简单来说，就是车辆之间需要相互交换行驶速度和目的地信息，才能实现自动的超车和变道；在设有交通信号灯的路口，更需要提前进行信息交互以便减速或者及时通过路口。

所以要想实现这一系列操作就需要高精度的传感器和地图，因此为了承载这些大规模的数据就需要更快速的网络及运算效率更高的芯片来支撑。而从目前来看，无论是传感器本身，还是支持传感器的车载芯片，能够兼具成本和算力优势的解决方案少之又少，这就给实现自动驾驶汽车商业化落地带来了不小的挑战。

对此，长安汽车智能化研究院总经理何举刚在2019泰达论坛上也表示：现在在技术层面自动驾驶还有很多瓶颈，包括激光雷达、包括地图的精度，还有特别是在中国的特殊情况，我们地图要偏转，我们怎么拉回来，还有很多问题需要解决。

除此之外还有一个不可忽视的问题，就是法律配套问题，完善制定相关法律对于自动驾驶有着重大的意义。目前来说发生交通事故，责任归属一般是驾驶者。未来自动化驾驶下，如果发生事故，责任判定是驾驶者还是汽车厂商必须有更加明确的法律条例规定和说明。然而，自动驾驶存在的问题远不止于此，还有很多亟需解决，包括安全问题，场景化问题等。

资源整合是必然趋势

然而即便面临巨大挑战，也没能动摇各方势力进军自动驾驶领域的决心。从目前来看，主要有四类自动驾驶技术研发企业。第一是软件及互联网公司，如谷歌、百度等；第二类是传统汽车企业，包括通用、日产、丰田、本田、宝马等公司；第三类是跨界企业，如Uber、滴滴、苹果等公司；第四类就是以特斯拉为代表的造车新势力。

在众多势力涌入自动驾驶领域之后，就出现了一个有意思的现象。随着L2技术成果的落地，L3技术的向上突破，个别造车新势力和自主品牌都承诺很快能实现L4级自动驾驶，再加上特斯拉偶尔也出来放个卫星，不少人都对厂家所说的自动驾驶将很快实现商业化落地这句话深信不疑。