撰文 / 張 南
編輯 / 黃大路
設計 / 趙浩然
2014年10月，特斯拉開始在Model S和 Model X 車上安裝第一代自動駕駛系統Autopilot，到明年正好10年。10年時間，特斯拉智能駕駛技術持續升級，軟體疊代到第12版，硬體升級至第4版，現在命名叫FSD。
近日，關於FSD即將進入中國的傳言甚囂塵上。無論特斯拉來不來，一個不爭的事實是，中國已經成為全球智能化轉型的先鋒陣地。在這場始於美國，興於中國的智能化風暴中，中國車企和供應商扮演了重要角色。
2023年，諸多車企紛紛上線城市NOA功能，智能駕駛圈開啟了浩浩蕩蕩的「無圖運動」，大模型的出現為數據訓練提供了另一個新思路……擁有全球最多的汽車品牌，最大的汽車市場，中國智能駕駛運動轟轟烈烈。
瀋陽美行科技股份有限公司執行總裁武文光最近參加一個活動的時候，就感受到了這股熱潮，吃飯的時候，一桌10個人4個和智能駕駛相關。
「越來越多的高端人才湧入，身邊越來越多的人觸及這個領域，這說明什麼？說明智能駕駛正在從遙遠的概念變成了很多現實，一個一個零件和一個一個軟體，一個一個產品，一個一個功能和場景。」他說。
有些遺憾的事，新技術的發展從來不是一帆風順的，經過了10年的經驗人才累積，中國智能駕駛翻過了一個又一個山峰，也遭遇了瓶頸。
輕舟智航聯合創始人、CEO於騫認為，現階段的核心問題還是在技術本身的突破，包括研發範式的突破，比如行業裡面真正能使用到上百萬、幾百萬數據車的車企和數據公司，寥寥無幾。
「這方面特斯拉真的是遙遙領先，特斯拉在這方面我始終認為它做得非常好，而且能夠把成本控制得這麼好，產品體驗做得不錯，能得到消費者認可。並不是把單純的技術突破，比如端到端的，我可以看到研發範式方面，特斯拉幾次都壓得很對，比如視覺方案、無圖方案、端到端方案，我們對於行業頭部的企業要有一種非常尊敬和敬畏的心。」
地平線副總裁&智能汽車事業部業務拓展負責人張宏志則認為，阻礙智能駕駛前進的麻煩在於整個複雜系統不斷優化的過程。硬體+軟體+數據本應該是個等邊三角形，然而現在的發展是硬體的長板足夠長，算力和數據足夠短。
他認為，就算邁過了山坳，爬上了山頂也不是結束，因為任何技術都有穩定期，在這段時間內，整個系統級的優化就變成最主要的問題了。
「系統級優化得出來的結果是對用戶感受，用戶體驗上，很顯性的價值功能會越來越重要，隱性的還需要再經過下一個山坳，我認為爬山不是這樣直著上去的，是爬一段有一個山坳，你下去解決之後再往上爬，是起起伏伏爬上山的過程。」
過程是曲折的，前途確實光明的。11月11日下午，2023中國汽車供應鏈峰會上，就「山坳上自動駕駛：黎明前的黑暗」的主題，在大鉦資本合伙人、董事總經理林雷的主持下，武文光、於騫、張宏志，還有吉利汽車研究院技術規劃中心主任陳勇，東風乘用車公司製造總部副總部長徐斌，北京中科慧眼科技有限公司CTO崔峰 進行了深入探討。
他們不約而同的認為，未來3~5年內，起碼在用戶體驗上，智能駕駛將會有更好的突破。
以下是圓桌討論實錄。
林雷（主持人）：今天的語境是大家可以更自由的使用這個詞彙，自動駕駛和智能駕駛，剛才在主持人的提示下，這兩個題目可以在自動駕駛這條線上被統一起來了，這是我想說的第一個討論問題。在本輪開始之前，請各位嘉賓作一個簡短的自我介紹。
於騫：我是輕舟智航的聯合創始、CEO於騫，我們公司主要以做自動駕駛整體解決方案定位的，我們公司成立大概不到5年時間，400人左右，主要在蘇州、北京，人員大概是這麼安排的。
陳勇：我是來自吉利汽車研究院的陳勇。
武文光：我叫武文光，今天代表瀋陽美行科技來到這裡，我們主要做和地圖相關的軟體。
張宏志：我是地平線的張宏志，主要是服務好各位，提供晶片和計算平台給於騫，給武文光，給崔峰，服務好兩位主機廠，我們就是做這個的。
徐斌：大家好，我是東風的徐斌，非常榮幸有機會參加這個討論，謝謝。
崔峰：大家好，我是北京中科慧眼的CTO崔峰，我在論壇裡面應該是一個很小的企業，我們是做車載立體視覺感知軟硬體解決方案的公司，同時也在為智能底盤這個領域服務，希望向各位老師學習，謝謝！
