自动驾驶兵分两路，造车新势力有机会超越特斯拉吗？

前几日，建约车评对李想的采访文章中曝光了理想汽车接下来关于自动驾驶的发展路线，很多细节在李想与 42 号车库的沟通中也提到过。

之前我们的文章写过李想把理想 ONE 打造成爆款的逻辑，没有提到的是，理想造车另一个很重要的目的就是，在 2025 年拿到一张自动驾驶赛道的入场券。这个理念在早前汽车之家的直播中李想已经提到过了。

结合我们与行业内做自动驾驶公司和车企的交流，还有对市面上搭载自动辅助驾驶车型的宣传，可以发现自动驾驶的发展方向已经分为两个思路在走了。

01自动驾驶的两条路线

路线一

从建约车评的采访中可以得知，理想汽车自动驾驶演进的路线是从目前的 ADAS 为基础，2021 年至 2022 年发展至 NoA，2023 年至 2024 年增加高精度地图，并实现最终的 FSD。

先简单解释一下突如其来的 3 个专有名词：

ADAS：Advanced Driving Assistance System 的缩写，译为高级驾驶辅助系统。可以实现 ACC 自动跟车以及 LCC 车道居中功能，在一些车道线清晰的路段，车辆可以主动调节车速，并将车辆保持在车道中央行驶。

NoA：Navigate on Autopilot 的缩写，译为自动辅助导航驾驶。在 L2 级辅助驾驶的基础上，车辆可以根据车机设定的导航路段，主动变换车道、切换高速。

FSD：Full Self-Driving 的缩写，译为完全自动驾驶能力。顾名思义，自动驾驶。

我相信在座的很多朋友对这 3 个已经再熟悉不过了，因为特斯拉早在 4 年前就喊出了这些功能。

• 2014 年，特斯拉推出第一代硬件的 Autopilot，可以实现基础的 ADAS 功能，以及打灯自动变道功能。
• 2016 年推出第二代硬件，摄像头数量从原来的 1 个增加到 8 个，实现了 360 度的视觉感知，同时芯片算力大幅提升，功能层面首次发布 NoA 自动辅助导航驾驶，并提出 FSD 概念。
• 2019 年推出第三代硬件，感知硬件架构不变，自动驾驶芯片升级，算力再度提升，功能层面推出「识别红绿灯、停车标识并自动刹停功能」，为实现城市道路 NoA 做准备。

所以在实现自动驾驶这条路上，理想规划的几个功能和特斯拉不谋而合，或者说，理想也选择了特斯拉实践出来的这条路线。

同样走这条路线的还有另外两家造车新势力车企：蔚来和小鹏。

今年 4 月 1 日，蔚来汽车正式宣布，将在今年年内向所有选装 NIO Pilot 的用户推送 Navigate on Pilot 自动辅助导航驾驶功能。

4 月 27 日，小鹏 P7 发布会上，小鹏汽车透露，XPilot 3.0 版本的辅助驾驶可以实现 NGP 全自动高速导航领航以及城市拥堵路段自动驾驶辅助。

从路线层面来看，这三家头部的造车新势力车企在自动驾驶路线上都走向了同一条路。

说到这里，一条清晰的自动驾驶路线已经出现了，就是由特斯拉引领的 ADAS-高速 NoA-城市 NoA-FSD 路线。

路线二

另一大阵营主要由传统车企组成，在实现自动驾驶的路上，按照 SAE 及工信部公布的《汽车驾驶自动化分级标准》对自动驾驶的定义来设计产品。

2017 年，奥迪正式推出第五代 A8，在激光雷达的加成下，这代 A8 成为了全球首款搭载 L3 级别自动驾驶技术的量产车型。

这是传统车企第一次喊出 L3 级自动驾驶。

在介绍 A8 的 L3 到底实现了什么功能之前，我们先了解一下 L3 的定义。

这是国家工信部在今年 3 月 9 日发布的《汽车驾驶自动化分级》推荐性国家标准报批公示。

从表中可以看出，第 3 级驾驶自动化等级的名称是「有条件的自动驾驶」，其中「车辆横向和纵向运动控制」和「目标和事件探测与响应」都由系统负责。

也就是说开启了自动驾驶功能之后，驾驶者可以做到脱手、脱脚、脱眼，驾驶和监管都有系统负责，驾驶者只需要在系统报警的时候回来接管车辆即可。

清楚了 L3 级自动驾驶「人」和「车」的分工之后，我们再来看 A8 实现的功能。

根据官方介绍，A8 在开启了 Audi AI 功能之后，驾驶者可以将双手从方向盘上移开，做一些驾驶以外的工作。但是该功能限制的路况条件为「高速」+「60 km/h 以下的车速」。

