山坳上自动驾驶，黎明前的黑暗？

撰文 / 张 南

编辑 / 黄大路

设计 / 赵浩然

2014年10月，特斯拉开始在Model S和 Model X 车上安装第一代自动驾驶系统Autopilot，到明年正好10年。10年时间，特斯拉智能驾驶技术持续升级，软件迭代到第12版，硬件升级至第4版，现在命名叫FSD。

近日，关于FSD即将进入中国的传言甚嚣尘上。无论特斯拉来不来，一个不争的事实是，中国已经成为全球智能化转型的先锋阵地。在这场始于美国，兴于中国的智能化风暴中，中国车企和供应商扮演了重要角色。

2023年，诸多车企纷纷上线城市NOA功能，智能驾驶圈开启了浩浩荡荡的“无图运动”，大模型的出现为数据训练提供了另一个新思路……拥有全球最多的汽车品牌，最大的汽车市场，中国智能驾驶运动轰轰烈烈。

沈阳美行科技股份有限公司执行总裁武文光最近参加一个活动的时候，就感受到了这股热潮，吃饭的时候，一桌10个人4个和智能驾驶相关。

“越来越多的高端人才涌入，身边越来越多的人触及这个领域，这说明什么？说明智能驾驶正在从遥远的概念变成了很多现实，一个一个零件和一个一个软件，一个一个产品，一个一个功能和场景。”他说。

有些遗憾的事，新技术的发展从来不是一帆风顺的，经过了10年的经验人才累积，中国智能驾驶翻过了一个又一个山峰，也遭遇了瓶颈。

轻舟智航联合创始人、CEO于骞认为，现阶段的核心问题还是在技术本身的突破，包括研发范式的突破，比如行业里面真正能使用到上百万、几百万数据车的车企和数据公司，寥寥无几。

“这方面特斯拉真的是遥遥领先，特斯拉在这方面我始终认为它做得非常好，而且能够把成本控制得这么好，产品体验做得不错，能得到消费者认可。并不是把单纯的技术突破，比如端到端的，我可以看到研发范式方面，特斯拉几次都压得很对，比如视觉方案、无图方案、端到端方案，我们对于行业头部的企业要有一种非常尊敬和敬畏的心。”

地平线副总裁&智能汽车事业部业务拓展负责人张宏志则认为，阻碍智能驾驶前进的麻烦在于整个复杂系统不断优化的过程。硬件+软件+数据本应该是个等边三角形，然而现在的发展是硬件的长板足够长，算力和数据足够短。

他认为，就算迈过了山坳，爬上了山顶也不是结束，因为任何技术都有稳定期，在这段时间内，整个系统级的优化就变成最主要的问题了。

“系统级优化得出来的结果是对用户感受，用户体验上，很显性的价值功能会越来越重要，隐性的还需要再经过下一个山坳，我认为爬山不是这样直着上去的，是爬一段有一个山坳，你下去解决之后再往上爬，是起起伏伏爬上山的过程。”

过程是曲折的，前途确实光明的。11月11日下午，2023中国汽车供应链峰会上，就“山坳上自动驾驶：黎明前的黑暗”的主题，在大钲资本合伙人、董事总经理林雷的主持下，武文光、于骞、张宏志，还有吉利汽车研究院技术规划中心主任陈勇，东风乘用车公司制造总部副总部长徐斌，北京中科慧眼科技有限公司CTO崔峰 进行了深入探讨。

他们不约而同的认为，未来3~5年内，起码在用户体验上，智能驾驶将会有更好的突破。

以下是圆桌讨论实录。

林雷（主持人）：今天的语境是大家可以更自由的使用这个词汇，自动驾驶和智能驾驶，刚才在主持人的提示下，这两个题目可以在自动驾驶这条线上被统一起来了，这是我想说的第一个讨论问题。在本轮开始之前，请各位嘉宾作一个简短的自我介绍。

于骞：我是轻舟智航的联合创始、CEO于骞，我们公司主要以做自动驾驶整体解决方案定位的，我们公司成立大概不到5年时间，400人左右，主要在苏州、北京，人员大概是这么安排的。

陈勇：我是来自吉利汽车研究院的陈勇。

武文光：我叫武文光，今天代表沈阳美行科技来到这里，我们主要做和地图相关的软件。

张宏志：我是地平线的张宏志，主要是服务好各位，提供芯片和计算平台给于骞，给武文光，给崔峰，服务好两位主机厂，我们就是做这个的。

徐斌：大家好，我是东风的徐斌，非常荣幸有机会参加这个讨论，谢谢。

崔峰：大家好，我是北京中科慧眼的CTO崔峰，我在论坛里面应该是一个很小的企业，我们是做车载立体视觉感知软硬件解决方案的公司，同时也在为智能底盘这个领域服务，希望向各位老师学习，谢谢！

