自动驾驶不会凉。头部通吃的结果，很多自动驾驶初创公司会凉。
不会凉的原因很简单。
首先，辅助驾驶一定会大规模普及。
其次，特殊行业的封闭区域自动驾驶会大规模普及。例如港口，矿山，无人配送，工厂仓储，这些不涉及人员安全，会更早普及，这里面就会为无人驾驶积累经验和人才储备。（高赞答主说百度放弃了港口这类场景，因为市场规模几千台，覆盖不了研发成本，个人认为小而美的公司能够盈亏平衡，利用apollo等开源平台，先落地活下去，也就是我说的积累经验和人才储备）
最后，就是无人驾驶Robotaxi的终极场景。目前来说，L3L4都是安全性不足，无法商用的。如果限定在封闭区域内运行，毫无意义。
还有搞智慧城市V2X的，城区真的实现V2X全覆盖，L3和L4安全性几乎是一致的。但是V2X投资巨大，目前V2X除了红绿灯联网，实际上还没有其他高级智能功能落地。V2X基建的一个优势是成本，利用V2X加L3车辆实现了区域无人驾驶。毕竟V2X基建不算钱，20万的L3无人车还是很诱人。
打击一下大家目前的热情，或者说提个新的方向。
一，预计Robotaxi不能解决城区堵车的问题，10%都是无人车几乎没作用，40%都是无人车也仅仅起到缓解拥堵的作用。因为大家都要高峰期出门，就类似外卖高峰都是中午和晚上。高峰期路上的车少不了，只能期望智慧座舱让堵车不要那么无聊。
二，个人预计L5级别Robotaxi运营成本在3元每公里左右（还不包括早期研发成本，有些答主预测的成本还要高一点），在国内对比出租车并没有优势。价格更高的情况下，如何吸引普通人选择无人车？
三，个人无人车拥有量会超过Robotaxi市场。基于高峰期的痛点无法解决，无人车会被土豪收归车库。
目前无人车安全性不足，各公司都在推进试运营。无疑是拿普通乘客当小白鼠。土豪请个老司机不香吗？土豪都不用的无人车，不要指望普通人会很热衷，用了也不过是无奈之举。个人认为超过老司机的高度安全保障，会吸引土豪使用无人车，打消大众对无人车的疑虑。
======广告预警======
题主所说的是事实，但是不要过分失望。
自动驾驶不会凉的原因在这。
我有一个L5级别自动驾驶方案，自夸自吹，欢迎拍砖。
通过高度安全性，解决了长尾场景，远超老司机时速的情况下依旧保证高度安全。（目前L4级别Robotaxi路试安全不足，靠降低速度来弥补）
可以不依赖V2X高精地图依旧保持高度安全。（解决办法很粗暴，既然解决了长尾场景，把每一米路程都当成长尾场景就行了）
目前L4级别Robotaxi安全性不足，自动驾驶法规迟迟无法落地。高度安全的L5方案或许会让问题简单一点。
暂时不公布了，自动驾驶目前止步不前，等一等硬件的发展也挺好。
法规还是目前最大的障碍，特别是地图资质，不能实现地图实时更新，国内自动驾驶就始终低上一个档次。虽然L5可以不用高精度地图，毕竟也是有代价的。靠L3L4厂家先突破地图资质问题，反而对整个行业有利。也不会太久，2025年就会有最终的政策，不管放不放开，顺其自然吧。
L5有几个演进路线，按照推测，激光雷达最终会被取消，纯视觉方案和深度学习会笑到最后。
深度学习视觉方案在现在看来是个笑话，但最后能挑大梁的也只有这两个。继续保持好奇。
补充
======不用V2X解决红绿灯场景=======
很多人认为，视觉识别不可靠，太阳刺眼，红绿灯场景解决不了，要用V2X之类。
给个解决方案，有点极端的场景，大家轻拍。
直接极端一点，无人车红绿灯识别拿掉，看都不看红绿灯。
场景一:无人车等待绿灯，前方有车辆A。很简单，跟着前车A走就好了。或许刚好变红灯无人车过不了，不要理会（因为无人车看不见信号灯），继续跟着前车A过路口。或许还有极端场景，对向车道变绿灯，有车辆H快速横过路口，H就会碰撞闯红灯的无人车。实际上碰撞很难完成。两个保障，一是跟在A车后面，H车会很早发现无人车，H车会提早让行。好吧，H车仗着自己是绿灯，就是要撞过去。第二个方法就是无人车扫描周围环境，及早发现高速车辆H，无人车自己规避碰撞。（这个不难实现）
更难的场景二:前方路口没车，无人车又看不见红绿灯，解决方法依旧很简单。无人车在路口先停下来（也可以减速但不停），无人车扫描路口状况，识别其他车辆路径，发现有空隙可以通行，直接通过路口就好。
以上，不看红绿灯不用V2X，无人车依旧可以过路口。
唯一的问题是，无人车会违反信号灯通行，但是至少无人车可以安全的通过。至于违反交通法规问题，是需要以后探讨的事情。保证安全的前提下，法规不是唯一的衡量标准。毕竟以后法规都是有可能更改的。
跳出交通法规的圈子，专注于安全本身，是破解无人驾驶难题的一个突破口。
以上无V2X无信号灯识别过路口，方案有点极端，并不适合日常使用。 仅仅作为特例说明 。
但是这个方案现实中也能发挥作用，例如现实中无红绿灯路口，或者红绿灯故障的路口，高速匝道并入主线等场景。就可以利用以上方案解决问题。
要想机器感知准确度达到100%是不可能的事情。实际上人类的识别准确度也很差，与机器识别的区别在于各自擅长的领域不同。机器的感知范围更大更全，人工识别对特定事物识别准确度高一点而已。但是人工识别有偏差，也不影响人工驾驶。事实上机器识别偏差，也不会影响驾驶。（哪家公司实现了几个9的精度？不还是照样路试？）
再说路径规划问题，人类驾驶员就能够准确预知吗？事实上，大部分人工做的并不好。路径规划在原理上很简单，因为汽车的自由度是有限的几个，万变不离其宗。
个人思考的一个方案，利用模糊识别，模糊路径规划，无人车依旧保持高度安全性。
遍历长尾场景，还没能难倒L5方案。安全性问题解决以后，再逐步利用深度学习，提高识别准确性，路径预测的准确性。这样能够促进深度学习算法不断迭代，准确度越来越高，安全性越来越高。
而目前死磕识别的准确性，期望深度学习准确度无限接近100%，从而达到基本可用的程度，短期内是很难实现的。