林雷（主持人）：好，謝謝各位嘉賓，這個題目是山坳上的自動駕駛，賈可博士說成山坳兩個字，可以查一下山坳兩個字具體怎麼解釋？山坳是跨越分水嶺山脈高處的一個險要關口，用這個詞來形容自動駕駛非常貼切，特別是從現在的角度來看，自動駕駛在過去10幾年得到了一個高速發展。
2009年，在google的X的實驗室啟動了自動駕駛項目，也是自動駕駛的起點，矽谷湧現了一批自動駕駛企業，吸引大批風險投資和高科技人才。同時特斯拉以量產的形式進入智能駕駛中來，展現了很大的野心，2014年的Autopilot1.0版經過了這麼多年的疊代，軟體到第12版，硬體到第4版，現在命名叫FSD。
中國在這一輪「自動駕駛」領域處於全球領先地位，回顧一下十幾年來自動駕駛的高速發展過程，我們在技術上，包括硬體和軟體到底取得哪些重大突破？
另外我們在商業化領域當中有哪些出色的經驗和積累，也想請各位嘉賓都從自己的角度做一個簡要闡述，我一輪問題可能有2-3個小問題，大家可以選擇其中一個回答，於總剛剛您做過演講了，而且是代表了智能駕駛領域，我們從崔總開始。
崔峰：我們一直在為智能駕駛這個行業服務，主要是提供一些感知硬體，包括端到端的特殊功能軟體，其實我們看了一下中國的智能駕駛的行業在疫情這兩三年裡面發展的非常快，很多的新能源汽車，包括合資品牌自主品牌跟緊步伐，我身邊的人在購買車輛的時候更多關注智能駕駛能力，包括是否實現了硬體預埋。
在中國供應商和主機廠的共同努力下，中國消費者確實也能以更低廉的價格獲得更好的智能駕駛體驗，更高的硬體配置，之前我也訪問了日本和德國的一些車輛的展會，包括當地的顧客，發現中國消費者對智能駕駛的熱度，包括中國車輛里對於智能駕駛的掌握程度確實在一個較高的水平上。
作為一名從業者，我更希望能夠讓消費者實實在在的享受到所付出的這一部分金錢，就像剛才吉利這位領導講的，大模型很重要，但是我們希望物有所值，這個確實是我們想要共同探索的關鍵點。
林雷（主持人）：謝謝，崔總認為巨大的進步是得到消費者的認可，消費者能夠開始對這個技術方向有理解，並且開始嘗試，這是很大的突破。徐總從您的角度看自動駕駛領域在過去的技術方面，商業領域方面有什麼巨大的突破呢？
徐斌：東風在智能駕駛領域深耕了10年，L2、L3車型很多已經搭載應用了，比如說風神，現在無人駕駛計程車也在大規模示範運營，無人集採在廈門港和武漢的陽邏港都在運行，包括低速的在雄安新區和武漢的經開區都在示範運營，應該說這麼多年還是取得了很多成績，從最開始的在完全的封閉道路到半封閉道路，到現在開放場景，技術上還是取得了很大的突破。
如果說10年的積累和經驗，我個人感覺更多還是在人才方面的積累，因為在2014年，2015年的時候東風到歐洲，到美國去高薪引進國外人才，這些人才回來以後成為國內自動駕駛領域領軍的人物，10年發展下來我們培養了一大批本土高精專技術人才，這個是中國自動駕駛未來發展的一個非常重要的基礎。
林雷（主持人）：好，張總呢。
張宏志：地平線2015年成立，馬上差不多10年過去了，在產品上推了3代晶片，征程2、征程3、征程5，晶片推出來以後地平線還要做到可量產的方案，這個是產品上，10年時間是做晶片，並且把晶片做到量產方案。
接下來還會再這麼干，商業化上來講，我們累計出到400萬片，大概有25個車企和我們合作，我們手裡面有150個車型，已經交付了50個，還有100個沒有交付，還在路上。
我個人覺得其實站在地平線的角度講一個方面就是在技術上，堅持持續的投入，在底層技術上不斷地創新，把AI這個事情放到車上，放到嵌入式終端上，和10年前相比是發生了天翻地覆的變化。
另外一個事情我覺得開發的易用性比以前好多了，不管是跟崔峰還是跟武文光老師合作，地平線從開發板到傳感器，軟體的開發環境可以提供完整的一整套，並且可以往前持續疊代。
我給大家講一個個人感受，其實10年前和現在講非常大的區別，10年前大家想做自動駕駛還要搭車，地下車庫把車搭起來讓車跑起來，10年後的今天你想給到供應商一個車型，第一件事情就是把車拖過來改裝車。
