在自動駕駛領(lǐng)域，自今年9月初《量產(chǎn)自動駕駛》一書出版以來，已經(jīng)過去了三個多月的時間。期間，眾多親朋好友、同學(xué)校友、新老同事以及業(yè)界同行對這本書給予了廣泛關(guān)注和支持，不僅積極推薦，還提供了寶貴的反饋和中肯的建議。在此，作者對各位的支持和厚愛表示衷心的感謝。

該書初稿完成于2023年夏天，最后一章從當(dāng)時的視角對量產(chǎn)自動駕駛的未來進(jìn)行了多維度的展望。盡管在長達(dá)一年的修稿過程中，該章節(jié)只進(jìn)行了小幅度的補(bǔ)充，但如今，隨著行業(yè)的快速發(fā)展，自動駕駛領(lǐng)域已經(jīng)邁上了新的臺階。站在2024年的歲末，讓我們重新審視并展望量產(chǎn)自動駕駛的發(fā)展趨勢。

首先，從產(chǎn)品形態(tài)的變化來看，國內(nèi)領(lǐng)先的自動駕駛團(tuán)隊已經(jīng)在城區(qū)導(dǎo)航巡航自動駕駛功能（Urban Navigation On Pilot）上取得了顯著進(jìn)展。通過使用無圖或弱圖技術(shù)，這一功能已被越來越多的用戶車輛所采用，覆蓋的城市數(shù)量與日俱增，城區(qū)道路運行范圍不斷擴(kuò)大。以蔚來汽車為例，截至2024年10月，其自動駕駛用戶已達(dá)到598,875名，高速和城區(qū)NOP功能行駛總里程達(dá)到13.22億公里，路測總里程也達(dá)到了4.6億公里，以確保功能的安全可靠。

隨著城區(qū)NOP功能的全面鋪開，一些從業(yè)者開始探索如何實現(xiàn)跨場景的自動駕駛功能，為用戶提供全程連續(xù)的自動駕駛體驗，即“點到點”功能。該功能從用戶家中出發(fā)，通過NOP功能導(dǎo)航至目的地，覆蓋從停車位啟動、穿越小區(qū)和城區(qū)道路、駛上高速高架路段、經(jīng)過匝道和ETC收費站，最終回到城區(qū)并進(jìn)入公司停車場完成泊車。據(jù)了解，行業(yè)頭部企業(yè)已經(jīng)開始“點到點”功能的研發(fā)測試，預(yù)計將在未來半年內(nèi)陸續(xù)交付給用戶。

在自動駕駛級別上，L3級別的量產(chǎn)也成為各家競相追求的目標(biāo)。根據(jù)標(biāo)準(zhǔn)定義，L3級別的自動駕駛在限定場景下可以自主行駛，無需駕駛員干預(yù)，但當(dāng)系統(tǒng)請求時，駕駛員必須接管車輛。這一級別的實現(xiàn)不僅是技術(shù)的升級，更是行車責(zé)任的轉(zhuǎn)換。目前，在高速高架路段，頭部企業(yè)的自動駕駛接管率已達(dá)到幾百或幾千公里每次，為L3功能的實現(xiàn)提供了契機(jī)。同時，隨著各地相繼發(fā)放L3準(zhǔn)入測試牌照，包括北京、上海、重慶、深圳等城市在內(nèi)的多個地區(qū)都在積極推動L3功能的量產(chǎn)落地。

盡管量產(chǎn)L4級別的自動駕駛?cè)悦媾R諸多挑戰(zhàn)，但技術(shù)的迭代速度令人矚目。以ChatGPT為例，其在短短兩年內(nèi)就徹底改變了AI領(lǐng)域的面貌。我們有理由相信，在不遠(yuǎn)的將來，量產(chǎn)L4級別的自動駕駛也一定會到來，盡管其具體形態(tài)尚不確定。在探討量產(chǎn)L4落地時，我們需要考慮技術(shù)邏輯、商業(yè)邏輯和社會邏輯三個層面。技術(shù)邏輯要求技術(shù)具備先進(jìn)性和完整性，商業(yè)邏輯要求技術(shù)能夠產(chǎn)生經(jīng)濟(jì)效益，而社會邏輯則要求技術(shù)符合當(dāng)?shù)厣鐣l(fā)展的需要。