林雷（主持人）：好，谢谢各位嘉宾，这个题目是山坳上的自动驾驶，贾可博士说成山坳两个字，可以查一下山坳两个字具体怎么解释？山坳是跨越分水岭山脉高处的一个险要关口，用这个词来形容自动驾驶非常贴切，特别是从现在的角度来看，自动驾驶在过去10几年得到了一个高速发展。

2009年，在google的X的实验室启动了自动驾驶项目，也是自动驾驶的起点，硅谷涌现了一批自动驾驶企业，吸引大批风险投资和高科技人才。同时特斯拉以量产的形式进入智能驾驶中来，展现了很大的野心，2014年的Autopilot1.0版经过了这么多年的迭代，软件到第12版，硬件到第4版，现在命名叫FSD。

中国在这一轮“自动驾驶”领域处于全球领先地位，回顾一下十几年来自动驾驶的高速发展过程，我们在技术上，包括硬件和软件到底取得哪些重大突破？

另外我们在商业化领域当中有哪些出色的经验和积累，也想请各位嘉宾都从自己的角度做一个简要阐述，我一轮问题可能有2-3个小问题，大家可以选择其中一个回答，于总刚刚您做过演讲了，而且是代表了智能驾驶领域，我们从崔总开始。

崔峰：我们一直在为智能驾驶这个行业服务，主要是提供一些感知硬件，包括端到端的特殊功能软件，其实我们看了一下中国的智能驾驶的行业在疫情这两三年里面发展的非常快，很多的新能源汽车，包括合资品牌自主品牌跟紧步伐，我身边的人在购买车辆的时候更多关注智能驾驶能力，包括是否实现了硬件预埋。

在中国供应商和主机厂的共同努力下，中国消费者确实也能以更低廉的价格获得更好的智能驾驶体验，更高的硬件配置，之前我也访问了日本和德国的一些车辆的展会，包括当地的顾客，发现中国消费者对智能驾驶的热度，包括中国车辆里对于智能驾驶的掌握程度确实在一个较高的水平上。

作为一名从业者，我更希望能够让消费者实实在在的享受到所付出的这一部分金钱，就像刚才吉利这位领导讲的，大模型很重要，但是我们希望物有所值，这个确实是我们想要共同探索的关键点。

林雷（主持人）：谢谢，崔总认为巨大的进步是得到消费者的认可，消费者能够开始对这个技术方向有理解，并且开始尝试，这是很大的突破。徐总从您的角度看自动驾驶领域在过去的技术方面，商业领域方面有什么巨大的突破呢？

徐斌：东风在智能驾驶领域深耕了10年，L2、L3车型很多已经搭载应用了，比如说风神，现在无人驾驶出租车也在大规模示范运营，无人集采在厦门港和武汉的阳逻港都在运行，包括低速的在雄安新区和武汉的经开区都在示范运营，应该说这么多年还是取得了很多成绩，从最开始的在完全的封闭道路到半封闭道路，到现在开放场景，技术上还是取得了很大的突破。

如果说10年的积累和经验，我个人感觉更多还是在人才方面的积累，因为在2014年，2015年的时候东风到欧洲，到美国去高薪引进国外人才，这些人才回来以后成为国内自动驾驶领域领军的人物，10年发展下来我们培养了一大批本土高精专技术人才，这个是中国自动驾驶未来发展的一个非常重要的基础。

林雷（主持人）：好，张总呢。

张宏志：地平线2015年成立，马上差不多10年过去了，在产品上推了3代芯片，征程2、征程3、征程5，芯片推出来以后地平线还要做到可量产的方案，这个是产品上，10年时间是做芯片，并且把芯片做到量产方案。

接下来还会再这么干，商业化上来讲，我们累计出到400万片，大概有25个车企和我们合作，我们手里面有150个车型，已经交付了50个，还有100个没有交付，还在路上。

我个人觉得其实站在地平线的角度讲一个方面就是在技术上，坚持持续的投入，在底层技术上不断地创新，把AI这个事情放到车上，放到嵌入式终端上，和10年前相比是发生了天翻地覆的变化。

另外一个事情我觉得开发的易用性比以前好多了，不管是跟崔峰还是跟武文光老师合作，地平线从开发板到传感器，软件的开发环境可以提供完整的一整套，并且可以往前持续迭代。

我给大家讲一个个人感受，其实10年前和现在讲非常大的区别，10年前大家想做自动驾驶还要搭车，地下车库把车搭起来让车跑起来，10年后的今天你想给到供应商一个车型，第一件事情就是把车拖过来改装车。

