據(jù)美國公路安全保險協(xié)會（IIHS）官方網(wǎng)站3月12日發(fā)布的消息，IIHS正在針對輔助駕駛系統(tǒng)推出一項新的評級計劃，該協(xié)會發(fā)布的最新研究顯示，在對包括特斯拉的自動輔助駕駛（Autopilot）和全自動駕駛技術（FSD）在內(nèi)的9家汽車制造商的14套輔助駕駛系統(tǒng)進行評級后，特斯拉以及其它幾家主要汽車制造商銷售的輔助駕駛系統(tǒng)都獲得“很差”的評級。

IIHS正在針對輔助駕駛系統(tǒng)推出一項新的評級計劃

在IIHS測試的系統(tǒng)中，只有一款獲得“可接受”評級。特斯拉、梅賽德斯奔馳、寶馬、日產(chǎn)、福特、通用汽車、現(xiàn)代汽車和吉利旗下的沃爾沃汽車品牌的輔助駕駛系統(tǒng)，總體評級為“較差”，它們只在IIHS測試的某些要素上獲得“良好”的分數(shù)，但總體得分都較低。

此外，美國聯(lián)邦監(jiān)管機構(gòu)正在調(diào)查近1000起使用特斯拉輔助駕駛的事故。特斯拉將撞車事故歸咎于那些在使用輔助駕駛或全自動駕駛技術時，沒有聽從車商警告注意道路狀況的駕駛?cè)恕?/p>

不僅是美國，對于全自動駕駛技術的探討也在全球范圍內(nèi)不斷深入。

根據(jù)數(shù)字開物調(diào)研了解到，智能駕駛和自動駕駛都屬于智能駕駛，但在本質(zhì)上有很大區(qū)別。自動駕駛可以簡單地理解為按照預設程序在道路上自動行駛，而智動駕駛則是根據(jù)環(huán)境信息和道路信息等來自主決策、執(zhí)行操作。

在國內(nèi)，智能駕駛也稱為智動駕駛，是目前自動駕駛技術研究的熱點之一，智動駕實質(zhì)上是一種車輛通過自動駕駛技術主動適應環(huán)境變化、應對各種突發(fā)情況的行為模式。

目前，業(yè)界認為智動駕駛還只是一個技術概念。它的實現(xiàn)需要在硬件、軟件和算法等方面均有重大突破。同時，業(yè)界也認為，由于智動駕駛目前還無法完全實現(xiàn)，因此，它不是一個成熟的概念。

那么，問題來了，智動駕駛是一個偽命題嗎？

市場需求和技術的變化

驅(qū)動從自動駕駛到智動駕駛轉(zhuǎn)變

智動駕駛核心目標是通過實現(xiàn)高度自動化乃至完全自主化的駕駛模式來提高交通安全、降低交通事故發(fā)生率、優(yōu)化車輛運行效率并緩解交通擁堵問題。

這些技術通過實現(xiàn)完全自動化駕駛，即無需人類駕駛員的干預，車輛可以在所有道路條件下和所有速度范圍內(nèi)自主行駛，從而達到上述目的。

自動化駕駛

這需要依賴于高級傳感器系統(tǒng)、深度學習算法以及實時決策系統(tǒng)的精密配合，確保自動駕駛汽車能夠在復雜的交通環(huán)境中做出正確的決策。

盡管自動駕駛技術在提高駕駛安全性和效率方面具有巨大潛力，但它仍面臨一些挑戰(zhàn)和限制。

例如，自動駕駛技術需要解決的是如何在復雜的交通環(huán)境中做出正確的決策，這涉及到識別和分析各種交通情況、理解行人和其他車輛的行為、預測未來的交通狀況等。

這時候就需要智動駕駛技術破解上述難題。

目前，根據(jù)業(yè)界和相關報告總結(jié)，智動駕駛技術解決的問題可以分為三類：

一是復雜場景下的安全駕駛，這類場景主要集中在封閉道路上，智動駕駛系統(tǒng)必須能夠感知到周圍環(huán)境，并且做出合理的決策和控制。例如在高速公路上，車輛要能夠感知到周圍車輛和道路情況，并做出合理的決策和控制。

二是在特殊情況下的自動駕駛，這類場景主要集中在城市道路、復雜交通環(huán)境下的自動駕駛。

三是人對環(huán)境的理解和認知能力，這類場景主要是指人類能夠通過視覺、聽覺等感覺器官獲取外界信息并進行認知和決策的場景。

總的來說，智動駕駛的核心是“數(shù)據(jù)驅(qū)動”，是人工智能與大數(shù)據(jù)的深度融合。同時，從自動駕駛到智動駕駛的轉(zhuǎn)變，不僅反映了汽車行業(yè)對智能化技術應用的深入探索，也顯示了消費者對于更加安全、便捷的駕駛體驗的期待。