在算法方面，端到端算法成為自動駕駛領(lǐng)域的新趨勢。通過深度學(xué)習(xí)模型，算法能夠全面處理從傳感器數(shù)據(jù)到目標(biāo)軌跡或車輛控制指令的全過程。端到端算法的實現(xiàn)不僅提高了處理問題的性能上限，還通過數(shù)據(jù)驅(qū)動的方式實現(xiàn)了算法的全流程自動化迭代，顯著提高了迭代速度。然而，端到端算法仍無法解決長尾問題中的Corner Case。為此，學(xué)術(shù)界和產(chǎn)業(yè)界開始關(guān)注大模型和世界模型等新方向。

大語言模型通過學(xué)習(xí)人類大規(guī)模語料中的上下文關(guān)聯(lián)關(guān)系，獲得了通用的推理能力。多模態(tài)大語言模型則進(jìn)一步擴(kuò)展了輸入數(shù)據(jù)的多樣性，包括文本、圖像和視頻流等。這使得自動駕駛系統(tǒng)在面對Corner Case時，能夠通過通用能力進(jìn)行推理和決策。同時，世界模型通過預(yù)測未來世界的變化，為自動駕駛系統(tǒng)提供了想象推演能力，從而提高了系統(tǒng)的適應(yīng)性和安全性。

在系統(tǒng)架構(gòu)方面，整車算力的集中和芯片算力的擴(kuò)增成為重要趨勢。隨著自動駕駛功能的不斷豐富和算法復(fù)雜度的提高，對算力的需求也隨之增加。例如，蔚來汽車已在其上一代整車平臺全系搭載了1000TOPS的算力配置，并計劃在未來實現(xiàn)更強(qiáng)芯片的量產(chǎn)交付。傳感數(shù)據(jù)的豐富性也成為提升自動駕駛系統(tǒng)性能的關(guān)鍵因素。主流的高配自動駕駛系統(tǒng)傳感器方案包括激光雷達(dá)、攝像頭、雷達(dá)和超聲波雷達(dá)等，多模態(tài)的傳感信息為自動駕駛系統(tǒng)提供了更全面的環(huán)境感知能力。

在商業(yè)模式方面，自動駕駛行業(yè)長期面臨高投入低產(chǎn)出的困境。為了尋求更好的商業(yè)模式，自動駕駛功能服務(wù)化成為一種可能的方向。通過將自動駕駛功能作為一種服務(wù)提供給用戶，并按照服務(wù)次數(shù)或里程進(jìn)行收費，有望實現(xiàn)更大的商業(yè)價值。同時，自動駕駛技術(shù)也可以與其他變現(xiàn)渠道相結(jié)合，如車輛維保、保險、補(bǔ)能等體系，形成商業(yè)閉環(huán)。

除了汽車行業(yè)本身外，自動駕駛技術(shù)還可以在其他領(lǐng)域找到新的應(yīng)用機(jī)會。隨著具身機(jī)器人的興起，自動駕駛技術(shù)與通用AI能力的結(jié)合為具身機(jī)器人的落地提供了可能。通過利用量產(chǎn)自動駕駛平臺積累的通用AI技術(shù)，可以快速賦能具身機(jī)器人，在新的藍(lán)海中創(chuàng)造更大的價值。特斯拉等先行者已經(jīng)在這一方向上取得了顯著進(jìn)展，國內(nèi)也有多家車企自動駕駛團(tuán)隊在積極探索這一領(lǐng)域。

盡管道路曲折，但自動駕駛領(lǐng)域的前景依然光明。正如一句名言所說：“心之所向，素履以往?！痹谧詣玉{駛技術(shù)的不斷推動下，我們有理由相信，一個更加智能、安全、便捷的出行未來即將到來。