撰文 / 張 南

編輯 / 黃大路

設(shè)計 / 趙浩然

2014年10月，特斯拉開始在Model S和 Model X 車上安裝第一代自動駕駛系統(tǒng)Autopilot，到明年正好10年。10年時間，特斯拉智能駕駛技術(shù)持續(xù)升級，軟件迭代到第12版，硬件升級至第4版，現(xiàn)在命名叫FSD。

近日，關(guān)于FSD即將進入中國的傳言甚囂塵上。無論特斯拉來不來，一個不爭的事實是，中國已經(jīng)成為全球智能化轉(zhuǎn)型的先鋒陣地。在這場始于美國，興于中國的智能化風暴中，中國車企和供應(yīng)商扮演了重要角色。

2023年，諸多車企紛紛上線城市NOA功能，智能駕駛?cè)﹂_啟了浩浩蕩蕩的“無圖運動”，大模型的出現(xiàn)為數(shù)據(jù)訓練提供了另一個新思路……擁有全球最多的汽車品牌，最大的汽車市場，中國智能駕駛運動轟轟烈烈。

沈陽美行科技股份有限公司執(zhí)行總裁武文光最近參加一個活動的時候，就感受到了這股熱潮，吃飯的時候，一桌10個人4個和智能駕駛相關(guān)。

“越來越多的高端人才涌入，身邊越來越多的人觸及這個領(lǐng)域，這說明什么？說明智能駕駛正在從遙遠的概念變成了很多現(xiàn)實，一個一個零件和一個一個軟件，一個一個產(chǎn)品，一個一個功能和場景。”他說。

有些遺憾的事，新技術(shù)的發(fā)展從來不是一帆風順的，經(jīng)過了10年的經(jīng)驗人才累積，中國智能駕駛翻過了一個又一個山峰，也遭遇了瓶頸。

輕舟智航聯(lián)合創(chuàng)始人、CEO于騫認為，現(xiàn)階段的核心問題還是在技術(shù)本身的突破，包括研發(fā)范式的突破，比如行業(yè)里面真正能使用到上百萬、幾百萬數(shù)據(jù)車的車企和數(shù)據(jù)公司，寥寥無幾。

“這方面特斯拉真的是遙遙領(lǐng)先，特斯拉在這方面我始終認為它做得非常好，而且能夠把成本控制得這么好，產(chǎn)品體驗做得不錯，能得到消費者認可。并不是把單純的技術(shù)突破，比如端到端的，我可以看到研發(fā)范式方面，特斯拉幾次都壓得很對，比如視覺方案、無圖方案、端到端方案，我們對于行業(yè)頭部的企業(yè)要有一種非常尊敬和敬畏的心。”

地平線副總裁&智能汽車事業(yè)部業(yè)務(wù)拓展負責人張宏志則認為，阻礙智能駕駛前進的麻煩在于整個復雜系統(tǒng)不斷優(yōu)化的過程。硬件+軟件+數(shù)據(jù)本應(yīng)該是個等邊三角形，然而現(xiàn)在的發(fā)展是硬件的長板足夠長，算力和數(shù)據(jù)足夠短。

他認為，就算邁過了山坳，爬上了山頂也不是結(jié)束，因為任何技術(shù)都有穩(wěn)定期，在這段時間內(nèi)，整個系統(tǒng)級的優(yōu)化就變成最主要的問題了。

“系統(tǒng)級優(yōu)化得出來的結(jié)果是對用戶感受，用戶體驗上，很顯性的價值功能會越來越重要，隱性的還需要再經(jīng)過下一個山坳，我認為爬山不是這樣直著上去的，是爬一段有一個山坳，你下去解決之后再往上爬，是起起伏伏爬上山的過程。”

過程是曲折的，前途確實光明的。11月11日下午，2023中國汽車供應(yīng)鏈峰會上，就“山坳上自動駕駛：黎明前的黑暗”的主題，在大鉦資本合伙人、董事總經(jīng)理林雷的主持下，武文光、于騫、張宏志，還有吉利汽車研究院技術(shù)規(guī)劃中心主任陳勇，東風乘用車公司制造總部副總部長徐斌，北京中科慧眼科技有限公司CTO崔峰 進行了深入探討。

他們不約而同的認為，未來3~5年內(nèi)，起碼在用戶體驗上，智能駕駛將會有更好的突破。

以下是圓桌討論實錄。

林雷（主持人）：今天的語境是大家可以更自由的使用這個詞匯，自動駕駛和智能駕駛，剛才在主持人的提示下，這兩個題目可以在自動駕駛這條線上被統(tǒng)一起來了，這是我想說的第一個討論問題。在本輪開始之前，請各位嘉賓作一個簡短的自我介紹。

于騫：我是輕舟智航的聯(lián)合創(chuàng)始、CEO于騫，我們公司主要以做自動駕駛整體解決方案定位的，我們公司成立大概不到5年時間，400人左右，主要在蘇州、北京，人員大概是這么安排的。

陳勇：我是來自吉利汽車研究院的陳勇。

武文光：我叫武文光，今天代表沈陽美行科技來到這里，我們主要做和地圖相關(guān)的軟件。

張宏志：我是地平線的張宏志，主要是服務(wù)好各位，提供芯片和計算平臺給于騫，給武文光，給崔峰，服務(wù)好兩位主機廠，我們就是做這個的。

徐斌：大家好，我是東風的徐斌，非常榮幸有機會參加這個討論，謝謝。

崔峰：大家好，我是北京中科慧眼的CTO崔峰，我在論壇里面應(yīng)該是一個很小的企業(yè)，我們是做車載立體視覺感知軟硬件解決方案的公司，同時也在為智能底盤這個領(lǐng)域服務(wù)，希望向各位老師學習，謝謝！