區別點是10年前搭載的車上面自動駕駛能夠跑起來，但是整套環境，硬體環境，軟體環境量產不了，今天的環境是搭第一輛的車，為了做數據採集或者是做什麼用途時候，我就知道搭進去的所有傳感器，硬體和軟體基本上是奔著量產去的，這是10年裡面非常大的區別，10年前也在搭車，我們每一年都會搭車開始跑，但差別點就是是不是可以量產，這個是很明顯的分水嶺。
林雷（主持人）：謝謝，所以量產是一個很重要的進步。
武文光：近10年我想了一下，總結兩句話：
第一句，從遠到近的過程。我們原來覺得這個事在美國發生，從地理位置上是由遠到近，從技術發展也是由遠到近，就離自己很遠，自動駕駛離自己也很遙遠。
我最近參加過一個活動，吃中飯一桌10個人，有4個和智能駕駛相關。我們周邊的人，越來越多像於騫這種高端人才湧入賽道，身邊很多人都會觸及這個領域，這說明什麼？說明從遙遠的概念變成了很多現實，一個一個零件和一個一個軟體，一個一個產品，一個一個功能和場景。
第二，從模糊清晰的過程。原來說自動駕駛是很模糊的概念，功能只是從A到B，不用管了就開過去，但是從技術路徑，原來講自動駕駛還是講V2X是必須的，現在單車智能是必須的，是有圖還是無圖，高精還是非高精？
這種劇烈的振蕩正在發生，激盪和變化不是10年，就這3-5年，可能越來越快地出現在各個領域的競爭，各條路線的競爭，各個路線之中，每位參與者之間的競爭都促進了這個行業的快速高速的發展，這是技術路線逐漸變得清晰和成熟的過程。
我們從業的每個人都會感覺到離L2++拐點越來越近了，離山頂越來越近了，但啥時候突破可能還是一個問號吧，總體感覺我覺得是從遠變近，從地理上和時間上空間上都有這樣的一個感覺，無論是技術路線和社會環境，從群體和個體都是這樣的感覺。
林雷（主持人）：謝謝武總。武總很形象地形容了這十年來的變化，陳總。
陳勇：我覺得這十年智能駕駛的變化，對於整個行業產業鏈成熟度的提升還是非常大的。現在不管是地平線做晶片也好，或者做雷射雷達、攝像頭也好，包括做軟體、硬體開發、域控制器，十年前行業中真的是屈指可數的幾年企業在做，可能只有那麼幾家供應商，包括整車廠在做。
現在看到整個產業鏈的生態，不管是上下游、硬體、軟體、集成、算法、數據，這十年當中變化是非常大的。這也是為什麼中國汽車，目前在汽車智能化，在智能駕駛領域相對來說走得還是比較靠前的，自動化程度比較高的，取決於這十年間產業的發展和成熟。
第二，從整個智能駕駛發展來看，從原來的改制車到數據採集，從那種狀態到現在慢慢走向了用數據驅動，用虛擬仿真驅動，讓整個智能駕駛的疊代和發展速度更快了，這兩點變化目前來講還是蠻大的，還是深有感觸的。
林雷（主持人）：因為這是一個產業鏈的事情。產業鏈各個環節如果不能同步往前走的話，也很難取得這麼高速的進步和成就。於總，剛才從各種角度做了探討，可否從全球角度看一下自動駕駛在過去十年間取得哪些重大的突破？
於騫：其實您說十年，人類夢想自動駕駛不僅僅十年了，歐洲、美國都在很多年前有了自動駕駛的探索。人類夢想自動駕駛已經幾十年了，從來沒有像今天離智能駕駛這麼近過。
第二，雖然我們覺得離智能駕駛很近，但是又很遙遠。包括最近舊金山交通管理局把Cruise無人駕駛取消掉了，是suspend了，不是reward。
如果說大的變化，大家認知上有很大的改變，技術突破是一方面，認知上有了很大的改變，大家把自動駕駛的突破比喻成自動駕駛攀登珠峰的過程，這裡面只有北坡、南坡之爭，可能真正能攀上北坡的，採取這麼艱難路線的，這個行業可能非常少。
可能以Waymo為代表的這是一排路線，它有非常多的資源，很強大的技術實力和足夠深的pocket，這麼深資源的公司可能才能攀登北坡，谷歌做了很多突破，即便這樣也非常難突破北坡。
相反自動駕駛的「南坡」更加符合大部分人的選擇，是更加務實的一條路，以特斯拉為主，他們在依尋從相對來講比較早期的「Autosteer」——基本L2的基礎功能，到Autopilot，到FSD，它在過程不斷地積累用戶價值，不斷地實現商業的成功，使得自己從早期大家不看好的路線上真正殺出來，其實它最終的目標也是實現完整的無人駕駛。就像您剛才講的FSD，它有很大的決心實現完全的無人駕駛，我覺得這條路比較符合大部分的公司演進的路徑。這個認知目前在行業內是比較清晰的，目前採取爬北坡的公司越來越少，基本上都已經放棄了。
