最近大半年发生的事情，让2024这一年看起来颇为科幻。

　　2024年5月15日，百度旗下无人驾驶网约车服务平台萝卜快跑在武汉投入运营使用；10月2日，美国无人驾驶巨头，谷歌母公司Alphabet旗下Waymo宣布其在美国德州奥斯汀的无人驾驶出租服务即将向公众开放；10月11日，特斯拉发布了无人驾驶出租车Cybercab，车内没有方向盘和脚踏板。

　　另外，2024年10月24日，国内智能驾驶解决方案头部厂商地平线正式在港交所主板挂牌上市；10月25日，文远知行正式在纳斯达克证券交易所挂牌上市；11月27日，在纽约时代广场，彭军与楼天城带队的小马智行正式敲钟上市。

　　从国内到国外，从2023年自动驾驶中上游的禾赛科技、黑芝麻智能接连上市，到今年产业中下游的地平线、小马智行和文远知行成功上市，这一系列事件是否预示着L4级自动驾驶时代即将来临？

　　近日，中国教育在线重庆分站采访了重庆大学汽车工程研究所教授高锋，作为一名深耕自动驾驶领域20多年的学者，在他看来L4级自动驾驶，5年内很难真正实现，目前大家对于L4级自动驾驶的预期泡沫过大。

重庆大学汽车工程研究所教授高锋

　　01、目前量产车，都在L3级以下

　　在汽车科技领域，自动驾驶的分级标准是衡量智能程度的关键指标。2024年，美国汽车工程师协会（SAE）发布了一份关于《与道路机动车辆自动驾驶系统相关的术语分类与定义》的报告，该报告将自动驾驶分级体系分为六级，从L0到L5，代表着从无自动化到完全自动化的过程。每级都有其独特的定义，旨在清晰划分自动驾驶技术的成熟度。

　　2022年，我国工业和信息化部也发布了《汽车驾驶自动化分级》报告，为中国车辆的自动驾驶技术提供了清晰的分级框架，与SAE的国际标准不谋而合。

　　L0到L1，指汽车从基本无自动化向驾驶辅助开始转变，L1级汽车能完成一些辅助功能，如自动泊车或巡航控制，驾驶员需全程监控并随时准备接手。随着等级提升，L2级汽车开始具备一定程度的自动化能力，例如并线辅助和车道保持，但驾驶员仍需保持警惕。

　　L3级则标志着标准自动化，车辆在特定情况下可以完全接管驾驶，但仍需要驾驶员在必要时介入。L4级和L5级是真正的全自动驾驶，它们允许乘客完全放松，将驾驶责任交给系统。

资料来源：美国汽车工程师协会（SAE)

　　“目前市场上的主流汽车仍停留在L3级别以下，近日特斯拉发布的其完全自动驾驶软件的最新版本FSDV13.2也不例外，哪家企业要是讲自家大面积量产了L4级自动驾驶汽车，都是吹牛皮。”高锋表示。

　　02、交通事故，谁负责？

　　在高锋看来，目前汽车的自动驾驶技术从L2级跨越到L3级及以上，最大的问题在于：出了交通事故，谁来负主要责任？

　　传统驾驶条件下，汽车只是由人操作的机器，人对汽车驾驶导致的后果承担法律责任，交通事故都是驾驶人通过保险或自行承担。在L3级及其以上自动驾驶条件下，情况会发生变化。汽车生产制造商可能出现软件与硬件分离的情况，汽车厂商本来不是交通行为的参与方，但L3级及其以上自动驾驶情况下，如果出现事故，究竟是汽车硬件问题、软件问题、交通设施问题，还是其他别的因素导致的，这需要根据新的交通法规来加以确定。然而，现阶段国内外都未有明确立法，在行驶规范和责任方面基本是空白。

　　之前，特斯拉的自动驾驶汽车在中国出现事故，事后特斯拉立即发声明，将责任推卸得一干二净：“当路况变得非常不确定，汽车发出警告，要求驾驶员把手放在转向盘上，但驾驶员没有照做，随后汽车就撞到了路边的标杆上。事后，车主表示自己并没有听到危险迫近、需要采取措施的警告，何况汽车的系统使用的还是英文，而他只懂普通话。可见自动驾驶车辆发生交通事故后，如何划分责任是最大争议点。

　　除了法律层面，“中国式”过马路对自动驾驶技术的挑战也不容忽视。

　　不少研发自动驾驶技术的企业称，为了保证行人的安全，自动驾驶汽车会采取优先避让行人的策略。但这会让汽车出现“遇人即停”的问题，在人群密集的城市道路上，自动驾驶汽车会变得畏首畏尾、止步不前，行车效率大打折扣。

　　另外，各种不尽合理的道路设计规划、交通标识以及复杂的道路系统，也对自动驾驶技术的应用带来挑战。“比如闯红绿灯、翻越护栏、半夜临时封闭的交通道路等突发情况。”高锋说道。