区别点是10年前搭载的车上面自动驾驶能够跑起来，但是整套环境，硬件环境，软件环境量产不了，今天的环境是搭第一辆的车，为了做数据采集或者是做什么用途时候，我就知道搭进去的所有传感器，硬件和软件基本上是奔着量产去的，这是10年里面非常大的区别，10年前也在搭车，我们每一年都会搭车开始跑，但差别点就是是不是可以量产，这个是很明显的分水岭。

林雷（主持人）：谢谢，所以量产是一个很重要的进步。

武文光：近10年我想了一下，总结两句话：

第一句，从远到近的过程。我们原来觉得这个事在美国发生，从地理位置上是由远到近，从技术发展也是由远到近，就离自己很远，自动驾驶离自己也很遥远。

我最近参加过一个活动，吃中饭一桌10个人，有4个和智能驾驶相关。我们周边的人，越来越多像于骞这种高端人才涌入赛道，身边很多人都会触及这个领域，这说明什么？说明从遥远的概念变成了很多现实，一个一个零件和一个一个软件，一个一个产品，一个一个功能和场景。

第二，从模糊清晰的过程。原来说自动驾驶是很模糊的概念，功能只是从A到B，不用管了就开过去，但是从技术路径，原来讲自动驾驶还是讲V2X是必须的，现在单车智能是必须的，是有图还是无图，高精还是非高精？

这种剧烈的振荡正在发生，激荡和变化不是10年，就这3-5年，可能越来越快地出现在各个领域的竞争，各条路线的竞争，各个路线之中，每位参与者之间的竞争都促进了这个行业的快速高速的发展，这是技术路线逐渐变得清晰和成熟的过程。

我们从业的每个人都会感觉到离L2++拐点越来越近了，离山顶越来越近了，但啥时候突破可能还是一个问号吧，总体感觉我觉得是从远变近，从地理上和时间上空间上都有这样的一个感觉，无论是技术路线和社会环境，从群体和个体都是这样的感觉。

林雷（主持人）：谢谢武总。武总很形象地形容了这十年来的变化，陈总。

陈勇：我觉得这十年智能驾驶的变化，对于整个行业产业链成熟度的提升还是非常大的。现在不管是地平线做芯片也好，或者做激光雷达、摄像头也好，包括做软件、硬件开发、域控制器，十年前行业中真的是屈指可数的几年企业在做，可能只有那么几家供应商，包括整车厂在做。

现在看到整个产业链的生态，不管是上下游、硬件、软件、集成、算法、数据，这十年当中变化是非常大的。这也是为什么中国汽车，目前在汽车智能化，在智能驾驶领域相对来说走得还是比较靠前的，自动化程度比较高的，取决于这十年间产业的发展和成熟。

第二，从整个智能驾驶发展来看，从原来的改制车到数据采集，从那种状态到现在慢慢走向了用数据驱动，用虚拟仿真驱动，让整个智能驾驶的迭代和发展速度更快了，这两点变化目前来讲还是蛮大的，还是深有感触的。

林雷（主持人）：因为这是一个产业链的事情。产业链各个环节如果不能同步往前走的话，也很难取得这么高速的进步和成就。于总，刚才从各种角度做了探讨，可否从全球角度看一下自动驾驶在过去十年间取得哪些重大的突破？

于骞：其实您说十年，人类梦想自动驾驶不仅仅十年了，欧洲、美国都在很多年前有了自动驾驶的探索。人类梦想自动驾驶已经几十年了，从来没有像今天离智能驾驶这么近过。

第二，虽然我们觉得离智能驾驶很近，但是又很遥远。包括最近旧金山交通管理局把Cruise无人驾驶取消掉了，是suspend了，不是reward。

如果说大的变化，大家认知上有很大的改变，技术突破是一方面，认知上有了很大的改变，大家把自动驾驶的突破比喻成自动驾驶攀登珠峰的过程，这里面只有北坡、南坡之争，可能真正能攀上北坡的，采取这么艰难路线的，这个行业可能非常少。

可能以Waymo为代表的这是一排路线，它有非常多的资源，很强大的技术实力和足够深的pocket，这么深资源的公司可能才能攀登北坡，谷歌做了很多突破，即便这样也非常难突破北坡。

相反自动驾驶的“南坡”更加符合大部分人的选择，是更加务实的一条路，以特斯拉为主，他们在依寻从相对来讲比较早期的“Autosteer”——基本L2的基础功能，到Autopilot，到FSD，它在过程不断地积累用户价值，不断地实现商业的成功，使得自己从早期大家不看好的路线上真正杀出来，其实它最终的目标也是实现完整的无人驾驶。就像您刚才讲的FSD，它有很大的决心实现完全的无人驾驶，我觉得这条路比较符合大部分的公司演进的路径。这个认知目前在行业内是比较清晰的，目前采取爬北坡的公司越来越少，基本上都已经放弃了。