智能駕駛這10年

林雷（主持人）：好，謝謝各位嘉賓，這個題目是山坳上的自動駕駛，賈可博士說成山坳兩個字，可以查一下山坳兩個字具體怎么解釋？山坳是跨越分水嶺山脈高處的一個險要關(guān)口，用這個詞來形容自動駕駛非常貼切，特別是從現(xiàn)在的角度來看，自動駕駛在過去10幾年得到了一個高速發(fā)展。

2009年，在google的X的實驗室啟動了自動駕駛項目，也是自動駕駛的起點，硅谷涌現(xiàn)了一批自動駕駛企業(yè)，吸引大批風險投資和高科技人才。同時特斯拉以量產(chǎn)的形式進入智能駕駛中來，展現(xiàn)了很大的野心，2014年的Autopilot1.0版經(jīng)過了這么多年的迭代，軟件到第12版，硬件到第4版，現(xiàn)在命名叫FSD。

中國在這一輪“自動駕駛”領(lǐng)域處于全球領(lǐng)先地位，回顧一下十幾年來自動駕駛的高速發(fā)展過程，我們在技術(shù)上，包括硬件和軟件到底取得哪些重大突破？

另外我們在商業(yè)化領(lǐng)域當中有哪些出色的經(jīng)驗和積累，也想請各位嘉賓都從自己的角度做一個簡要闡述，我一輪問題可能有2-3個小問題，大家可以選擇其中一個回答，于總剛剛您做過演講了，而且是代表了智能駕駛領(lǐng)域，我們從崔總開始。

崔峰：我們一直在為智能駕駛這個行業(yè)服務(wù)，主要是提供一些感知硬件，包括端到端的特殊功能軟件，其實我們看了一下中國的智能駕駛的行業(yè)在疫情這兩三年里面發(fā)展的非?？欤芏嗟男履茉雌?，包括合資品牌自主品牌跟緊步伐，我身邊的人在購買車輛的時候更多關(guān)注智能駕駛能力，包括是否實現(xiàn)了硬件預埋。

在中國供應(yīng)商和主機廠的共同努力下，中國消費者確實也能以更低廉的價格獲得更好的智能駕駛體驗，更高的硬件配置，之前我也訪問了日本和德國的一些車輛的展會，包括當?shù)氐念櫩?，發(fā)現(xiàn)中國消費者對智能駕駛的熱度，包括中國車輛里對于智能駕駛的掌握程度確實在一個較高的水平上。

作為一名從業(yè)者，我更希望能夠讓消費者實實在在的享受到所付出的這一部分金錢，就像剛才吉利這位領(lǐng)導講的，大模型很重要，但是我們希望物有所值，這個確實是我們想要共同探索的關(guān)鍵點。

林雷（主持人）：謝謝，崔總認為巨大的進步是得到消費者的認可，消費者能夠開始對這個技術(shù)方向有理解，并且開始嘗試，這是很大的突破。徐總從您的角度看自動駕駛領(lǐng)域在過去的技術(shù)方面，商業(yè)領(lǐng)域方面有什么巨大的突破呢？

徐斌：東風在智能駕駛領(lǐng)域深耕了10年，L2、L3車型很多已經(jīng)搭載應(yīng)用了，比如說風神，現(xiàn)在無人駕駛出租車也在大規(guī)模示范運營，無人集采在廈門港和武漢的陽邏港都在運行，包括低速的在雄安新區(qū)和武漢的經(jīng)開區(qū)都在示范運營，應(yīng)該說這么多年還是取得了很多成績，從最開始的在完全的封閉道路到半封閉道路，到現(xiàn)在開放場景，技術(shù)上還是取得了很大的突破。

如果說10年的積累和經(jīng)驗，我個人感覺更多還是在人才方面的積累，因為在2014年，2015年的時候東風到歐洲，到美國去高薪引進國外人才，這些人才回來以后成為國內(nèi)自動駕駛領(lǐng)域領(lǐng)軍的人物，10年發(fā)展下來我們培養(yǎng)了一大批本土高精專技術(shù)人才，這個是中國自動駕駛未來發(fā)展的一個非常重要的基礎(chǔ)。

林雷（主持人）：好，張總呢。

張宏志：地平線2015年成立，馬上差不多10年過去了，在產(chǎn)品上推了3代芯片，征程2、征程3、征程5，芯片推出來以后地平線還要做到可量產(chǎn)的方案，這個是產(chǎn)品上，10年時間是做芯片，并且把芯片做到量產(chǎn)方案。

接下來還會再這么干，商業(yè)化上來講，我們累計出到400萬片，大概有25個車企和我們合作，我們手里面有150個車型，已經(jīng)交付了50個，還有100個沒有交付，還在路上。

我個人覺得其實站在地平線的角度講一個方面就是在技術(shù)上，堅持持續(xù)的投入，在底層技術(shù)上不斷地創(chuàng)新，把AI這個事情放到車上，放到嵌入式終端上，和10年前相比是發(fā)生了天翻地覆的變化。

另外一個事情我覺得開發(fā)的易用性比以前好多了，不管是跟崔峰還是跟武文光老師合作，地平線從開發(fā)板到傳感器，軟件的開發(fā)環(huán)境可以提供完整的一整套，并且可以往前持續(xù)迭代。

我給大家講一個個人感受，其實10年前和現(xiàn)在講非常大的區(qū)別，10年前大家想做自動駕駛還要搭車，地下車庫把車搭起來讓車跑起來，10年后的今天你想給到供應(yīng)商一個車型，第一件事情就是把車拖過來改裝車。

