刘劲、段磊、张禛 / 文

夙昔几年，智能驾驶时期和市集普及王人有长足的发展。

从市集看，L2/L2+ 级别的扶植驾驶时期仍是大鸿沟商用，包括自得当巡航、车说念保抓、自动泊车等功能在广宽车型上完了标配。把柄第三方商讨机构 QuestAuto 统计，中国新动力汽车 L2 及以上扶植驾驶渗入率已达 77.3%；中好意思等国的多个城市王人伸开了 Robotaxi（L4 级别自动驾驶服务）的试点运营，积聚了丰富的推行说念路运营警告。

从时期上看，主流智能驾驶有狡计已从早期的轨则驱动转向数据驱动，从经典"感知—决策—适度"模块化有狡计转向端到端神经汇集。在这个进程中，多模态大模子（VLM、VLA）也被引入智能驾驶的场景贯通和决策。

与此同期，车载算力也在突飞大进。以英伟达为例，夙昔几年发布的车载算力芯片从 Xavier、Orin 再到 Thor，算力从 30TOPS（处理器运算材干单元）增长到最高 2000+TOPS。国内以小鹏为例，其自研的图灵 AI 芯片单颗灵验算力也达到 750TOPS，其最新发布的旗舰车型搭载 4 颗，灵验算力也可卓著 3000TOPS。

此外，传感器的性能、本钱、交融材干等也有巨大跨越。以激光雷达为例，早期的机械激光雷达的本钱高达几万好意思元。2020 年前后，半固态激光雷达的本钱降到几千好意思元。近期，跟着国内华为、禾赛、速腾聚创等激光雷达厂商的崛起，价钱已被打到千元东说念主民币级别，同期探伤距离、精度和可靠性则全面栽种。把柄盖世商讨院统计，2025 年中国乘用车市集主激光雷达总装机量已达 275.6 万台，在新动力汽车市集的渗入率达到 21%，是 2 年前的近 3 倍（2023 年为 8%）。

无东说念主驾驶的时期难度级数高潮

这几年，扶植驾驶时期突飞大进，重复大模子等 AI 时期的全体跃升，看起来距离 L4/L5 级别的无东说念主驾驶只差"临了一小步"。咱们就怕不成过于乐不雅，因为从智能驾驶到无东说念主驾驶时期，距离自然不远，但难度却成级数高潮。东说念主类和机器取得驾驶妙技，使用的是两套完满不同的机制。

一个东说念主从运转学习驾驶到启航，只需学习几十个小时，口舌常高效的进程。之是以有这么的恶果，是因为东说念主类并非完满在这几十个学时里"从零学会驾驶"。一个成年东说念主坐进驾驶座之前，已在现实天下中生存多年，早就具备了大宗与驾驶联系的基础材干：知说念什么是说念路；什么是危机；能贯通红灯停、绿灯行；也能凭警告判断前车为什么减慢；行东说念主是不是要横穿马路；电动车会不会蓦地并线等。

除了在驾校学习表面和上车进行驾驶试验，东说念主类把正本就存在的学问、警告、轨则意志和风险判断，也迁徙到驾驶这个具体任务上。东说念主类学会驾驶靠的是对轨则、环境、其他车辆与行东说念宗旨图的贯通，在少许实践的基础上进行举一反三的决策和实施。

机器驾驶（智能驾驶系统）走的是完满不同的路，早期更多依靠工程师编写轨则：碰到红灯泊车、检测到阻遏物绕行，这种步地逻辑清楚、活动可评释。

但轨则永久无法穷举确实天下的复杂性，略略偏离预设场景就会失效。正因如斯，业界冉冉转向现时主流的"数据驱动 + 模式拟合"范式：用海量数据试验神经汇集，让系统自行学习从感知输入到适度输出的映射。一套熟习高阶智能驾驶系统的试验数据动辄数千万公里以至上亿公里，特等于把盈篇满籍名司机几十年的驾驶警告压缩"喂"给模子。