第三，從技術角度越來越明顯的可以看到數據的價值越來越突顯，如果把自動駕駛技術形成大的框架的話，所有機器學習的方法不斷地擠占非機器學習的方法，當然現階段還沒有完全屏除掉非機器學習的部分，但是最終一旦進入到端到端的路徑後，這裡面的數據價值會更加突顯出來，這是行業中非常大的關鍵突破，這個認知也是不斷地被強化加深，這一點上大家已經基本有共識了。
林雷（主持人）：一方面，北坡、南坡是很長時間以來一直爭論的點。另外一個概念是關於機器，比如用數據、機器方式擠占其他模式，這也是很大的認識突破。10月，Cruise在舊金山停止了自動駕駛測試，這是很大的事情，這也說明了一個問題，自動駕駛在過去幾年也出現了一些瓶頸。
另外，過去以L4為核心的一些解決方案公司現在也轉向幫助量產企業做一些高度輔助駕駛技術落地，這也說明了在技術上我們可能遇到了一些瓶頸。
問一下在座各位，自動駕駛技術發展的現狀下，我們遇到了哪些瓶頸？背後核心原因是什麼？比如算法的基礎理論不足？還是算力和傳感器硬體的限制？或者是一些法規或者倫理的要求延緩了自動駕駛？我們現在遇到的最大瓶頸是什麼？從於總開始。
於騫：首先，剛才我舉例北坡、南坡不是說北坡不可能，但是是很難的一條路，很多技術突破也說不好Waymo是不是真的有可能把這個事情做好，一下子爬上去，這不是適合所有人都做的路徑。
大部分來講，現階段核心的障礙我並不覺得法律法規這些東西是大的瓶頸，其實法律法規和技術產品演進是相輔相成的，不可能法律法規沒有任何限制，採取一個沒有任何監管的方式，野蠻生長非常不合適，但是法規是需要和技術相輔相成，一步步來的。
相反我認為，現階段大家在技術方面、真正研發範式方面需要很大突破。畢竟智能駕駛是非常強的技術導向的產品形態，並不是把產品定義更好，或者採取一些其他方式能夠規避掉的，它是一個很硬核的技術，不僅僅是單點技術，包括晶片、傳感器、數據、機器學習等大量技術的突破都是需要的。
我覺得現階段來講非常核心的還是應該在技術本身的突破，包括研發範式的突破，我們是否真的能利用到，比如行業裡面真正能使用到上百萬、幾百萬數據車的車企也好，數據公司也好，寥寥無幾。
這方面特斯拉真的是遙遙領先，特斯拉在這方面我始終認為它做得非常好，而且能夠把成本控制得這麼好，產品體驗做得不錯，能得到消費者認可。
並不是把單純的技術突破，比如端到端的，我可以看到研發範式方面，特斯拉幾次都壓得很對，比如視覺方案、無圖方案、端到端方案，我們對於行業頭部的企業要有一種非常尊敬和敬畏的心。
本身產品沒有那麼多方案，很多車企的SKU在方案裡面五花八門的，幾十種都不止，但是他們的方案基本上就一種，所以在整個研發體系的搭建、效率提升方面、數據大規模利用、研發範式的突破，都是非常有價值的，這點是我們需要特別關注和學習的。
當然在很多其他領域，特斯拉之外其他的玩家也做了很多突破，只不過他們講得比較少，Waymo很少講它是自由突破，像端到端的學習，包括learning base prediction大規模的仿真，都是Waymo最先推出來的，但是很少公開去講，也沒有大規模產品化，這一點特斯拉走得非常好，這是我能看到的。
總結來講，現在真正的大規模突破還是在技術本身，並不是說這個事情已經完全做好了，已經準備好了，法規不同意之類的。
林雷（主持人）：陳總您看呢，自動駕駛的瓶頸在什麼地方？
陳勇：自動駕駛能量產的瓶頸不管是商業也好，技術也好，有很多原因，但其中有一點相對來說比較重要，本身的感知能力很大程度決定了智能駕駛的天花板，跟人的感知能力一樣。如何提升智能駕駛的感知、認知能力，從這個維度來講，應該是突破智能駕駛最重要的路徑。
現在很多長尾效應和corner case，智能駕駛這種場景如果不解決，真正面向自動駕駛就會很難。所以如何通過不管是大模型也好，通過大量的數據也好，去把目前自動駕駛的感知走向認知，在這個能力上有所提升，把這個天花板提升，真正的智能駕駛才會有比較好的機會。
林雷（主持人）：謝謝陳總，您給出了明確的指引。
武文光：我在想如果要突破，可能是一個悖論，如何突破大家探討一下，我把這個悖論拋出來。
