术，不少国家已经开始了无人驾驶汽车的测试，全球无人驾驶得到广泛政策支持（图1）。业内对无人驾驶技术的应用比较普遍的观点是其可以提高交通效率、提升驾驶安全可靠性。在政策鼓励扶持、资本争相涌入、技术不断创新等多因素共同推动下，无人驾驶这一产业正迎来快速发展期。
另一方面,由于技术的不成熟，无人驾驶汽车上路造成的事故也时有发生。根据谷歌的报告，其无人驾驶汽车在行驶274公里的过程中共发生11次事故；而至今为止，特斯拉也遭遇多起自动驾驶事故，并且其中还有一例事故导致司机死亡。同时优步无人驾驶汽车导致行人死亡事故责任划分引发社会关注，无人驾驶相关法律亟待完善；目前消费者对无人驾驶接受度普遍不高，无人驾驶被广泛认可还需经历时间的检验。那么无人驾驶离实际投入量产和大规模应用到底还有多远?
图1：各国无人驾驶政策法规
资料来源：公开资料整理
无人驾驶系统的构成
从原理角度看，无人驾驶控制系统模拟人类的驾驶方式，由传感器、控制器、执行器组成，对应感知、决策、执行三大功能模块。理想状态下，无人驾驶系统可以无限循环并且精确无死角地收集外部信息，再由核心模块做出基于伦理性分析的最终决策，将信号以最快速度传输到执行机构做出响应，最后将动作信息重新传回核心模块（图2）。从成本组成角度来看，传感器最大费用，其成本占L4（高度自动化，具体无人驾驶技术级别的划分见下文）单车零部件成本约27%；决策模块的软件开发费用以18%占比成为次席（图3）。
图2：无人驾驶技术系统架构
资料来源：公开资料整理
图3：L4的单车零部件成本
数据来源：Strategy Engineers，天风证券研究所
高级驾驶辅助系统（Advanced Driver Assistance System，简称ADAS），是利用散布在车各个部位上的不同种类传感器（ADAS 采用的传感器主要有摄像头、雷达、激光和超声波等）即时收集车内外例如光、热等环境数据变量，并对静、动态物体进行辨识等技术上的处理，从而起到预警作用。人类在驾驶的过程中通过五官进行感知，通过人脑进行处理，并最终通过肢体进行执行。类比人类的流程，无人驾驶技术方面应用传感器进行感知系统，通过处理器和算法进行决策，并通过执行机构进行控制。ADAS可以认为是一种提高安全性的主动安全技术。相比较于早期被动报警功能，最新的ADAS 技术有更高效的主动式干预能力，而目前以及未来无人驾驶的实现就得依赖ADAS系统（图4）。目前，全球ADAS市场集中度较高，主要原因是ADAS涉及感控、控制与执行等多个模块，需要深厚的系统集成能力。ADAS系统集成商数量较多，且基本为大型汽车零部件供应商如大陆集团、德尔福、电装、奥拓立夫等，前五名系统集成商占据全球超过65%的市场份额（图5）。
图4：ADAS系统组成
数据来源：公开资料整理
图5：全球ADAS主要系统集成商市场份额
数据来源：公开数据整理
1. 无人车系统 - 感知模块
传感器是无人驾驶汽车的眼睛。据法国权威市场分析机构 Yole Développement 的统计，无人驾驶主要通过各类摄像头（长距摄像头、环绕摄像头和立体摄像头）和雷达（超声波雷达、毫米波雷达、激光雷达）实现类似人类的感知功能（图6）。
图6：无人驾驶技术主要传感器
数据来源：公开资料整理
无人驾驶的发展将大幅提升传感器需求量。毫米波雷达激光雷达和多摄像头系统已经在高端汽车上应用。以特斯拉为例，它拥有3个前置摄像头（不同视角 广角、长焦、中等）、2个侧面摄像头（左右各一）、3个后置摄像头、12个超声波传感器（传感距离增加一倍有余）以及一个前置毫米波雷达（OTA 8.0加强版）。预计到 2020 年左右全球车载摄像头、毫米波雷达等市场都将进入快速成长期。至2020年，车载摄像头规模将达133亿人民币，自2015年年复合增长率达16%；毫米波雷达规模将达576亿人民币，自2015年年复合增长率达20%（图7）。激光雷达的强大功能使其成为无人驾驶感知技术的重要传感器，一套激光雷达价格高达8万美金，由于成本过高尚无法广泛应用，但它比摄像头优异的方面是其反馈给计算机的数据能够很快被读取，摄像机则有可能被镜头中出现的石头等障碍物所影响，造成结果失真。作为比毫米波雷达更高级别的激光雷达，其市场规模在2022年市场规模预计将达到52.048亿美元，2018年至2022年间年均复合增长率将达25.8%。
