当城市NOA（领航援手驾驶）开动从30万元以上高端车型，快速下探至10万~20万元众人商场，中国智能驾驶产业正在投入新的竞争阶段：数据驱动、端到端、大模子与整车智能体，徐徐成为行业新的要道词。

　　一边是纯视觉、多传感交融、车路云协同仍在并行演进；另一边，围绕L3、L4与Robotaxi（自动驾驶出租车）的接头也正从“意见考据”走向“交易落地”。行业既要顶住算力、模子与工程化的挑战，也需均衡安全、资本与限制化。

　　近期，《逐日经济新闻》（以下简称NBD）“AI相对论”第二期与地平线副总裁、策略部及智驾居品磋磨与商场部致密东谈主吕鹏，以及中国东谈主工智能学会智能驾驶专科委员会履行布告长闫婧，就现时行业关注的热门问题张开对话。前者站在芯片量产一线，关注软硬协同与整车智能体；后者深耕产业商量与轮番接头，关注技能节律与行业圭表。

　　从“效率比名词更贫苦”，到“能落地的L3实质上要有L4能力”；从端到端、VLA（视觉话语动作），到“车将成为个东谈主最大的计较中心”，两位嘉宾围绕技能旅途、演进逻辑与畴昔3—5年的发展形态，张开了一场深度接头。

　　本期嘉宾：地平线副总裁、策略部及智驾居品磋磨与商场部致密东谈主吕鹏，中国东谈主工智能学会智能驾驶专科委员会履行布告长闫婧

　　吕鹏图片开头：企业供图

　　闫婧图片开头：嘉宾供图

　　效率比名词更贫苦，中枢是数据驱动

　　NBD：从城市NOA的技能阶梯角度来看，咫尺存在多传感交融、纯视觉、数据驱动等不同旅途，争议好多，如何评价这些阶梯的优劣和畴昔走向？

　　闫婧：城市NOA的笼罩率和花消者接受度都在升迁。多传感器交融一直在发展，早期有激光雷达加录像头的决议，之后会概述议论资本、花消者接受度、安全性、场景适配，推出不同技能决议，这是从研发到工程兑现的概述闭幕。咫尺，高配车型上多传感器交融更丰富，要让技能凡俗应用到众人商场，就需要资本能接受的决议。不同资本、不同场景会搭配不同的传感器设立，是现时的主流采选。

　　纯视觉阶梯，不少车型都在用，算法要求高，在较晴天气和工况下发扬可以，但在天气或工况较差时（举例暴雨、暴雪、浓雾、复杂路况等），需要更严慎。数据驱动和数据交融是必需的，数据包括车端汇集的多源数据，也包括车路协同、车路云一体化的数据，路侧基础智力的数据可以动作补充，来笼罩视觉盲区、优化交通调动等。

　　NBD：地平线针对不同阶梯和商场需求有什么议论？

　　吕鹏：地平线一直以软硬荟萃的样式作念芯片缱绻和系统。从技能趋势看，以前从章程系统到夹杂系统，再到当今的数据驱动系统，区别在于：是事前界说章程告诉车怎样开，如故让传感器数据进来，及时生成控车轨迹。

　　越往数据驱动走，就需要越大的模子、越高的计较效率和带宽。咱们从这个维度缱绻芯片，优化Transformer（转念器模子）等核默算子。作念计较芯片最难的是有莫得弥散强的软件Know How。芯片从界说到上车至少2—3年，你必须提前判断技能范式。

　　至于数据驱动范式下带不带激光雷达，这在咱们看来不是中枢考量身分。只好是数据驱动，带更多传感器如故少带，仅仅研发旅途的采选。咱们不会明确说一定要纯视觉或者一定要带激光雷达，研发更侧重纯视觉，但愿不要过早依赖“手杖”，不然很难冲刺纯视觉性能的上限。但咱们也积极拥抱不同传感器的补充，是以咱们是主眉目作念纯视觉确立，同期兼容更多传感器。

　　更中枢的是，芯片的计较遵循是否提高。算力不代表一切，简直计较遵循很贫苦。就像买屋子，要是公摊较多，则践诺得房率很低。让数据驱动范式下的计较高效、诈欺率高，是咱们的缱绻理念。

　　NBD：端到端技能落地的中枢瓶颈是黑盒问题，如故算力和数据门槛？

　　吕鹏：数据不是最大的挑战，端到端需要的优质数据量并不越过大。中枢是构建基础模子，通过学习东谈主类驾驶行为酿成类东谈主化和拟东谈主化。最大的挑战分两块：软件和计较平台。

