“三大考题”比拼智能网联 中国还需走出独立自主的道路

8月16-17日，以“车路协同，新质赋能”为主题的第四届沈阳智能网联汽车挑战赛在沈阳市大东区盛大开幕。此次挑战赛围绕智能网联汽车产业发展趋势、最新技术成果等关键问题，设置了ADAS驾驶辅助系统挑战赛、车城融合自动驾驶挑战赛和车城融合AI大模型挑战赛三大赛项。经过两天激烈角逐后，共评选出3个一等奖、5个二等奖、10个三等奖。

比赛期间，担任本次赛事裁判长的同济大学教授朱西产、中国汽车工程学会特聘专家陈刚、重庆科技大学（人工智能学院）院长向毅、华为自动驾驶资深专家陈龙以及赛事总裁判长、西部科学城智能网联汽车创新中心（重庆）有限公司首席专家谢飞等人接受媒体采访，就本届赛事特色、举办意义以及我国智能网联汽车产业发展前景等问题进行了深度解析。

自动驾驶赛事亟待整合

“智能汽车最受关注的就是安全问题，体验再好，一旦发生事故，就是‘智能’变‘智障’。所以，如果连ADAS都做不好，别的功能就无从谈起。”朱西产表示，本次挑战赛将ADAS驾驶辅助系统作为赛项之一，主要是从应用体验出发，ADAS系统是当前用户最为关切、实用性较高的功能，另外，近年来ADAS系统几乎成为新车“标配”，但性能究竟如何，还需通过挑战赛一探究竟。

另外，车城融合自动驾驶挑战赛主要比拼的是在复杂的城市道路场景中，各家车企NOA的表现情况。因此，参赛车型多为目前城市NOA表现相对亮眼的量产车型。车城融合AI大模型挑战赛的参赛队伍则以高校为主。对此，朱西产称，高校科研能力强，往往智能化程度高，但调车能力一般。因此，AI大模型挑战赛为高校科研机构搭建了一个以仿真方式进行人工智能比拼的平台。

值得关注的是，此次赛事并非以各大车企的名义参赛，而是社会招募了30名消费者就ADAS驾驶辅助系统、车城融合自动驾驶两大项目进行比。为何是消费者来参赛？对此，朱西产表示，消费者自带车辆参赛，能够保证比赛更加真实客观。

谈及自动驾驶相关赛事的发展历程，谢飞告诉记者，自动驾驶挑战赛最早可追溯至上世纪90年代的美国。进入21世纪，2004年，美国国防部DARPA主办的自动驾驶挑战赛，被称作21世纪以来自动驾驶研究的起点。中国的自动驾驶赛事最早始于2009年的中国智能车未来挑战赛，迄今已十余年历史。“早期的挑战赛基本没有量产车型，那时候更多是为了促进技术进步、普及自动驾驶的理念。”谢飞称。目前，自动驾驶产业已进入商业化阶段，今年上半年，具备L2级辅助驾驶功能的新车占比已超50%，辅助驾驶正在大规模应用。因此，打破所谓的“技术神话”，让辅助驾驶从车企天花乱坠的宣传中显露真身，成为当下自动驾驶挑战赛的目的之一。

不过，谢飞也指出，目前国内相关赛事太多、太杂，缺少有影响力的赛事。他建议，国内赛事需要进一步整合，在不浪费资源的前提下，打造出具有中国特色、树立中国权威、展现中国水平的自动驾驶赛事。

自动驾驶落地有望提速

今年以来，城市NOA成为头部车企争抢的风口，“开城大赛”持续上演。据不完全统计，如今已有小鹏汽车、蔚来汽车、理想汽车、极氪汽车、鸿蒙智行旗下汽车品牌等超20家车企或品牌推出城市NOA高阶智驾，开城节奏也在不断提速。日前，华为常务董事、终端BG董事长、智能汽车解决方案BU董事长余承东便表示，全民智驾时代已经到来。

“我认为今年高速NOA有望突破15%，城市NOA有望突破10%。2025年没有NOA，就像今年没有电车一样，企业就会被淘汰。”朱西产表示，城市NOA正在快速量产阶段，普及速度可能会比新能源汽车发展的速度更快。在谢飞看来，2028年NOA渗透率有望突破50%。朱西产则更为乐观，随着辅助驾驶系统BOM成本的不断下探，2026年就有望突破50%。

不过，如火如荼的国内智能网联也在迫切地寻求领先之道。在技术路线上，谢飞坦言，国内还没有完全走出独立自主发展的思维，依然是处于特斯拉“带路”的状态之下。当下尤为火热的“端到端”技术便是如此。今年3月，特斯拉开始大范围推送基于“端到端”的FSD V12，“端到端”技术由此广受关注。

在国内，5月，小鹏汽车宣布国内首个“端到端”大模型量产上车，有XNet神经网络、XPlanner规控大模型及XBrain大语言模型3大核心部分组成。随后，理想汽车也提出自动驾驶技术路线新构想：“端到端”+VLM（视觉语言模型）+生成式验证系统。日前，上汽集团也宣布纯视觉和“端到端”技术已进入面向量产的开发阶段。此外，华为、元戎启行、商汤绝影等自动驾驶企业也先后宣布在2024年~2025年间能实现“端到端”自动驾驶方案应用于乘用车。

“现在谁宣布‘端到端’上车，那这个车就不值得买。”朱西产直言，特斯拉的端到端、人工智能确实让自动驾驶更加成为可能，但正如余承东所言，“端到端”技术“上限很高，下限也很低”。

朱西产解释到，此前的自动驾驶系统多采用分模块方案，系统被划分为感知、决策规划、控制等不同的模块，“组装过程中，觉得哪个模块有必要有准则，就加入准则模型”。“端到端”则是扔掉准则模型，各个AI模块之间用Transformer连接起来，是一种隐性信息传递，构成一个整体网络，可以减少信息传输过程中的丢失，并对网络进行整体优化。“准则模型被拿掉后，AI泛化能力更强了。比如特斯拉FSD V12，可以很明确地看到它上限提高，能够处理的事情更多了，更像一名‘老司机‘了。”朱西产说道。不过，他强调，准则模型被拿掉的同时，安全下限也随之变低，“用AI训练安全下限，很难知道它有没有学会”。

聚焦国内，朱西产称，目前国内企业已经做到感知端到端，或者说分段式端到端。但与特斯拉相比，国内企业仍然存在几大差距。第一，AI训练算力差距较大。根据规划，到2024年底，特斯拉超算中心总算力将提升至100EFLOPSs。而小鹏智驾云端最新算力储备为2.51EFLOPS，鸿蒙智行云端算力已经从5月份的3.5EFLOPS升至8月的5EFLOPS。“即便特斯拉Dojo目前的云计算能力受限，仅能发挥出30%左右的算力，但也远高于国内企业。”朱西产称。

第二，在数据量方面，采集数据的车辆还不够多。目前，自动驾驶行业已经从企业采购数据采集车的阶段进入依靠用户车辆采集数据的阶段，谁的销量越高，采集的数据量就越大。在特斯拉美国销量已超百万辆的情况下，国内车企如今仍在追求年销量几十万辆的目标，导致在数据量上差距明显。据朱西产透露，鸿蒙智行旗下车型、理想汽车明年有望突破100万辆，加快数据采集步伐。