傳統(tǒng)自動駕駛行業(yè)存在兩種不同的研發(fā)路徑：漸進(jìn)派與躍進(jìn)派，其在自動駕駛技術(shù)的開發(fā)和商業(yè)模式上存在顯著差異。以特斯拉等主機(jī)廠為代表的“漸進(jìn)派”和以Waymo、百度Apollo 等科技公司為代表的“躍進(jìn)派”。漸進(jìn)派傾向于穩(wěn)步前進(jìn)，通過逐漸增加系統(tǒng)的復(fù)雜性和能力來減少風(fēng)險，期待在不斷的積累和迭代過程中突破瓶頸，從L1、L2、L3 狀態(tài)的“人機(jī)共駕”逐漸過渡到L4 的無人駕駛；躍進(jìn)派則追求通過大膽的技術(shù)創(chuàng)新來加速實現(xiàn)完全自動駕駛的目標(biāo)，直接跳過L3 級別的瓶頸，直接以L4 的無人駕駛為目標(biāo)進(jìn)行研發(fā)，通過在有限范圍、特殊場景內(nèi)營運(yùn)來打通產(chǎn)品邏輯，構(gòu)建智能化移動出行服務(wù)體系。

以特斯拉為代表的“漸進(jìn)派”的智能駕駛已進(jìn)入以數(shù)據(jù)驅(qū)動為標(biāo)志的 3.0時代，數(shù)據(jù)閉環(huán)成為量產(chǎn)落地的核心。在傳統(tǒng)的模塊化自動駕駛系統(tǒng)中，智能駕駛的實現(xiàn)依賴于三大關(guān)鍵模塊：感知、決策、控制，每個模塊專注于完成特定的功能，并與其他模塊通過定義良好的接口交互。而特斯拉 FSD 的端到端大模型，則消除了自動駕駛系統(tǒng)的感知和定位、決策和規(guī)劃、控制和執(zhí)行之間的斷面，將三大模塊合在一起，形成了一個大的神經(jīng)網(wǎng)絡(luò)。其采用的端到端方案采用全棧神經(jīng)網(wǎng)絡(luò)實現(xiàn)，直接輸入傳感器數(shù)據(jù)，輸出轉(zhuǎn)向、制動和加速信號，全程沒有任何編碼。隨著自動駕駛級別提升和應(yīng)用范圍擴(kuò)大，數(shù)據(jù)量急劇增長，訓(xùn)練、傳輸、存儲成本也隨之攀升。

端到端架構(gòu)將所有模塊串在一起統(tǒng)一訓(xùn)練，意味著提升性能所需的數(shù)據(jù)量和算力規(guī)模更大，頭部智能駕駛廠商的數(shù)據(jù)閉環(huán)能力將逐步與第二梯隊拉開差距。

躍進(jìn)派自動駕駛廠商則在特定場景下，比如礦山、港口、環(huán)衛(wèi)、無人物流小車等賽道穩(wěn)步推進(jìn)，已經(jīng)接近批量復(fù)制的節(jié)點。具體到特定場景中，比如礦山場景不涉及路權(quán)問題、環(huán)境相對簡單，容錯率很高，無重大安全隱患；在港口場景中，道路結(jié)構(gòu)化程度高，環(huán)境簡單，路權(quán)問題相對容易解決。目前，這些場景普遍已不需要配備車內(nèi)安全員，預(yù)計在 1-2 年內(nèi)實現(xiàn)大規(guī)模商業(yè)化落地。不過各類應(yīng)用場景由于適用環(huán)境道路和技術(shù)水平存在差異，落地規(guī)模和商業(yè)化進(jìn)展不一，難以一步到位實現(xiàn)全地圖L4 級以上自動駕駛。目前來看封閉低速載物場景在 2025 年左右可大規(guī)模商業(yè)化落地，高速載物場景則在 2030 年左右方可落地，具體落地的核心推手是技術(shù)成熟度及國內(nèi)的法規(guī)完善進(jìn)度。

智能駕駛，即 ADAS（Advanced Driver Assistance Systems），高級輔助駕駛系統(tǒng)，通常指的是輔助駕駛技術(shù)的集合；自動駕駛，即 ADS（Autonomous Driving System），則指的是車輛能夠在沒有人類司機(jī)干預(yù)的情況下，完成駕駛?cè)蝿?wù)的技術(shù)。ADAS 技術(shù)可以幫助司機(jī)更安全、更舒適地駕駛，但不完全取代司機(jī)的控制。智能駕駛系統(tǒng)可能包括自適應(yīng)巡航控制、車道保持輔助、緊急制動輔助、交通標(biāo)志識別等功能；AD 技術(shù)包括從起點到終點的整個駕駛過程沒有人類司機(jī)干預(yù)，涉及環(huán)境感知、決策制定和執(zhí)行控制等復(fù)雜功能。

