一、有利因素

　　（一）政策利好

　　我國智能駕駛既有頂層政策戰略導向，又有專項政策指導實施，標準法規也不斷完善。在我國政策頂層設計中，《中國制造2025》和《十三五規劃》都將智能駕駛作為汽車產業升級的重要方向。在專項政策中，2015年7月，國務院發布《關于積極推進“互聯網+”行動的指導意見》，加快智能輔助駕駛的研發與應用。2016年10月，汽車工程學會專題發布了《無人駕駛技術路線圖》；11月，中汽協發布《汽車行業升級投資指南》，從行業的技術和投資角度，引導智能駕駛的發展。2017年6月，工信部發布《國家車聯網產業標準體系建設指南（智能網聯汽車）（2017）》，2018年3月、4月，工信部接連發布《2018年智能網聯汽車標準化工作要點》和《智能網聯汽車道路測試管理規范（試行）》指導行業標準化落地實施，上路測試有法可依。

　　（二）人工智能推動自動駕駛汽車產業發展

　　人工智能技術一定會不斷發展，并且越來越完善，其在自動駕駛汽車產業中進行應用，也一定會讓汽車的性能提升，讓自動駕駛技術的可靠性、科學性以及安全性得到提高，并會不斷發展成為我國工業發展中的一個重要產品。自動汽車的發展，也會成為推動我國經濟發展的一個重要方向，其集成多種高新技術，如，傳感器、通信設備、計算機處理器、人工智能以及地圖導航等，我國對于自動駕駛汽車的研究也會不斷加強，這會促進人工智能在自動駕駛汽車中的應用以及發展。

　　（三）深度學習提高無人駕駛安全性

　　深度學習在圖像識別方面得到了很大的突破，其算法能夠通過多層迭代學習特征抽象的模式識別，進而可以提升對物體及路況識別的精準度。在云計算及大數據時代下，智能控制技術需要依靠深度學習，來滿足自動駕駛在精確度以及安全度上的要求。深度學習屬于人工智能中的一門學科，利用計算機算法在機器上對神經網絡進行模擬，進而讓機器能夠獲得學習的能力。

　　無人駕駛汽車利用深度學習可以對其駕駛行為進行不斷的優化，這也是當前最有效的解決方案。無人駕駛汽車在行駛中都會遇到各種交通情景以及突發情況，進而產生很多的數據，這些數據會被傳回到云平臺中，為其深度學習提供訓練樣本，經過大量的訓練以及學習，就會讓其得到自身行駛的駕駛經驗，還能得到其他車輛的學習以及訓練成果，樣本訓練日益增加，駕駛技術也會相應的提升，讓無人駕駛技術能得到極大的進步，提升其安全性。

　　（四）互聯網企業紛紛涉足智能駕駛行業并成為重要驅動力

　　從國際上看，Google的自動駕駛汽車測試已經超過400萬英里，從實驗室走向了實用階段，公司正在為其商業化，積極布局，并與多家主機廠開展了合作；Uber已在匹茲堡、坦佩、舊金山和加州獲準進行無人駕駛路測；蘋果公司也于2017年4月獲得了加州測試許可證；韓國互聯網公司Naver成為韓國第13家獲得許可的自動駕駛汽車研發企業，計劃于2020年前商業化L3自動駕駛汽車。

　　從國內來看，互聯網企業百度、阿里、華為等企業紛紛進軍智能網聯汽車的技術研發和服務工作，由于擁有較高技術實力，這些企業的態度更加積極。2016年5月，百度宣布在蕪湖建立無人駕駛汽車運營區域，并計劃在3年內實現商用。騰訊于2016年下半年成立自動駕駛實驗室，依托360°環視、高精度地圖、點云信息處理以及融合定位等方面技術積累，聚焦自動駕駛核心技術研發。

　　二、不利因素

　　（一）互聯網層面的挑戰

　　人工智能技術是基于互聯網工作的，其主要依托為互聯網實時的更新交通路況、上傳數據以及接收數據。所以，人工智能技術對于互聯網具有較強的依賴性，其開發的自動駕駛汽車也對互聯網有較強的依賴，然而現階段的網絡安全情況并不是很好，經常會出現網絡攻擊事件，這就給不法分子提供了機會。所以，當前在發展自動駕駛汽車時，怎樣能夠確保人工智能技術在其中應用的安全性以及可靠性，是需要認真思考的一個問題。

　　（二）法律上的挑戰

　　在法律層面上沒有清楚的規定自動駕駛汽車，尤其是對自動駕駛汽車產生事故之后的相關方面缺乏規定，無法認定責任，讓自動駕駛汽車沒有法律約束，這也成為其發展的一個重要挑戰。