把智能駕駛做好，需要軟體、算法，包括大模型需要數據的支撐，只有數據足夠了，算法才能更精準，然後才能解決很多corner case，再多的仿真模擬，實驗室再多的實驗，都無法替代社會真實場景。同時需要更多的數據訓練，本身技術是連續性的，是漸進式的，這是一面。
另一面，我們對自動駕駛的安全性又給予了極高關注，無論是車輛安全、人身安全、公共安全都給予了極高關注。我們現在在這片土地上，我查了一下數據，近五年每年因為交通事故死亡人數都超過6萬人，平均一天在160人以上。如果有自動駕駛有1例，那就是比較麻煩的。
我們給予了非常多關注的同時，推動它進步的同時，是不是也在束縛它？換句話說，有沒有一個衡量機制？我看過一個統計，說美國自動駕駛的up to now通道已經比人的駕駛更安全，但是也禁掉了，這個悖論如何解決？如果不上路行駛，就很難有數據去支撐，沒有那麼多數據安全性又達不到那個級別，這裡面這個悖論如何解決？我不知道，但是有待突破。
張宏志：我先說結論吧，我認為麻煩事情是在於整個複雜系統不斷優化的過程，我現在主要在地平線做生態，服務100多家公司，這個事情是當前我們要努力解決的。
原因是這樣，我們很容易想到軟體，數據，算法算力，就是晶片+軟體+數據，這個三角基本上想走到穩定的結構應該是等邊的，但實際上並不是等邊的，以前大家怎麼辦呢？以前是這樣的，我加幾個雷射雷達，跑L4多加幾個雷射雷達，把算力加大點，在傳感器和硬體這一邊弄的特別長。
數據是什麼呢？找幾十台車跑一跑，中國這麼大的地方就幾十台車，北京就幾台車，數據少得可憐，你真的沒有發現這個問題，因為出問題是機率的問題，沒有遇到那個機率很好，那我們就擴大規模吧，就是剛剛說的搞幾百幾千台車，出事故了，再回來優化這個過程。
算法也是一樣的，你前面跑的數據不夠，你給的算法，提的問題永遠是在實驗室里不斷的優化車道線，因為那個是真實的，車道線很容易真實。
但是剛剛像陳勇舉的例子，走過去，如果有一個廣告牌，可能有幾十萬台出去才會遇到這個場景，原來幾十台車測試的時候沒有遇到這個場景，你覺得很安全了，是因為沒有意識到，認知沒有做到位就覺得是安全問題。
現在來講，傳感器+算力變得很長，短板的算法和數據沒有什麼改變，現在包括像崔峰和輕舟智航搞還是很痛苦的過程。作為軟體來講能享受到100萬台車積累下來的數據是非常幸福的事情，能解決很多的問題。
所以我覺得算力這個事情，為什麼在階段性發展過程中大家都遇到這樣的問題，其實是約束項不夠，以前的約束項，以前說回歸商業理智，其實整個產業還是要和主機廠做生意，要看陳勇能不能為此而買單，這個是商業理智的問題，但是這個商業理智是以前的。
現在來講是在路上跑的L2++的車已經很多了，今年有100多萬台車了，大家想一下電動車跑1年有100萬台車是什麼樣的？這裡面講用戶體驗的都知道，各種車企出的車，各種搭載方案，對於用戶來講你開1000公里完全體驗到哪個自動駕駛更好。
於是現在特別大的約束項出現了，所有的技術創新，產品創新為用戶創造的價值是什麼？因為主機廠也看重用戶價值是什麼？繼而是對供應商的商業收入。
這個約束項放在這裡之後，這個問題解決起來就容易很多了，你把對用戶高附加值的整個場景，包括像武文光老師說的主動安全，做得更加的極致，再拆解下來算力和傳感器並不是短板，重點優化數據，因為算法是需要由數據做前提的。
有前面的約束，長板，有最後的短板，肯定軟體中間的前提是什麼？就是足夠好的數據，這樣拆解下來就是用大模型也好，做生成式的數據，做仿真的數據，把這些都解決掉，這個事情會緩慢的再往前走，越過山坳，從這邊的山下來到這個坳的邊上，走過了這個拐點你可以走向另外一個坡，所以我是覺得現在來講算法和數據是比較大的一個卡點。
我再多說一點，數據這件事情跟算力，包括晶片還有一點跟傳感器是相關的，過去的數年裡面來講傳感器的進步是突飛猛進的，從原來剛剛達到100萬像素的攝像頭，達到300萬，500萬，現在是800萬，我看到業內有人琢磨1500萬，是4年時間，每年傳感器換一波，數據換一波，傳感器和數據以及相關的算法這幾年裡面有點重複造輪子了。因為整個疊代的速度太快了。