模子从这些数据统计中学到：在某种路况、某种晴朗、某种车流密度下，场地盘应当转些许度、油门应当踩多深、刹车何时介入。它学到的不是"红灯要停"这条轨则自己，而是"在图像中出现红色圆形信号灯时，车辆时时会减慢至零"这一统计关联。

换言之，机器并不简直贯通驾驶，仅仅在高维空间里拟合了鼓胀复杂的映射函数：输入是录像头、雷达、激光雷达汇注到的环境特征，输出是场地盘、油门、刹车的适度信号。

这种模式拟合范式在试验数据充分覆盖的情况下，机器在感知精度、响应速率、一致性方面以至不错卓著东说念主类司机，尤其是在结构化说念路、深沉天气、轨则相对结实的典型场景里。

但也恰是这种以数据漫衍为根基的学习步地，给智能驾驶升级到无东说念主驾驶埋下了最辣手的挑战——长尾问题（Long-tailProblem）。

所谓长尾问题指这一类征象：确实天下的驾驶场景存在一个特等不平衡的漫衍，绝大多数时候（比如 99%）里，说念路是规整的、车流是有序的、活动是可展望的；但剩下时候占比不高的场景，却包含着数目盛大、形态互异、却每一种王人极为陌生的场景。比如，路面上横躺着一块与沥青神采周边的轮胎碎屑；施工路段的临时手势勾搭与红绿灯信号互相矛盾；一辆超限货车的货品半挂在车外、形态从未出当今试验鸠合；暴雨导致部分车说念被泥水粉饰，路面标线完满灭绝……以至还有许多咱们根底无法联想出来的场景。

关于高度依赖数据驱动和模式拟合的机器驾驶来说，长尾问题的挑战在于：有限的数据无法覆盖无尽复杂的现实天下漫衍。

关于 L2 级别的扶植驾驶，这个问题在工程上是"可接受"的。因为默许东说念主类仍在驾驶闭环中（human-in-the-loop）：系统在高频、典型的路况下大幅减轻驾驶员的包袱，带来显赫价值；碰到模子信心不及或莫得见过的长尾场景，可通过退出、报警，把适度权交还给东说念主类给与。换言之，有东说念主类驾驶员兜底时，长尾问题带来的更多是体验问题：提醒多、不够丝滑、偶尔"歇工"。

无东说念主驾驶则完满不同。L4/L5 意味着系统要寂然靠近简直扫数确实发生的驾驶场景与说念路不细目性，莫得东说念主类兜底的冗余。此时，长尾问题影响的不仅是体验，而是死活安全和系统全体可用性。在时期层面，这是完了无东说念主驾驶的最大挑战，关于基于模式拟合的机器驾驶系统，长尾问题是结构性难关。

为了缓解长尾问题，一方面，业界抓续积聚更多确实说念路数据进行试验，举例收尾 2026 岁首，Waymo 的完满无东说念主驾驶车队在确实说念路上的累计行驶里程已卓著 1.7 亿英里。另一方面，业界也大宗使用合成数据和高保真仿真环境来放大陌生场景的样本量，构造覆盖更多边际条目的试验集。

这些作念法确乎能欺压膨大系统对边际场景（cornercases）的覆盖。但从数学漫衍的角度看，表面上长尾自己的长度是莫得上限的，这些法子无法透顶处置长尾问题。

要从根底上消弱长尾的龙套力，单纯依赖模式拟合的架构草率不够，需要引入更强的天下建模（worldmodel）：让系统不仅学习"输入到输出的映射"，还能够在里面模拟"如果我采选这个行为，天下会如何变化"，从而具备对未见场景进行推理和展望的材干，而不是只可依赖试验数据中出现过的模式。

这与东说念主类驾驶员依靠对物理天下和他东说念宗旨图的贯通来应答新场景，在机制上更为接近。业界和学术界在积极探索这一场地，但仍有特等长的路要走。

系统的范式振荡

从扶植驾驶进化到无东说念主驾驶，除了时期上需要跃迁，背后照旧全体根人性的范式振荡：一朝驾驶服务主体从东说念主转向系统，工程法子、监管框架、伦理压力、生意逻辑王人要被重写。这些变化在时期要求以外，环球体育(HQ Sports)组成了无东说念主驾驶独到的一整套额外挑战。

