[汽車之家 行業] 伴隨L2級輔助駕駛的加速普及，智能駕駛技術迎來關鍵的窗口期。行業內既涌動著對技術突破的期待與積極探索，也存在對技術落地、安全應用等方面的審慎討論。
為凝聚共識、共促發展，汽車之家于9月21日舉辦“汽車之家全球AI科技大會”，以“Hi Future”為主題，匯聚行業頂尖技術專家、車企領袖及生態伙伴，探索智能技術如何筑牢安全底線、重塑競爭邊界。
在本屆大會上，圍繞《大模型技術如何重塑智能駕駛?》主題，同濟大學汽車學院的朱西產教授主持了一場圓桌對話。
參與本場圓桌對話的嘉賓有廣汽集團執委吳堅、重慶千里科技股份有限公司聯席總裁王軍、輕舟智航聯合創始人、CEO于騫、Aibee創始人兼 CEO林元慶、地平線副總裁、戰略部&智駕產品規劃與市場部負責人呂鵬、科大訊飛智能汽車事業部副總裁李展眉、元戎啟行副總裁、技術合伙人劉軒等7位來自主機廠、智能駕駛、智能座艙等領域的頭部企業高層。
在朱西產看來，汽車產業智能化革命好像來的比電動化還要猛烈。
兩年前，人們談論的熱點還是軟件定義汽車、構建汽車的軟件產業鏈。2024年，就開始出現“AI端到端”模型，并且很快從兩段式端到端逐漸過渡到一段式端到端。如今，行業內討論的已經是AI定義汽車大模型、視覺語言模型、WEWA等各種新概念。甚至，已經有車企宣布L3的智能駕駛能力已經上車。
朱西產認為，汽車沒有實現L3自動駕駛之前，智能座艙做的再好，消費者也沒時間享用。所以，行業當下的首要任務，還是要把智能駕駛從L2升到L3。然而，在人工智能快速發展的當下，圍繞AI和大模型，智能輔助駕駛行業到底該如何發展？究竟是優先過渡到L3，還是直接跨入L4時代？
突破L3，難的不是技術
按照現在的自動駕駛分類標準，L2到L3是個最大的責任分水嶺。
“作為主機廠，是最不愿意觸碰L3的?！眳菆蕴寡?，L2的責任主體是用戶，L4的責任主體是企業，都十分明晰，然而L3的責任劃分相對模糊。所以，對待L3，主機廠就會更為謹慎。
“我之前一直有個疑問，為什么滿大街的L4運營車輛，L3的一輛都沒有。難道L4的技術比L3更容易？”王軍也有和吳堅類似的感受。
理論上，L4更難實現。然而，因為Robotaxi的責任就是由運營者承擔，一切非常明晰，所以大家可以直接嘗試這條路徑。然而，L3階段的責任劃分目前仍需要討論。顯然，當下L3無法突破并不是因為技術問題。
然而，吳堅依然相信，L3時代會很快到來。因為當下L2是寬泛的L2，很多L2的能力已經達到了L3的技術要求。但是從技術到產品，仍需要整個行業的共同努力，包括供應商和政府。在他看來，L3在產品上的應用要從試點開始，逐步落地到整個市場。
于騫也認為，L3是行業發展到一定階段后出現的必然形態。如今，歐洲已經出現了特定場景下的L3車型，他預計中國市場也將很快出現。
在《智能網聯汽車組合輔助駕駛系統安全要求》強制性國標出現后，相關駕駛責任的歸屬將更加清晰。于騫認為，更清晰的責任劃分，意味著消費者對于相關功能的信任度和認可度也將提升，最終推動商業化落地加速。但他也強調，即便L3開始商業化落地，也是先從泊車、高速等場景開始，不會影響交通發展。
持相同觀點的還有李展眉。他強調，L2先過渡到L3的路線是一種必然趨勢。因為從經濟學角度看，生產力決定生產關系，生產關系反過來促進生產力的發展，就像染色體的基因判斷一樣螺旋上升。如果智能駕駛技術水平、產品水平已經達到L3，生產關系是一定要去適應它。如果不能適應，就會阻礙這個技術的發展。
王軍表示，從解決方案的角度看來看，L2、L3、L4是一脈相承的。未來，千里科技還會將智能座艙和智能駕駛基于AI技術進行整合。
模型能力，高等級自動駕駛的挑戰
如果進入L3階段，車輛需要提前10s預判風險。然而，10s后的風險，根本不是當前深度學習模型能夠讀取出來的，因為很多危險物在很遠的地方或者被遮擋。
在朱西產看來，如果不用生成式AI模型，不用Token建立關聯關系，用現在的深度學習模型無法讀出10s后的潛在風險。也就意味著，車輛如果沒有生成式AI，是不可能具備人類駕駛員的防御性安全駕駛能力。
能否從L2走向L3，可能需要期待生成式AI的發展。
林元慶將語言模型看作是知識，能對物理世界、物理規律進行理解，類似高精地圖是對物理世界的預先描繪。他認為，如果從長遠看，只有借助攝像頭或攝像頭+雷達，物理世界大模型收集到的信息與人眼看到的信息相同，行業才能達到真正的“ChatGPT時刻”。據他預計，這個時間會很長，可能是2035年。