區(qū)別點是10年前搭載的車上面自動駕駛能夠跑起來，但是整套環(huán)境，硬件環(huán)境，軟件環(huán)境量產(chǎn)不了，今天的環(huán)境是搭第一輛的車，為了做數(shù)據(jù)采集或者是做什么用途時候，我就知道搭進去的所有傳感器，硬件和軟件基本上是奔著量產(chǎn)去的，這是10年里面非常大的區(qū)別，10年前也在搭車，我們每一年都會搭車開始跑，但差別點就是是不是可以量產(chǎn)，這個是很明顯的分水嶺。

林雷（主持人）：謝謝，所以量產(chǎn)是一個很重要的進步。

武文光：近10年我想了一下，總結(jié)兩句話：

第一句，從遠到近的過程。我們原來覺得這個事在美國發(fā)生，從地理位置上是由遠到近，從技術(shù)發(fā)展也是由遠到近，就離自己很遠，自動駕駛離自己也很遙遠。

我最近參加過一個活動，吃中飯一桌10個人，有4個和智能駕駛相關(guān)。我們周邊的人，越來越多像于騫這種高端人才涌入賽道，身邊很多人都會觸及這個領(lǐng)域，這說明什么？說明從遙遠的概念變成了很多現(xiàn)實，一個一個零件和一個一個軟件，一個一個產(chǎn)品，一個一個功能和場景。

第二，從模糊清晰的過程。原來說自動駕駛是很模糊的概念，功能只是從A到B，不用管了就開過去，但是從技術(shù)路徑，原來講自動駕駛還是講V2X是必須的，現(xiàn)在單車智能是必須的，是有圖還是無圖，高精還是非高精？

這種劇烈的振蕩正在發(fā)生，激蕩和變化不是10年，就這3-5年，可能越來越快地出現(xiàn)在各個領(lǐng)域的競爭，各條路線的競爭，各個路線之中，每位參與者之間的競爭都促進了這個行業(yè)的快速高速的發(fā)展，這是技術(shù)路線逐漸變得清晰和成熟的過程。

我們從業(yè)的每個人都會感覺到離L2++拐點越來越近了，離山頂越來越近了，但啥時候突破可能還是一個問號吧，總體感覺我覺得是從遠變近，從地理上和時間上空間上都有這樣的一個感覺，無論是技術(shù)路線和社會環(huán)境，從群體和個體都是這樣的感覺。

林雷（主持人）：謝謝武總。武總很形象地形容了這十年來的變化，陳總。

陳勇：我覺得這十年智能駕駛的變化，對于整個行業(yè)產(chǎn)業(yè)鏈成熟度的提升還是非常大的?，F(xiàn)在不管是地平線做芯片也好，或者做激光雷達、攝像頭也好，包括做軟件、硬件開發(fā)、域控制器，十年前行業(yè)中真的是屈指可數(shù)的幾年企業(yè)在做，可能只有那么幾家供應(yīng)商，包括整車廠在做。

現(xiàn)在看到整個產(chǎn)業(yè)鏈的生態(tài)，不管是上下游、硬件、軟件、集成、算法、數(shù)據(jù)，這十年當中變化是非常大的。這也是為什么中國汽車，目前在汽車智能化，在智能駕駛領(lǐng)域相對來說走得還是比較靠前的，自動化程度比較高的，取決于這十年間產(chǎn)業(yè)的發(fā)展和成熟。

第二，從整個智能駕駛發(fā)展來看，從原來的改制車到數(shù)據(jù)采集，從那種狀態(tài)到現(xiàn)在慢慢走向了用數(shù)據(jù)驅(qū)動，用虛擬仿真驅(qū)動，讓整個智能駕駛的迭代和發(fā)展速度更快了，這兩點變化目前來講還是蠻大的，還是深有感觸的。

林雷（主持人）：因為這是一個產(chǎn)業(yè)鏈的事情。產(chǎn)業(yè)鏈各個環(huán)節(jié)如果不能同步往前走的話，也很難取得這么高速的進步和成就。于總，剛才從各種角度做了探討，可否從全球角度看一下自動駕駛在過去十年間取得哪些重大的突破？

于騫：其實您說十年，人類夢想自動駕駛不僅僅十年了，歐洲、美國都在很多年前有了自動駕駛的探索。人類夢想自動駕駛已經(jīng)幾十年了，從來沒有像今天離智能駕駛這么近過。

第二，雖然我們覺得離智能駕駛很近，但是又很遙遠。包括最近舊金山交通管理局把Cruise無人駕駛?cè)∠袅?，是suspend了，不是reward。

如果說大的變化，大家認知上有很大的改變，技術(shù)突破是一方面，認知上有了很大的改變，大家把自動駕駛的突破比喻成自動駕駛攀登珠峰的過程，這里面只有北坡、南坡之爭，可能真正能攀上北坡的，采取這么艱難路線的，這個行業(yè)可能非常少。

可能以Waymo為代表的這是一排路線，它有非常多的資源，很強大的技術(shù)實力和足夠深的pocket，這么深資源的公司可能才能攀登北坡，谷歌做了很多突破，即便這樣也非常難突破北坡。

相反自動駕駛的“南坡”更加符合大部分人的選擇，是更加務(wù)實的一條路，以特斯拉為主，他們在依尋從相對來講比較早期的“Autosteer”——基本L2的基礎(chǔ)功能，到Autopilot，到FSD，它在過程不斷地積累用戶價值，不斷地實現(xiàn)商業(yè)的成功，使得自己從早期大家不看好的路線上真正殺出來，其實它最終的目標也是實現(xiàn)完整的無人駕駛。就像您剛才講的FSD，它有很大的決心實現(xiàn)完全的無人駕駛，我覺得這條路比較符合大部分的公司演進的路徑。這個認知目前在行業(yè)內(nèi)是比較清晰的，目前采取爬北坡的公司越來越少，基本上都已經(jīng)放棄了。

