我們能不能像馴馬一樣馴化自己的車？

文｜東三環斟茶員

一

10月28號在杭州西湖斷橋旁的浙江書院，我代表ACW參加了一次由華汽研究院主辦的智駕科普沙龍，參會嘉賓有同濟大學汽車學院教授朱西產，吉利控股集團首席智駕科學家暨極氪科技副總裁陳奇，地平線副總裁邢勛，輕舟智航CEO于騫，福瑞泰克董事長兼CEO張林。

注意這個嘉賓組合，包含了車企，智駕芯片供應，人工智能研發，無人駕駛業務，以及高校科研——這還不止，朱西產教授從同濟退休后，應聘擔任了中國汽車工程研究院信息智能事業部首席專家，在負責iVISTA智能指數測評專家技術委員會工作——也就是說這次沙龍還包含了參與行業標準制定的專家。

背景各異的嘉賓，加上媒體和用戶代表，大家齊聚一堂，交流并科普了哪些問題？

主要是智駕的技術趨勢和用戶價值。具體一些包括：智駕已經演進到哪一步了？能力邊界如何？下一步是什么水平？距離我們還有多久？實現成本會有多高？等等。

這些都是十分重要但不一定有共識的問題，因為不僅每個人有自己的理解，而且會有自己的立場。這個沙龍，你們在網上大抵上是找不到全程直播視頻的，頂多有一些視頻切片，這是為了保護嘉賓，畢竟商戰太卷，而斷章取義可恥但有效。我將與會交流產生的一些共識介紹給大家，因水平所限，可能會有錯漏和不準確之處，歡迎批評指正。

二

當我們談論“智駕”的時候，核心問題是L3。現階段的“智駕”是“智能輔助駕駛”，要L3落地的時候才是“智能駕駛”。

L2、L3、L4之類的概念已經談論了十年以上，但是在與我們的用戶交流后驚覺，許多人對此理解得其實并不確切，因此在討論有關智駕的所有問題之前，必須花篇幅重新講一遍這個概念。

L就是level，代表著智能駕駛的不同等級。所以L2就是2級，L3就是3級，能力由低到高。

L1是什么？ACC，Adaptive Cruise Control，也就是自適應巡航控制，就是L1。車輛能根據設定限速自行開，前方有車時可以跟車，并調整車距與車速。油門剎車已經被機器接管了，用戶可以隨時按按鈕或踩剎車退出。

L2是什么？到LCC時就可以叫L2了。LCC，Lane Centering Control，車道居中控制，不僅能主動跟車了，還能保持車道，撥桿變道，還有些車的LCC能過紅綠燈。注意，這時候包括方向盤其實也已經可以被機器接管了。

L3是什么？有條件的自動駕駛。系統能自主完成加減速、轉向、變道、超車、繞行等所有駕駛操作，（條件理想時）用戶從A到B已經可以全程不干預方向盤和腳踏，不過但手眼仍需保持觀察警覺，隨時準備接管。

L4，高度自動駕駛，顧名思義就是自動化程度更高，可以睜只眼閉只眼，幾乎不用接管。

再往后還有L5，就是全場景都完全不需要人參與駕駛了，睡覺也行，打牌也行——這就是地平線邢勛在這次沙龍上分享的“終極夢想”——“你和你心愛的人在禮拜五晚上的黃浦江邊喝了酒，吃一頓燭光晚餐，突然間你心愛的人說明天早上想在杭州西湖看日出，這時你需要怎么做呢？你只需要把車叫過來，你們可以在車上繼續喝紅酒，吃火鍋，非常相愛的睡了一覺，明天一早在杭州西湖邊出現，一起看日出。”

從L3往后都未量產乃至停留于想象，所以與之相關的描述細節，不同人和團隊會有區別。邢勛對L3、L4、L5的描述較形象，分別叫“hands-off”、“eyes-off”、“minds-off”，他的努力時間表是3年、5年、10年。作為標準制定團隊成員，朱西產的描述偏定義，他直接把L3定義為自動駕駛，L4、L5定義為無人駕駛，百度蘿卜快跑和特斯拉cybercab就屬于L4、L5——由此我們讀者也應有所深思，雖然“機駕最終一定會比人駕強”是所有嘉賓共識，但是在這個發展過程中，未必高階就一定比低階更高效更好用。

智駕是我們普通人都會切身感知和參與（購買使用）的一次重大科技革命——它最終是革命，但路途比較長，也會有曲折，要正確認知它、使用它，需要具備辯證思維，而不能被引導成比數字大小的爽文思維——如此，就是本文以及這次沙龍的初心用意了。