接下來我認為會進入到穩定期，各個技術因素有一些穩定期，在這段時間內，整個系統級的優化就變成最主要的問題了，系統級優化得出來的結果是對用戶感受，用戶體驗上，很顯性的價值功能會越來越重要，隱性的還需要再經過下一個山坳，我認為爬山不是這樣直著上去的，是爬一段有一個山坳，你下去解決之後再往上爬，是起起伏伏爬上山的過程，謝謝！
主持人（林雷）：謝謝張總，也很明確，對我們瓶頸的看法也非常明確。
徐斌：因為在座的都是專業人士講了很多技術上的問題，技術上我是完全的外行，談到自動駕駛大家就談安全，安全有絕對安全和相對安全，絕對安全不存在，如果為了自動駕駛的絕對安全花很大代價堆積硬體、做軟體做算法、投入巨大的精力，只是為了解決那些極端場景下的絕對安全，我覺得這個路是死路、我們在路上都會碰到剛剛拿到駕照的新手，有疲勞駕駛的，有酒駕、醉駕、毒駕的，甚至還有惡意撞人的案件。
這種情況下當前自動駕駛在很多場景，或者是主要場景下面的安全性已經遠遠高於剛才說的現象，所以如果要畫一條線，自動駕駛的安全性高於現在人類駕駛的平均安全水平，具備了大規模量產的條件。另外一個很關鍵的點大家都只盯著自動駕駛，但是別忘了自動駕駛只是車的一部分，我們沒有提到車，車是一個物種在不斷的進化。
現在車的最大問題是不具備高級的溝通和交流能力，不能融入社會日常生活。比如說如果哪一天這個車進化了，出了交通事故的時候會說，「Hi 哥們這個我全責」，自動報警，自動報保險，自動定損之後就走了，遇到非常擁堵的時候說「哥們，那我先走一下」，如果這個車進化到這個程度的話，我想自動駕駛就順理成章了。
主持人（林雷）：謝謝，提到了更高的標準。
崔峰：剛才特別受教育，各位領導都特別有高見，關於自動駕駛落地的難點，我特別同意徐斌總和張宏志總的觀念就是商業的難，其實如果商業可行的話說到底是數據還是資金還是裝備價值，到底高或者低不重要了，因為有大量客戶買單這個就順理成章了。
為什麼商業化路徑難，我個人的灼見，單車智能化要達到自動駕駛是一個無限累積的裝備戰，上雷射雷達上高像素攝像頭，上高算力平台，不管是地平線的J5，J6，J7、J8走下去，是無限堆積能力的過程，但是徐斌總講了汽車是一個物種，假如說是一個士兵不斷的加飛彈、無人機、飛機成本也受不了，也背不動。
如果是單車智能我同意大家的觀點，如果能夠讓消費者接受90%的好處，只要拿出20%-30%的成本，這個商業可行。我親眼看到在購車的時候，或者觀察一些新用戶的時候，他們特別想試一下這個車能不能倒車入庫，因為女司機特別想要解決這個難點。
包括我個人出事故，很多的時候是在進入庫的時候，而不是行車上，那個時候高度集中，我可能不太願意主觀開自動駕駛，反而認為低速很輕鬆的時候會有刮蹭旁邊的車，或者是旁邊的車剮蹭我，這個事情解決好了，只要增加一點購車成本他可以接受，我們的主機廠供應商從這裡面受益，不斷的將成本降下來，體驗上去，一定能夠走到光明的一天。
但如果放在整個環境中講，我們說自動駕駛什麼時候落地？我舉個非常不愉快的例子，過去幾年對疫情的封控，這麼14-15億人口國家，大家想像不出來一夜之間讓所有人聽我的指揮，到哪去都有一個系統同步知道。
中國是最容易落地自動駕駛的國家，我個人認為，但是並不是依靠單車的智能，一定是通過V2V，V2X的協同，包括高鐵，地鐵一樣，通過一個系統調度，讓大家順利的平安到達端到端的地點，到某一些地點可以騎小黃車，不用付那麼高的費用，不用有駕駛人員，安全到了一個你最希望到達的彼岸，你再走兩步，騎輛車，這可能是一個更加容易實現的束縛的點，這時候單車就不需要那麼昂貴的設備，當然我認知有限。
我覺得可能從單車來講，不應該是一個無限累積單車數據訓練能力的過程，一定會有一個分水嶺，在某個分水嶺之下像士兵一樣，他的裝備永遠是單兵裝備，不再像是一個特種兵，什麼都要裝在身上。
主持人（林雷）：謝謝，我覺得這輪的討論應該對目前所看到的瓶頸有一個全面的理解，其實這個理解也對我們未來的所謂預期給了一個基礎，下一個問題想看一下自動駕駛或者是智能駕駛未來是什麼，往什麼方向發展？我們都是從業人員，在裡頭都有很深的工作經驗和歷史，我們對未來有一個自己的預期判斷，也是我們必須有的預期判斷。