图7：全球车载摄像头、毫米波雷达市场规模
资料来源：天风证券研究所
2. 无人车系统 - 决策模块
控制器是无人驾驶汽车的大脑。决策规划控制系统的任务，就是根据传感器的信息，结合无人车的路由意图和地图信息，对车辆做出最合理的决策和控制。整个决策规划控制软件系统，可以划分为行为决策（Behavioral Decision）、动作规划（Motion Planning）以及反馈控制（Feedback Control）这三个模块。行为决策接受路由寻径的结果，同时也接收感知预测和地图信息来决定无人车如何行驶。动作规划模块，解决的是无人车动作的具体规划问题，包括途经选择，以及到达各个路径点时，无人车的速度、方向、加速度等。决策规划控制系统最下层的模块是反馈控制模块。这是一个直接和无人车底层控制接口CAN-BUS对接的模块。其核心任务是接收上层动作规划模块的信息，转换成对车辆油门、刹车以及方向盘的控制，从而实现无人驾驶。反馈控制模块主要涉及对车辆自身控制，以及和外界物理环境交互的建模。顺应无人驾驶行业发展趋势，行业巨头纷纷投入到无人驾驶决策技术的研究（图8）。
图8：无人驾驶软件和硬件的核心供应商
资料来源：公开资料整理
虽然无人驾驶系统在不断取得进展，但可靠性和法律法规会成为这项技术的重要障碍。自动汽车驾驶系统的可靠性仍然需要较长时间的验证，重点之一就是如何应对软件系统受病毒感染造成系统错误，从而造成交通事故。法律场面上，一些科技的发展速度远远快于人类社会对于其认识速度，这也造成全球的法律体系的更新速度无法跟上技术的步伐。比如无人汽车发生交通事故，是由汽车厂商负责还是软件提供商负责?相关法律问题得到解决之前，大规模的推广应用将不会实现。
3. 无人车系统 - 执行模块
执行层是无人驾驶汽车的运动器官，其分为电子元件和机械结构件两部分。目前车辆是面向人类驾驶设计的，其方向盘、油门、刹车等部件都是由人工实现操控。无人驾驶汽车将完全由电子设备代替人进行操控，这部分技术几乎被国外零部件供应商垄断，国内相对比较落后。目前执行部分的电子设备主流供应商有博世、天合、大陆、电装等。执行部件的精度决定了其在得到指令后能否准确的做出反应。执行系统主要包括制动、转向、车身稳定、动力总成。
3.1 制动系统是汽车安全的重点。随着机电技术的发展，电子技术也渗进了制动系统。出现了称为“电子制动系统”的新技术，是无人汽车制动的发展方向。从制动系统的供能装置、控制装置、传动装置、制动器4个组成部分的发展历程来看，都不同程度地实现了电子化。机械连接逐渐减少，取而代之的是电线连接，电线传递能量，数据线传递信号，所以这种制动又叫做线控制动。这是自从ABS在汽车上得到广泛应用以来制动系统又一次飞跃式发展。IBS是一种智能制动助力系统，能够缩短制动响应时间，支持远程控制以及高效的制动能量回收，是线控制动、ADAS和自动驾驶必备的重要一环。符合无人驾驶发展趋势的紧急自动刹车系统、车身电子稳定系统、自适应巡航控制等在内的先进主动安全技术均需要智能刹车系统IBS（Intelligent Brake System）作为执行机构 ,其市场规模在2020年将达25.4亿元（图9）。博世和天合在智能刹车系统方面具有领先优势。