第三，從技術(shù)角度越來越明顯的可以看到數(shù)據(jù)的價值越來越突顯，如果把自動駕駛技術(shù)形成大的框架的話，所有機器學習的方法不斷地擠占非機器學習的方法，當然現(xiàn)階段還沒有完全屏除掉非機器學習的部分，但是最終一旦進入到端到端的路徑后，這里面的數(shù)據(jù)價值會更加突顯出來，這是行業(yè)中非常大的關(guān)鍵突破，這個認知也是不斷地被強化加深，這一點上大家已經(jīng)基本有共識了。

什么事智能駕駛的最大瓶頸？

林雷（主持人）：一方面，北坡、南坡是很長時間以來一直爭論的點。另外一個概念是關(guān)于機器，比如用數(shù)據(jù)、機器方式擠占其他模式，這也是很大的認識突破。10月，Cruise在舊金山停止了自動駕駛測試，這是很大的事情，這也說明了一個問題，自動駕駛在過去幾年也出現(xiàn)了一些瓶頸。

另外，過去以L4為核心的一些解決方案公司現(xiàn)在也轉(zhuǎn)向幫助量產(chǎn)企業(yè)做一些高度輔助駕駛技術(shù)落地，這也說明了在技術(shù)上我們可能遇到了一些瓶頸。

問一下在座各位，自動駕駛技術(shù)發(fā)展的現(xiàn)狀下，我們遇到了哪些瓶頸？背后核心原因是什么？比如算法的基礎(chǔ)理論不足？還是算力和傳感器硬件的限制？或者是一些法規(guī)或者倫理的要求延緩了自動駕駛？我們現(xiàn)在遇到的最大瓶頸是什么？從于總開始。

于騫：首先，剛才我舉例北坡、南坡不是說北坡不可能，但是是很難的一條路，很多技術(shù)突破也說不好Waymo是不是真的有可能把這個事情做好，一下子爬上去，這不是適合所有人都做的路徑。

大部分來講，現(xiàn)階段核心的障礙我并不覺得法律法規(guī)這些東西是大的瓶頸，其實法律法規(guī)和技術(shù)產(chǎn)品演進是相輔相成的，不可能法律法規(guī)沒有任何限制，采取一個沒有任何監(jiān)管的方式，野蠻生長非常不合適，但是法規(guī)是需要和技術(shù)相輔相成，一步步來的。

相反我認為，現(xiàn)階段大家在技術(shù)方面、真正研發(fā)范式方面需要很大突破。畢竟智能駕駛是非常強的技術(shù)導向的產(chǎn)品形態(tài)，并不是把產(chǎn)品定義更好，或者采取一些其他方式能夠規(guī)避掉的，它是一個很硬核的技術(shù)，不僅僅是單點技術(shù)，包括芯片、傳感器、數(shù)據(jù)、機器學習等大量技術(shù)的突破都是需要的。

我覺得現(xiàn)階段來講非常核心的還是應(yīng)該在技術(shù)本身的突破，包括研發(fā)范式的突破，我們是否真的能利用到，比如行業(yè)里面真正能使用到上百萬、幾百萬數(shù)據(jù)車的車企也好，數(shù)據(jù)公司也好，寥寥無幾。

這方面特斯拉真的是遙遙領(lǐng)先，特斯拉在這方面我始終認為它做得非常好，而且能夠把成本控制得這么好，產(chǎn)品體驗做得不錯，能得到消費者認可。

并不是把單純的技術(shù)突破，比如端到端的，我可以看到研發(fā)范式方面，特斯拉幾次都壓得很對，比如視覺方案、無圖方案、端到端方案，我們對于行業(yè)頭部的企業(yè)要有一種非常尊敬和敬畏的心。

本身產(chǎn)品沒有那么多方案，很多車企的SKU在方案里面五花八門的，幾十種都不止，但是他們的方案基本上就一種，所以在整個研發(fā)體系的搭建、效率提升方面、數(shù)據(jù)大規(guī)模利用、研發(fā)范式的突破，都是非常有價值的，這點是我們需要特別關(guān)注和學習的。

當然在很多其他領(lǐng)域，特斯拉之外其他的玩家也做了很多突破，只不過他們講得比較少，Waymo很少講它是自由突破，像端到端的學習，包括learning base prediction大規(guī)模的仿真，都是Waymo最先推出來的，但是很少公開去講，也沒有大規(guī)模產(chǎn)品化，這一點特斯拉走得非常好，這是我能看到的。

總結(jié)來講，現(xiàn)在真正的大規(guī)模突破還是在技術(shù)本身，并不是說這個事情已經(jīng)完全做好了，已經(jīng)準備好了，法規(guī)不同意之類的。

林雷（主持人）：陳總您看呢，自動駕駛的瓶頸在什么地方？

陳勇：自動駕駛能量產(chǎn)的瓶頸不管是商業(yè)也好，技術(shù)也好，有很多原因，但其中有一點相對來說比較重要，本身的感知能力很大程度決定了智能駕駛的天花板，跟人的感知能力一樣。如何提升智能駕駛的感知、認知能力，從這個維度來講，應(yīng)該是突破智能駕駛最重要的路徑。

現(xiàn)在很多長尾效應(yīng)和corner case，智能駕駛這種場景如果不解決，真正面向自動駕駛就會很難。所以如何通過不管是大模型也好，通過大量的數(shù)據(jù)也好，去把目前自動駕駛的感知走向認知，在這個能力上有所提升，把這個天花板提升，真正的智能駕駛才會有比較好的機會。