我們上一個階段的預期判斷不是很成功，當時自動駕駛剛剛起步，那是熱火朝天的時代，有大量資本進入，大量人才進入，我們有一個預期很快，應該是5年左右，6年左右會出現一個能夠完全地取代人的自動駕駛系統，現在看好像是還沒有實現。
隨後我們發現了不僅這個沒有實現，我們投入了大量的人力物力解決corner case的問題，現在解決的還是不令人滿意，這個就使我們對自動駕駛的預期一直在不停調整。
但是我們還有10年的歷史，站在今天的階段，現實的階段，我們預期也不用特別遠，比如說未來3-5年能夠預期到什麼樣的領域的milestone的出現，無論是技術也好，商業模式也好，法規也好，3-5年會有一個什麼樣的milestone出現？
崔峰：跟我剛才說的觀點繼續下去，可能5年以內，中國範圍來講如果說國家真的有這個決心像抗疫這樣規劃一個整體的全國統一的網格，買一個車都可以進行通信客戶端建設起來，這是可以實現的，如果國家層面沒有規劃的落地，我們在車與車之間，地區與地區之間，不僅是通訊地圖各方面還是在各自為戰，我個人認為是一個消耗戰，是諸侯割據的狀態，這個時候會相對悲觀一點。
一個車輛一個載體的能量重量，價值售價一定有限，你的供應商，他的資金，人力物力投入也需要商業回報，包括投資人，所以這一點上我更加期望能夠大刀闊斧的像發展新能源汽車一樣發展自動駕駛行業，也希望有更多的投資者，更多的年輕人，更多的人才包括領導能夠有魄力打好這一仗。
在我來崑山的路上看了一點紀錄片，說那一年我們還年輕，是記錄韓戰老兵的訪談，裡面有一位說的話我非常受感動，說「戰爭是殘酷的，但是我們也不要害怕」，謝謝！
主持人（林雷）：看來你對政府的期望還是蠻高的。
徐斌：剛才崔峰總談到了戰爭，我個人覺得現在自動駕駛就像長征，我們不知道在什麼時候走到哪裡，這條路會異常艱辛，但是我們一定要往前走，這條路可能有損失，非常慘重的湘江戰役，也會有盪氣迴腸的四渡赤水，往前走走著走著可能就到延安了，但是有一點，延安一定在前面，謝謝！
張宏志：非常贊同，3年里至少在高速NOA上會讓用戶越來越接受，至少現在很多用戶在高速NOA上的滿意度是在逐步提升，還要更高再往上提高，這個希望是非常明確的。
我感覺差不多到了四渡赤水的時刻，再往前走希望很光明，原來是很恐怖的，大家不太知道那個地方的路怎麼樣，現在其實很清楚了，因為有人已經跑出來了。另外一點，我是覺得在3年時間內，用戶可得到的體驗和得到的產品其實是偏清晰的，因為都可測試了，數據指標可以測試出來體驗指標是多少。
但成本指標是麻煩事兒，為什麼？因為我覺得這個行業分工協作太混亂了，數據主機廠擁有數據，比供應商來講優勢太多了，反而供應商人才密度高，像詹姆斯這樣從海外回來的人才主要集中在供應商，基礎設施集中在主機廠，過去幾年裡大家老討論一個很無聊的問題，自研不自研，可控不可控，如果3年以後提供一個特別爆強性價比的，讓用戶的體驗感也非常爆強的，對用戶特別好的產品，現在看是一個轉變很好的供應鏈上岸的方式，大家都在坐在一個圓桌上不分你我的共同解決這個問題。
我也看到有一些主機廠，不管是車輛整個測試，整個產品體驗，在很多的方面幫助供應商來解決供應商不擅長，或者是以前沒有那麼多足夠經驗量產的時候解決的問題，供應商也越來越多的把自己的這些認知，技術的領先性跟主機廠進行share。
最後得到的結果應該是一個強性價比產品，用戶滿意度足夠好，體驗也足夠好的智駕產品，這個在3年時間以內是可以預期的。
另外站在我個人角度，中階高速的智駕產品和城區，我覺得是兩個產品。你所面對的場景，所面對的問題域，其實很大的程度來講，在整個技術鏈條上需要改變或者是需要提高的部分，需要優化的部分其實是非常多的。
如果整個技術鏈條改變了40%左右，整個技術的相關實現方式，比如說高速上至少可以依賴於高精地圖，但是在城區上依賴於全中國建成高精地圖，這個看起來不是一個短期內可執行的事情，這個得升級。
我覺得在3年時間內要堅持投入到城區NOA高階上，相關的技術投入我認為整個產業其實是需要走到那一步的，因為走到那一步有可能就是抗戰的勝利。