这是 2017 年奥迪发布的 L3级自动驾驶，步入 2020 年，L3 越来越高频地出现在了我们眼前。

今年 3 月 10 日，长安汽车发布了一个「L3 级自动驾驶量产体验」的视频，并且提到了「解放用户双手、双脚、双眼，实现真正意义上的 L3 级自动驾驶。」

今年 6 月 3 日，广汽新能源发布了一则标题为「埃安 LX L3 自动驾驶」的视频，同样提到了「脱手」、「脱脚」、「自动驾驶」等关键词。

可以发现，在这条路线上，大家更多强调的是自动驾驶实现的分级，和驾驶员介入的程度，适用的场景是被弱化的。而造车新势力们反而更多强调「自动/辅助驾驶」适用的场景，而不是分级和驾驶者介入的程度。

从我个人近两万公里的辅助驾驶使用体验来说，现阶段基于适用场景来开发自动驾驶的功能，在体验上是超过基于 SAE 标准开发的自动驾驶的。

美国 SAE 标准和工信部《汽车驾驶自动化分级》更想明确地划分出「车」与「人」的关系，优势在于明确了不同场景下的责任主体，但是产物则是相对畸形的。

就像奥迪 A8，在高速路段（无行人、无红绿灯）且车速低于 60 km/h 可以实现 L3 级别自动驾驶，适用场景非常局限。

广汽新能源 Aion LX 可以实现 0-120 km/h 的脱手脱脚（没有实现脱眼严格意义上并不算 L3 级自动驾驶），但是如果遇到慢车或者需要切换高速，仍然需要驾驶者介入，「自动化」程度并不够高。

当然特斯拉的路线也有自己的问题，功能越来越丰富，驾驶者需要接管的次数越来越少，但是责任主体仍然是驾驶者，所以虽然功能好用，但是仍然需要集中注意力「正确」使用。

回归到研发自动驾驶的目的上，自动驾驶的核心目的是降低驾驶者的参与，让驾驶者更加轻松，所以我们希望更多的车企能够基于「适用场景」来开发自动驾驶，不要被陷入 L2、L3 的框架。

明确了我们认定的路线，接下来我们再聊第二个话题。

02造车新势力有机会超过特斯拉吗？

很难，但是有希望。

难在硬件和算法的落后，希望则在中国车企对中国人的需求理解得更透彻。

硬件和算法

先说硬件，特斯拉从 Hardware 2.0 开始，在全车布局了 8 颗摄像头作为车辆最主要的感知硬件；小鹏 P7 同样采用了以视觉为主的感知方案，在全车布局了 13 颗摄像头（8 颗同时工作）；理想的下一代车型 X01（内部代号）也会搭载 8 颗摄像头作为主要的感知元件。

一旦明确了这个技术路线，接下来的发展方向也就明确了。

堆叠感知硬件的工作是相对简单的，丰富且复杂的感知硬件背后需要算力强大的辅助驾驶芯片和足够智能的算法来用好这些数据。

根据理想汽车自动驾驶业务总经理朗咸朋的推算，8 颗 200 万像素的摄像头，以 30 帧每秒的速度捕捉画面，每个像素使用典型网络需要的算力乘起来，至少需要 200 Tops 以上的算力才可以满足真正意义上的 FSD。