　　自动驾驶技术的开发还具有高度的地域性特点，本地化的数据处理和自动驾驶决策算法开发无法回避。比如，理想智驾团队去美国试驾特斯拉FSD V12时就发现：在西海岸硅谷和东海岸纽约，FSD性能差距大到像2个系统。

　　以及德国ATM系统已实现自动化控制；瑞典宣布将在2025年建成全球首条能够为行驶中汽车充电的永久性电气化道路，这为自动驾驶的视觉识别与充电流程，提供了便利；欧洲、日本等地区具备汽车及电子零部件产业链基础，便于本地化合作采购；自动驾驶落地的重要因素法规，在这些地区相对完善。

　　这些本地化因素会导致在欧美比较成熟的功能，比如变道、过十字路口等，在中国实测的成功率急剧降低。因此，尽管有些自动驾驶汽车已经在很多城市上路测试，在中国数个试验区开展实际道路测试，但依然问题不断。

　　比如，2024年12月9日，武汉市民刘烨（化名）向媒体反映，12月8日晚，他驾车行驶在江夏大道时，与一辆萝卜快跑无人驾驶汽车发生剐蹭。事发当时他与萝卜快跑工作人员进行了和解，萝卜快跑工作人员给刘烨支付宝转了500块钱。但12月9日，刘烨前往修理厂发现，车辆损失高达2600元，远远高于萝卜快跑赔付的500元。随即，刘烨再次向萝卜快跑工作人员反映，但未得到回应。

　　高锋强调：“目前百度的萝卜快跑无人驾驶出租车，乘车位子是固定的，和公交车的乘坐方式一样，而人驾驶的出租车最大的优势就是灵活，没有高精地图也能通过打电话等方式与乘客联系，实现精准定位，这些都是目前无人驾驶出租车无法实现的。”

　　03、谁宣布实现了端到端，这车别买

　　“除去以上因素，技术层面来看，想达到L4级自动驾驶技术，企业在数据积累、算力、模型能力等方面成熟度也不够。”高锋表示。

　　国内传统自动驾驶算法通常采用模块化部署策略，将感知、预测、规划和控制等功能划分为独立的模块，每个模块独立处理特定任务，信息逐级传递。特斯拉一直走端到端架构，即将整个驾驶过程视为一个整体，通过一个统一的神经网络模型直接从输入的传感器数据（如图像、雷达信号等）映射到输出的车辆控制指令，简化了系统结构，减少了信息传递过程中的误差，提高了系统的整体性和稳定性。

　　今年3月特斯拉推出了V12版本的FSD（全称Full-Self Driving，完全自动驾驶），该版本删除了几十万行的人工规则代码，采用了“一体化端到端”自动驾驶解决方案。随即一体化端到端技术成为国内车圈热门话题，声称已部署或即将部署一体化端到端的车企和供应商包括Momenta、智己、广汽丰田、理想、商汤科技、元戎启行等，两段式的代表则有小鹏、极氪，以及华为鸿蒙系等玩家。

　　看着如此热闹的景象，高锋表示“我很认同今年8月在第四届沈阳智能网联汽车挑战赛上，同济大学汽车学院教授朱西产发表的观点：特斯拉的端到端、人工智能让自动驾驶越来越成为可能，端到端被特斯拉带火，国内的车企都在说端到端大模型，但现在谁宣布端到端（量产上车）了，他的这个车你就别买。”

　　一体化端到端方案从感知到预测规划无缝衔接，确保信息的完整传递，避免了多段式方案中可能出现的信息丢失问题。并且由于所有处理步骤都集成在一个模型中，系统的整体响应速度可能会更快，这对于实时性要求极高的自动驾驶场景尤为重要。但一旦中间出现问题，整个系统就像一个“黑匣子”，难以进行精确调试。所有的处理步骤都紧密耦合在一起，使得问题的定位和解决变得更加复杂。

　　之前，在享界S9发布会上，华为余承东评价特斯拉FSD称，商用版本进步非常大，上限挺高但下限也很低，“我们去测试，路上停着静止不动的白色货车，都不减速直接撞过去了，还有绿色的货车，也不减速，也去撞。”

　　相比之下，国内华为等企业采取的模块化端到端技术方案，仍是一个人工和智能“共处”的混搭系统。对驾驶任务的决策、执行，需要基于规则——工程师将“红灯停、绿灯行”“见到行人要让行”等司机驾驶的各种行为习惯，变成代码规则，智驾系统按这些规则匹配实际情况作出反应。

　　但道路行驶环境复杂，疑难场景源源不断，工程师需要夜以继日地写代码，驾驶场景多如牛毛，实际操作起来很难。比如，小鹏去年在北京测试NPG时，类似“树叶把红绿灯遮挡”等问题层出不穷，专项成立了几十个，耗时2个多月后才勉强开放。