　　软件上，模子架构能力是最大挑战，需要顶尖AI东谈主才、查考方法、较高的查考资本和工程化落地能力。硬件上，端到端需要的计较效率、带宽维持、算子维持，是否在芯片缱绻阶段就想好了。算力自身不是稠密门槛，计较架构和Pipeline（计较活水线）才是。一朝建好了Foundation Model（基础模子），模子可以作念蒸馏。

　　是以，第一你得有能力把模子作念出来，这个门槛很高；第二，芯片上的计较效率要是不维持，部署资本会极高，确立周期会被拉长。这些都要求软硬协同能力。

　　闫婧：端到端是现时自动驾驶领域的中枢技能范式，其下络续知道出新的架构念念路和中枢能力，比如VLA和基于宇宙模子的瞻望能力。每次要紧的技能迭代，企业都要阅历研发、测试、切换的阵痛期，是一个迭代试错螺旋式飞腾的经由。

　　黑盒问题如实存在。端到端算法的不成讲明性会制约研发调试、模子改造，也会影响花消者对界限的预期和背负分辨。咱们需要在可讲明性上作念一些责任。有车企曾经把可讲明性问题显性化展示出来，但展示出来又可能带来信息过载的问题。

　　NBD：刚刚也提到了VLA，抵花消者来说，买车时采纳VLA阶梯的和通用大模子动作决策大脑的有什么区别？

　　闫婧：其实花消者不需要护理技能阶梯，更应该看践诺效率。技能研发自身就在络续尝试新范式，效率才是中枢。

　　吕鹏：以前营销词汇太多，创造了好多新名词。抵花消者来说，最中枢的如故简直的感受、体验和效率。

　　简直能落地的L3，实质上要有L4能力

　　NBD：城市NOA正从高端车型向10万~20万元众人商场渗入，而L4无东谈主驾驶更多在封锁场景作念交易化。怎样看这两条交易化旅途的联系？

　　闫婧：我认为更多的是互补。城市NOA和真无东谈主驾驶在工况场景、使用东谈主群、左近环境上都有很大辞别。公司可以把技能应用到不同场景，动作收入的补充和均衡。不同阶段会有弃取，这是经济上的互补。

　　吕鹏：城市NOA会缓缓往更廉价钱下探。它很像以前的自动挡，刚开动全是高端车，但东谈主们需要它来缓解疲倦、带来宽心称心的体验。全场景城区援手驾驶畴昔一定会走向标配，致使到10万元以下的车。它会兑现大限制量产，同期累积大批数据，股东简直走向透澈自动驾驶。

　　这里谈不到竞争，更多的是旅途采选问题。无论作念乘用车量产、Robotaxi如故无东谈主矿区，终极想法都是兑现简直的无东谈主化。咱们有两个锚点：商场锚点是如何交易化落地、带来利润、维持进一步研发，是以咱们以乘用车限制化量产为主；技能锚点是你到底要攀多高的峰。

　　当今莫得作念到全场景无东谈主，是因为技能还没到。两种采选：一是在技能上络续升迁，股东乘用车无东谈主化；二是受限于技能水平，戒指场景复杂度，先落地一部分。当今的Robotaxi、矿区、无东谈主物流便是后者的逻辑，不是技能到了弥散高度，而是适度了场景。但众人的技能锚点都是阿谁更高的高度，一朝达到，技能能力外溢可以笼罩好多垂类领域。是以更多的是旅途采选问题，不是竞争联系。

　　NBD：有不雅点认为“跳过L3，直攻L4”更高效，也有企业宝石L3东谈主机共驾的普及，如何看待这两种不雅点？

　　闫婧：这个问题其实曾经持续好多年了，是渐进式从L3到L4，如故平直跳到L4，众人有不同看法。实践中，这更多是梦想与现实的问题。表面上，平直作念L4可以减少渐进式发展经由中研发测试转型险峻，直奔最高想法，背负分辨也更了了明确。但现实中，还要议论东谈主文环境、社会继承度、政策老练度、谈路维持度等，这些身分会相互作用，酿成动态均衡。概述来看，很难一下子大范围兑现L4。当今好多L4只可在特定场景、适度路段、政策沙盒里试错。

　　在更宽广的空间里，业界如故在走渐进式阶梯。渐进式一方面有意于东谈主机共驾的背负磨合，另一方面从经济角度看，企业能更早获取现款流和数据。早小数推向商场，在东谈主车磨合中络续汇集数据，限制和效率更高。是以在现时更大的商场范围内，渐进式更践诺，需要强调的是，这个阶段使用者一定要耀眼驾驶安全。