武文光：剛才陳勇總在演講的最後一頁對大模型的判斷說，不要短期太樂觀，也不要長期太悲觀，大體是這樣，以陳勇總的版本為準。我覺得從技術角度講一定是漸進過程，我們每個人的體驗，在自動駕駛的體驗越來越好，這半年多的時間我轉到和地圖相關的領域，也會有很多自身體驗。
我覺得從技術積累方面確實有非常多的工作要做，比如說車機地圖不如手機地圖，我今年國慶出遊用的手機地圖，也用的是用戶最多的那家，有紅綠燈嘛，開了3天下來沒有一個紅綠燈是準確的，上差下差總規差1兩秒，roughly是對的提醒你，但沒有一個是完全準確的。
如果說人開是OK的，提醒這個功能非常好，尤其是你一看手機就忘了時間，可以提醒你，如果真的用到自動駕駛，我當時開的時候就在想這個問題，如果真的用自動駕駛，那是很恐怖的，所以說從每個技術點逐漸突破，我們也有這種包括「有圖無圖」的說法，現在大家車上都有傳感器，用傳感的方式完善地圖，當然你說完全去地圖，我對這個打個問號，因為人工智慧已經夠可以了，人還要用地圖，何況車呢？
所以說這個base加上不斷疊代的理念，我只是關注在這個很窄的領域，我們在定位這些方面做關注，在很窄的領域是這樣，無論是感知決策到執行，每個領域當中可能都是這麼一個漸進式的過程，我覺得漸進是肯定的，拐點的出現很難預測，還看不到，已經有非常多的不僅是技術本身，還有社會約束條件等等其他條件。
陳勇：我覺得3-5年的milestone怎麼樣不知道，但是3-5年的趨勢有幾點：
首先，智能駕駛還是在強調智能駕駛域，更多的應該是3-5年之後智能駕駛結合智能座艙全車的感知智能，甚至是動力域的融合，底盤域的融合，把智能駕駛的體驗和安全做得更好，這是3-5年發展核心非常重要的地方，拋開單個智能駕駛的領域，往整車智能融合動力底盤去做這個事情，讓安全體驗會做的更好，我覺得未來3-5年應該會有機會落地。
其次，人工智慧大模型來了之後，我們目前大部分做的還是+大模型，哪裡不好補哪裡，未來3-5年應該是模型+，應該會形成智能駕駛的新的開發範式，是有機會落地的。
還有，從商業上講有可能針對智能駕駛，或者是整車智能化之後出現類似於保險業務讓我們的智能駕駛真的能夠有這種智能駕駛的場景險，讓智能駕駛落地，商業化落地更有機會。
於騫：我覺得未來3-5年一個非常核心的判斷，就是用戶價值在智能駕駛的方面有很大的體現，現階段的困境在於智能駕駛和用戶預期差很遠，用戶不覺得這個東西是剛需，有沒有無所謂，但是未來3-5年，不到5年，大家對這個智能駕駛事兒，就跟買手機一樣，沒有的話就不會買這個了，因為車要開很長時間，智能的用戶價值一定是巨大的凸顯，我覺得這個很快就能體現出來，智能化是標配，至少是體驗越來越往上走，而不是越來越往下走。
我們看到很多車企在賣車的時候，通過試駕這個體驗轉化率是非常高的，用戶價值的凸顯在未來3年是一個非常大的確定性的一件事情。
第二點我覺得這個戰鬥不會特別長的時間，3-5年的時間，可能不會像現在有這麼多的公司存在在行業裡面，因為會越來越明確，越來越確定，這裡面需要投入的資源和體量都是很大的。
這個在行業裡面大家對緊迫性的感知不太一樣，但是我們能感覺到緊迫性非常強，比如說像特斯拉這麼強大的，一手有數據，一手有技術，疊代又非常快的玩家，雖然現在主要以北美市場為主，海外市場在智能駕駛沒有突破，一旦在北美市場突破以後，以他在全球的市場定位，在智能駕駛領域會形成非常強大的優勢，這個我覺得在未來3年甚至更短時間內會看到一些變化。
其實是對我們主機廠和供應商之間的合作提出了一個非常大的挑戰，因為人家是一手有數據，一手有技術，還有模塊，如果我們呢主機廠和供應商的關係還在不斷摩擦的狀態下，這個其實挺難的，因為到那個時間點人家一旦達到那個數據規模和體量，到那個階段可能留給主機廠和供應商的的機會就不多了，這是我看到的。
主持人（林雷）：好，謝謝於總，剛才也通知我時間到了，我們一直有簡單的幾個問題討論，我們也把自動駕駛來龍去脈都說得比較清楚，特別是對未來自動駕駛能看到的方向以及我們能看到的解決路徑，以及瓶頸的地方都看得比較清楚，那麼我們非常希望也預祝在座的各位能夠在自動駕駛領域，在未來取得輝煌的成績，謝謝大家！