过去十年，自动驾驶在传感器、处理能力和算法方面已取得许多惊人突破，在自动化方面已达到3级，基本实现了B端场景应用，但在C端领域的落实仍有较大阻力，实现自动驾驶汽车的全场景落地仍需克服巨大障碍，下面探讨一下自动驾驶难以达到4级乃至5级自动化的主要原因：

受地域影响

自动驾驶汽车要通过日复一日的试运行衡量自动化等级指数，而由于不同地域道路与天气等因素大有不同，这导致自动驾驶出现了局限性问题，即仅能在测试地区表现完美，在其他不熟悉的地区则会出现各种问题。以开展测试项目最多的美国为例，美国光加州的自动驾驶汽车在 2019 年就行驶共290 万英里，这远远超过其他国家。然而，这也意味着训练数据倾向于偏向加利福尼亚的道路和天气状况。

因此为实现更高级自动化，需对车辆进行更系统的训练，使自动驾驶汽车在其他区域对遇到的每个对象物体也能做到准确识别，这使得自动驾驶需要大量训练数据作支撑。

数据障碍

训练自动驾驶算法所需的数据工作量非常大，例如，仅标注一小时的LiDAR、雷达或视频数据，平均需要800人小时。使用 AI 算法进行自动标记可以提高标注速度，但目前AI预标注难以达到精准与速度并行，为了确保训练自动驾驶汽车系统的数据质量，有必要让人类参与整个过程的每个阶段。

现阶段数据标注主要通过人工与智能结合的方式应对市场大量数据需求，在人工标注过程中，利用智能标注平台辅助标注工作，可以增加数据标注精度与速度，优秀的标注平台可以最大化提升标注效率。