自動駕駛涉及環境感知、智能決策和規劃、智能控制等多門學科，其中人工智能、云計算等是限制無人駕駛發展的關鍵技術和瓶頸技術。
雖然當前自動駕駛技術發展日新月異，但具體產業化應用未真正啟動，有賴于人工智能、云計算等技術的發展。自動駕駛大規模的商業化應用仍需要相當長的一段時間，未來最快讓普通人真實體驗自動駕駛技術的方式，很可能是通過出行服務平臺提供混合派單，在路況相對簡單的條件下，平臺通過分析評估可能會派出配有安全駕駛員的自動駕駛車輛;而大多數復雜路況訂單仍要派給專業的駕駛員。自動駕駛可以在特定場景下提供運力補充，填補供需不足。
目前自動駕駛已進入以企業為主體、以市場為主導的新階段。行業普遍認為，2021年前后將是自動駕駛汽車發展的產業元年。自動駕駛產業落地速度的驟然加快，在很大程度上得益于人工智能近五年來取得的突破性進展。
此外，在高精地圖、車聯網與智能交通系統等的合力支撐下，自動駕駛汽車有望具有接近于人類水平的視覺感知、緊急情況預測與駕駛技巧學習等能力，其中路測大數據與低功耗高性能人工智能芯片正成為產業競爭的焦點。
非常重要的一個技術點就是圖象識別，通過圖像識別前方車輛、行人、障礙物、道路以及交通信號燈和交通標識，這項技術的落地應用將給人類帶來前所未有的出行體驗，重塑交通體系，并構建真正的智能交通時代。
公路交通安全防控體系涉及的核心技術是交通行為監測、交通安全研判、交通風險預警、交通違法執法，而這些技術現已與人工智能融為一體。實現公路交通運行狀態"看得見"、車輛通行軌跡"摸得透"、重點違法行為"抓得住"、安全隱患事件"消得了"、路面協作聯動"響應快"、交通信息應用"服務優"等目標，都離不開人工智能技術。
自動駕駛目前在智能交通領域被認為是最具潛力的應用方向之一，近年來受到資本的青睞。
自動駕駛的愿景雖然美好，但現階段依然存在著很多問題，例如自動駕駛車輛也頻繁發生交通事故，很多自動駕駛的演示方案往往是一些路況條件特別好的道路，對于大角度的彎道或一些具有非視距障礙物的道路，往往很難有效處理。
這一些的問題導致最近一年來，產業界對自動駕駛普遍持悲觀態度，認為其可能是未來二十年甚至更久才能實現的故事，美國現任總統川普前一陣甚至說未來五十年都不可能實現。
但基于自動駕駛技術已經可以落地的輔助駕駛今年備受資本關注，原因是其可以更好的商業化落地。我個人比較看好輔助駕駛。
目前我們也正在打造了一項短期內可服務于輔助駕駛，遠期可助力自動駕駛的技術--車路協同道路全息感知。
我們通過道路路側的攝像機精準感知道路的路況、車輛以及行人等參與主體的位置、速度和方向，識別道路上的一些異常交通事件，落地車路感知技術。交通事件檢測系統在高速公路上目前已經大量投入使用，城市道路近年也在逐步開始應用，但僅限于異常交通事件的檢測和報警。
通過路側攝像機將道路參與主體(人、車、非機動車)的狀態、速度、方向、位置等信息進行檢測，通過C-V2X或5G技術給周邊車輛進行超低延時的廣播，讓其知道自己所處的環境，這顯著提升了車載輔助駕駛系統和未來的自動駕駛車輛的環境感知能力，它相當于給每一輛車安裝了一個"天眼"，能夠站在高空俯視車輛周邊的道路和環境，類似于極品飛車里的"上帝視角"。
可以想象，這種環境感知極大的彌補了輔助駕駛系統和自動駕駛車輛上車載傳感器無法解決前方遮擋、大角度彎道或坡道、檢測距離有限的非視距問題，隨著5G及V2X技術的廣泛應用，能夠產生極具價值的車聯網應用，例如高速公路上的團霧是目前高速公路交通事故特別是連環碰撞事故的主要原因之一，由于其發生距離短，往往只有幾百米半徑，傳統的高速公路氣象檢測系統不容易發現，即使發現也無法通知車輛。
而對于基于視覺檢測和5G及V2X技術的車路協同感知系統來說，檢測相對容易。我們可以利用該技術將檢測到的團霧預警信息發送給500米以外的車輛，提醒車輛減速規避危險，可以有效規避團霧引發的連環追尾事件，減少人車傷亡損失。
