其次，數(shù)據(jù)瓶頸。

對人機圍棋大戰(zhàn)有了解的人都知道，AlphaGo在學(xué)習(xí)圍棋技能時，通過大量數(shù)據(jù)分析學(xué)習(xí)了3000多萬步職業(yè)棋手棋譜,理解什么才算合規(guī)的下法，并通過增強學(xué)習(xí)的方法自我博弈,尋找比基礎(chǔ)棋譜更好的棋路，才終于有了今天的成就。而最近剛剛出了詩集的微軟小冰，其現(xiàn)代詩創(chuàng)作能力，也是通過對1920年后519位現(xiàn)代詩人的上千首詩反復(fù)學(xué)習(xí)（術(shù)語稱為迭代）10,000次達(dá)成的�？梢哉f，一旦離開了這些數(shù)據(jù)，人工智能根本無法在圍棋領(lǐng)域“稱帝”、出詩集。

那么，自動駕駛汽車同樣如此，如果希望汽車能夠擁有同人類一樣的駕駛水平，也必須從汽車駕駛的情境中提取海量的數(shù)據(jù)，并根據(jù)不同的場景對這些數(shù)據(jù)進(jìn)行分類，供人工智能進(jìn)行學(xué)習(xí)。如此一來，且不說真實世界中車輛行駛的工況復(fù)雜多樣，遠(yuǎn)超AlphaGo和小冰用來學(xué)習(xí)的數(shù)據(jù)，即使能夠收集完全，也需要花費很長的時間——業(yè)界普遍認(rèn)為，自動駕駛汽車需要測試數(shù)億至數(shù)千億公里，才能驗證它們在減少交通事故方面的可靠性。更何況就算花很長時間收集了大量的數(shù)據(jù)，也難以覆蓋所有的狀況。此外，這些數(shù)據(jù)后期的分類標(biāo)定、數(shù)據(jù)質(zhì)量以及算法，也還存著在很多的不確定因素，足以影響行車安全。

再者，算法難題。

由于現(xiàn)實生活中的車輛行駛工況千變?nèi)f化，異常復(fù)雜，而自動駕駛又是一項對準(zhǔn)確性要求比較高的操作，稍有不慎就會造成人員傷亡，因此要想盡可能地提升駕駛安全性，必須采集充分的數(shù)據(jù)，讓車輛對周圍環(huán)境有準(zhǔn)確的認(rèn)識，從而為下一步的控制執(zhí)行建立決策依據(jù)。在此背景下，傳統(tǒng)的算法已經(jīng)難以滿足自動駕駛汽車的需求——因為難以達(dá)到深度學(xué)習(xí)的高精確度要求；面對非道路環(huán)境，傳統(tǒng)算法無法和數(shù)據(jù)庫中的道路信息匹配，可能會做出錯誤的判斷。此外，在龐大的數(shù)據(jù)面前，傳統(tǒng)的計算能力會讓人工智能的訓(xùn)練學(xué)習(xí)過程將變得無比漫長，甚至完全無法實現(xiàn)最基本的人工智能——數(shù)據(jù)量已經(jīng)超出了內(nèi)存和處理器的承載上限，從而極大地限制了人工智能在自動駕駛領(lǐng)域的發(fā)展和應(yīng)用。

更重要的是，即便現(xiàn)如今的交通法規(guī)已經(jīng)如此完善，尚有大量不遵守交通規(guī)則的人，且他們規(guī)范交通法規(guī)的形式各不相同，常常令人出其不意，這種情況下，僅僅靠學(xué)習(xí)已有的工況很難應(yīng)對，而是需要打破原有判斷標(biāo)準(zhǔn)，對照陌生的突發(fā)情況重構(gòu)一套應(yīng)對方案，這就需要超人工智能提供技術(shù)支持。

最后，控制執(zhí)行。

自動駕駛控制執(zhí)行與傳統(tǒng)汽車類似，即對車輛進(jìn)行加速、減速、轉(zhuǎn)向等操作，作為上述所有步驟的最終執(zhí)行者，其執(zhí)行效果直接關(guān)系到自動駕駛汽車能否準(zhǔn)確且實時地完成上層智能控制系統(tǒng)的控制指令，對于保證行車安全至關(guān)重要。但與傳統(tǒng)汽車不同的是，面向量產(chǎn)的自動駕駛汽車必須對車輛的傳統(tǒng)執(zhí)行機構(gòu)進(jìn)行電子化改造，升級為具有外部控制協(xié)議接口的線控執(zhí)行部件系統(tǒng)，從而讓車輛按照計算得出的結(jié)果進(jìn)行更準(zhǔn)確的操作，因為自動駕駛汽車上，最終控制車輛的不是“人”而是汽車本身。

然而現(xiàn)實卻是，對于這一在傳統(tǒng)汽車領(lǐng)域一直被眾多車企視為優(yōu)勢的技術(shù)，在自動駕駛汽車領(lǐng)域，卻被少數(shù)幾家大型的零部件供應(yīng)商壟斷了，而且這些供應(yīng)商大都擁有自成體系的全套底盤控制系統(tǒng)，且大多不開放，也在一定程度上制約了自動駕駛汽車的發(fā)展。

而除了上述技術(shù)瓶頸，自動駕駛安全問題，特別是網(wǎng)絡(luò)安全也一直是困擾廣大車企的難題，尤其近期互聯(lián)網(wǎng)上爆發(fā)了全球性的勒索病毒攻擊事件后，更是給自動駕駛網(wǎng)絡(luò)安全蒙上了一層陰影。還有法律法規(guī)缺失，包括前期支持自動駕駛汽車研發(fā)的測試法規(guī)，國家針對自動駕駛汽車的性能指南和測試標(biāo)準(zhǔn)，以及后期汽車上路后的法規(guī)要求，如交通事故責(zé)任劃分等，也是后一階段亟待解決的問題。