在上海举行的世界人工智能大会（WAIC）上，特斯拉首席执行官埃隆·马斯克（Elon Musk）表示，特斯拉非常有信心在一年内完成的L5级别自动驾驶的基础框架和功能。
然而，他真的能在一年内实现这一要求吗？
自动驾驶等级区分
在若干年的发展中，自动驾驶已经有了明确等级区分：
1、L1：对车辆进行简单的监控，如ACC自适应巡航、胎压监测、交通标识识别、信号灯识别、自动刹车、防抱死系统等；
2、L2：通常配备ACC自适应巡航、车道保持系统、自动刹车辅助系统、自动泊车系统等。部分情况下，驾驶员可以短暂离开方向盘。
3、L3：特定环境中实现自动驾驶的操作，可以根据实际路况和行车环境自动选择行车路线；
4、L4：无需驾驶员操作，所有操作均由车辆自我控制；
5、L5：自动驾驶的终极目标，在任何场景下，都不需要用户参与操作，车辆实现完全自主操作。
而马斯克则是要在一年内达到这一目标，马斯克表示：“特斯拉目前的研发进度非常接近5级自动驾驶技术，这意味着未来Model 3 ／ Y ／ S ／ X能够在驾驶员零输入（或注意力）的情况下进行自行驾驶。同时，我对L5级别自动驾驶的高度自治非常有信心，因此我认为L5将很快来到我们身边。”
L5真的那么“容易”吗？
要实现自动驾驶，并非是给车辆装几个摄像机即可实现，同时还得与GPS定位、道路交通、人员／车辆检测等多个技术及法规相结合。
简单点说，车辆在行驶过程中，必须知道周边有什么、自己在哪里、需要走向什么地方、怎么走，只有能分析这些的汽车，才能被称为L5等级的自动驾驶。
但反观特斯拉，据美国标准显示，特斯拉在自动驾驶领域中，目前还处于L3等级的位置，也就是其车辆并无法完全观察到周边路况并作出分析，对于路面的观察还是以驾驶员为主。一旦遇到危险，需要驾驶员第一时间做出反应，并采用手动驾驶。
在一年内，从L3到L5，其需要大量技术的全面进步，但就从目前的发展而言，这一希望极为渺茫。
1、识别问题
识别问题极为麻烦，特别是在实际场景中的应用，由于反光、逆光等原因，图像识别的难度会直线上升——在若干年前，特斯拉就因为识别错误问题，导致车辆撞上大货车。同时，由于视频识别需要耗费大量大力算力，一旦算力不足，必然导致数据滞后；
2、激光雷达
为了弥补视频识别问题，激光雷达被作为补充加载在车辆中。虽然在近几年的发展中，激光雷达技术被进一步突破，特别是固态激光雷达，被应用在大量的自动驾驶技术中。但不可否认的是，激光雷达并非没有缺点：
（1）旁瓣问题，光栅衍射除了中央明纹外还会形成其他明纹，这一问题会让激光在最大功率方向以外形成旁瓣，分散激光的能量；
（2）加工难度高，光学相控阵要求阵列单元尺寸必须不大于半个波长，一般目前激光雷达的工作波长均在1微米左右，故阵列单元的尺寸必须不大于500nm。而且阵列密度越高，能量也越集中，这都提高了对加工精度的要求，需要一定的技术突破；
（3）接收面大、信噪比差：传统机械雷达只需要很小的接收窗口，但固态激光雷达却需要一整个接收面，因此会引入较多的环境光噪声，增加了扫描解析的难度。
3、高精度定位
高精度定位如何实现？除了GPS＼北斗等卫星定位系统，同时还需依靠地图、激光、基站等定位。虽然目前有部分卫星定位企业宣称已经实现厘米级定位，但在实际应用中，并不一定能实现这一要求。
同时，在遇到隧道等环境时，卫星定位将遇到断链的情况，将影响卫星定位系统的正常运作。
除此之外，在自动驾驶中，还有大量问题急需处理，而在短时间内，这些技术将很难实现。
对于马斯克的的这一“豪言”，似乎并没有太多的说服力——除非是在美国洲际公路，毕竟那里的道路条件相对简单。但在国内的，还需经过至少一年以上的测试，L5等级的自动驾驶才能正式落地。
延伸阅读：
自动驾驶要解决什么问题？仅仅是解放驾驶员的双手吗？
在自动驾驶的设想中，人们希望的是合理分配驾驶服务、解决道路拥堵问题、提升运输效率，但自动驾驶真的能实现这一要求吗？
在合理分配行车服务中，滴滴走在了前列，其通过人、车、路的合理安排，从而有序和及时的把服务提供给每一个人。
在他们的布局相对简单——通过人们呼叫乘车服务，从而让周围驾驶员接单，并把车停在指定位置，等待用户的出行。在长时间的运作中，滴滴可以对城市不同时间段用车需求量告知驾驶员，从而提供及时有效的服务。
而对于自动驾驶来说，其将面临着一系列的问题：
1、车辆使用率：为了增加车辆的使用效率，车辆必须不断在路上行走，将进一步增加道路使用率；
2、维护：由于车辆的长时间使用，导致车辆磨损进一步增加，这使车辆需要更多的时间进行各类维护，从而使成本直接上升。
除此之外，自动驾驶还面临安全、天气、频谱分配等问题的影响，这对于自动驾驶而言，还有较长的一段路要走。
而缓解交通的目的，似乎并未实现。