林雷（主持人）：謝謝陳總，您給出了明確的指引。

武文光：我在想如果要突破，可能是一個悖論，如何突破大家探討一下，我把這個悖論拋出來。

把智能駕駛做好，需要軟件、算法，包括大模型需要數(shù)據(jù)的支撐，只有數(shù)據(jù)足夠了，算法才能更精準，然后才能解決很多corner case，再多的仿真模擬，實驗室再多的實驗，都無法替代社會真實場景。同時需要更多的數(shù)據(jù)訓練，本身技術(shù)是連續(xù)性的，是漸進式的，這是一面。

另一面，我們對自動駕駛的安全性又給予了極高關(guān)注，無論是車輛安全、人身安全、公共安全都給予了極高關(guān)注。我們現(xiàn)在在這片土地上，我查了一下數(shù)據(jù)，近五年每年因為交通事故死亡人數(shù)都超過6萬人，平均一天在160人以上。如果有自動駕駛有1例，那就是比較麻煩的。

我們給予了非常多關(guān)注的同時，推動它進步的同時，是不是也在束縛它？換句話說，有沒有一個衡量機制？我看過一個統(tǒng)計，說美國自動駕駛的up to now通道已經(jīng)比人的駕駛更安全，但是也禁掉了，這個悖論如何解決？如果不上路行駛，就很難有數(shù)據(jù)去支撐，沒有那么多數(shù)據(jù)安全性又達不到那個級別，這里面這個悖論如何解決？我不知道，但是有待突破。

張宏志：我先說結(jié)論吧，我認為麻煩事情是在于整個復雜系統(tǒng)不斷優(yōu)化的過程，我現(xiàn)在主要在地平線做生態(tài)，服務(wù)100多家公司，這個事情是當前我們要努力解決的。

原因是這樣，我們很容易想到軟件，數(shù)據(jù)，算法算力，就是芯片+軟件+數(shù)據(jù)，這個三角基本上想走到穩(wěn)定的結(jié)構(gòu)應(yīng)該是等邊的，但實際上并不是等邊的，以前大家怎么辦呢？以前是這樣的，我加幾個激光雷達，跑L4多加幾個激光雷達，把算力加大點，在傳感器和硬件這一邊弄的特別長。

數(shù)據(jù)是什么呢？找?guī)资_車跑一跑，中國這么大的地方就幾十臺車，北京就幾臺車，數(shù)據(jù)少得可憐，你真的沒有發(fā)現(xiàn)這個問題，因為出問題是概率的問題，沒有遇到那個概率很好，那我們就擴大規(guī)模吧，就是剛剛說的搞幾百幾千臺車，出事故了，再回來優(yōu)化這個過程。

算法也是一樣的，你前面跑的數(shù)據(jù)不夠，你給的算法，提的問題永遠是在實驗室里不斷的優(yōu)化車道線，因為那個是真實的，車道線很容易真實。

但是剛剛像陳勇舉的例子，走過去，如果有一個廣告牌，可能有幾十萬臺出去才會遇到這個場景，原來幾十臺車測試的時候沒有遇到這個場景，你覺得很安全了，是因為沒有意識到，認知沒有做到位就覺得是安全問題。

現(xiàn)在來講，傳感器+算力變得很長，短板的算法和數(shù)據(jù)沒有什么改變，現(xiàn)在包括像崔峰和輕舟智航搞還是很痛苦的過程。作為軟件來講能享受到100萬臺車積累下來的數(shù)據(jù)是非常幸福的事情，能解決很多的問題。

所以我覺得算力這個事情，為什么在階段性發(fā)展過程中大家都遇到這樣的問題，其實是約束項不夠，以前的約束項，以前說回歸商業(yè)理智，其實整個產(chǎn)業(yè)還是要和主機廠做生意，要看陳勇能不能為此而買單，這個是商業(yè)理智的問題，但是這個商業(yè)理智是以前的。

現(xiàn)在來講是在路上跑的L2++的車已經(jīng)很多了，今年有100多萬臺車了，大家想一下電動車跑1年有100萬臺車是什么樣的？這里面講用戶體驗的都知道，各種車企出的車，各種搭載方案，對于用戶來講你開1000公里完全體驗到哪個自動駕駛更好。

于是現(xiàn)在特別大的約束項出現(xiàn)了，所有的技術(shù)創(chuàng)新，產(chǎn)品創(chuàng)新為用戶創(chuàng)造的價值是什么？因為主機廠也看重用戶價值是什么？繼而是對供應(yīng)商的商業(yè)收入。

這個約束項放在這里之后，這個問題解決起來就容易很多了，你把對用戶高附加值的整個場景，包括像武文光老師說的主動安全，做得更加的極致，再拆解下來算力和傳感器并不是短板，重點優(yōu)化數(shù)據(jù)，因為算法是需要由數(shù)據(jù)做前提的。

有前面的約束，長板，有最后的短板，肯定軟件中間的前提是什么？就是足夠好的數(shù)據(jù)，這樣拆解下來就是用大模型也好，做生成式的數(shù)據(jù)，做仿真的數(shù)據(jù)，把這些都解決掉，這個事情會緩慢的再往前走，越過山坳，從這邊的山下來到這個坳的邊上，走過了這個拐點你可以走向另外一個坡，所以我是覺得現(xiàn)在來講算法和數(shù)據(jù)是比較大的一個卡點。

我再多說一點，數(shù)據(jù)這件事情跟算力，包括芯片還有一點跟傳感器是相關(guān)的，過去的數(shù)年里面來講傳感器的進步是突飛猛進的，從原來剛剛達到100萬像素的攝像頭，達到300萬，500萬，現(xiàn)在是800萬，我看到業(yè)內(nèi)有人琢磨1500萬，是4年時間，每年傳感器換一波，數(shù)據(jù)換一波，傳感器和數(shù)據(jù)以及相關(guān)的算法這幾年里面有點重復造輪子了。因為整個迭代的速度太快了。