最后額外提一句，其實L1之前還有個L0。

這個L0是什么，定速巡航嗎？不是，是AEB，主動剎車。智駕的起點是安全，不是自動化，后文會提到，這深深影響了智駕的技術路徑。

關于智駕的level，現在清晰了嗎？

其實沒那么清晰。

三

L幾這些定義不是自然法則，而是先畫的靶子。在實踐發展中，箭可能直接透靶飛更遠。所以現在有L2+，L2.9999等說法。

這些說法還真不是炒作概念，因為現在國內主流智能汽車品牌給自己中高配車型搭載的智能輔助駕駛，雖然不能被定義為L3，但和一開始的L2區別已經很大了，底層原理和實際表現都已經不是一回事。

不同車企有不同的名字，NOA，NGP，HAD，ZAD……這次沙龍上，為了方便交流，大家統稱為NOA（Navigate on Autopilot，領航輔助駕駛系統），屬L2+級。根據朱西產教授介紹，“L2+”也不是工信部允許的說法，但為了交流，暫且用之。

L2叫輔助駕駛，L3叫自動駕駛，L2+叫智能輔助駕駛，現階段這個L2+級的NOA，已經發展到幾乎具備L3的一切功能，自主加減速、轉向、變道、超車、避讓繞行、掉頭、代客泊車、自動泊車，以及不依賴高精地圖，等等。在天氣和路況理想時，它能實現無接管自己從A開到B，從車位到車位。

所以有車企負責人認為自家的智駕已經做到了“有路就能開”，早就實現了L3，但你不讓我叫L3，那我就L2.9999。

但是，這次與會嘉賓幾乎一致反對“有路就能開”的宣傳。

為什么？看一些車主和自媒體拍的視頻，不是已經實現了么？

理想條件不能代表普適條件。

根據法規，L3在系統激活期間的事故責任由車企承擔。

這難不倒車企，好開就機器開，有問題沒法判斷了就交給人開。

這當然是有問題的，車禍前1秒退出，讓人接管一個死局，這合適嗎？

或者3秒，駕駛者能反應得過來嗎？

所以不能這么搞，得有規定，有量化指標，讓車企不能耍流氓，甩鍋給用戶。

朱西產在會上分享了一些智駕成功避讓和發生事故的視頻，引出了TCC這個概念。這個概念并不算新，也不是衡量智駕能力的唯一標準，但它很方便大眾理解，屬于走向L3的必要不充分條件。

TTC，即time to collision，車輛從正常行駛到發生碰撞的時間。TTC本身也是衡量AEB（也是前面提到的L0）的核心指標。

會上播放的一個夜間智駕碰撞的視頻，系統報警接管時的TTC是3.15秒，駕駛員響應時間1.9秒，在TTC1.25秒時踩下了剎車，車速從94碼降到55碼，與施工區域障礙碰撞。

如果車速是120，或是駕駛員反應慢一點，很可能車毀人亡，這個L2+對安全有作用，但不夠。

不同的人反應不同，車輛性能不同，TTC多少才夠？

朱西產列出的標準是：L2+的TTC要＞5秒的干預提醒，L3的TTC要＞10秒的接管指令。

這也是奔馳已經通過歐洲L3認證的量產EQS的標準，朱教授夸它還是有兩把刷子。

根據我了解的信息，這款L3的EQS在德國不限速高速上很好用，其他時候經常效率偏低。德國交通素質差不多是全球最高了，考慮到國內日常不打燈、無預警變道，城區電瓶車亂竄的事實，這個標準的EQS在國內會磨嘰成什么樣？如果像前段時間特斯拉新的FSD在國內實測那樣，效率不錯，但是頻頻違章，那么也難以被接受。

這里再次要求讀者發揮辯證思維——TTC標準，或者說TTC背后的復雜系統，并不是數值越高就越好。

極氪科技陳奇（會上大家親切稱他“大白”）在回答用戶關于“能力邊界”這個話題時，就說現在業內卷130、140、150的AEB意義不大，只是因為速度指標好測好宣傳，但其他一些重要指標，大家也看不到，“比如說誤觸發率和漏觸發率，每家公司里面這兩個有多少？誤觸發也很危險的，后車就追上來了。漏觸發就前面撞上去了，這些率才是最關鍵的。速度只是AEB很小的一個因素，你哪怕搞到150又怎么樣，剎下來后面的車給你撞上來，不也是一樣的嗎？安全上面是有問題的。”