隨著技術的不斷進步和市場的逐步接受，未來智能駕駛技術有望實現(xiàn)更廣泛的應用，從而為人們的出行帶來更多便利和安全保障。

智動駕駛應用落地現(xiàn)狀

目前，智動駕駛技術的應用場景包括公共交通、物流、園區(qū)等，其中公共交通如無人駕駛公交車因線路固定、車速慢、專道專用等特性，成為理想的落地場景。

智動駕駛應用落地現(xiàn)狀

例如，北京市首批人工智能行業(yè)大模型應用案例中，長城汽車和毫末智行聯(lián)合開發(fā)的自動駕駛生成式大模型DriveGPT雪湖·海若成功入選，展示了自動駕駛技術在智能化方面的進展。

數(shù)字開物了解到，長城汽車和毫末智行聯(lián)合開發(fā)的智動駕駛生成式大模型DriveGPT雪湖·海若，是業(yè)內(nèi)首個此類模型，旨在重塑汽車智能化技術路線。

智動駕駛生成式大模型DriveGPT雪湖·海若

該模型的技術細節(jié)包括采用了Transformer大模型技術進行探索，并快速落地應用到BEV視覺感知算法中，通過五大模型的方式來實現(xiàn)自動駕駛感知。

DriveGPT雪湖·海若的參數(shù)規(guī)模達到了1200億，預訓練階段引入了4000萬公里量產(chǎn)車駕駛數(shù)據(jù)，RLHF階段引入了5萬段人工精選的困難場景接管Clips。

該模型還根據(jù)輸入端的提示語以及毫末CSS自動駕駛場景庫的決策樣本去訓練模型，讓模型學習推理關系，從而將完整駕駛策略拆分為自動駕駛的部分。

在應用效果方面，DriveGPT雪湖·海若已經(jīng)成功入選北京市首批人工智能行業(yè)大模型10大應用案例，成為入選名單中唯一的汽車企業(yè)。這表明其在智動駕駛領域的應用受到了認可。

KargoBot提出的"一種人與系統(tǒng)混合并存的解決方案"KargoOne，通過由2～6輛車組成的車隊進行端到端的運輸工作，展示了干線卡車自動駕駛的潛力。

再比如，希迪智駕園區(qū)應用案例展示了智能駕駛與車路協(xié)同技術的融合，為“無人智慧園區(qū)物流”打造了樣板。

據(jù)悉，希迪智駕攜手華為、比亞迪，基于自研的智能駕駛系統(tǒng)軟件，搭載華為MDC車規(guī)級智能駕駛計算平臺，以及比亞迪純電動卡車T8作為載體，共同打造了園區(qū)物流智動駕駛解決方案。這一解決方案已經(jīng)在惠州某物流園內(nèi)落地運行，并且已經(jīng)安全運行1年時間。

不僅如此，希迪智駕還成功將該解決方案應用于其他場景，如礦區(qū)自動駕駛系統(tǒng)，通過感知、規(guī)劃、定位等多重自動駕駛技術及傳感控制單元的應用，實現(xiàn)了礦卡的無人駕駛。

希迪智駕的技術創(chuàng)新不僅限于園區(qū)物流領域，還包括車路協(xié)同技術的研究和應用。例如，希迪智駕在C-V2X工程實踐中提出了白天能見度檢測與預警的新方法，有效提升了高速公路行駛的安全性。

同時，希迪智駕還積極參與到智慧城市的建設中，其主動式公交優(yōu)先系統(tǒng)已在多個城市落地，為城市交通管理提供了新的解決方案。

智動駕駛是偽命題嗎？

技術加速迭代，應用場景的不斷拓展，智動駕駛還只是未來設想嗎？

根據(jù)數(shù)字開物調(diào)研發(fā)現(xiàn)，現(xiàn)階段，業(yè)界普遍對于智動駕駛技術的主要爭議和面臨的挑戰(zhàn)主要聚焦在以下幾個方面：

1.技術困境：智動駕駛技術的發(fā)展面臨著傳感器和感知挑戰(zhàn)，特別是在不良天氣條件下，自動駕駛系統(tǒng)需要能夠在惡劣天氣條件下正常工作。

此外，環(huán)境感知是智動駕駛在復雜駕駛環(huán)境中面臨的一大難題，包括對路面、靜態(tài)物體和動態(tài)物體的感知。

2.認知困境：由于人類駕駛過程中所面臨的路況與場景多種多樣，且不同人對不同情況所做出的駕駛策略應對也有所不同，因此類人的駕駛決策算法的優(yōu)化需要非常完善高效的人工智能模型以及算法。