接下來我認為會進入到穩(wěn)定期，各個技術(shù)因素有一些穩(wěn)定期，在這段時間內(nèi)，整個系統(tǒng)級的優(yōu)化就變成最主要的問題了，系統(tǒng)級優(yōu)化得出來的結(jié)果是對用戶感受，用戶體驗上，很顯性的價值功能會越來越重要，隱性的還需要再經(jīng)過下一個山坳，我認為爬山不是這樣直著上去的，是爬一段有一個山坳，你下去解決之后再往上爬，是起起伏伏爬上山的過程，謝謝！

主持人（林雷）：謝謝張總，也很明確，對我們瓶頸的看法也非常明確。

徐斌：因為在座的都是專業(yè)人士講了很多技術(shù)上的問題，技術(shù)上我是完全的外行，談到自動駕駛大家就談安全，安全有絕對安全和相對安全，絕對安全不存在，如果為了自動駕駛的絕對安全花很大代價堆積硬件、做軟件做算法、投入巨大的精力，只是為了解決那些極端場景下的絕對安全，我覺得這個路是死路、我們在路上都會碰到剛剛拿到駕照的新手，有疲勞駕駛的，有酒駕、醉駕、毒駕的，甚至還有惡意撞人的案件。

這種情況下當前自動駕駛在很多場景，或者是主要場景下面的安全性已經(jīng)遠遠高于剛才說的現(xiàn)象，所以如果要畫一條線，自動駕駛的安全性高于現(xiàn)在人類駕駛的平均安全水平，具備了大規(guī)模量產(chǎn)的條件。另外一個很關(guān)鍵的點大家都只盯著自動駕駛，但是別忘了自動駕駛只是車的一部分，我們沒有提到車，車是一個物種在不斷的進化。

現(xiàn)在車的最大問題是不具備高級的溝通和交流能力，不能融入社會日常生活。比如說如果哪一天這個車進化了，出了交通事故的時候會說，“Hi 哥們這個我全責”，自動報警，自動報保險，自動定損之后就走了，遇到非常擁堵的時候說“哥們，那我先走一下”，如果這個車進化到這個程度的話，我想自動駕駛就順理成章了。

主持人（林雷）：謝謝，提到了更高的標準。

崔峰：剛才特別受教育，各位領(lǐng)導都特別有高見，關(guān)于自動駕駛落地的難點，我特別同意徐斌總和張宏志總的觀念就是商業(yè)的難，其實如果商業(yè)可行的話說到底是數(shù)據(jù)還是資金還是裝備價值，到底高或者低不重要了，因為有大量客戶買單這個就順理成章了。

為什么商業(yè)化路徑難，我個人的灼見，單車智能化要達到自動駕駛是一個無限累積的裝備戰(zhàn)，上激光雷達上高像素攝像頭，上高算力平臺，不管是地平線的J5，J6，J7、J8走下去，是無限堆積能力的過程，但是徐斌總講了汽車是一個物種，假如說是一個士兵不斷的加導彈、無人機、飛機成本也受不了，也背不動。

如果是單車智能我同意大家的觀點，如果能夠讓消費者接受90%的好處，只要拿出20%-30%的成本，這個商業(yè)可行。我親眼看到在購車的時候，或者觀察一些新用戶的時候，他們特別想試一下這個車能不能倒車入庫，因為女司機特別想要解決這個難點。

包括我個人出事故，很多的時候是在進入庫的時候，而不是行車上，那個時候高度集中，我可能不太愿意主觀開自動駕駛，反而認為低速很輕松的時候會有刮蹭旁邊的車，或者是旁邊的車剮蹭我，這個事情解決好了，只要增加一點購車成本他可以接受，我們的主機廠供應(yīng)商從這里面受益，不斷的將成本降下來，體驗上去，一定能夠走到光明的一天。

但如果放在整個環(huán)境中講，我們說自動駕駛什么時候落地？我舉個非常不愉快的例子，過去幾年對疫情的封控，這么14-15億人口國家，大家想象不出來一夜之間讓所有人聽我的指揮，到哪去都有一個系統(tǒng)同步知道。

中國是最容易落地自動駕駛的國家，我個人認為，但是并不是依靠單車的智能，一定是通過V2V，V2X的協(xié)同，包括高鐵，地鐵一樣，通過一個系統(tǒng)調(diào)度，讓大家順利的平安到達端到端的地點，到某一些地點可以騎小黃車，不用付那么高的費用，不用有駕駛?cè)藛T，安全到了一個你最希望到達的彼岸，你再走兩步，騎輛車，這可能是一個更加容易實現(xiàn)的束縛的點，這時候單車就不需要那么昂貴的設(shè)備，當然我認知有限。

我覺得可能從單車來講，不應(yīng)該是一個無限累積單車數(shù)據(jù)訓練能力的過程，一定會有一個分水嶺，在某個分水嶺之下像士兵一樣，他的裝備永遠是單兵裝備，不再像是一個特種兵，什么都要裝在身上。

未來三五年，會出現(xiàn)什么樣的里程碑？

主持人（林雷）：謝謝，我覺得這輪的討論應(yīng)該對目前所看到的瓶頸有一個全面的理解，其實這個理解也對我們未來的所謂預期給了一個基礎(chǔ)，下一個問題想看一下自動駕駛或者是智能駕駛未來是什么，往什么方向發(fā)展？我們都是從業(yè)人員，在里頭都有很深的工作經(jīng)驗和歷史，我們對未來有一個自己的預期判斷，也是我們必須有的預期判斷。

