對不起，真正的智駕距離我們還很遙遠_風聞

 作者：autocarweekly

約莫十幾年前，我剛入車媒這一行的時候，去聽過一場沃爾沃關於安全的技術講解會。其中提到一個點至今印象清晰——談及終極安全，當時沃爾沃內部有個認知，就是全社會自動駕駛實現之時，所有交通參與者都由車輛自主決策，避免了“人”這個偶然性因素，就會真正做到零交通事故。甚至到了那個時候，車輛的一切被動安全配置都會變得多餘。

二十多歲的我，在台下聽得瞠目結舌。要知道，當時沃爾沃最先進的主動安全系統，還是那一年剛剛上線的第二代城市安全系統，也就是能做到在車速差在每小時4~15公里以下時，可以避免碰撞。而當年在給我們展示的PPT中，赫然寫着到“2020年，不會有人因為駕乘沃爾沃汽車而導致嚴重傷亡。”作為一個激進派，都覺得本應該保守的沃爾沃提的目標有點過於激進了。

其實到了2016年，沃爾沃就已經發覺自動駕駛技術的發展，完全沒有達到自己的預期。於是在這一年哥德堡舉辦的一次活動中，對於2020零死亡率的計劃進行了澄清，稱“願景2020”是集團的一種發展思路。這也就意味着，雖然沃爾沃能夠在製造每一輛汽車時都嚴格把關，但無法確保2020年後所生產的所有車輛都能萬無一失，不會有人在駕駛中喪生。

最終的歸因就是：“人類活動具有不可預知性，並不是每次意外都能倖免於難。”

自動駕駛的“階梯論”

其實自動駕駛，並非是這幾年才湧現出來的新鮮事。

1995年，一輛具備自動駕駛能力的奔馳S級轎車從德國慕尼黑幾乎全程自動駕駛到丹麥哥本哈根，全程共行駛1678公里，最高時速達到185公里。而在這個過程中最為重要的是，行駛全程幾乎沒有人為干預。

而這輛車使用的智駕系統的原理，和我們現在所見到的大部分智駕系統差不多。當時的奔馳用了純視覺自動駕駛解決方案，用攝像頭以及動態3D算法，分析和感知路況並進行車輛控制。

而業內更加公認的智駕技術的爆發起源，是2004年到2007年共舉辦了3屆DARPA無人駕駛挑戰賽。那些年散落在莫哈維沙漠的汽車零件，見證了一堆剛開始嘗試自動駕駛的汽車笨拙的姿態。但是那些在戈壁灘上滿頭大汗調試無人駕駛原型車的工程師們，都已經成了這場汽車革命始祖級的中流砥柱。

即便當年還年輕的先賢們，如今已白頭或者禿頭，自動駕駛依然還沒進化到突破我們想象力的程度，或者可以不客氣地説，實現真正自動駕駛的時間表一直在延期。甚至於隨着自動駕駛的逐步普及，我們對於這項技術在實用層面的定義被更加清晰地約束為“輔助駕駛”。交通的責任主體和真正的掌控者，僅從書面上的兩字之差就能讀出天壤之別。也就是在目力所及的時間裏，駕駛的主體，依然無可辯駁的是：人。

春節前在地平線智駕的媒體溝通會上，創始人兼CEO餘凱對於智駕的發言，帶出了不少金句。比方説“2025年智駕迎來真拐點”、“智駕產業3年實現脱手開，10年實現隨心開”。但相信有不少人看到這些的時候會有和我同款的疑惑：“什麼？還要等10年才能實現真正的智能駕駛？”

就這個問題，我覺得地平線副總裁兼首席架構師蘇箐所講可能會更加清晰一點。他認為自動駕駛技術的比較對象，並非友商。而是人類本身。它的價值是一個拐點式的價值——他比不過人的時候，其實就是高科技的玩具；當有一天比人好的時候，價值立刻就會跳上去，也就是兩段式的價值。

“很不幸的是，到目前為止還沒有一個系統真正達到了這一拐點，我們只是看到了這個希望。”

這種對於自動駕駛能力的階梯論，並非是蘇箐個人的論調。就在前段時間李想的Ai Talk中，他也説到了L3級別的自動駕駛，是AI在人指揮下完成一些任務，但是需要人負責兜底。而下一個階段，是不需要人負責，可以自主根據要求完成任務。

所以，如果更簡單一些理解這個問題的話，就需要把自動駕駛的發展進程拆成兩部分，初級階段可以被稱為“模仿人類”，而更高級的階段，則是“超越人類”。

很可惜的是，即便有天量的資金、技術、算力和人的投入，我們目前的自動駕駛，依然處於無限接近模仿人類的階段。而超越人類，則是另一個階梯之上的需求。

無論當下如何營銷輔助駕駛對於事故的處理能力，從數據層面上來説，現在的輔助駕駛跟人類相比還是有着巨大的能力差距。在上個月，高盛出了一份對於特斯拉FSD的最新研報，給出的結論是：即使是最新的V13版本FSD能夠體現出技術的不斷進步，但其表現還未能達到超越人類駕駛的安全水平。根據測試體驗、眾包數據以及第三方評價，FSD V13的關鍵干預距離達到了400到450英里之間，97%的駕駛過程中無需發生干預。而Waymo的歷史數據顯示，其車輛在加州的城市環境下每8.5萬英里才會發生一次關鍵干預。

關於這個數據，類比到人是這樣的結果：根據美國政府的交通安全數據，普通車輛每60到70萬英里可能發生一次事故。也就是説，自動駕駛和人類駕駛的差距截止目前還是數量級的差距。

悲觀一點説，即便付出如此多的努力，自動駕駛仍然還處在一個“高科技玩具”的階段。

自動駕駛什麼時候才能開始“下半場”

