死亡火枪ox2023 年 7 月 5 日 -7 日，由中国汽车工业协会主办的第 13 届中国汽车论坛在上海嘉定举办。本届论坛以 新时代 新使命 新动能——助力建设现代化产业体系 为主题，设置 1 场闭门峰会 +1 个大会论坛 +16 个主题论坛 +N 场发布 共 18 场会议及若干发布、展示、推广等活动，旨在凝聚各方力量，形成发展共识，为建设现代化产业体系贡献汽车行业的智慧和力量。其中，在 7 月 6 日下午举办的 主题论坛一：第五届全球汽车技术发展领袖峰会 上，

　　src=一、自动驾驶路线 级及以上自动驾驶发展受阻，行业对未来自动驾驶如何发展陷入大论战，存在纯视觉与感知融合、重地图与轻地图、数据驱动与知识驱动、单车智能与车路协同、跨越式与渐进式、通用化与专用化六大路线之争 , 接下来，针对讨论最为激烈的三大路线之争，与大家分享一下我的思考。

　　纯视觉与感知融合路线之争：环境感知的未来形态是融合感知系统。纯摄像头对于光照不足、杂光影响、不常见物体、恶劣天气等场景易出现感知失效，达不到全环境感知能力 , 多传感器融合可以发挥不同传感器之间的互补效应，快速解决问题。当然，多传感融合也不是无限度硬件 堆料 ，技术进步的驱动下，在满足感知要求的同时，还要不断追求最低的成本，以此打造更加精益化、有生命力的硬件方案，适合大范围推广搭载；随着算法能力 + 数据闭环能力提升， 摄像头为主 + 必要传感器辅助（如 4D 毫米波） 的融合方案，既可以满足全场景自动驾驶需求，成本相对最优，或将是未来多传感器融合的主力形态。

　　重地图与轻地图路线之争：企业可规模产业化的未来形态是轻地图方案。 重地图 属于递增式投入， 轻地图 属于摊销式投入，重地图路线前期高速 + 少量城市数据采购成本不高，后期随城市扩展，采购成本激增，长期还存在地图鲜度不足、覆盖不足，直接导致智驾系统鲁棒性差；轻地图路线前期研发投入高，形成规模后，单位成本可大幅度摊销，具备环境认知实时性好，系统鲁棒性高等优点。

　　数据驱动与知识驱动路线之争：知识、数据双驱动，让自动驾驶系统具有类人自进化功能，可从无到有快速迭代出高级别的智能驾驶。数据驱动在表示类任务上占优，数据驱动模型具有更好的自学习表达能力，适合对外部环境进行感知。知识驱动类比人的 理性、逻辑推断 ，在推理类任务上占优，适合于进行推断与决策。未来自动驾驶 AI 技术，需基于应用场景，结合自身的算法能力与数据积累量，在原有知识驱动的算法上，有节奏地融合数据驱动的范式，以提高整个系统性能、提升算法迭代效率。

　　总之，智能驾驶路线选取，离不开对安全可行、技术可行、成本可行、商业可行的综合考量，未来将趋于轻地图、有成本竞争力的融合感知、基于数据 + 知识双驱动路线发展。

　　一是优化技术架构，AI 与整车 L1-L6 层架构深度融合，打造智能引擎，驱动整车的智能水平提升。原有 6 层整车架构将增加 AI 服务层，作为公共 AI，提供 AI 的数据服务、AI 调度、AI 接口适配和本地模型推理等；原有 6 层架构还将具备 AI 模型训练、AI 感知、AI 执行、AI 应用及服务等属性。

　　二是打破产品体验束缚，让汽车成为自学习、自成长系统。智能座舱领域，生成式 AI 将大幅度提升座舱的互动性与体验感。大模型通过深度学习 + 语言生成，与多模交互融合，迎来开放场景 + 自然交互的全新人机交互体验。在人机共驾场景下，不断学习用户的车控操作，逐步实现基于语音的全场景 AI 控制，彻底解放双手。

　　智能驾驶领域，生成式 AI 有更加强大的场景库生成能力，颠覆采集 Corner Case 的现状，加速自动驾驶开发。大模型在云端算法训练环节，生成各类真实路测场景下不常见的情境，为算法补充 corner case，提升长尾场景下的决策能力，突破 L2.99 的无限循，实现更高阶的智能驾驶体验。

　　三是提升研发效率，在 AI 加持下，开发效率可能会提升 30%-40%。智慧知识系统开发工具、自动化测试手段将软件开发工作变得更加结构化、流程化，预计 60% 的基础通用型软件开发工作将会被大模型取代。反观传统车身、内外饰、底盘等领域，设计、测试仍采用大量人工的生产方式，与软件领先的生产方式存在差距；因此，把软件领域的开发理念、方法、工具运用到传统研发领域中，将会发挥非常巨大的效率提升潜力，是可持续挖掘的金矿。

　　总的来看，基于规则、数据、知识的驱动，大模型全面赋能汽车行业，技术架构将更加完善，产品体验更加常用常新，研发范式实现革命性转变。