因為 corner case 的存在，自動駕駛很難落地。”這是擺在 ADAS 公司和自動駕駛公司所面臨的量產難題。
在深度學習小步快跑的八年里，大批玩家開始涌入 ADAS 行業，在快速發展之后，這批供應商們開始面臨發展瓶頸。資本給到他們的耐心、錢已經越來越少，技術更新迭代的時間越來越緊，如果跟不上這個節奏，那么很有可能被市場淘汰。
上海智駕科技創始人周圣硯如是說。
（上海智駕科技成立于 2016 年，是專注汽車 ADAS 領域的公司，它們主要提供汽車前視攝像頭以及相關的解決方案。）
在與周圣硯的對話中，我們聽到了不少有趣的觀點。
不怕互聯網程序員“搶飯碗”
隨著汽車智能化的快速發展，越來越多的互聯網人開始涌入這個行業，對于程序員搶汽車人“飯碗”這事兒，周圣硯不以為意。
作為老汽車人，周圣硯認為，后深度學習時代，堆算力看上去是必由之路，但這不是計算機專業的人能完全解決的，需要汽車專業的人去結合場景具體問題具體分析，這是汽車人的不可替代性。
5G 很熱，但單車智能該干嘛還是干嘛
5G 已經開始走向尋常百姓家，商用進程也在穩步推進，中國作為 5G 的領頭羊，國內科技公司也是搭上這一技術的順風車，汽車供應商們也不例外，旗下各種產品技術開始爭先恐后地接入 5G。
周圣硯認為，5G 雖然很熱，但單車智能依然還是該干嘛干嘛，5G 的誕生不會弱化智能汽車比如 26262 等相關技術標準，感知、決策、執行，該做的工作一步都不能少。
不過周圣硯也大膽預測了 5G 時代，自動駕駛汽車可以走的一些“捷徑”，比如自動駕駛車輛必不可少的系統備份是不是可以放到低時延、高帶寬的 5G 服務器中去呢？L2 和 L4 的車輛能否通過 5G 通信分享數據，在馬路上和諧共處呢？
自動駕駛的“二八定律”
隨著自動駕駛邁向更高級別，一些 corner case 開始出現，機器在面對一些沒有學習過的特殊場景開始表現得束手無策，這也成為了高等級自動駕駛量產落地的絆腳石。
“行業正在用 80% 的精力去解決這 20% 的問題。”這就是周圣硯口中提到的自動駕駛“二八法則”，只有解決這部分最難的問題，自動駕駛才可以說得上能夠真正落地。
深度學習的核心當然還是數據，只有足夠的數據，機器才能有足夠的樣本去把這些 corner case 琢磨透徹。行業內數據共享這件事兒的呼聲也越來越高。
前不久的特斯拉臺灣事故可以說是一個經典的“corner case”：一輛 Model 3 撞上側翻的廂式貨車。”周圣硯相信，特斯拉已經具備足夠的能力通過 OTA 解決這個問題，但貿然 OTA 可能會帶來額外的副作用，驗證完畢后，特斯拉一定能夠解決掉。
特斯拉視覺方案的忠實擁躉，但馬斯克過激了？
周圣硯是個忠實的“特斯拉粉”，他同樣篤信視覺方案能夠“低本高效”地解決自動駕駛的感知問題，當我問及他怎么看待“馬斯克說用激光雷達的都是傻子”這個觀點的時候，周圣硯笑了笑說，“馬斯克這話有點過激了。”
事實上，特斯拉與智駕科技MAXIEYE都在試圖通過視覺方案的革命，解決更多問題。智駕科技MAXIEYE的思路是采用一套虛擬激光雷達技術，簡單來說就是利用攝像頭采集三維/二維圖像進行建模，計算出圖像中每個像素的距離信息。這就達到了類似激光雷達的效果，同時可以降低成本。
目前智駕科技推出的單目攝像頭可以感知豐富的信息，并實現較為精準的測距：
1、地面的標識標線，車道線、停車線、斑馬線，還有導向箭頭、可行駛區域。
2、地面上運動目標，道路的參與者，人、車、騎行者這些相對運動機動性比較強的目標識別。
3、紅綠燈、標志牌、空中級目標。
官方說法是在 50m 情況下可以接近激光雷達的識別精度，車輛識別距離達到 200m（天氣完美的時候 250m）、行人等小目標大概是 100m。
通過機器視覺，智駕科技還推出了一些有趣的貼心功能，比如串聯自動大燈功能，實現進隧道大燈秒開；又比如集成智能雨刮功能，通過對雨量的精準監控控制雨刷擋位。
在攝像頭圖像的協助下，這些小功能相比依靠傳統傳感器體驗上要好很多。
和馬斯克一樣 ，周圣硯相信視覺為主的傳感器方案在 ADAS/自動駕駛領域大有可為，但他比馬斯克更寬容，他不排斥激光雷達方案，他認為自動駕駛行業是需要分工的，每家公司要解決自己擅長的問題。