　　“重点是，现在无论是特斯拉最先进的一体化端到端自动驾驶技术，还是国内车企主打的模块化端到端技术方案，面对极端天气，如暴风雪、大雨等情况，都无法解决。想实现L4级自动驾驶时代，很多技术难题还需解决。”高锋表示。

高锋参加汽车行业活动照

　　04、L4级自动驾驶时代，5年内不会来临

　　高锋认为，目前自动驾驶领域，特斯拉技术第一，国内企业在数据量和AI训练的算力方面与特斯拉还有不小差距。“比如，国内AI算力比较大的小鹏汽车与特斯拉相比也差了几十倍。”

　　“特斯拉今年在综合训练和推理AI上投入约100亿美元，这是马斯克分享的数据，而特斯拉已经在自动驾驶领域这样持续投入多年，国内单个车企根本比不了。算力需要芯片，好的芯片需要钱，以长安汽车为例，2023年全年净利润才113.27亿元，很难与特斯拉相比。”高锋说。

　　数据积累上，特斯拉在美国的数据遥遥领先，但囿于“国内数据合规性”限制，FSD一直无法引进中国，数据积累尚属空窗期。理想在2019年学习特斯拉部署了影子模式——在车上放置摄像头，并回传数据；销量巨无霸的比亚迪，智驾业务一直“外包”给百度、大疆等供应商，既不允许这些供应商用量产车型上获得的数据，自己也没有回传数据的能力；同样有数据回传能力的华为和小鹏，销量又不尽如人意：小鹏的总交付不到40万辆；搭载华为智驾系统的车型，预计2024年底会突破50万台，都不及理想累计销量的一半。

　　数据训练不只是堆量，还对数据质量有要求——端到端的各个功能需要同时进行训练，训练数据越一致越好。就像特斯拉的车型，以及理想L系列，传感器布局和传感器型号完全一致，理想L系列数据可以完全复用。

　　除了规模、质量，数据的多样性也会影响大模型的学习效果。端到端需要的算力、数据、模型等一系列事情，无图智驾方案基本都会涉及，正如特斯拉能快速落地FSD v12，背后是其早早就举起了纯视觉方案的大旗，并逐渐在规划和控制模块上也加入神经网络。

　　“但国内车企，之前一直走的是模块化部署策略，今年逐渐开始进行一体化端到端大模型的开发，但是车型和传感器配置多、数据可复用性不足，短时间内很难积累起能够支撑端到端，实现L4级自动驾驶所需的高价值数据。”高锋说道。

　　马斯克也有类似说法：大多数的数据最终都会被丢掉，重要的是那些占比不到1%的稀有视频，比如一些奇怪或者车流量异常大的十字路口的数据。甚至在这方面走在前沿的理想也是如此——其建立了一套“老司机”的评价标准，只有不到3%的车主通过了考核，连智驾负责人都没达标。

　　也就是说，能够投喂给大模型的优质数据其实凤毛麟角。而国内“优秀生”理想积累的数据虽然“拳打”问界、“脚踢”小鹏，但相比特斯拉仍有较大差距：从销量来看，截至2023年底，特斯拉在北美累计交付约250万辆，而理想到今年10月在国内累计交付100万辆；

　　并且据《马斯克传》显示，FSD V12在2023年初切入端到端时就分析了1000万个视频画面，但还是会在马斯克的直播间里，当着1000万观众的面企图闯红灯。

　　如果说模块化设计理念下的车辆，没有自主意识，教啥学啥（编写代码规则）。那端到端设计理念下的车辆，就是一个拥有自主意识并会主动模仿学习的新手司机，只要给它观看成百上千万优秀老司机怎么开车的视频，它就会慢慢变成真正的老司机。而在大模型“学习”的过程中，难免会犯各种各样的错误，正如华为余承东所说的，“一体化端到端下限很低。”

　　清华大学车辆与运载学院教授、国家智能网联汽车创新中心首席科学家李克强提出了“车路云一体化”方案。“云”是云控平台，包括云控基础平台和云控应用平台。其中，云控基础平台是“车路云一体化”系统的枢纽，也称“云脑”，负责接入全量路侧智能基础设施和智能网联汽车数据，并与交管、气象、高精地图等第三方平台进行互联互通，从更宏观维度提升车辆感知、决策与协同控制能力，赋能自动驾驶、智能交通实现，同时面向各行业提供基础数据分析与数据增值服务。

　　对此，高锋认为，车路云协同是实现高级别自动驾驶的必由之路。只是目前渗透率不足，导致某些产品和服务的性价比不足。此外，对国家道路，交通设施等多方面都提出了更高要求，不是一朝一夕能快速实现的。

　　特斯拉、理想等车企还祭出了一个简单粗暴的方法——让更多人用智驾，积累更多数据。但汽车厂商都处于盲人摸象状态，消费者则似乎更像实验室的小白鼠。

　　“技术可以演科幻片，但人类一直走的是纪实片，综合各方情况来看，L4级自动驾驶大面积普及的时代，5年内很难来临。”高锋语气坚定地表示。

文/蒋金花