第三，从技术角度越来越明显的可以看到数据的价值越来越突显，如果把自动驾驶技术形成大的框架的话，所有机器学习的方法不断地挤占非机器学习的方法，当然现阶段还没有完全屏除掉非机器学习的部分，但是最终一旦进入到端到端的路径后，这里面的数据价值会更加突显出来，这是行业中非常大的关键突破，这个认知也是不断地被强化加深，这一点上大家已经基本有共识了。

林雷（主持人）：一方面，北坡、南坡是很长时间以来一直争论的点。另外一个概念是关于机器，比如用数据、机器方式挤占其他模式，这也是很大的认识突破。10月，Cruise在旧金山停止了自动驾驶测试，这是很大的事情，这也说明了一个问题，自动驾驶在过去几年也出现了一些瓶颈。

另外，过去以L4为核心的一些解决方案公司现在也转向帮助量产企业做一些高度辅助驾驶技术落地，这也说明了在技术上我们可能遇到了一些瓶颈。

问一下在座各位，自动驾驶技术发展的现状下，我们遇到了哪些瓶颈？背后核心原因是什么？比如算法的基础理论不足？还是算力和传感器硬件的限制？或者是一些法规或者伦理的要求延缓了自动驾驶？我们现在遇到的最大瓶颈是什么？从于总开始。

于骞：首先，刚才我举例北坡、南坡不是说北坡不可能，但是是很难的一条路，很多技术突破也说不好Waymo是不是真的有可能把这个事情做好，一下子爬上去，这不是适合所有人都做的路径。

大部分来讲，现阶段核心的障碍我并不觉得法律法规这些东西是大的瓶颈，其实法律法规和技术产品演进是相辅相成的，不可能法律法规没有任何限制，采取一个没有任何监管的方式，野蛮生长非常不合适，但是法规是需要和技术相辅相成，一步步来的。

相反我认为，现阶段大家在技术方面、真正研发范式方面需要很大突破。毕竟智能驾驶是非常强的技术导向的产品形态，并不是把产品定义更好，或者采取一些其他方式能够规避掉的，它是一个很硬核的技术，不仅仅是单点技术，包括芯片、传感器、数据、机器学习等大量技术的突破都是需要的。

我觉得现阶段来讲非常核心的还是应该在技术本身的突破，包括研发范式的突破，我们是否真的能利用到，比如行业里面真正能使用到上百万、几百万数据车的车企也好，数据公司也好，寥寥无几。

这方面特斯拉真的是遥遥领先，特斯拉在这方面我始终认为它做得非常好，而且能够把成本控制得这么好，产品体验做得不错，能得到消费者认可。

并不是把单纯的技术突破，比如端到端的，我可以看到研发范式方面，特斯拉几次都压得很对，比如视觉方案、无图方案、端到端方案，我们对于行业头部的企业要有一种非常尊敬和敬畏的心。

本身产品没有那么多方案，很多车企的SKU在方案里面五花八门的，几十种都不止，但是他们的方案基本上就一种，所以在整个研发体系的搭建、效率提升方面、数据大规模利用、研发范式的突破，都是非常有价值的，这点是我们需要特别关注和学习的。

当然在很多其他领域，特斯拉之外其他的玩家也做了很多突破，只不过他们讲得比较少，Waymo很少讲它是自由突破，像端到端的学习，包括learning base prediction大规模的仿真，都是Waymo最先推出来的，但是很少公开去讲，也没有大规模产品化，这一点特斯拉走得非常好，这是我能看到的。

总结来讲，现在真正的大规模突破还是在技术本身，并不是说这个事情已经完全做好了，已经准备好了，法规不同意之类的。

林雷（主持人）：陈总您看呢，自动驾驶的瓶颈在什么地方？

陈勇：自动驾驶能量产的瓶颈不管是商业也好，技术也好，有很多原因，但其中有一点相对来说比较重要，本身的感知能力很大程度决定了智能驾驶的天花板，跟人的感知能力一样。如何提升智能驾驶的感知、认知能力，从这个维度来讲，应该是突破智能驾驶最重要的路径。

现在很多长尾效应和corner case，智能驾驶这种场景如果不解决，真正面向自动驾驶就会很难。所以如何通过不管是大模型也好，通过大量的数据也好，去把目前自动驾驶的感知走向认知，在这个能力上有所提升，把这个天花板提升，真正的智能驾驶才会有比较好的机会。