　　吕鹏：我个东谈主不太心爱L3和L4这个分级轮番。当今曾经到了全场景城区NOA援手驾驶的阶段。咱们认为L3和L4实质是一趟事，要是你在高速等适度场景作念L3，在这个区域里应该具备L4级别能力和安全性。要是不具备，就会出现多样条款戒指（像标线不清、光泽不好就要交互），L3就很难落地。因为花消者花更多钱，体验却比全场景NOA还差。是以简直能落地的L3，在适度区域内必须达到L4的水平。

　　咱们确切立一直围绕L4能力去作念。一个要道想法是MPCI（每若干公里发生一次安全性接受）。当今全场景城区NOA大约几百公里会有一次安全性接受，要作念到无东谈主驾驶还要升迁几个数目级。跟着端到端能力冲破，咱们有信心每年翻十倍，三年附近就能达到10万公里。10万公里级别对限制化L4落地就很有保障了。

　　是以，要是L4达成更晚，L3会有过渡期；要是L4三年内达成，L3就会很难受。咱们的不雅点是：主流的全场景城区NOA援手驾驶会走向简直的L4乘用车落地，中间可能有良晌的L3限制化过渡，但能落地若干取决于技能能力。戒指太多就成了试点工程，花消者不买账；能力弥散、体验不左迁，就能成为一个合理的过渡期。

　　从本年开动，整车智能体会越来越丰富

　　NBD：真无东谈主落地的中枢冲破点是什么？技能、政策如故运营？现时最缺哪个？

　　吕鹏：三者都贫苦。技能上全球有两条阶梯：一种以Waymo为代表，框定一个城市作念小批量运营（比如几百台车辆）；二是特斯拉，不适度区域。两者都还没到简直的技能拐点。即便当今交易化落地的L4，也没法快速彭胀区域，也没法扩到很大限制。运营自身便是居品的一部分，需要络续优化。政策不时会滞后一些，因为技能不够，经由中未免出现事件，政策会收紧；但大趋势不变，后头又会放开。这几个维度会来往波动。

　　NBD：从行业圭表的角度来看，咱们还濒临哪些轮番的缺失，或者是伦理上的一些争议？

　　闫婧：轮番、法例和伦理争议，实质上是技能不老练带来的挑战。要是技能百分之百老练，好多问题就不存在了。现时主要问题是界限不了了、背负难界定，政策、保障、运营范围都有待完善。中国的自动驾驶轮番曾经走得很快、很跳动，我此前曾经经参与过自动驾驶轮番层面的接头，接头中主机厂、运营方、交通安全机构等态度不同，争议不少。轮番的制定需要一个漫长的经由，会跟着技能发展络续完善。总体看，中国的轮番政策并不是空匮、不竭技能发展，更多是严慎饱读吹、严慎维持。

　　NBD：畴昔2—3年，城市NOA、端到端、真无东谈主驾驶的形态和商场现象会发生哪些要道变化？企业如何把抓机遇？

　　吕鹏：跟着技能范式买通，AI领域围绕更大模子、更高算力提供更高智能，曾经是共鸣。我认为3—5年内有可能达成非常好的无东谈主驾驶能力。同期，从本年开动，整车智能体会越来越丰富。OpenClaw（AI智能体）的出现，让AI从聊天佑手变成了简直颖慧活的东西。车是个东谈主最大的计较中心，本年整车智能体会变成更懂你的专属助理，买通物理AI和交互，学习手段、持续更新、有顾忌、致使有东谈主设。

　　地平线在两年前就预判到这个标的，提前布局了舱驾交融，围绕整车智能体的操作系统和计较平台都已准备好，会股东智能汽车兑现迈向整车智能体的跃迁。咱们的居品谱系笼罩低中高阶全场景，从智驾到智舱、从芯片到软件都已补皆，可以赋能车企和互助伙伴。

　　闫婧：从更大限制的乘用车商场看开云体育，会酿成马太效应，数据更多、东谈主才更多的企业占据上风，数据飞轮效应缓缓骄贵。在特定场景（如矿山卡车、口岸物流、货色配送）里，找到一个小切口，深耕场景的企业能有一隅之地。供应链上的企业，比如传感器、芯片等，也有很大契机，况兼畴昔还可能应用到东谈主形机器东谈主、飞行汽车等新形态中，迎来更多机遇。