從2015年特斯拉裝車實現量產以來，自動駕駛（也稱智能輔助駕駛）在短短五六年時間內成為汽車的重要配置。目前的市場行情是，價格在十萬以上的汽車，無論是傳統品牌還是造車新勢力，如果不能搭載足夠豐富的智能輔助駕駛配置，完全沒有競爭優勢。

第三方金融分析機構東吳證券研究所今年5月發布了一份關於智能輔助駕駛的研報，統計分析了目前中國各類智能輔助駕駛功能在當前新能源汽車市場當中的實際佔比。

這份報告選擇29款售價十萬元以上的熱門新能源車型，涵蓋傳統自主品牌、合資品牌和造車新勢力品牌，都是當前市場關注度較高的車型。

2020年Q1-2021年4月主流新能源車型，及智能輔助駕駛功能選裝佔比

這份報告的多組數據中，兩組數據有價值：

其一，造車新勢力在智能駕駛配置上要明顯領先傳統汽車品牌，多項配置比例都接近100%；

其二，配有智能自動駕駛功能的車型銷量佔比快速提升，短短一年時間內，從不足65%提升到85%。

這兩組數據可以在一定程度上證明，智能輔助駕駛功能受到了車廠和市場的認可。

正常來說，自動駕駛受到認可，技術路線正常迭代，同樣會受到市場認可。但這個報告中，造車新勢力配置L3自動駕駛，及傳統車企配置L2輔助駕駛的比例卻並沒有顯著提升，甚至還有所下降。

這種數據與市場熱度之間的反差原因何在？《財經》記者發現，自動駕駛的多條技術路線之爭，算力領域的軍備競賽，以及權威評判標準的缺失是影響當前自動駕駛正常迭代發展的核心因素。

01。微妙的L2和L3

自動駕駛中的L2，L3是何含義？輔助駕駛和自動駕駛究竟如何區分？關於這個問題，現在的通行標準是SAE國際汽車工程師學會所指定的分級標準。

國際汽車工程師學會在今年4月最新調整了SAE自動駕駛分級標準，圖表中藍色部分為輔助駕駛，綠色部分為自動駕駛。

其中最重要的調整就是L3當中出現的藍色部分，即係統要求時，駕駛員必須接管車輛。這一點在標稱擁有L3自動駕駛功能的車型上的確有所體現。

比如小鵬P7的NGP功能，在高精度地圖所覆蓋的高速公路上可以實現脫手脫腳的自動駕駛，但係統每15秒會提示駕駛員輕微晃動方向盤，如三次提醒駕駛員均未予理會，系統會強制降級到L2輔助駕駛，並在下次啟動車輛之前無法恢復L3自動駕駛。

在即將駛出高精度地圖覆蓋區域的時候，系統也會頻繁提示駕駛員接管車輛。

不過業內對於SAE的自動駕駛分級標準也存在爭議。並不是說這套標準不嚴謹，而是這套標準對消費者來說難以理解。

資深汽車專家丁華傑博士對《財經》記者表示，目前市場上的確有不少廠商存在鑽空子的成分，利用SAE分級標準的漏洞，標榜自己為高級別自動駕駛，誤導消費者。

目前行業的共識是，當前市場上還沒有任何一種可以真正實現L3自動駕駛的技術，頂多是在嚴格限定的特殊場景環境下實現的L3自動駕駛功能。

不過目前自動駕駛技術確實處於L2向L3躍升的關鍵時期，多家公司都宣稱將在2023年-2025年間突破L3的商用門檻。但目前自動駕駛有多條技術路線，且技術角度看難分高下，所以派別之爭就成了近年自動駕駛領域的主旋律。

02。各派之間爭什麼？

近幾年來，自動駕駛的各種技術路線孰優孰劣的爭議就從沒間斷過。最熱門的爭論焦點主要有兩個：一是激光雷達和視覺識別的爭論；二是算法優先和算力優先的爭論。

巧合的是這​​兩個爭論，都出現了一家企業對抗“全世界”的情形。

2021年是自動駕駛的激光雷達元年。主流造車新勢力均在智能電動車上採用了激光雷達方案。上圖整理了目前公佈激光雷達裝車計劃的車型以及對應的激光雷達品牌和數量。傳統車廠中，如奧迪、寶馬、日產、豐田等也都宣布將應用激光雷達，但還未公佈具體的時間表。

