随着科技的发展，安全是第一位，所以不用担心
整个L3自动驾驶系统必须达到ASIL D安全级别的需求，要求对整个环境感知和控制执行做冗余设计。具体到环境感知层面，需要雷达，激光雷达，摄像头等不同类型的传感器来确保环境感知的安全可靠。对于单个传感器，比如激光雷达，可以分解为ASIL B安全级别，这要求传感器有很强的自检能力，传感器需要时刻知道自己所处的状态，哪些检测是可靠的，哪些检测是不可靠的，并及时上报给中央ECU。
其实到目前为止，自动驾驶的行业标准尚未形成，在正真推入市场广泛使用之前，还是还需要有更多的测试验证的过程，自动驾驶汽车包含了环境感知、决策规划、执行控制一整个功能链，是一个非常复杂的电子产品。安全问题只能是逐步完善的过程。
我觉得自动驾驶最主要的就是感应器什么的先有一定的保证，然后才是后续的感知模块和制动系统、加速系统的配套安全行驶
对于自动驾驶行业的领先者来说，自动驾驶量产系统解决方案的研发工作可能已经逐步实现，然而余下的量产前算法开发和测试验证工作，却才刚刚开始。每一款产品需要到真实环境中经历各种各样的场景案例，然后身经百战，最后登上舞台没有一个相对省时省力的方式，可以绕过自动驾驶的测试验证环节快速完成量产。因为与安全有关的每一步，都不容我们寻找捷径。
首先，除了车子本身的自动驾驶系统做到位之外，还取决去道路状况的科学化和合理化设置；然后，自动驾驶需要在法律层面就保险赔偿等全责进一步细化。
目前业内针对自动驾驶测试验证一般会用几种方法，包括虚拟仿真测试（软件在环测试、硬件在环测试、车辆在环测试、驾驶员在环测试）、封闭区域测试、真实道路测试。其中，虚拟仿真测试使用计算机来搭建模拟的驾驶场景，这种测试方法对平台开发（例如开发激光雷达算法的通用部分）会有一定帮助，可以节约前期的测试成本，但是尚无法满足产品量产测试的需要。只有将产品放到真实的交通环境测试，才能获得感知系统的真实表现。目前行业缺乏一家客观中立的第三方，来帮助大家完成L3-L4自动驾驶量产前的测试验证。其中亮道智能提供了一种新型自动驾驶传感器融合验证测试，覆盖量产开发到产品最终形成。测试验证过程全部基于被测传感器（Device under Test）在真实路况获得的场景数据，测试方法以真实道路测试为主，软件在环、硬件在环测试为辅。但是作为产品量产前的安全“把关人”，测试验证方并不是一个轻易能胜任的角色，相反，基于大数据的自动化测试验证可能是目前自动驾驶行业技术门槛要求最高的新兴领域。和传统的测试验证不同，新型的环境感知测试验证提出了更多挑战：第一， ??蟛馐哉呔哂泻芮康乃惴??⒛芰ΑＴ谧远?菔换肪掣兄?馐灾校?枰??⒁徽?住翱凸壅嬷怠保?round truth）参考系统。这些客观真值一方面可以用来训练机器学习算法，另一方面可以用来验证现有感知算法的表现。目前量产ADAS产品的阶段，我们尚且可以通过人工标注的方式得到客观真值。但这种人工标注方式不但有大量的人工费用支出，更重要的是十分耗时。到L3和L4自动驾驶，需要采集上百万公里，数千小时的真实道路数据用于测试。此时如果继续依赖人工标注的方式，可能会耗费数年时间，无法满足量产开发的时间要求。因此，行业迫切需要一套依靠自动化的标注算法建立客观真值。第二，新型测试验证需要高度自动化的测试验证流程和高度集成的测试工具开发的能力。新型测试验证涉及的数据规模非常大，目前某国际知名主机厂要求5000小时的真实采集数据必须在几天时间内完成算法的测试验证并给出评价结果。这部分会涉及整个工具链高度集成和自动化，目标是实现高度自动化的测试验证流程??当测试者点一个按钮，工具就会自己运行。这要求整个测试流程的定义必须非常清晰，工具的开发、集成要紧贴流程需求，最后完成IT构架硬件的集成。第三，测试者需要掌握大数据分析和挖掘的能力。未来新型测试验证的数据量庞大，因此如何准确定位所需的测试场景和测试数据，如何利用这些数据来服务于自动驾驶功能的开发，都需要测试者具备大数据分析和挖掘的能力，从大量数据中迅速准确定位到我们需要的数据。测试方在上述三点都要具有足够的积累。未来的自动驾驶企业需要在算法开发能力、测试验证能力、大数据分析和挖掘能力三个方面，夯实自己的核心竞争力。