我們上一個階段的預期判斷不是很成功，當時自動駕駛剛剛起步，那是熱火朝天的時代，有大量資本進入，大量人才進入，我們有一個預期很快，應(yīng)該是5年左右，6年左右會出現(xiàn)一個能夠完全地取代人的自動駕駛系統(tǒng)，現(xiàn)在看好像是還沒有實現(xiàn)。

隨后我們發(fā)現(xiàn)了不僅這個沒有實現(xiàn)，我們投入了大量的人力物力解決corner case的問題，現(xiàn)在解決的還是不令人滿意，這個就使我們對自動駕駛的預期一直在不停調(diào)整。

但是我們還有10年的歷史，站在今天的階段，現(xiàn)實的階段，我們預期也不用特別遠，比如說未來3-5年能夠預期到什么樣的領(lǐng)域的milestone的出現(xiàn)，無論是技術(shù)也好，商業(yè)模式也好，法規(guī)也好，3-5年會有一個什么樣的milestone出現(xiàn)？

崔峰：跟我剛才說的觀點繼續(xù)下去，可能5年以內(nèi)，中國范圍來講如果說國家真的有這個決心像抗疫這樣規(guī)劃一個整體的全國統(tǒng)一的網(wǎng)格，買一個車都可以進行通信客戶端建設(shè)起來，這是可以實現(xiàn)的，如果國家層面沒有規(guī)劃的落地，我們在車與車之間，地區(qū)與地區(qū)之間，不僅是通訊地圖各方面還是在各自為戰(zhàn)，我個人認為是一個消耗戰(zhàn)，是諸侯割據(jù)的狀態(tài)，這個時候會相對悲觀一點。

一個車輛一個載體的能量重量，價值售價一定有限，你的供應(yīng)商，他的資金，人力物力投入也需要商業(yè)回報，包括投資人，所以這一點上我更加期望能夠大刀闊斧的像發(fā)展新能源汽車一樣發(fā)展自動駕駛行業(yè)，也希望有更多的投資者，更多的年輕人，更多的人才包括領(lǐng)導能夠有魄力打好這一仗。

在我來昆山的路上看了一點紀錄片，說那一年我們還年輕，是記錄朝鮮戰(zhàn)爭老兵的訪談，里面有一位說的話我非常受感動，說“戰(zhàn)爭是殘酷的，但是我們也不要害怕”，謝謝！

主持人（林雷）：看來你對政府的期望還是蠻高的。

徐斌：剛才崔峰總談到了戰(zhàn)爭，我個人覺得現(xiàn)在自動駕駛就像長征，我們不知道在什么時候走到哪里，這條路會異常艱辛，但是我們一定要往前走，這條路可能有損失，非常慘重的湘江戰(zhàn)役，也會有蕩氣回腸的四渡赤水，往前走走著走著可能就到延安了，但是有一點，延安一定在前面，謝謝！

張宏志：非常贊同，3年里至少在高速NOA上會讓用戶越來越接受，至少現(xiàn)在很多用戶在高速NOA上的滿意度是在逐步提升，還要更高再往上提高，這個希望是非常明確的。

我感覺差不多到了四渡赤水的時刻，再往前走希望很光明，原來是很恐怖的，大家不太知道那個地方的路怎么樣，現(xiàn)在其實很清楚了，因為有人已經(jīng)跑出來了。另外一點，我是覺得在3年時間內(nèi)，用戶可得到的體驗和得到的產(chǎn)品其實是偏清晰的，因為都可測試了，數(shù)據(jù)指標可以測試出來體驗指標是多少。

但成本指標是麻煩事兒，為什么？因為我覺得這個行業(yè)分工協(xié)作太混亂了，數(shù)據(jù)主機廠擁有數(shù)據(jù)，比供應(yīng)商來講優(yōu)勢太多了，反而供應(yīng)商人才密度高，像詹姆斯這樣從海外回來的人才主要集中在供應(yīng)商，基礎(chǔ)設(shè)施集中在主機廠，過去幾年里大家老討論一個很無聊的問題，自研不自研，可控不可控，如果3年以后提供一個特別爆強性價比的，讓用戶的體驗感也非常爆強的，對用戶特別好的產(chǎn)品，現(xiàn)在看是一個轉(zhuǎn)變很好的供應(yīng)鏈上岸的方式，大家都在坐在一個圓桌上不分你我的共同解決這個問題。

我也看到有一些主機廠，不管是車輛整個測試，整個產(chǎn)品體驗，在很多的方面幫助供應(yīng)商來解決供應(yīng)商不擅長，或者是以前沒有那么多足夠經(jīng)驗量產(chǎn)的時候解決的問題，供應(yīng)商也越來越多的把自己的這些認知，技術(shù)的領(lǐng)先性跟主機廠進行share。

最后得到的結(jié)果應(yīng)該是一個強性價比產(chǎn)品，用戶滿意度足夠好，體驗也足夠好的智駕產(chǎn)品，這個在3年時間以內(nèi)是可以預期的。

另外站在我個人角度，中階高速的智駕產(chǎn)品和城區(qū)，我覺得是兩個產(chǎn)品。你所面對的場景，所面對的問題域，其實很大的程度來講，在整個技術(shù)鏈條上需要改變或者是需要提高的部分，需要優(yōu)化的部分其實是非常多的。

如果整個技術(shù)鏈條改變了40%左右，整個技術(shù)的相關(guān)實現(xiàn)方式，比如說高速上至少可以依賴于高精地圖，但是在城區(qū)上依賴于全中國建成高精地圖，這個看起來不是一個短期內(nèi)可執(zhí)行的事情，這個得升級。

我覺得在3年時間內(nèi)要堅持投入到城區(qū)NOA高階上，相關(guān)的技術(shù)投入我認為整個產(chǎn)業(yè)其實是需要走到那一步的，因為走到那一步有可能就是抗戰(zhàn)的勝利。

