最近无人驾驶领域挺热闹。这边厢，美国将通过首个全国性无人驾驶汽车法案，有望解决各州监管一致性问题，并批准数十万辆无人车上路测试。
那边厢，通用汽车联手Cruise，发布全球首款量产无人驾驶汽车，至少定位于L4级自动驾驶，一旦软件和监管环境成熟，无人车的时间表将再被提前。
恐怕不久后，一边开着车，一边吃着火锅、唱着歌的异想天开，真的要一步步成为现实了。但是，在未来真正来临之前，还有多少坎需要迈过？那些做着“造车梦”的人们，到底会成为下一个“贾跃亭”还是“Elon Musk”呢？
一、那些宣称要玩无人驾驶的公司，现在都做到啥程度了？
1、谷歌：领跑者，直接攻坚L4，兼顾软硬件与自主研发
相比起传统车厂目前选择从ADAS起步，渐进式地推进做自动驾驶的路径，谷歌单刀直入，一上来就冲着全面的无人驾驶去了。
从积累的真实测试数据和事故率来看，谷歌也是进入L4技术攻坚阶段最扎实的一家公司。在加州，谷歌累计共有48辆测试车上路收集数据，在6年多内行驶超过270万公里，仅出现11次轻微交通事故，平均25万公里出现一次，且责任方均为对方车辆。
谷歌已从最初专注软件算法和高精地图，拓展到了软硬件兼顾和自主研发。面对居高不下的激光雷达和芯片成本，谷歌干脆自己把传感器、GPU和算法都包揽了下来，成功将激光雷达成本从7万降到了7500美金。
看来，除了复杂度和专业性极高的造车领域，谷歌已在全产业链开始自研布局，进一步挤压中小硬件厂商和创业公司的生存空间。
2、特斯拉：L2-L3兼具软硬件能力与“激进”的自我营销
在无人驾驶上，特斯拉也一直不缺热点，自2014年配置初代自动驾驶系统Autopilot以来争议不断，甚至造成首例无人驾驶致死事故。过去三年内，Autopilot收集了全球各种道路、天气条件下的3.6亿公里行驶数据。
特斯拉与谷歌分别代表了硅谷科技公司造无人车的两大流派。特斯拉的技术发展路线目前处在L2-L3阶段，精度和成本也更低，不采用谷歌的激光雷达+高精地图，而是用摄像头和超声波传感器做车的“眼睛”。
特斯拉的优势在于公司既有数据算法资源、创新科技人才等软件实力，又有造车生产线的硬件基础。
不过，下一阶段特斯拉的无人驾驶之路能否顺利，还要看它如何突破安全和成本的二元悖论。图像识别技术有盲区，要达到L4，只有激光雷达才能万无一失。而特斯拉在L2-L3阶段积累的经验，与L4有本质的区别。
一贯擅长自我营销的特斯拉，凭借激进的风格，容易让消费者将它现阶段的水平与“真正意义上的自动驾驶”相混淆。而谷歌的态度则相对更严谨。
3、Uber：抱车厂大腿、与谷歌撕逼，进展低调而缓慢
共享出行公司天然地有发展无人驾驶的动力。无人车规模化之后不仅能为平台低成本形成有效供给，还有助减少拥堵和车祸，优化用户体验。共享出行庞大的运营网络是其杀手锏。
通过海量车型收集各个城市的实测路况数据，比自造车型、实地投放的模式灵活不少。
其中又以Uber的无人驾驶进度为首。只是，强运营的Uber并没有造车基因，抱车厂大腿成了明智之选。今年1月，Uber和戴姆勒达成合作，后者生产研发带自动驾驶技术的奔驰，投入Uber网络做测试和数据收集。
就在Uber干得热火朝天之时却吃了谷歌的官司，近期进展有所停滞。2016年1月，从Waymo跳槽的工程师创建了无人货车公司otto，被Uber迅速收购；随后又爆出otto工程师从谷歌剽窃技术专利的猛料。
谷歌气不过，直接把Uber告到了旧金山衙门，对簿公堂。最后以Uber壮士扼腕炒otto创始人鱿鱼为结局。
4、百度：国内领先，阿波罗计划有阶段性成果
百度在错失移动互联网红利之后All in AI，已然成为国内最重仓无人驾驶的互联网巨头。在路径选择上百度与谷歌相似，将搜索识别技术和高精地图能力运用到无人驾驶的算法和软件上。
没有硬件基础的百度，定位是做开源技术平台，赋能合作伙伴。
今年4月，百度Apollo计划对外公开，向汽车及自动驾驶行业伙伴提供车辆、软硬件、云端数据等服务。就像自动驾驶的安卓，把底层能力作为一套工具打包给生态伙伴造出自己的无人车。