當然，往好的方向看，至少在過去的2024年，自動駕駛所取得的發展程度，是多年來未見的。

從技術角度來説，自動駕駛的三大要素：算法、算力和數據，三個方面在2024年都斬獲了不少的閃光點。在算力上，幾百TOPS的芯片已經量產上車，小鵬、理想和小米三家的輔助駕駛算力都超過了500TOPS，蔚來的4顆英偉達Orin-X芯片算力已經破千TOPS。在數據上，成百上千萬輛智駕車輛整跑在路上，每時每刻都在為智駕能力的提升提供數據支撐。

最大的突破，可能來自於算法方面。端到端、VLM、VLA等等大模型在過去這一年成為了最炙手可熱的流行詞，而這方面的爆發趨勢，追根溯源還是AI在過去兩年內產生了革命性的突破。2023年3月，支持多模態輸入的GPT-4橫空出世，秀出了其在圖形理解能力方面的肌肉。它所引發的反應，便是視覺-語言模型 （VLMs）相關研究工作大跨步的增長。

我們如何通俗的理解這場變革呢？如李想所説，自動駕駛的模型會與大語言模型相融合去理解真實世界，像真正的大腦一樣，而非當前端到端模型所採用的壓縮記憶方案。正因為此，李想給理想提出的要求是，確保基座模型進入AI行業前三，空間智能做到中國第一，而不只是與其他車企競爭。

看上去似乎前景很光明，對不？但實際上技術提升的過程更像蘇箐所描述的那樣：“一個新的方法起來以後，第一天你會覺得它很美好，能解決所有的問題；第二天又會對它引起懷疑；第三天你會發現邊界就在那裏。”

比方説端到端模型，它的弊端就是放大了神經網絡黑盒不可解釋的問題。不可解釋、不可控的性質會導致系統雖然能夠處理複雜場景，但是簡單場景很可能會出現犯“弱智”錯誤的情景。另一方面，模型能力的提升是有瓶頸的。當模型能力已經達到每10萬公里的行駛數據中只有1公里的數據能夠訓練模型進行改進時，想要讓整個模型的能力進一步升級，那需要的基礎數據量和算力都會是一個驚人的規模。這就像是前幾年ETH挖礦，越挖，難度越是指數級的上升。

再換個更加通俗易懂的形容，這種感覺就跟拼多多砍一刀似的，最後的1%所付出的努力，可能需要比前面99%還要多。

這種問題，特斯拉的FSD也會遇到。就在今年特斯拉股東大會上，馬斯克承認了當前FSD所面臨的挑戰，主要是測試AI模型的效率以及判斷新模型是否更優秀的水平能力。當AI模型在數千英里的行駛過程中僅出現一次需要人工干預的情況時，如何迅速而準確地評估新模型的優劣就變得更加困難。

安全的長尾問題，就是自動駕駛無限趨近於人類駕駛所需要解決的技術問題，需要大量的時間對於AI進行針對性的測試、訓練。甚至當你感覺到已經距離成功很接近時，會突然發現也許自己所使用的模型並不是最優解，想要達到目標需要換條道路從頭來過。這種挫敗感，恐怕是縈繞在每個自動駕駛的科學家腦海中揮之不去的夢魘。

但更恐怖的事情是，很可能我們現在所堅持的大方向，只適用於讓自動駕駛更像人。而截止目前，關於讓自動駕駛超越人，可能需要換一套截然不同的發展模式。

比方説小馬智行CTO樓天城，就認為依靠L2的端到端永遠無法實現L4的自動駕駛。這個觀點就是從馬斯克所奉行的“第一性原理”出發，L2的目標，都是讓自動駕駛更像人，而L4的要求則必須要超越人，它的目的是替代人，安全性就必須高於人類安全10倍以上。

更簡單一點説，當下的自動駕駛，是需要“知難而退”的，就是遇到自己解決不了的情況時，讓駕駛員去接管車輛。而L4級別的自動駕駛需要“迎難而上”，系統擁有唯一的決定權。

樓天成的這套路線，其實是將Robotaxi的模式不斷精進，最終在進行泛化，以此來達到最終的L4級別自動駕駛。而以李想為代表的一類人則認為，“端到端+VLM”架構就能夠在短時間內實現L3級別的自動駕駛，而L4就是L3的延續。以現在的技術發展水平，我們還很難判斷這兩種思路的對錯。但無疑，選錯路的那一方可能需要承受的結果，是一家企業喪失了定義未來的主動權。對於這些科技先行的汽車公司來説，下場遠比押寶了氫能源的日本車企慘多了。

所以，世面上也不乏像Momenta這樣兩條腿走路，同時在L4和L2領域做研發的企業。但雙保險就一定能成功麼？其實就像是L4級別自動駕駛的終極目標是讓系統超越人一樣。當技術真的擁有超過人的實力，那麼最終極的挑戰，將會是人的信任。而這是比技術上所經歷的難點，都更加難以逾越的高山。

就像是Momenta的曹旭東所説，人類司機開出租車，1000台車一年可能就有一起重大或者死亡的事故。但如果Robotaxi的公司1000台車一年有一起重大或者死亡事故的話，可能公司就要關門了。

當技術叩開了未來的大門，人類的不信任總是會試圖先將門關上。很容易忘記了是我們自己開發這項技術，目的就是為了開門。所以我們再回看餘凱對於自動駕駛的十年之期，坦率的説，我覺得這還是需要建立在未來幾年內依然能夠出現類似當下AI跨越式發展的技術進步的基礎上。而人什麼時候能夠接受比自己更聰明、更有能力接管出行主導權的技術？那似乎就更加遙遙無期了。