博世智能化助力器 ibooster作为不依赖真空源的机电制动助力器，能适应未来汽车电气化及自动化的发展趋势，可以助力于打造更安全、更节能的驾驶体验。iBooster结合车身电子稳定控制系统后，能够提供自动驾驶所需的冗余制动系统，这两种系统都能在制动器上直接进行机械推动，并可以在整个减速范围内独立制动车辆。国内如拓普集团等具有乘用车制动相关配套，制动系统相关厂家繁多，仍处于整合阶段。拓普集团是公开信息中唯一正在研发IBS的国产零部件厂商，公司积极开展ECU模块、电机研发和ESC模块及IBS机械部分及总装的研发，在智能刹车系统方面有望实现弯道超车。随着ADAS和自动驾驶的逐步普及，IBS市场将逐渐放量。
图9：IBS市场规模预测
数据来源：公开资料整理
3.2 转向系统是决定汽车主动安全性的关键。EPS（Electric Power Steering）即电动助力转向系统，它是指依靠电机提供辅助扭矩的动力转向系统。EPS主要由转向传感装置、车速传感器、助力机构、提供转向助力电机及微电脑控制单元组成。电子控制单元根据传感器检测的信号、转动方向和车速信号等，向电动机控制器发出指令，使电动机输出相应大小和方向的转向助力转矩，从而产生辅助动力。目前，EPS已成为汽车转向系统的主流，2016年全球EPS使用率占比达54.7%，中国EPS的装车率也达到53%。国内外中高端车型已广泛使用EPS，而未来线控转向是无人驾驶汽车转向系统发展的方向。线控转向系统（SBW，Steering By Wire）去掉了机械连接，减轻了重量，消除了路面的冲击，具有降低噪声、隔振和操纵精度可控等优点。目前国外著名汽车公司和汽车零部件厂家，例如美国Delphi公司、日本三菱、德国Bosch公司等，竞相研究具有智能化的新一代转向系统，国内企业也开始涉足这一相关领域。资料显示，比如在EPS技术上，恒隆、豫北、浙江世宝等转向企业已有产品。线控转向方面，如亚太股份、万向钱潮、万安科技等厂商仍处在研发初始阶段。
3.3 车身电子稳定控制系统(ESC, Electronic Stability Control)是一种汽车主动安全系统，是汽车防抱死制动系统和牵引力控制系统功能的进一步扩展。在扩展基础上，增加了车辆转向行驶时各方向传感器，通过ECU控制驱动力和制动力，确保车辆行驶的稳定性，极大提高车辆操控安全系数和驾驶便利性。ESC执行部分则包括传统制动系统(助力器、管路和制动器)，电子控制单元与发动机管理系统联动，可对发动机动力输出进行干预和调整。博世是ESC的发明者，执行机构方面，博世拥有ESP、iBooster和Servolectric等控制类产品。目前博世的ESP在可靠性和价格方面都垄断了整个市场，但随着机电一体化技术的发展，很多厂商也开始生产与博世ESC有相同功能的汽车零部件（图10）。
图10：ESC零部件主要供应商
数据来源：公开资料整理
德国博世、美国天合、德国大陆特维斯、日本电装、日本爱信、美国德尔福是世界上6大电子车身稳定系统供应商，在ESC总成方面具有垄断优势。促进ESC的主要发展因素有安全法规的要求、消费者的要求、车企竞争和无人驾驶等新技术的发展（图11）。
图11：促进ESC发展因素
数据来源：公开资料整理
由于技术的先进和政府等各界的重视，北美和欧洲是ESC装配最高的地区,美国和欧盟的立法部门已先后作出决定，要求强制装配ESC, 而欧洲所有乘用车和轻、中和重型车辆自2014年11月起一律强制性要求装置ESC系统。日本、韩国的装配率也高于世界平均水平。与欧美相比我国的ESC渗透率较低，市场发展空间还很大（图12），随着我国汽车产业的快速发展和无人驾驶技术的应用，未来ESC的装配率会不断提高。
图12：ESC(ESP)全球分地区新车渗透率测算
数据来源：公开数据整理