武文光：剛才陳勇總在演講的最后一頁對大模型的判斷說，不要短期太樂觀，也不要長期太悲觀，大體是這樣，以陳勇總的版本為準。我覺得從技術(shù)角度講一定是漸進過程，我們每個人的體驗，在自動駕駛的體驗越來越好，這半年多的時間我轉(zhuǎn)到和地圖相關(guān)的領(lǐng)域，也會有很多自身體驗。

我覺得從技術(shù)積累方面確實有非常多的工作要做，比如說車機地圖不如手機地圖，我今年國慶出游用的手機地圖，也用的是用戶最多的那家，有紅綠燈嘛，開了3天下來沒有一個紅綠燈是準確的，上差下差總規(guī)差1兩秒，roughly是對的提醒你，但沒有一個是完全準確的。

如果說人開是OK的，提醒這個功能非常好，尤其是你一看手機就忘了時間，可以提醒你，如果真的用到自動駕駛，我當時開的時候就在想這個問題，如果真的用自動駕駛，那是很恐怖的，所以說從每個技術(shù)點逐漸突破，我們也有這種包括“有圖無圖”的說法，現(xiàn)在大家車上都有傳感器，用傳感的方式完善地圖，當然你說完全去地圖，我對這個打個問號，因為人工智能已經(jīng)夠可以了，人還要用地圖，何況車呢？

所以說這個base加上不斷迭代的理念，我只是關(guān)注在這個很窄的領(lǐng)域，我們在定位這些方面做關(guān)注，在很窄的領(lǐng)域是這樣，無論是感知決策到執(zhí)行，每個領(lǐng)域當中可能都是這么一個漸進式的過程，我覺得漸進是肯定的，拐點的出現(xiàn)很難預測，還看不到，已經(jīng)有非常多的不僅是技術(shù)本身，還有社會約束條件等等其他條件。

陳勇：我覺得3-5年的milestone怎么樣不知道，但是3-5年的趨勢有幾點：

首先，智能駕駛還是在強調(diào)智能駕駛域，更多的應(yīng)該是3-5年之后智能駕駛結(jié)合智能座艙全車的感知智能，甚至是動力域的融合，底盤域的融合，把智能駕駛的體驗和安全做得更好，這是3-5年發(fā)展核心非常重要的地方，拋開單個智能駕駛的領(lǐng)域，往整車智能融合動力底盤去做這個事情，讓安全體驗會做的更好，我覺得未來3-5年應(yīng)該會有機會落地。

其次，人工智能大模型來了之后，我們目前大部分做的還是+大模型，哪里不好補哪里，未來3-5年應(yīng)該是模型+，應(yīng)該會形成智能駕駛的新的開發(fā)范式，是有機會落地的。

還有，從商業(yè)上講有可能針對智能駕駛，或者是整車智能化之后出現(xiàn)類似于保險業(yè)務(wù)讓我們的智能駕駛真的能夠有這種智能駕駛的場景險，讓智能駕駛落地，商業(yè)化落地更有機會。

于騫：我覺得未來3-5年一個非常核心的判斷，就是用戶價值在智能駕駛的方面有很大的體現(xiàn)，現(xiàn)階段的困境在于智能駕駛和用戶預期差很遠，用戶不覺得這個東西是剛需，有沒有無所謂，但是未來3-5年，不到5年，大家對這個智能駕駛事兒，就跟買手機一樣，沒有的話就不會買這個了，因為車要開很長時間，智能的用戶價值一定是巨大的凸顯，我覺得這個很快就能體現(xiàn)出來，智能化是標配，至少是體驗越來越往上走，而不是越來越往下走。

我們看到很多車企在賣車的時候，通過試駕這個體驗轉(zhuǎn)化率是非常高的，用戶價值的凸顯在未來3年是一個非常大的確定性的一件事情。

第二點我覺得這個戰(zhàn)斗不會特別長的時間，3-5年的時間，可能不會像現(xiàn)在有這么多的公司存在在行業(yè)里面，因為會越來越明確，越來越確定，這里面需要投入的資源和體量都是很大的。

這個在行業(yè)里面大家對緊迫性的感知不太一樣，但是我們能感覺到緊迫性非常強，比如說像特斯拉這么強大的，一手有數(shù)據(jù)，一手有技術(shù)，迭代又非?？斓耐婕?，雖然現(xiàn)在主要以北美市場為主，海外市場在智能駕駛沒有突破，一旦在北美市場突破以后，以他在全球的市場定位，在智能駕駛領(lǐng)域會形成非常強大的優(yōu)勢，這個我覺得在未來3年甚至更短時間內(nèi)會看到一些變化。

其實是對我們主機廠和供應(yīng)商之間的合作提出了一個非常大的挑戰(zhàn)，因為人家是一手有數(shù)據(jù)，一手有技術(shù)，還有模塊，如果我們呢主機廠和供應(yīng)商的關(guān)系還在不斷摩擦的狀態(tài)下，這個其實挺難的，因為到那個時間點人家一旦達到那個數(shù)據(jù)規(guī)模和體量，到那個階段可能留給主機廠和供應(yīng)商的的機會就不多了，這是我看到的。

主持人（林雷）：好，謝謝于總，剛才也通知我時間到了，我們一直有簡單的幾個問題討論，我們也把自動駕駛來龍去脈都說得比較清楚，特別是對未來自動駕駛能看到的方向以及我們能看到的解決路徑，以及瓶頸的地方都看得比較清楚，那么我們非常希望也預祝在座的各位能夠在自動駕駛領(lǐng)域，在未來取得輝煌的成績，謝謝大家！