林雷（主持人）：谢谢陈总，您给出了明确的指引。

武文光：我在想如果要突破，可能是一个悖论，如何突破大家探讨一下，我把这个悖论抛出来。

把智能驾驶做好，需要软件、算法，包括大模型需要数据的支撑，只有数据足够了，算法才能更精准，然后才能解决很多corner case，再多的仿真模拟，实验室再多的实验，都无法替代社会真实场景。同时需要更多的数据训练，本身技术是连续性的，是渐进式的，这是一面。

另一面，我们对自动驾驶的安全性又给予了极高关注，无论是车辆安全、人身安全、公共安全都给予了极高关注。我们现在在这片土地上，我查了一下数据，近五年每年因为交通事故死亡人数都超过6万人，平均一天在160人以上。如果有自动驾驶有1例，那就是比较麻烦的。

我们给予了非常多关注的同时，推动它进步的同时，是不是也在束缚它？换句话说，有没有一个衡量机制？我看过一个统计，说美国自动驾驶的up to now通道已经比人的驾驶更安全，但是也禁掉了，这个悖论如何解决？如果不上路行驶，就很难有数据去支撑，没有那么多数据安全性又达不到那个级别，这里面这个悖论如何解决？我不知道，但是有待突破。

张宏志：我先说结论吧，我认为麻烦事情是在于整个复杂系统不断优化的过程，我现在主要在地平线做生态，服务100多家公司，这个事情是当前我们要努力解决的。

原因是这样，我们很容易想到软件，数据，算法算力，就是芯片+软件+数据，这个三角基本上想走到稳定的结构应该是等边的，但实际上并不是等边的，以前大家怎么办呢？以前是这样的，我加几个激光雷达，跑L4多加几个激光雷达，把算力加大点，在传感器和硬件这一边弄的特别长。

数据是什么呢？找几十台车跑一跑，中国这么大的地方就几十台车，北京就几台车，数据少得可怜，你真的没有发现这个问题，因为出问题是概率的问题，没有遇到那个概率很好，那我们就扩大规模吧，就是刚刚说的搞几百几千台车，出事故了，再回来优化这个过程。

算法也是一样的，你前面跑的数据不够，你给的算法，提的问题永远是在实验室里不断的优化车道线，因为那个是真实的，车道线很容易真实。

但是刚刚像陈勇举的例子，走过去，如果有一个广告牌，可能有几十万台出去才会遇到这个场景，原来几十台车测试的时候没有遇到这个场景，你觉得很安全了，是因为没有意识到，认知没有做到位就觉得是安全问题。

现在来讲，传感器+算力变得很长，短板的算法和数据没有什么改变，现在包括像崔峰和轻舟智航搞还是很痛苦的过程。作为软件来讲能享受到100万台车积累下来的数据是非常幸福的事情，能解决很多的问题。

所以我觉得算力这个事情，为什么在阶段性发展过程中大家都遇到这样的问题，其实是约束项不够，以前的约束项，以前说回归商业理智，其实整个产业还是要和主机厂做生意，要看陈勇能不能为此而买单，这个是商业理智的问题，但是这个商业理智是以前的。

现在来讲是在路上跑的L2++的车已经很多了，今年有100多万台车了，大家想一下电动车跑1年有100万台车是什么样的？这里面讲用户体验的都知道，各种车企出的车，各种搭载方案，对于用户来讲你开1000公里完全体验到哪个自动驾驶更好。

于是现在特别大的约束项出现了，所有的技术创新，产品创新为用户创造的价值是什么？因为主机厂也看重用户价值是什么？继而是对供应商的商业收入。

这个约束项放在这里之后，这个问题解决起来就容易很多了，你把对用户高附加值的整个场景，包括像武文光老师说的主动安全，做得更加的极致，再拆解下来算力和传感器并不是短板，重点优化数据，因为算法是需要由数据做前提的。

有前面的约束，长板，有最后的短板，肯定软件中间的前提是什么？就是足够好的数据，这样拆解下来就是用大模型也好，做生成式的数据，做仿真的数据，把这些都解决掉，这个事情会缓慢的再往前走，越过山坳，从这边的山下来到这个坳的边上，走过了这个拐点你可以走向另外一个坡，所以我是觉得现在来讲算法和数据是比较大的一个卡点。

我再多说一点，数据这件事情跟算力，包括芯片还有一点跟传感器是相关的，过去的数年里面来讲传感器的进步是突飞猛进的，从原来刚刚达到100万像素的摄像头，达到300万，500万，现在是800万，我看到业内有人琢磨1500万，是4年时间，每年传感器换一波，数据换一波，传感器和数据以及相关的算法这几年里面有点重复造轮子了。因为整个迭代的速度太快了。