這段話放在一些“智駕測試橫評”上其實完全適用。

剛剛提到TTC只是一個標準，事實上在全場景智能駕駛時，需要考慮的問題更多，而且里面有很多相互制約的條件。因為沙龍時間和本文篇幅關系，不再一一列出。總之只要有駕駛經驗的人都能意識到，別說智駕了，就算是人在遇到狀況時，也要左右為難，區別是人出問題習以為常，智駕出問題恐怕很難擔待。這也是為什么現場提問“購買智能駕駛汽車時有無好壞判斷標準，比如接管率”時，沒有獲得明確答案，而是被告知“標準還沒有出來，現在還在征求意見，爭吵得蠻兇”。

四

回歸到L3——在全場景下實現安全穩定的L3智能駕駛，具體能到什么程度？是什么時間表？

大家的意見并不統一。最樂觀的估計是2027年——也可能是因為華汽研究院這次沒有邀請激進派。

但是在實現路徑上，大家——至少5位嘉賓中的4位——是沒有爭議的：人工智能。

面對安全與效率的權衡，面對（可能的）瓶頸，只有走大數據、人工智能的技術路徑，用高質量駕駛數據來訓練大模型。

因此，現在業界有一種聲音，干脆跳過依然需要人機合作的L3，直接做L4。現在的L2+，跟一開始的LCC的那個L2，沒有技術延續性，其實是從更高維度降下來的。這個維度就是自動駕駛，強人工智能。

“有一個小小不同意見”的嘉賓，是福瑞泰克董事長兼CEO張林，他認為大模型解決不了所有的事情，他的原話是：“一旦到L3，我們現在就要討論很多偏可靠性的一些問題，信息安全、預期安全、功能安全等等這些，這些我不完全認為大數據、大模型能解決到L4級別質變。”“我認為似乎AI解決了很多我們體驗的大幅提升，解決了很多泛化能力。但是真正L4的質變，我覺得還是有一定可以期望，但是也是蠻大的行業挑戰。”

因為活動只是短短的半個下午，張林的思考沒有進一步展開。我只能期待下一次有機會請他詳細講一講。

關于智能汽車和人工智能，朱西產教授的一句話我認為應當全文抄錄以饗諸君：

“智能汽車是人工智能最靠譜的應用場景。人工智能尤其大模型，其實人工智能看上去很花哨，但是人工智能的公司大部分都是賠錢的，真正有用沒用不好說，但是在汽車上語言模型在智能座艙，視覺模型在智能駕駛，這個是切切實實能夠改變一輛汽車，能夠成為汽車這個十萬多億大產業里邊的核心技術。所以人工智能技術在汽車上應用是最靠譜也是產業規模最大的。”

就像3A游戲市場拉動著顯卡發展，多年以后成為了人工智能算力的基礎。智能汽車市場拉動著人工智能發展，多年以后成為普適智能機器人的基礎。

五

作為一個開了2萬公里L2+的用戶，這次去參會我是帶著問題的。

就我以及身邊一些有智能汽車的用戶的智駕體驗，我覺得現階段智駕已經相當不錯，真的能做到很多路面尤其是一線城市路面零接管，但是這種體驗并不穩定，一方面是因為道路狀況——主要是其他交通參與者不穩定，遇到一個瞎開的車在旁邊竄來竄去，車就不太安穩。另一方面是智駕版本更迭帶來的不穩定，有時候激進，有時候保守。轉向和上下匝道，有時候選道效率高，有時候莫名其妙非要執著地偏一邊走，然后又跨兩三條車道到另一邊……這種版本更迭，有時候甚至是負升級，比如某品牌本來遇到大車超得很果斷，升級了新版后竟然開始跟大車并排了。

我對防御性駕駛比較有追求，認為安全和效率是辯證關系，有時候更效率——如變道果斷，超車干脆，跟車流速度而不是路牌速度——也意味著更安全。但智駕往往并不能跟上我的駕駛思路和意圖，以至于在某些特定的匝道口，我每次都要手動把車從最右道掰走，在某些特定的路段，我每次都要腳踩油門加速以避免其他車紛紛來加塞。

我很好奇智駕團隊工程師是怎么調節效率和安全的關系的。或許他們并不去預設一個行為是更效率或更安全，但是即使基于大數據訓練和人工智能，他們“喂”大模型時也是要選擇“高質量數據”“更好的司機的表現”。