和大量車企集中上馬激光雷達相反的是，特斯拉CEO馬斯克不止一次公開表示，激光雷達是愚蠢的選擇。

加州大學伯克利分校機械工程專業博士唐琛向《財經》記者表示，激光雷達是否先進，學術領域基本不存在爭議。學術領域內，原則是，一個新方案如果能夠提供更多、更準確的數據，那就是更好的方案。

相對於視覺識別方案，激光雷達提供了更強大的感知能力，在學術研究領域中，大家對激光雷達融合方案是一路綠燈。而且現階段很多高精度地圖的測繪也是通過激光雷達完成的，依賴高精度地圖的自動駕駛方案選擇激光雷達就更順理成章。

特斯拉是全球主流車企中純視覺派的唯一代表，為什麼特斯拉要逆潮流而動？《財經》記者根據採訪行業各學者、從業者，綜合總結了三條理由。

最冠冕堂皇的理由是，特斯拉認為，人就是依靠兩隻眼睛來判斷周圍環境的，所以要想實現與人類似的駕駛行為，也需要依賴視覺，雷達終歸是機器方案，很容易產生機械感。

現實的理由是，視覺識別是特斯拉的舒適區。特斯拉最早採用了視覺方案，而且快速將自動駕駛功能部署到了量產車型上，這為特斯拉帶來了海量的數據，同時算法改進上也顯著超過競爭對手，還為此研發了專門的芯片。數據、算法、芯片，特斯拉形成了多層的護城河，在視覺領域，有這些護城河的保護，已經基本無人可以撼動特斯拉的優勢地位。

最有可能接近真相的理由是，最開始特斯拉沒有選擇激光雷達，完全是因為那個時候激光雷達又貴又不穩定。

丁華傑回憶，2015年，一顆激光雷達要80萬元，壽命只有三個月，這樣的成本和技術狀態，是無論如何無法滿足量產裝車標準的。所以特斯拉在最早開發自動駕駛功能的時候，自然就把激光雷達方案首先拋棄了。

為什麼說第三個理由最有可能接近真相呢？5月20日，美國媒體INSIDEEVs發布的一條消息，有人在加州街頭拍攝到了安裝激光雷達測試設備的特斯拉Model Y測試車，車輛懸掛的是汽車製造商專用牌照。

車牌上的MFG代表這是加州政府頒發給汽車製造商的牌照。圖源：INSIDEEVs官網

測試台架側面的激光雷達清晰可見。圖源：INSIDEEVs官網

這意味著特斯拉已經開始考慮激光雷達技術路線。

而且，這並非第一次在特斯拉的測試車上發現激光雷達，其實早在2016年、2017年、2019年、2020年，都曾經有人拍到裝有激光雷達的特斯拉測試車。不過當時都是激光雷達與其他傳感器同時出現在測試台架上，特斯拉官方當時也表示是使用激光雷達驗證測試傳感器的數據。這次是不一樣的，出現在測試台架上的只有激光雷達。

另一個不同點是，之前數次特斯拉搭載的激光雷達均是當時的量產型號，而這次搭載的激光雷達，據INSIDEEVs諮詢的激光雷達專家判斷，是激光雷達製造商Luminar旗下專門用於研發與測試的型號Hydra。

在測試激光雷達的照片公開之後，特斯拉北美官網更新了Model 3和Model Y車型的自動駕駛功能的描述，遠距離毫米波雷達的描述消失，取而代之的是250米超級視覺感知能力。放棄毫米波雷達，既可以解釋為徹底轉向純視覺方案，同樣也可以理解為激光雷達有可能取代毫米波雷達，成為特斯拉視覺方案的補充。