接下来我认为会进入到稳定期，各个技术因素有一些稳定期，在这段时间内，整个系统级的优化就变成最主要的问题了，系统级优化得出来的结果是对用户感受，用户体验上，很显性的价值功能会越来越重要，隐性的还需要再经过下一个山坳，我认为爬山不是这样直着上去的，是爬一段有一个山坳，你下去解决之后再往上爬，是起起伏伏爬上山的过程，谢谢！

主持人（林雷）：谢谢张总，也很明确，对我们瓶颈的看法也非常明确。

徐斌：因为在座的都是专业人士讲了很多技术上的问题，技术上我是完全的外行，谈到自动驾驶大家就谈安全，安全有绝对安全和相对安全，绝对安全不存在，如果为了自动驾驶的绝对安全花很大代价堆积硬件、做软件做算法、投入巨大的精力，只是为了解决那些极端场景下的绝对安全，我觉得这个路是死路、我们在路上都会碰到刚刚拿到驾照的新手，有疲劳驾驶的，有酒驾、醉驾、毒驾的，甚至还有恶意撞人的案件。

这种情况下当前自动驾驶在很多场景，或者是主要场景下面的安全性已经远远高于刚才说的现象，所以如果要画一条线，自动驾驶的安全性高于现在人类驾驶的平均安全水平，具备了大规模量产的条件。另外一个很关键的点大家都只盯着自动驾驶，但是别忘了自动驾驶只是车的一部分，我们没有提到车，车是一个物种在不断的进化。

现在车的最大问题是不具备高级的沟通和交流能力，不能融入社会日常生活。比如说如果哪一天这个车进化了，出了交通事故的时候会说，“Hi 哥们这个我全责”，自动报警，自动报保险，自动定损之后就走了，遇到非常拥堵的时候说“哥们，那我先走一下”，如果这个车进化到这个程度的话，我想自动驾驶就顺理成章了。

主持人（林雷）：谢谢，提到了更高的标准。

崔峰：刚才特别受教育，各位领导都特别有高见，关于自动驾驶落地的难点，我特别同意徐斌总和张宏志总的观念就是商业的难，其实如果商业可行的话说到底是数据还是资金还是装备价值，到底高或者低不重要了，因为有大量客户买单这个就顺理成章了。

为什么商业化路径难，我个人的灼见，单车智能化要达到自动驾驶是一个无限累积的装备战，上激光雷达上高像素摄像头，上高算力平台，不管是地平线的J5，J6，J7、J8走下去，是无限堆积能力的过程，但是徐斌总讲了汽车是一个物种，假如说是一个士兵不断的加导弹、无人机、飞机成本也受不了，也背不动。

如果是单车智能我同意大家的观点，如果能够让消费者接受90%的好处，只要拿出20%-30%的成本，这个商业可行。我亲眼看到在购车的时候，或者观察一些新用户的时候，他们特别想试一下这个车能不能倒车入库，因为女司机特别想要解决这个难点。

包括我个人出事故，很多的时候是在进入库的时候，而不是行车上，那个时候高度集中，我可能不太愿意主观开自动驾驶，反而认为低速很轻松的时候会有刮蹭旁边的车，或者是旁边的车剐蹭我，这个事情解决好了，只要增加一点购车成本他可以接受，我们的主机厂供应商从这里面受益，不断的将成本降下来，体验上去，一定能够走到光明的一天。

但如果放在整个环境中讲，我们说自动驾驶什么时候落地？我举个非常不愉快的例子，过去几年对疫情的封控，这么14-15亿人口国家，大家想象不出来一夜之间让所有人听我的指挥，到哪去都有一个系统同步知道。

中国是最容易落地自动驾驶的国家，我个人认为，但是并不是依靠单车的智能，一定是通过V2V，V2X的协同，包括高铁，地铁一样，通过一个系统调度，让大家顺利的平安到达端到端的地点，到某一些地点可以骑小黄车，不用付那么高的费用，不用有驾驶人员，安全到了一个你最希望到达的彼岸，你再走两步，骑辆车，这可能是一个更加容易实现的束缚的点，这时候单车就不需要那么昂贵的设备，当然我认知有限。

我觉得可能从单车来讲，不应该是一个无限累积单车数据训练能力的过程，一定会有一个分水岭，在某个分水岭之下像士兵一样，他的装备永远是单兵装备，不再像是一个特种兵，什么都要装在身上。

主持人（林雷）：谢谢，我觉得这轮的讨论应该对目前所看到的瓶颈有一个全面的理解，其实这个理解也对我们未来的所谓预期给了一个基础，下一个问题想看一下自动驾驶或者是智能驾驶未来是什么，往什么方向发展？我们都是从业人员，在里头都有很深的工作经验和历史，我们对未来有一个自己的预期判断，也是我们必须有的预期判断。