這些細節以后是不是能處理得更完美，我不清楚，我希望能在現階段、已有的技術條件下，來解決這個問題——聽起來這并不復雜，只要我的車能記住我在固定場景下三次，五次，七八次的重復操作，就像輸入法一樣。結合到之前關于智駕市場的議題（現在絕大部分智駕是虧錢），這樣一個能個性化、懂我的智駕系統，我愿意花更多錢，超出特斯拉那6萬多的價格去購買。

基于這樣的體驗和思考，我最終向地平線邢勛和福瑞泰克張林問出了這個問題：“我能不能像馴馬一樣馴化我自己的車？”

他們兩人很肯定地回答了我：“做不到。”

邢勛很斬釘截鐵地說，智駕最終千人千面是不會存在的，不會有差異化的一個產品，每次條件不穩定，車況不一樣，“NPC”不一樣，天氣不一樣、心情不一樣，開車的情況就會不一樣。實際上他表達的意思可能是——這種需求，本身可能就是一種偽需求。

他強調，智駕打的是把用戶安全從A送到B，并且以合理的效率、速度、時間，到時候大家的注意力就不會在駕駛風格差異上 了，而是在車作為第三空間的其他價值。怎么開更安全，這個標準最后一定也是靠大數據回歸來優化Meantime between failure。

他第二次提到了紅酒——“智能駕駛系統可以被馴化，但只能馴化成4種、5種、6種模式而已。不會更多了，不會做到千人千面，因為解決問題是交通問題，是A-B的問題，不是給用戶提供情緒價值，情緒價值來自于車機、氛圍燈、零重力座椅，當用戶可以躺在零重力座椅下看著星空頂，聽著想聽的音樂，喝著紅酒的時候，才真正實現第三空間的人生自由，才成為人生贏家。”

張林表達了類似的意思，稱每個人駕駛風格必然與自動駕駛選擇大數據里邊高質量的數據，或者高質量駕駛員的數據有偏差。所以會體現在不同場景就會給你的預期，和它給你呈現的表現不一樣。

而且不僅方向上不會考慮，成本上也做不到——“特斯拉做的可能相對會更好一些，它的數據覆蓋以及它的模型參數非常大，要做到千人千面也不太現實，以特斯拉的車端，剛剛像朱老師講的已經到2500 TOPS多，如果HW5.0是到2500 AI算力的話，我相信車端的參數量是很大的，能覆蓋的場景可能會更細致。但是能不能像你講的，所有場景都能體現你的期望，我覺得這從背后算法邏輯上，我覺得幾乎是不太可能的。”

六

這場沙龍的大部分提問，沒有很明確的肯定或否定，我問出了一個問題，得到了兩位嘉賓一致的否定回答，卻覺得收獲頗大——如前所述，智駕的起點是安全，這之后的演進也主要在圍繞安全，而不是其他體驗。如果其他需求與此相抵觸，那么優先保證安全。

朱西產在提到特斯拉的時候感慨說，現在特斯拉已經在底層上把rulebase（準則模型）干掉了，全盤采用AI base，但他覺得車這個產品還是要考慮人工智能所帶來的安全長尾問題，“過去像安波福、博世，這些公司在ADAS領域20多年經驗積累的這些準則模型不應該去掉。體驗迭代，但是生命無價，安全不能迭代。”

換句話說，安全是鐵律，是鋼印，技術路徑，產品方向，宣傳節奏，都不能違背它。

我突然想到一句話，善戰者無赫赫之功。今后發展充分的中國智能駕駛，可能不會像一些傳播度高的極限避讓視頻那樣驚艷，但它可能已經無數次避免讓自己處于那樣的境地。

這次的活動，信息量很大，嘉賓也很坦誠，有答案的就有答案，不確定的就是不確定，能明確否定的就是否定。只是時間關系，有些問題沒能繼續交流。我自己就還憋著幾個問題，比如繼無圖、端到端普及后，接下來業內可能會卷什么功能點？現有的算力在未來幾年夠不夠，508tops、800tops、2000+tops，以后的差異會體現在哪些方面？

想必參會者很多都有與我一樣的迫切，因此十分期待下一次這樣的機會。

其實很早就想在acw上寫一篇關于智駕的稿子，因為發現大家的“顆粒度”實在是太對不齊了。專家講L2L3，車企講無圖、端到端、NOA、NGP、HAD，用戶感知到的是并道時機、繞行策略，而持幣觀望的用戶接收了一堆信息，有的篤信，有的極端反對，更多的感到無所適從。

正好借華汽研究院的這次活動，開始聊了聊這個話題。認識智駕，需要辯證思維，需要實踐，需要虛心交流態度，與諸君共勉！