开始，比拟扶植驾驶，无东说念主驾驶在系统可靠性上的要求大幅栽种，肖似航空家具和亏本电子家具的永逝。

原因在于，扶植驾驶在工程要求上不错允许局部失效的发生，比如录像头被泥装潢、激光雷达极度、狡计芯片宕机或转向助力发生故障，惟有系统能实时发现极度、退出并提醒给与，东说念主类驾驶员仍然不错兜底。

无东说念主驾驶则要能作念到全样子错，这就要求系统必须具备高品级的冗余遐想，比如传感器、算力、供电系统、线控系统等王人要加多冗余深度。这就不是在 L2 车辆上加器件能处置的，而是触及整车 E/E 架构的再行遐想和本钱加多。

因为莫得东说念主类驾驶员给与，无东说念主驾驶在工程上还要求有鲁棒的左迁策略和退出机制：在何种情况下触发低速行驶、准备泊车或汉典求援，这类"故障工况下如何安全处理"的遐想，是无东说念主驾驶与扶植驾驶在工程法子上的根底差异，而不是浅易的可靠性参数略微提高。

其次，无东说念主驾驶时期的律例要求、监管框架需要再行遐想。

在 L2 扶植驾驶的天下里，驾驶主体仍然是东说念主，智能驾驶仅仅一项高等确立。一朝发惹事故，如果是驾驶员耀眼力不鸠合、误用系统或违纪操作，东说念主要承担径直服务；如果存在系统错误，通过家具服务、调回等机制根究制造商服务即可。在这种模式下，监管对象主如果整车厂和零部件供应商，监管步地也以静态的家具认证和过后追责为主。

干与无东说念主驾驶时期之后，情况变得完满不同。事故成因不再局限于"东说念主 + 车"这一浅易组合，还可动力自感知算法的误判、计算策略的偏差、高精舆图造作、通讯链路故障、运维照看纵欲、汉典协助决策不妥等多个法子。触及的主体也从"驾驶员 + 车企"，膨大为乘客、车辆扫数者、整车制造商、自动驾驶系统供应商、运营商、舆图和通信托务提供方，以至还包括发挥汉典监控和骚动的服务商。

对这种多主体、多法子的风险作念出合理差别，传统的服务结构显著不够用，咱们需要遐想分层、按法子区分的事故服务体系，才能完了"谁适度风险，谁承担相应服务"的原则。

与之相对应，监管对象和监管步地也必须发生变化。

监管对象从单一的制造商和供应链，拓展到算法开导、数据运营、车队运营和汉典协助等扫数这个词链条，监管内容必须从一次性的零部件法式、整车认证，变成以"准入 + 抓续监管"为中枢的动态体系：启航前要对系统安全性能和 ODD（运行遐想域）进行评估和审批，运行进程中要有完备的数据纪录机制和事故、险情强制发挥轨制，软件和模子的在线更新需要纳入合规审查和版块跟踪。

关于中好意思等智能驾驶发展当先的国度来说，还有一个监管圭臬的艰难：如果监管过严，在试点阶段就可能把立异空间抹杀掉；如果监管过松，又可能在考证尚不充分时放大系统性风险，把熟习度不够的时期推向公众。

如安在"安全底线"和"时期演进空间"之间找到动态平衡，是无东说念主驾驶时期持久要靠近的策略艰难。

第三，驾驶主体的转变也带来新的伦理窘境。

天下卫生组织的发挥表示，各人每年约有 120 万东说念主死于说念路交通事故。咱们不错作念一个念念维实验，在时期和轨制王人鼓胀熟习的前提下，如果全面给与无东说念主驾驶，不错将年度逝世东说念主数降到 100 万，社会是否不错接受这么的天下？

