智慧人車的技術難點主要體現在以下幾個方面。

一是技術難題，涉及眾多復雜技術，如高級語言程序設計、數據結構和算法分析、智能駕駛原理等，每一項研究成果背后可能包含數十種技術，企業難以完成所有硬件研發和智能技術，且大數據、5G、云計算等依賴足夠的數據場景和基礎設施建設，這對多數企業很難實現。

二是產業整合問題，汽車智能化市場爆發，創業公司林立，供給側涌現多樣智能化方案，但技術路線差異大，市場存在泡沫，呈現“散兵游勇”局面，企業營收有限而研發成本高。

三是環境感知技術，傳感器獲取環境信息存在不足，如攝像頭在惡劣天氣和遠距離觀察上受限，毫米波雷達信號易衰減、傳輸距離短且分辨率不高，激光雷達易受干擾且成本高。同時，自動駕駛環境感知有“弱感知+超強智能”和“強感知+強智能”兩大技術路線，各有特點。

四是高精度定位技術，目前商用GPS技術定位精度不夠，易受干擾，需通過融合多部件信息實現精確到車道線的全球實時定位。

五是決策與規劃技術，要融合多傳感器信息進行任務決策和路徑規劃，有全局規劃和局部規劃之分，常見決策規劃體系結構有分層遞進式、反應式及混合式，各有優劣。

六是控制與執行技術，包括車輛的縱向控制和橫向控制，涉及多種模型和控制算法。

此外，還面臨交通相關因素的整體協同難題，若無法建立大一統的交通相關因素管理系統，無人駕駛難以應用于現實。

解決這些難點，一方面可通過產業鏈深度合作利用彼此技術優勢降低研發成本，另一方面要依靠強大的自研實力獲得市場認可提升溢價能力。