我们上一个阶段的预期判断不是很成功，当时自动驾驶刚刚起步，那是热火朝天的时代，有大量资本进入，大量人才进入，我们有一个预期很快，应该是5年左右，6年左右会出现一个能够完全地取代人的自动驾驶系统，现在看好像是还没有实现。

随后我们发现了不仅这个没有实现，我们投入了大量的人力物力解决corner case的问题，现在解决的还是不令人满意，这个就使我们对自动驾驶的预期一直在不停调整。

但是我们还有10年的历史，站在今天的阶段，现实的阶段，我们预期也不用特别远，比如说未来3-5年能够预期到什么样的领域的milestone的出现，无论是技术也好，商业模式也好，法规也好，3-5年会有一个什么样的milestone出现？

崔峰：跟我刚才说的观点继续下去，可能5年以内，中国范围来讲如果说国家真的有这个决心像抗疫这样规划一个整体的全国统一的网格，买一个车都可以进行通信客户端建设起来，这是可以实现的，如果国家层面没有规划的落地，我们在车与车之间，地区与地区之间，不仅是通讯地图各方面还是在各自为战，我个人认为是一个消耗战，是诸侯割据的状态，这个时候会相对悲观一点。

一个车辆一个载体的能量重量，价值售价一定有限，你的供应商，他的资金，人力物力投入也需要商业回报，包括投资人，所以这一点上我更加期望能够大刀阔斧的像发展新能源汽车一样发展自动驾驶行业，也希望有更多的投资者，更多的年轻人，更多的人才包括领导能够有魄力打好这一仗。

在我来昆山的路上看了一点纪录片，说那一年我们还年轻，是记录朝鲜战争老兵的访谈，里面有一位说的话我非常受感动，说“战争是残酷的，但是我们也不要害怕”，谢谢！

主持人（林雷）：看来你对政府的期望还是蛮高的。

徐斌：刚才崔峰总谈到了战争，我个人觉得现在自动驾驶就像长征，我们不知道在什么时候走到哪里，这条路会异常艰辛，但是我们一定要往前走，这条路可能有损失，非常惨重的湘江战役，也会有荡气回肠的四渡赤水，往前走走着走着可能就到延安了，但是有一点，延安一定在前面，谢谢！

张宏志：非常赞同，3年里至少在高速NOA上会让用户越来越接受，至少现在很多用户在高速NOA上的满意度是在逐步提升，还要更高再往上提高，这个希望是非常明确的。

我感觉差不多到了四渡赤水的时刻，再往前走希望很光明，原来是很恐怖的，大家不太知道那个地方的路怎么样，现在其实很清楚了，因为有人已经跑出来了。另外一点，我是觉得在3年时间内，用户可得到的体验和得到的产品其实是偏清晰的，因为都可测试了，数据指标可以测试出来体验指标是多少。

但成本指标是麻烦事儿，为什么？因为我觉得这个行业分工协作太混乱了，数据主机厂拥有数据，比供应商来讲优势太多了，反而供应商人才密度高，像詹姆斯这样从海外回来的人才主要集中在供应商，基础设施集中在主机厂，过去几年里大家老讨论一个很无聊的问题，自研不自研，可控不可控，如果3年以后提供一个特别爆强性价比的，让用户的体验感也非常爆强的，对用户特别好的产品，现在看是一个转变很好的供应链上岸的方式，大家都在坐在一个圆桌上不分你我的共同解决这个问题。

我也看到有一些主机厂，不管是车辆整个测试，整个产品体验，在很多的方面帮助供应商来解决供应商不擅长，或者是以前没有那么多足够经验量产的时候解决的问题，供应商也越来越多的把自己的这些认知，技术的领先性跟主机厂进行share。

最后得到的结果应该是一个强性价比产品，用户满意度足够好，体验也足够好的智驾产品，这个在3年时间以内是可以预期的。

另外站在我个人角度，中阶高速的智驾产品和城区，我觉得是两个产品。你所面对的场景，所面对的问题域，其实很大的程度来讲，在整个技术链条上需要改变或者是需要提高的部分，需要优化的部分其实是非常多的。

如果整个技术链条改变了40%左右，整个技术的相关实现方式，比如说高速上至少可以依赖于高精地图，但是在城区上依赖于全中国建成高精地图，这个看起来不是一个短期内可执行的事情，这个得升级。