其實就算特斯拉放棄視覺路線，倒向激光雷達，也屬情理之中。丁華傑認為，過去激光雷達80萬元一顆，使用期限短，到了現在最便宜可以做到兩三千元一顆。成本更低、感知更強。

視覺與激光的這場爭論其實範圍不大，只是因為特斯拉形成了視覺領域的多層護城河，加上銷量領先，才有了爭議。從大部分車企當前的選擇來判斷，激光雷達未來將佔據主流地位，但由於當前技術方案還不夠成熟，所以主流車企都在等待更成熟的方案面世。

和視覺與激光之爭已有清晰答案不同，算法和算力，哪個對自動駕駛更為重要目前依然沒有清晰的答案。

在算法與算力的爭論當中，對弈雙方是Mobileye對抗“全世界”。Mobileye可以說是自動駕駛商業化的鼻祖，2015年特斯拉裝車的就是Mobileye的EyeQ3芯片及配套的自動駕駛系統。

Mobileye代表算法優先，而絕大多數自動駕駛研發業者都是算力優先派。這兩者之間的分歧有多大呢？

Mobileye目前最新的芯片是EyeQ5，算力僅有24 TOPS（TOPS：算力單位，萬億次每秒），而使用這顆芯片可以實現L4級別的全自動駕駛。

與之相對應的是算力優先派最常用的自動駕駛芯片——英偉達。英偉達為L4級自動駕駛準備的芯片Orin，單顆算力高達254TOPS，而上個月最新發布的芯片Atlan，單顆算力更是達到了恐怖的1000 TOPS。

同樣都是解決L4級別的自動駕駛，英偉達需要的算力是Mobileye的11倍-50倍。究竟是算法更強大，還是算力更有力？丁華傑評價，不少汽車廠商的CTO首席技術官也經常會問同樣的問題。

丁華傑認為，這其實有一個理解上的偏差，Mobileye之所以能夠用小算力解決大問題，是因為其軟硬一體的設計，而且算法封閉，用戶無法在其基礎上進行修改，因此代碼可以非常簡潔高效。而以英偉達為代表的算力一派，則是將算法的研發開放給了各個汽車廠商，所以才需要更強大的算力來應對千差萬別的代碼。

打個比方，Mobileye在做自動駕駛這張考卷之前，已經提前劃定了考試範圍，所以自然可以用更少的精力來解決問題，但是不能超範圍，一旦超出，就不會做了。當然Mobileye會不斷劃出新的考試範圍，持續提升考試成績。而算力派呢，沒劃範圍，甭管考題多複雜，都由汽車廠商自己研發的算法分解成數量龐大的乘法運算，然後依靠算力解決。

目前來看，算法派和算力派短期內也很難分出勝負，大型汽車廠商更偏向算法派，因為開發成本更低，而且車型產量大，更龐大的數據可以將算法訓練得越來越高效。比如豐田5月剛剛公佈下一代自動駕駛方案將採用Mobileye與採埃孚聯合開發的技術。

相對的，自研自動駕駛的汽車廠商則毫無疑問都會選擇以英偉達為代表的算力一派，不過這也帶來了另外一個嚴重的問題——算力軍備競賽。

03。算力軍備競賽背後的真相

今年1月，蔚來創始人李斌在一個公開活動上表示“拼馬力，更要拼算力”，智能電動車領域開啟了一場無上限的算力軍備競賽。

今年，上汽智己的發布會上增加了兼容英偉達Orin芯片的表述，雖然量產車預裝的芯片算力只有30TOPS，但在發布會上格外強調兼容算力500TOPS的自動駕駛平台。隨後，威馬在新車發布會上提出了雲端自動駕駛平台一百萬TOPS算力的誇張數字。

丁華傑判斷，當下的算力軍備競賽更多是為了營銷和廣告。他說，蔚來確實為ET7準備了算力高達1016TOPS的NAD自動駕駛系統，和蔚來現款車型上算力僅有2.5TOPS的芯片相比，提升超過400倍。但是在算力飆升的背後，四塊英偉達Orin芯片如何協同，如何使用？蔚來團隊並沒有對外公佈詳細方案。