3.4 动力总成指的是车辆上产生动力，并将动力传递到路面的一系列零部件组件，主要有发动机（电动机），变速箱（马达）等。新能源汽车发展和无人驾驶技术特点使电动成为无人驾驶汽车动力首选。德国博世正进一步研究无人驾驶动力总成无人驾驶动力总成技术，提升动力的转化效率。据日经新闻（Nikkei Asian Review）报导为抵御德国与中国汽车制造商的竞争，并跟上全球汽车电动化的脚步，丰田汽车和其他 10 家日本汽车公司联合起来研究动力总成技术，电动车不需要变速器，因为马达扮演这个功能，汽车制造商需要高效的动力总成系统将动力从马达传递到车轮，要把电驱解决方案发展到像传统的汽柴油电喷系统那样强大还需要进一步的探索。
另外，保证强度下的轻量化是现在小型乘用车设计的趋势。节能也是一方面，就以数据较全的燃油车来说，各个系统的轻量化中，铝控制臂具有巨大的性价比优势。控制臂属于汽车簧下质量，簧下质量的轻量化收益是簧上质量（车身结构件、覆盖件等）的5-15倍。因此，控制臂是底盘轻量化的重要领域之一。根据东兴证券的评估，把一辆汽车中全部的钢铁材质控制臂换成铝合金，单车成本上升约447元。但同时由于单车可以减重约13kg，油耗可以降低0.33L/100km。按照每年行驶1.5万公里计算，仅此一项每年可以节油 50L，约合 350 元。在车辆生命周期中，由于燃油节省而带来的收益为2718元，轻量化的投入产出比为6.1。而采用同样的指标考察全铝车身，投入产出比仅为 0.5。铝合金控制臂的性价比是全铝车身的12倍。虽然我们不能把燃油车的情况完全推照到新能源车型上，但是轻量化的大趋势无疑会逐步渗透进无人驾驶系统的配适车型上。
国内无人车系统执行模块的问题
面向量产的自动驾驶汽车必须对车辆的传统执行机构进行电子化改造，升级为具有外部控制协议接口的线控执行部件系统，主要包括线控转向、线控制动、电动化。目前落地自动驾驶的执行控制部分被博世、大陆等国外供应商垄断。国内供应商还面临很多挑战：
1、无人驾驶安全成重中之重，执行控制产品研发讲究工程化，主要依靠数据积累，要经过不停的测试和模型优化。国内数据积累和测试尚不充足。
2、国内无人车成本较高，国内执行层零部件供应商面对单个零部件技术和价格的劣势，正在考虑抱团合作的方式，与感知类、决策规划类创业公司合作尽快推出产品，占据时间优势。
3、传统汽车技术相对落后，研发存在一定的技术壁垒。一些厂家绕开传统的发动机和变速箱等壁垒技术，转而替换成电动车的核心三电系统，因为后者相对前者，研发周期较短，难度会小一些，国内零部件供应商技术更成熟一些。
4、无人驾驶相关法律亟待完善，无人驾驶汽车事故责任的划分，执行过程中涉及到的交通道德问题（例如经典的撞一人还是撞五人等问题），也给人工智能的成熟度带来了新的挑战。
可以预见的无人驾驶应用场景
自无人驾驶进入大众视野至今，全球已有多家企业宣布在2020年前后推出无人驾驶汽车。美国公路安全局（NHTSA）把自动驾驶技术界定为六个级别（图13）。据预测，自动驾驶汽车的全球市场份额达到25%需要花15-20年时间，带有公路和交通堵塞自动驾驶功能的汽车将率先上路应用；到2022年，带有城市自动驾驶模式汽车上路；2025年之后，完全无人驾驶汽车才会大量出现。
图13：美国公路安全局（NHTSA）自动驾驶技术级别划分
资料来源：NHTSA
无人驾驶的应用场景目前可以看得到的主有三个方面：
1. 商业货运领域或将最快应用无人驾驶技术。根据MIT Tech Review的预测，美国高速路上的长途自动驾驶货车的运量将占到美国本土货运量的70%。并且美国高速公路网络发达，货运线路相对固定，无人驾驶货车的出现有助于降低公司人工的长期成本，提高运输的整体效率。
2. 在低速封闭半封闭场地的应用，具体而言就是固定线路以及类似机场航站楼间的接驳巴士。