3.倫理和法律困境：智動駕駛技術的發(fā)展還涉及到倫理與責任問題，例如L2級別智動駕駛汽車的事故時有發(fā)生，并面臨著惡劣天氣、臨時管制、交通路口、路面落物或反光等大量挑戰(zhàn)。這些挑戰(zhàn)不僅涉及到技術層面，還包括倫理道德和法律責任等方面。

4.技術路線的爭議：未來智動駕駛的技術路線可能會有多種，但是無圖和高精地圖這兩種技術路線都有其優(yōu)缺點，適用于不同的場景和需求。這表明在技術路線的選擇上存在爭議，如何選擇最適合的技術路線成為了一個挑戰(zhàn)。

總的來說，過去幾年，以特斯拉CEO馬斯克為代表，全球多家汽車廠商高管把自家的輔助駕駛技術ADAS說得神乎其神，然而，現(xiàn)實當中的事故和事故隱患此起彼伏，并且出現(xiàn)了多起大規(guī)模汽車召回事件。這些讓人們看得越來越清楚，ADAS技術還不成熟，有很多問題需要解決。

ADAS是一套非常復雜的軟硬件系統(tǒng)，要想實現(xiàn)安全的輔助駕駛，是一件很難的事情，并不像當下車商宣傳的那么厲害。要想實現(xiàn)真正的L3，甚至是L4級輔助駕駛，還需要解決很多問題。

例如，核心處理器的算力及其軟件配套能力，與ADAS相關的其它零部件性能和可靠性的提升，感知技術的成熟，以及法規(guī)的完善和技術標準體系的統(tǒng)一。

而隨著輔助駕駛級別逐步提升，應用功能越來越豐富，汽車對芯片算力的要求越來越高。特別是在安全性和實時性方面，ADAS的要求很高，需要系統(tǒng)具備更高的認知與推理能力。

汽車對芯片算力要求

目前，以Mobileye、英偉達、特斯拉為代表的廠商在ADAS計算芯片方面走在了市場前列，相關產(chǎn)品已在中高端和新勢力車型中廣泛應用。

不過業(yè)界也有認為，智動駕駛有它的優(yōu)勢和劣勢，如果不能克服這些問題，則智動駕駛是一個偽命題。

所謂的優(yōu)勢是指它能實現(xiàn)“人車共駕”，也就是說，能夠為乘客提供一種真正意義上的“人車共駕”體驗。而劣勢則是指它無法應對復雜多變的環(huán)境，因為目前的技術還無法完全理解環(huán)境。

例如：在智動駕駛車輛行駛過程中，突然出現(xiàn)了一個物體，即使沒有其他車輛通過，它也會進行躲避。而目前的自動駕駛技術還無法識別出這是一個物體還是人。

再如：在一個復雜的隧道環(huán)境中，如果出現(xiàn)了幾個機器人在隧道內(nèi)行走，由于它們不熟悉環(huán)境，可能會碰撞到其他車輛。但如果此時沒有其他車輛通過隧道，這些機器人可能會撞上隧道口。

數(shù)字開物認為，未來，我們期望通過科技手段實現(xiàn)人與車之間的信息交互，尤其是車輛能夠直接“讀懂”行人的心思，并根據(jù)行人的行為做出反應。當然，這需要我們對目前的技術進行革新。

自動駕駛“讀懂”行人的心思模擬

當前的智動駕駛技術通過攝像頭、雷達、超聲波等傳感器感知周圍環(huán)境，但是這些傳感器都有自己的局限性，無法覆蓋所有場景。

而人與車之間可以直接進行信息交互，例如語音、文字等。此外，如果未來通過車聯(lián)網(wǎng)將汽車與其他設備連接起來，那么還可以實現(xiàn)共享出行服務。汽車與車輛之間可以進行信息共享，從而實現(xiàn)車輛在沒有駕駛員的情況下獨立行駛。

同時，智動駕駛的發(fā)展也面臨著一些挑戰(zhàn)，比如如何解決通用性和泛化性的問題，以及如何通過物理世界的視頻預測解決自監(jiān)督的壓縮物理世界問題。

此外，智動駕駛系統(tǒng)的仿真測試也是其發(fā)展過程中的一個重要環(huán)節(jié)，通過軟件仿真可以對智能駕駛系統(tǒng)和算法進行測試，以確保其在真實世界中的表現(xiàn)。

綜上所述，智動駕駛是一個真實存在的領域，它正在不斷發(fā)展和完善中，盡管存在一些爭議和挑戰(zhàn)，但其前景是積極的。