更有甚者，一些車企目前連自動駕駛算法團隊都沒有，就要上高算力芯片。

算力究竟多少夠？以3個前視攝像頭+5個中視攝像頭+4個環視攝像頭+激光雷達和毫米波雷達的方案為例，丁華傑測算，這樣一套頂級配置的自動駕駛系統需要60+TOPS算力就可以完成所有數據處理，而一顆100TOPS算力的芯片就足以應對整車的所有數據處理需要。

但這並不意味著高算力就完全沒有價值，比如特斯拉和華為都在採用的影子模式，就是一種非常有價值的應用算力的方法。

影子模式就是讓兩套自動駕駛軟件同時運行，或者是在人工駕駛的時候，後台一直有一套自動駕駛軟件在運行，當兩個軟件決策不同，或者軟件決策與人工決策不同的時候，系統記錄下所有數據，以供算法升級優化使用。

但是現有的車企當中，有能力開發影子模式的鳳毛麟角，絕大多數的高算力都處在閒置狀態，車企多是用為未來的自動駕駛升級預留充足的餘量作為擋箭牌，為自己的算力軍備競賽尋求藉口。

為什麼大家都對算力軍備競賽趨之若鶩，其實癥結在於當前缺少權威的自動駕駛評判標準，車企只能依靠算力數字這個消費者簡單易懂的指標來展現產品的智能水平。

這張圖片出自Navigant Research Autonomous Leadership，每當有人說特斯拉自動駕駛不行的時候，這張圖片就會出現。在這張圖中，特斯拉的自動駕駛排名墊底。

研究自動駕駛的時候，還有一個重要指標——每百公里人工接管次數。不過這個數據也存在重大缺陷，容易被摻水。同樣一萬公里測試，一台車是城區復雜路況，一台車是幾乎沒車的高速公路，兩者的接管次數怎麼可能有可比性。

丁華傑認為，自動駕駛評判標準的現狀就是“無論是國際還是國內，目前均沒有一個權威的標準。”他認為，最終肯定能有統一標準，但也是勝者通吃，誰落地量產，真正大規模產業化了，那它的標準就是大家看齊的標準。

04。道阻且長

2004年DRAPA（美國國防部高級研究計劃局）舉行第一次百萬美金自動駕駛挑戰賽，那是自動駕駛的起點。當時成績最好的參賽隊伍卡內基梅隆學院代表隊，只讓自己的自動駕駛車輛在沙漠裡開出去了10公里。

時至今日，17年時間，自動駕駛技術已經“飛入尋常百姓家”。

多位接受《財經》記者採訪的行業人士表示，在度過了當前這段高速發展的時期之後，自動駕駛將進入解決長尾問題的攻堅階段。在這段攻堅階段內，很可能會有明星公司倒在最後一公里。

例如，Google旗下的自動駕駛明星公司Waymo，在今年上半年完成了首次來自母公司Alphabet之外的融資，3月和5月連續兩次融資總額超30億美元。看似是個好消息，但考慮到這次融資給出的估值只有不到400億美元，和曾經1750億美元的估值高點比起來，資本市場已經對Waymo代表的自動駕駛前沿技術從狂熱回歸理性。

自動駕駛商業化還面臨兩大問題：個人消費領域，解決長尾問題週期漫長；Robotaxi（自動駕駛出租車）以及商用物流車領域，自動駕駛的商業化前景不明朗。

埋藏在整個自動駕駛背後的還有一個終極問題，類似人類駕駛的自動駕駛能否實現？感知、融合、定位、規劃、控制所有環節全部在一起，用一套系統全部解決，Waymo曾經嘗試過，碰了一鼻子灰，從此，和人一樣的自動駕駛就成了一堵嘆息之壁，擋住了每一個試圖突破的研發者。

自動駕駛的高速發展，與尚未找到解決之道的終極問題，形成了樂觀與焦慮糾纏不清的情形，道阻且長，只是剛剛走出了蠻荒時代而已。