ADAS 功能描述

1.1. 從電氣化到電子化，自動駕駛已跨越百年歷史

“汽車自動化”提出至今已有近百年的歷史，從最初的遙控到如今的 ADAS 及 ADS承載了一代又一代前沿科學(xué)家對于方便人類生活出行的夢想和對智能化、高效化、自動化未來的展望。第一輛“自動駕駛”汽車可以追溯至 1925 年，一輛稱為“美國奇跡”的汽車，通過無線電的控制來實現(xiàn)“自動駕駛”，類似于玩具遙控車。從此以后，人們開始研究和探索自動駕駛的概念。2004 年美國軍事研究機(jī)構(gòu) DARPA 舉辦的無人車越野大賽中，來自斯坦福大學(xué)的 Sebastian Thrun 所帶領(lǐng)的 Stanley 車隊獲得了第一名，代表了現(xiàn)代意義的無人駕駛萌芽。其所使用的車輛是一輛大眾途銳（Touareg），搭載了微型計算機(jī)、現(xiàn)代標(biāo)準(zhǔn)的攝像頭、雷達(dá)和激光掃描設(shè)備，能夠依靠機(jī)器學(xué)習(xí)決定自己該如何前進(jìn)。從此自動駕駛真正成為了互聯(lián)網(wǎng)和制造業(yè)緊密結(jié)合的產(chǎn)物，是軟件系統(tǒng)和硬件架構(gòu)的完美結(jié)合；2010 年代，自動駕駛技術(shù)進(jìn)入了商業(yè)化階段。一些公司推出了商用自動駕駛系統(tǒng)，并在一些城市進(jìn)行了有限的自動駕駛汽車服務(wù)。同時，一些國家和地區(qū)開始頒布法規(guī)和政策，規(guī)范自動駕駛技術(shù)的測試和應(yīng)用。目前，自動駕駛技術(shù)仍在不斷發(fā)展和完善中。盡管還存在許多技術(shù)和法律挑戰(zhàn)，但自動駕駛技術(shù)已經(jīng)成為未來交通領(lǐng)域的重要發(fā)展方向，對改善交通安全、減少交通擁堵和提高交通效率具有重要意義。

自動駕駛歷史

從電氣化到電子化的過程標(biāo)志著技術(shù)發(fā)展的重大轉(zhuǎn)折點，這一變遷不僅影響了汽車工業(yè)的發(fā)展，也為自動駕駛技術(shù)的實現(xiàn)提供了基礎(chǔ)。電氣化的起點可以追溯到 19 世紀(jì)末至 20 世紀(jì)初，這一時期汽車開始使用電氣系統(tǒng)，如點火系統(tǒng)、照明和啟動器。電氣化使得汽車設(shè)計和功能得到了顯著改進(jìn)，提高了汽車的安全性、便利性和舒適性。電子化的發(fā)展始于 20 世紀(jì) 70 年代，隨著微處理器的引入，汽車開始采用更加復(fù)雜的電子控制系統(tǒng)，如電子燃油噴射系統(tǒng)、防抱死制動系統(tǒng)（ABS）、電子穩(wěn)定程序（ESP）和各種傳感器的應(yīng)用，使得汽車更加節(jié)能、環(huán)保、安全和智能。

電子化的關(guān)鍵里程碑包括引擎控制單元（ECU）的廣泛使用和數(shù)字化儀表盤的引入。電氣化到電子化的轉(zhuǎn)變?yōu)樽詣玉{駛技術(shù)的發(fā)展奠定了基礎(chǔ)。自動駕駛汽車依賴于大量的電子控制系統(tǒng)和傳感器來感知環(huán)境、做出決策并控制車輛行駛。例如，激光雷達(dá)（LiDAR）、攝像頭、雷達(dá)和超聲波傳感器等，都是電子化技術(shù)的產(chǎn)物，它們?yōu)樽詣玉{駛汽車提供了“眼睛”和“耳朵”。此外，高級駕駛輔助系統(tǒng)（ADAS）的發(fā)展和成熟，如自適應(yīng)巡航控制、車道保持輔助和自動緊急制動，都是自動駕駛技術(shù)發(fā)展的重要步驟。隨著電子技術(shù)的不斷發(fā)展和完善，未來的自動駕駛汽車將更加智能、安全和高效。

汽車從電氣化到電子化

按照美國汽車工程師學(xué)會（SAE），智能駕駛按照自動化水平分為 L0 至 L5 六個級別。其中 L3 級別為自動駕駛的分水嶺，L3 級別以下為輔助駕駛，L3 及以上級別為自動駕駛。L3 級別的最大區(qū)別在于由人負(fù)責(zé)監(jiān)控環(huán)境變?yōu)橄到y(tǒng)負(fù)責(zé)監(jiān)控環(huán)境，而這導(dǎo)致了事故后的責(zé)任歸屬的改變。因此，L3 級別是智能駕駛發(fā)展的瓶頸。當(dāng)然按照現(xiàn)在的技術(shù)模式，這種粗糙的 L0 至 L5 的分類已不能完全描述目前市場中主流的智駕方案，現(xiàn)在也有不少主機(jī)廠的思路是按照駕駛行為進(jìn)行分類，比如按照人對智能汽車的介入程度進(jìn)行劃分:毫秒級、秒級、分鐘級、小時級等。