我觉得在3年时间内要坚持投入到城区NOA高阶上，相关的技术投入我认为整个产业其实是需要走到那一步的，因为走到那一步有可能就是抗战的胜利。

武文光：刚才陈勇总在演讲的最后一页对大模型的判断说，不要短期太乐观，也不要长期太悲观，大体是这样，以陈勇总的版本为准。我觉得从技术角度讲一定是渐进过程，我们每个人的体验，在自动驾驶的体验越来越好，这半年多的时间我转到和地图相关的领域，也会有很多自身体验。

我觉得从技术积累方面确实有非常多的工作要做，比如说车机地图不如手机地图，我今年国庆出游用的手机地图，也用的是用户最多的那家，有红绿灯嘛，开了3天下来没有一个红绿灯是准确的，上差下差总规差1两秒，roughly是对的提醒你，但没有一个是完全准确的。

如果说人开是OK的，提醒这个功能非常好，尤其是你一看手机就忘了时间，可以提醒你，如果真的用到自动驾驶，我当时开的时候就在想这个问题，如果真的用自动驾驶，那是很恐怖的，所以说从每个技术点逐渐突破，我们也有这种包括“有图无图”的说法，现在大家车上都有传感器，用传感的方式完善地图，当然你说完全去地图，我对这个打个问号，因为人工智能已经够可以了，人还要用地图，何况车呢？

所以说这个base加上不断迭代的理念，我只是关注在这个很窄的领域，我们在定位这些方面做关注，在很窄的领域是这样，无论是感知决策到执行，每个领域当中可能都是这么一个渐进式的过程，我觉得渐进是肯定的，拐点的出现很难预测，还看不到，已经有非常多的不仅是技术本身，还有社会约束条件等等其他条件。

陈勇：我觉得3-5年的milestone怎么样不知道，但是3-5年的趋势有几点：

首先，智能驾驶还是在强调智能驾驶域，更多的应该是3-5年之后智能驾驶结合智能座舱全车的感知智能，甚至是动力域的融合，底盘域的融合，把智能驾驶的体验和安全做得更好，这是3-5年发展核心非常重要的地方，抛开单个智能驾驶的领域，往整车智能融合动力底盘去做这个事情，让安全体验会做的更好，我觉得未来3-5年应该会有机会落地。

其次，人工智能大模型来了之后，我们目前大部分做的还是+大模型，哪里不好补哪里，未来3-5年应该是模型+，应该会形成智能驾驶的新的开发范式，是有机会落地的。

还有，从商业上讲有可能针对智能驾驶，或者是整车智能化之后出现类似于保险业务让我们的智能驾驶真的能够有这种智能驾驶的场景险，让智能驾驶落地，商业化落地更有机会。

于骞：我觉得未来3-5年一个非常核心的判断，就是用户价值在智能驾驶的方面有很大的体现，现阶段的困境在于智能驾驶和用户预期差很远，用户不觉得这个东西是刚需，有没有无所谓，但是未来3-5年，不到5年，大家对这个智能驾驶事儿，就跟买手机一样，没有的话就不会买这个了，因为车要开很长时间，智能的用户价值一定是巨大的凸显，我觉得这个很快就能体现出来，智能化是标配，至少是体验越来越往上走，而不是越来越往下走。

我们看到很多车企在卖车的时候，通过试驾这个体验转化率是非常高的，用户价值的凸显在未来3年是一个非常大的确定性的一件事情。

第二点我觉得这个战斗不会特别长的时间，3-5年的时间，可能不会像现在有这么多的公司存在在行业里面，因为会越来越明确，越来越确定，这里面需要投入的资源和体量都是很大的。

这个在行业里面大家对紧迫性的感知不太一样，但是我们能感觉到紧迫性非常强，比如说像特斯拉这么强大的，一手有数据，一手有技术，迭代又非常快的玩家，虽然现在主要以北美市场为主，海外市场在智能驾驶没有突破，一旦在北美市场突破以后，以他在全球的市场定位，在智能驾驶领域会形成非常强大的优势，这个我觉得在未来3年甚至更短时间内会看到一些变化。

其实是对我们主机厂和供应商之间的合作提出了一个非常大的挑战，因为人家是一手有数据，一手有技术，还有模块，如果我们呢主机厂和供应商的关系还在不断摩擦的状态下，这个其实挺难的，因为到那个时间点人家一旦达到那个数据规模和体量，到那个阶段可能留给主机厂和供应商的的机会就不多了，这是我看到的。

主持人（林雷）：好，谢谢于总，刚才也通知我时间到了，我们一直有简单的几个问题讨论，我们也把自动驾驶来龙去脉都说得比较清楚，特别是对未来自动驾驶能看到的方向以及我们能看到的解决路径，以及瓶颈的地方都看得比较清楚，那么我们非常希望也预祝在座的各位能够在自动驾驶领域，在未来取得辉煌的成绩，谢谢大家！