3. 在共享经济下的租车打车领域也有有机会发展。出行公司Uber是无人驾驶共享经济的积极推动者；Lyft在获得通用的5亿美元投资后与谷歌合作发展共享出行的生态环境；滴滴与四维图新宣布在硅谷建立人工智能实验室，并且寻求收购或投资相关无人驾驶技术公司（图14）。
但是应用领域行业风险也随着出现，无人驾驶的最大受害者将是现有数量庞大的司机群体。如果无人驾驶最终出现，那么很大一部分司机将成为失业者。所以无人驾驶，特别是无人驾驶的卡车在美国市场实现应用会有比较大的阻碍。在美国，有多达350万卡车司机，其中约有一半数量负责长途运输。有140万会员的美国卡车司机工会一直在游说美国联邦立法机构和州级立法机构，希望延缓推出允许无人驾驶卡车的法案。在工会的不断游说下，美国众议院在2017年将重量大于1万磅（约4535千克）的商用卡车排除在了无人驾驶法案之外。
图14：共享经济平台与无人驾驶企业合作关系
资料来源：MarketWatch
中国有望成为最大无人驾驶市场
2016年全球无人驾驶汽车市场规模为40亿美元左右，虽然百度、谷歌、特斯拉等科技巨头都投身于无人驾驶汽车技术研究领域，但由于现有技术、法律法规等的限制和行业整体处于起步测试阶段，行业规模发展不会太快，短期内无人驾驶汽车市场规模变化不大，难以实现大面积推广。预计2021年全球市场规模将达到70.3亿美元左右（图15）。
图15：全球无人驾驶汽车市场规模预测（亿美元）
数据来源：中国产业信息网
我国对于无人驾驶行业发展持支持态度，因为不同于在传统燃油汽车领域我国晚于国外企业多年，在无人驾驶技术上我国与国外企业几乎同时起步，具有较强竞争能力。扶持政策的不断出台激励着我国无人驾驶进程不断加快（图16）。
图16：中国无人驾驶支持政策
资料来源：公开资料整理
2017年，中国汽车工程学会在其发布的《节能与新能源汽车技术路线图》就有提到，至2020年汽车产业规模将达3000万辆，其中驾驶辅助/部分自动驾驶车辆的市场占有率将达50%；力求高度或完全自动驾驶汽车在2021年到2025年能够上市；2026年到2030年，每辆车都应采用无人驾驶或辅助驾驶系统，国内无人驾驶汽车数量将稳步上升。我国工信部印发的《促进新一代人工智能产业发展三年行动计划（2018-2020年）》明确指出，到2020年要建立可靠、安全、实时性强的智能网联汽车智能化平台，形成平台相关标准，支撑高度自动驾驶（HA级）。随着广州、上海、北京等城市相继开始允许自动驾驶道路测试，百度无人车已经在北京进行了路试，不久阿里巴巴的自动驾驶技术可能也即将亮相。
据波士顿咨询公司预计，2035年全球无人驾驶汽车的累计销量将达1200万辆，其中约300万辆在中国。而另一著名咨询公司IHS预测，到2035年全球无人驾驶汽车累计销量将达2100万辆，其中约570万辆将在中国。虽然两组数据相关近一倍，但都指出中国将是未来无人驾驶的最主要市场。
前景美好 “路障”不少
无人驾驶技术发展将给社会同时带来巨大经济和社会效应。德州大学有分析报告指出，在未来最理想的情况下，无人驾驶汽车能使交通事故减少90%，能将通勤所耗时间以及能源消耗减少90%，能使汽车数量减少90%。如果道路上的行驶车辆90%都是无人车的话，交通事故以及伤亡人数会减少、道路上的拥堵将减少，再加上节省的能源等费用，一年经济效益高达四千五百亿美元。与之相比，美国联邦政府2014年的财政赤字还不到五千亿美元。
无人驾驶如火如荼地推进过程中也遭遇到前所未有的挑战，事故的发生引人深思（图17），这其中不仅面临技术瓶颈，还会遇到法律瓶颈以及伦理瓶颈。
图17：无人驾驶车辆部分事故及分析
资料来源：公开资料整理
技术成熟度不够是当下无人驾驶发展道路上的最大阻碍，当前的无人驾驶研发和应用仍处于无人驾驶汽车的技术2级至3级水平之间。也就是说，其高速路况的无人驾驶汽车技术已经接近量产，而低速城市路况的无人驾驶汽车尚在路测，4级完全自动驾驶，则需要在2025年才能实现，全工况的无人驾驶技术仍处于研发阶段，最终的实用性测试和验证还需要很长时间。