从实践来看，东说念主类对机器驾驶的容忍度存在自然的分歧称：一个东说念主类司机酿成的车祸是个案，一辆无东说念主车酿成的车祸会被马上放大为对扫数这个词时期的审判。

2018 年，Uber 无东说念主车撞死行东说念主事件，径直导致 Uber 自动驾驶业务收缩并最终出售。Cruise 在 2023 年旧金山的一说念拖行事故，导致其被加州湮灭执照、业务简直全线停摆。

经典的"电车艰难"也不错匡助咱们看清无东说念主驾驶的伦理问题：左转导致 1 东说念主逝世，右转导致 5 东说念主逝世，或者"就义老东说念主"与"就义小孩"的采纳，这对东说念主类驾驶员自己便是伦理窘境。

但这种采纳来自东说念主类个体的情境化、带有畏怯和本能的短暂响应是一趟事，来自系统的、算法的决策完满是另一趟事，东说念主类对这两者的接受进度不同。

咱们能接受系统以若何的步地在极点场景中量度生命与风险，谁有权参与制定这些轨则，这些轨则是否存在算法烦恼、是否鼓胀透明、可审计和可修正？这类伦理窘境是咱们走向无东说念主驾驶时期需要达成的新的社会共鸣，这并窒碍易。

第四，无东说念主驾驶的熟习可能会要求生意逻辑的重构。

关至今天大多数车企来说，L2/L2+ 智驾内容上仍然是一项确立，车企的生意逻辑依然是以一次性售卖硬件（汽车）为主。真耿直鸿沟普及的无东说念主驾驶图景，可能更接近 MaaS（MobilityasaService，出行即服务）。

改日，特等一部分用户可能不再必须领有一辆私家车，而是通过 Rob－otaxi 等步地挨次、按期长或按里程购买出行服务。这么一来，车企的脚色会从"制造商"转向"出行服务运营商"，关键材干从制造、渠说念、金融膨大到车队运营、算法平台和运力鬈曲，收入结构从一次性销售转向持久运营答谢，风险敞口也从单车质地风险膨大到系统级服务可靠性和城市出行汇集的结实性。

作陪无东说念主驾驶的普及，现存的汽车保障行业、泊车场、说念路基建王人将被重塑。换句话说，无东说念主驾驶不是在现存汽车工业基础上加上"高端智能确立"，更可能是对百年汽车产业生意根基的一次系统性重构。这场重构自己通常会反过来影响时期股东的节拍与旅途。

转头

咱们距离简直的无东说念主驾驶仍有特等的距离，这个距离不仅是时期上的，更是系统性的。

从时期角度看，现时主流的"数据驱动"智能驾驶系统内容上是在进行模式拟合，短缺东说念主类的学问通晓与逻辑推理材干。这导致系统在靠近无尽复杂、极低概率的长尾场景时，时时没衷一是。

在莫得东说念主类驾驶员兜底的情况下，长尾问题不再是单纯的体验瑕疵，而是径直关乎命悬一线的结构性难关，仅靠堆砌试验数据难以透顶处置，需要往具备推理与展望材干的"天下模子"进行时期演进。

更紧迫的是，无东说念主驾驶不是单纯的时期跃迁，而是一次系统性范式振荡：它要求更高品级的冗余和安全考证，也会重塑律例服务、伦理鸿沟和生意模式。驾驶服务从东说念主转向系统后，事故服务差别、监管框架、社会接受度以及出行服务的生意逻辑王人需要再行遐想。

无东说念主驾驶的简直落地不仅取决于时期是否鼓胀强，还取决于它能否在安全、法律、伦理和产业层面同期诞生起新的社会共鸣。

（刘劲系大湾区东说念主工智能诈欺商讨院理事、特聘大众，长江商学院司帐与金融学西宾、投资商讨中心主任，段磊系大湾区东说念主工智能诈欺商讨院商讨总监环球体育(HQ Sports)，张禛系大湾区东说念主工智能诈欺商讨院商讨员）