在林元慶看來，視覺感知存在數據量很大、信息量很小的問題，比如智駕6-7個攝像頭，10分鐘記錄的數據就有1個GB，1分鐘就100MB。作為對比，一套紅樓夢的文本量也只有1.5MB。
大模型處理語言已經對算力有了非常大的需求，理解視頻將需要大得多的算力。華為此前發表的2035年10大趨勢中就預測，2035年對算力需求是現在的10萬倍。ChatGPT將文本理解的問題基本解決，但仍未解決感知的問題。
據林元慶預計，屆時，車端的算力需求或將達到5000TOPS～10000TOPS。
劉軒也認同大模型對車端算力需求量非常大的觀點。在他看來，這也是不同企業的技術門檻所在，尤其是在控制模型參數量、防止過度膨脹的前提下，如何保證模型效果能夠真正“上車實用”。
就在2025年8月，元戎啟行剛剛發布自研的VLA模型（Vision-Language-Action）。如若設計不當，VLA模型的參數量可能膨脹至7B至10B，導致短期內無法量產部署。為了攻克相關技術難題，元戎啟行選擇讓模型聚焦于駕駛本身，提取語言模型中最關鍵的理解與推理能力。
傳統大語言模型確實具備廣泛的知識體系，甚至在某些專業領域達到專家水平，但駕駛技能有其特殊性：一個駕駛行為穩健高效的司機，具備豐富的場景經驗和風險預判意識。因此，在VLA模型中，元戎啟行并不追求通用知識覆蓋，而是專注于嵌入與駕駛高度相關的語義理解與思維鏈推理能力，也就是增強系統“像人一樣思考”的能力。
據劉軒預測，當前可用的L2++系統運行VLA模型至少需要700 TOPS以上的算力，而面向L3的算力則至少要達到1500 TOPS以上。
這一算力需求的水平，讓人們看到了L3落地的機會。目前，英偉達、高通、地平線等芯片廠商的方案，都已能夠支持這一算力級別在車端的部署。
智能汽車，新的可能性
對比自動駕駛的L0-L5分級，李展眉認為，智能座艙的L4、L5時代有機會更快到來。因為智駕雖然需要的知識水平不高，但確實對安全性要求過高，因為人的生命不可能重復再來。但對于智能座艙的應用來說，容錯性相對高一些。
智能座艙，在王軍的心中也有著重要地位。他設想的未來里，消費者打到Robotaxi后，只需要說“我要趕飛機”五個字。座艙AI就可以在保證信息安全的前提下讀取個人日歷，知道消費者坐哪個航班，該去哪個機場，然后給出最優路線和速度方案，并激活自動駕駛。
自動駕駛時代，不止可以靠車端技術能力的提升。吳堅相信，V2X方案也一定能夠在中國落地，因為我們確實是個強政府。在他看來，電動汽車能夠在中國市場迎來快速發展，就是因為中國政府高效解決了補能問題。
雖然吳堅不贊同V2X一定比單車智能更安全、更先進的觀點，但他強調，多加一雙“眼睛”必然會給駕駛安全帶來更多保障。
當然，V2X技術的發展，也面臨一些現實問題。對于主機廠來說，很難有強意愿去建V2X的路端設備。因此，必須要有強政府去協調，提供場地、示范和未來的運營等服務，部署好V2X的設備和后臺，然后與車企“數據共享”，將路端信息廣泛提供車企。
主機廠可以先把V2X的信息用起來，從而更好地參與V2X行業的發展中。未來，當單車智能與V2X實現更好地結合，整個交通的安全和效率有機會實現質的提升。
伴隨著智能輔助駕駛和自動駕駛技術的飛速發展，一些行業從業者看到了新的發展機會——機器人。
早期，機器人領域的入局者更多來自電機、機械類公司。近兩年，越來越多來自智能駕駛賽道的玩家進入具身機器人領域，其中也包括地平線。
呂鵬表示，在支撐、架構、軟件算法、云端基礎設施等方面，智能駕駛和具身智能的底層算力平臺有很多共性。如今，地平線不僅擁有自己的機器人業務，還在計算平臺業務方面與多家機器人公司進行深入合作。
在地平線眼中，智能汽車本身就是一個大規模商業化落地的機器人。將智能汽車上很多能力進行外延，就可以更好地支撐具身機器人業務的發展。
作為中國頭部輔助駕駛芯片供應商，地平線一直堅持做平臺。雖然該公司仍堅持汽車這條主賽道，但仍會隨著自身賽道的能力強化，而尋求延展出更多業務的可能性。
結語
目前，對于自動駕駛商業化落地是否需要經歷L3時代，行業內仍存在一定的爭議。但各位圓桌嘉賓似乎更認可L3商業化的意義。從他們的分享中，我們更清晰地看到通往L3自動駕駛的那條路徑，也感受到了大家對于L3時代將于短期內到來的信心。
可以說，各位嘉賓不僅讓我們對于未來的自動駕駛時代充滿向往，也讓我們看到了自動駕駛企業未來發展的無限可能性。電影里的未來場景，或許就是現實世界里不遠的將來。