但是目前市面上并没有一款算力超过 200 Tops 的量产自动驾驶芯片，所以为了满足接下来单车智能的需求，对芯片算力的需求也会不断提高。

更重要的是，在提高芯片算力的同时，必须要满足车端对能耗的要求和生产制造成本的要求。

对于芯片制造企业，面对的不止有技术瓶颈，还有销量的瓶颈。只有拥有足够产量之后才有可能拉低整体的制造成本，同时价格足够低，才有可能放在更便宜的车上，拥有更大的销量。二者的关系就像一个反比例函数。

厂家必须要对未来充满信心，才有可能去做这种短期内看不到巨大收益的产品。这是特斯拉的优势之一，也是走视觉路线将面临的巨大挑战。

面对这样的市场现状，特斯拉没有驻足等市场给出一个能够满足需求的选择，而是选择自主研发一款高算力芯片。

Hardware 3.0 也是目前市面上量产芯片中算力最强，性价比最高的一颗芯片，尽管这颗芯片的算力只有 72 Tops（总算力 144 Tops，另外 72 Tops 算力用作冗余），距离理想目标能实现自动驾驶的 200 Tops 还有差距，但是特斯拉已经走到了前面，并且特斯拉自己可以保证接下来过 100 万的需求。

当然在硬件的布局上，造车新势力也根据自己的理解作出了一些调整。小鹏 P7 和理想的 X01 都会在摄像头的基础上，增加 5 个毫米波雷达，在数量上比特斯拉目前的架构多了 4 个，做到了摄像头+毫米波雷达双重 360 度感知，弥补摄像头在暴雨、雾天的物理缺陷，并且起到了感知冗余的作用。

此外小鹏 P7 还在车端布置了高精定位的硬件，并用了高德地图提供的高精度地图，理想 X01 也会搭载高精度地图作为额外的「信息」来源。

其次是算法，今年 2 月自动驾驶日上，特斯拉 AI 总监透露，特斯拉已经累积了超过 30 亿英里 Autopilot 行驶的数据，对于车企而言，足够大的数据量可以帮助企业非常高效地优化算法，目前特斯拉积累的路况数据是所有企业都无法企及的，所以在自动驾驶视觉识别算法上，特斯拉也拥有绝对的优势。

从结果来看，在 2016 年特斯拉就在美国地区推出了 NoA 功能，2019 年 5 月在中国地区推出 NoA 功能，然而国内车企目前没有一家推出该功能，给出的时间表中，最快也要到今年年底才能实现，所以从功能层面来看，特斯拉至少领先了 2-4 年的时间。

中国车企的希望

交通环境中交通法规和当地人民的驾驶习惯都是极具地方特色的，特斯拉说到底还是一家美国企业，简单粗暴地把美式 Autopilot 的工作逻辑搬到中国肯定是不适用的。

从自动泊车的体验来看，对车位的识别和停入车位后的位置，都不如中国本土品牌小鹏汽车做得好。

从 ADAS 的体验来看，特斯拉在跟车状态下，即使把跟车距离调至最近一档，距离前车的距离仍然达到 5 米，非常容易被加塞，而蔚来却可以做到 3.3 米。

从 NoA 的体验来看，系统默认最左侧车道为超车道，所以即使将车速设为 120 km/h，系统仍然会自动将车辆保持在左侧第二车道行驶，只有超车时才会并入最左侧车道。

这个逻辑在美国高速没有太大问题，但是在堵车或双向仅 4 车道的中国高速上，使用 NoA 的体验极其糟糕。

所以，即使特斯拉能力非常强，但是不同的工作逻辑标定也会带来体验上的缺失，而且随着自动化程度的不断提高，车辆需要接管的场景越来越多，对特斯拉的调整也逐级提高。

为了中国的道路场景、法规政策，优化使用体验，特斯拉对外事务副总裁陶琳曾透露：「特斯拉中国可能会增加其自动驾驶研发人数，为中国市场单独成立一组自动驾驶团队。

在中国市场拥有一支专门的 AI Autopilot 团队将有助于 FSD 适应美国驾驶与中国驾驶之间的差异，以改善公司在中国实现『完全自动驾驶』技术的落地。」

对于中国车企而言，在实现 FSD 的过程中，相比特斯拉在硬件及算法上有一定落后，但也有时间的空窗期，能不能抓住这个机会就看中国车企自己了。