自動駕駛分級

1.2. “漸進(jìn)派”VS “躍進(jìn)派”

針對自動駕駛存在的 L3 級別的瓶頸，傳統(tǒng)自動駕駛行業(yè)目前存在兩種不同的研發(fā)路徑，以特斯拉等主機(jī)廠為代表的“漸進(jìn)派”和以 Waymo、百度 Apollo 等科技公司為代表的“躍進(jìn)派”。不過隨著技術(shù)的不斷推進(jìn)，雖然商業(yè)模式上仍有較大區(qū)別，但是漸進(jìn)派與躍進(jìn)派在自動駕駛技術(shù)路線上開始慢慢走向一致：

漸進(jìn)派傾向于穩(wěn)步前進(jìn)，通過逐漸增加系統(tǒng)的復(fù)雜性和能力來減少風(fēng)險，期待在不斷的積累和迭代過程中突破瓶頸，從 L1、L2、L3 狀態(tài)的“人機(jī)共駕”逐漸過渡到 L4 的無人駕駛；

躍進(jìn)派則追求通過大膽的技術(shù)創(chuàng)新來加速實現(xiàn)完全自動駕駛的目標(biāo)，直接跳過L3 級別的瓶頸，直接以 L4 的無人駕駛為目標(biāo)進(jìn)行研發(fā)，通過在有限范圍、特殊場景內(nèi)營運(yùn)來打通產(chǎn)品邏輯，構(gòu)建智能化移動出行服務(wù)體系。

自動駕駛兩種研發(fā)路徑

自動駕駛領(lǐng)域的漸進(jìn)派和躍進(jìn)派各有其挑戰(zhàn)，前者的主要挑戰(zhàn)是進(jìn)入門檻相對較低導(dǎo)致競爭激烈，后者的主要挑戰(zhàn)是政策法規(guī)及技術(shù)成熟速度不及預(yù)期導(dǎo)致長期消耗巨大。

采用漸進(jìn)式發(fā)展路線的主要有三類公司，一類是造車新勢力，包括國外的特斯拉，國內(nèi)的造車新勢力蔚來、理想、小鵬等，一類是傳統(tǒng)主機(jī)廠，例如奔馳、上汽、長城等，還有一類是科技公司，包括華為等。各類勢力相繼下場爭奪市場空間，導(dǎo)致競爭非常激烈，而要由漸進(jìn)式最終實現(xiàn)無人駕駛需要確保占據(jù)一定市場規(guī)模，因此最終會有部分企業(yè)面臨淘汰；而采用跨越式路線要實現(xiàn)落地需要同時具備技術(shù)成熟和配套的政策法規(guī)完善兩大條件，其中技術(shù)成熟度層面無人駕駛面臨的最大挑戰(zhàn)是應(yīng)對極端場景的處理性能，而僅憑路測獲取的數(shù)據(jù)要覆蓋全部極端場景可能需要很長周期，因此會導(dǎo)致最終能夠?qū)崿F(xiàn)全場景無人駕駛落地的時間不可控，在這個過程中需要消耗的資金量巨大。

“漸進(jìn)派”以車企為代表，其商業(yè)模式主要是通過自行造車或者與車企合作造車，根據(jù)用戶現(xiàn)階段的實際需求或適當(dāng)引導(dǎo)需求逐步落地自動駕駛功能，如高速巡航、自主泊車等，通過 OTA 軟件迭代升級的模式最終自然而然過渡到完全無人駕駛。這套模式比較重視落地成本，因此在硬件選型、供應(yīng)鏈整合、制造水平等方面會投入較大精力。目前國內(nèi)量產(chǎn)智能駕駛產(chǎn)品的實現(xiàn)以 L2 級別以及 L2+級別智能駕駛為主，其中 L2+級別主要包括 NOA（自動輔助導(dǎo)航駕駛，Navigate on Autopilot）功能。智能駕駛發(fā)展的技術(shù)路徑為 L2 輔助駕駛到高速 NOA 到城區(qū) NOA，高速 NOA 為當(dāng)前主機(jī)廠智駕推進(jìn)目標(biāo)之一，領(lǐng)先一代包括特斯拉、理想、小鵬等主機(jī)廠已實現(xiàn)城區(qū)NOA 功能。

部分主機(jī)廠商自動駕駛汽車落地時間路線圖

“躍進(jìn)派”以 Waymo、百度 Apollo 等科技公司為代表，由于限定場景下的自動駕駛運(yùn)營邊界受到區(qū)域限制，且得到相關(guān)行業(yè)部門的政策鼓勵，相較于全域自動駕駛，或?qū)⒏鐚崿F(xiàn)規(guī)?；纳虡I(yè)落地。躍進(jìn)派公司早期主要依靠資本注入，隨著技術(shù)的不斷發(fā)展各企業(yè)正在逐步探索商業(yè)落地之路，目前的商業(yè)模式主要有 Robotaxi、Robobus 等交通服務(wù)，以及切入特殊的場景如港口、礦山等，這類場景危險系數(shù)高，通過自動駕駛替代人工作業(yè)，以節(jié)約高額人力成本。

L4 級供應(yīng)商落地場景