无人驾驶是建立在复杂的传感系统和决策之上的，有规律的干扰，无人驾驶汽车还容易识别；但无规律的干扰，其分辨能力就会大幅降低。举例来说，传感器是无人驾驶技术的输入端口，物体识别的能力很大程度上依赖于不同的传感器，但不同的传感器限于物理状态，都各有利弊。例如：激光雷达对于雨雾的穿透能力受到限制，对于黑色物体的反射率亦有限；摄像头存在雨雾状态下的限制等问题。无人驾驶对于计算能力和数据生成的速度和实时性、可靠性、功能安全的要求都很高，需要功能更强、运行稳定、计算更快的AI芯片。目前，这一领域的最大挑战就是如何不断地突破软件技术和硬件条件的标准，让汽车可以像人一样，通过深度学习，对周围的环境迅速产生正确的反应，从而采取灵活而又安全的措施。
其次，外部通信及交通信息大数据的采集也还面临较大挑战，实现无人驾驶必须拥有高精度的路面数据，这也是实现完全自动驾驶计算的基础。现实路面情况比我们想象复杂得多，交通路况受到区域、天气、基础设施等多种情况的影响，而且交通工具的运行也并非总是按照秩序，强行并线、抢行这样的行为机器能否适应。加之许多发展中国家快速更新迭代的交通设施，例如车道、标志线等等，经常出现新旧标志同时并存迭代的情况，给识别判断提高了难度。这些问题都可能导致自动驾驶系统出现误判。
再次,资金成本则也是无人驾驶绕不开的一道坎，从技术开发、测试到落地，无一不需要巨额资金的支持。以激光雷达技术为例。此前，无人驾驶车上使用的最先进的激光雷达单价超过8万美元，价格相对较低的也达到8000美元。虽然不少初创公司纷纷凭借融资成功入局，但无人驾驶毕竟是一个需要几十亿美元起步的“土豪项目”，因此通常这些公司仅能在生态链中的某一垂直环节谋求发展机会，如激光雷达、高精度地图等方面。即使对于诸如谷歌和百度一样的巨头，对大规模的资金投入同样令其备感压力。但从另一方面看，低速无人驾驶领域是未来主要应用场景，资本已经投资于相关企业。例如成立于2015年5月的自动驾驶智能车整体解决方案提供商智者在2017年完成近亿元的A轮融资（图18）。之后公司的将聚集于限定区域内的低速无人驾驶这一垂直应用领域，特别是无人物流配送和无人作业车两个方向。菜鸟也大举布局无人驾驶，其菜鸟无人车定位在末端配送，车速最高控制在15km/小时，必要时自动降速至10km/小时。预计2018年底将量产。
图18：智者行融资情况
数据来源：品途商业评论
无人驾驶技术的研发是一项系统工程，其产业链包括了硬件、软件、算法、汽车生产、汽车维护等众多子系统集合构成。尽管各大公司对于无人驾驶的研发也是投入了大量资金，但很难出现一家公司成为多个领域龙头的现象。这意味着，整条产业链上的不同企业需要以开放式创新的态度和思路一起合作，从而实现无人驾驶技术的进一步发展。
最后，无人驾驶汽车要真正上路，还将面临法律和道德方面的问题，法律规范的制定以及对无人驾驶车辆的理解障碍消除不会一蹴而就。无人驾驶的普及需要法律和政策的配合，解决安全与责任的核心问题。美国交通部有人说需要40年无人驾驶时代才能到来。
我国无人驾驶的研发与国外企业几乎同步，也面临着类似的技术、法律道德等多方面的难题,在诸如GPS、激光雷达等方面的技术发展更具难度。但在整条产业链上，我国企业仍有机会成为某一领域的龙头，例如我国在人工智能方面处于世界领先地位。我们认为在未来，我国无人驾驶技术领域将在政策支持下持续发展,特别是中国庞大的汽车保有量和汽车市场规模，将为自动驾驶产业的发展提供了广阔的空间。集人工智能、物联网、5G、云计算等新兴科技于一身的无人驾驶技术将会离我们越来近,毕竟无人驾驶汽车是人类对汽车产品的终极梦想之一。
（作者：王撷皓、张子豪）
