L9高速追尾后，智能驾驶想要汽车、道路、云“合体”

最近，L9高速追尾事件继续占据热点，似乎正在减缓“智能驾驶”的进度条。

在这次事件中，L9错判广告牌上的小货车图片搭载了L2级辅助驾驶功能，突然突然造成追尾。事件发生时，理想汽车回复称，事故原因确实是系统误识别造成的。

这一事件的发生就像“当头喝酒”，一度唤醒了各大汽车公司。在网上，骑手们对“智能驾驶”的质疑逐渐被烧开。焦虑之下，智能驾驶的未来之路在哪里？

01 AB面智能驾驶

在4月份“热门”的北京车展上，智能驾驶是不可替代的焦点之一。智能应用、功能和商品，如自动识别红灯、障碍物到自动停车、AI驾驶等，无疑在改变人们的出行方式和生活方式。

智能驾驶在应用领域，对于各大汽车公司来说，也曾经是展示研发实力和汽车公司底蕴的“试金石”。

和早期的特斯拉一样，除了产品本身，还有一个关键因素就是智能驾驶。特斯拉通过自主研发芯片 算法 车辆操作系统构建出行生态闭环，其自研FSD芯片计算率高达72TOPS，计算平台HW3.0计算率也达到144。 TOPS，都是量产车型中的第一梯队。

不仅如此，智能驾驶在消费者决策中的重要性也在提高，渗透率也在上升。根据佐思汽研的数据，2023年，新能源乘用车总销量达到728.65万辆，其中368.42万辆标配L2辅助驾驶功能，L2标配的渗透率也随之从2022年的43上升到2023年的50.56%。

面对这种趋势，尝试划分更多市场份额的新力量、传统汽车公司，以及随后进入市场的华为和小米，无一例外都在加码智能驾驶。没有我的人，没有我的人，没有我的优秀，市场参与者之间的决胜思路就这么简单明了。

深入来看，智能驾驶最根本的意义在于提高人们出行的安全性和便利性。但不得不说，L9理想的高速追尾事件给消费者和汽车公司敲响了警钟。

图片来自梅森投研

虽然《汽车驾驶自动化分类》中国的推荐标准显示，L9搭载的L2级驾驶自动化属于组合驾驶辅助，目标和事件检测和响应主体仍然是驾驶员和系统。但在没有明显障碍物的前提下，车辆紧急停车功能突然启动，明显属于“幽灵刹车”范围。

汽车行业分析师刘昊说，幽灵刹车与车辆感知系统有关。在传感器中，毫米波雷达不擅长识别静态物体，摄像头受到外界环境的很大影响。因此，毫米波雷达在识别物体时确实会出现错误的判断。

可以看出，智能驾驶在注重安全的同时也“忽视”了安全，它并不像想象的那样“简单”。

然而，雷达在目前的中国市场已经得到了广泛的应用。蔚来、小鹏、理想等。都在尝试“装备齐全”，车顶、大灯周围、车前、车尾等地方都配备了。对此，相关领域的专家指出，感知太多硬件有好有坏，识别获得的大量信息也可能影响决策系统，导致系统给出错误的指令。

所以，一味地安装“设备”并不一定会使性能迅速发展，相反，由于硬件成本的积累，导致价格战也处于劣势。

根据中信证券研究报告的数据，激光雷达的单个成本在600到2000美元之间，而整个自动驾驶系统一般需要3到5个激光雷达，所以总成本也在3000到10000美元之间波动，价格昂贵。

这样，新能源汽车在配备智能驾驶时，甚至会同时失去可靠性和性价比。在“信任危机”的道路上，智能驾驶还能继续前进吗？

02 智能化驾驶如何走向“完全体”？

“降低成本”、在价格内卷的大环境下，乘联会的数据显示，2023年乘用车智能驾驶渗透率和价格呈反向增长。此时，华为和特斯拉擅长的纯视觉智能驾驶计划因其成本优势而受到许多汽车公司的青睐。

中信证券在研究报告中提到，纯视觉方案最大的优势在于其整体成本。经过总共，特斯拉8个摄像头的硬件总成本只有200美元左右，而一套激光雷达的成本从3000美元到10000美元不等。

这里，似乎又出现了“鱼”与“熊掌”不能兼得的问题。

就实际应用而言，其安全性仍然存在疑问。例如，采用纯视觉策略的特斯拉，其L2级驾驶事故频率并不低。

根据美国国家公路交通安全管理局发布的L2级自动驾驶事故数据报告，2021年7月1日至2022年5月15日的10个月内，与L2级ADS辅助驾驶系统相关的事故有392起，其中70%与特斯拉有关，概率不低。

在研究报告中，中信证券也提到，纯粹的视觉方案具有成本优势，但更依赖于算法和计算能力的支撑。因为，视觉感知的信息量远远大于激光雷达捕获的信息量。而且认可好开的特斯拉正是基于计算率。 144 TOPS的FSD Computer，并且不断地迭代其算法的结果。

英伟达发布的最新一代智能驾驶计算平台Thor，为了满足新能源汽车搭载“高韧性”智能驾驶的需求，计算率供应链仍在追求极致的高计算能力，计算率已高达2万。 TOPS。即便如此，驾驶汽车的盲点和超视距感知仍然是单辆车无法突破的壁障。

从长远来看，仅仅依靠车辆自身的信息收集和操作能力，构建智能驾驶系统的终极形态是不够的。

但如果将汽车本身的计算率“负担”转移给云计算服务提供商，将路面数据的收集分析交给交通基础设施建设者，使汽车企业从“多个任务”转变为“单线任务”，“汽车、道路、云”部分“各尽其责”形成合力。

这样，首先可以提高安全性。在行驶过程中，车辆可以实时接收道路状况的更新，包括潜在的危险和事故信息，可以提前采取预防措施。其次，通过云数据分析，车辆可以更高效地确定最佳路线，大大提高出行效率；其次，智能路线导航和驾驶建议有助于减少不必要的加速和刹车，从而减少燃油消耗和排放。

在成本方面，根据中国工程院教授、清华大学车辆与运输学院教授李克强的分析，事实上，道路基础设施建设的成本远远大于信息基础设施本身。考虑到自动驾驶，在信息化道路上自动驾驶的成本远低于自行车。从整个车路云系统来看，网络自动驾驶成本并没有增加，甚至在一定程度上降低了成本。

就像“人心齐泰山移”一样，这不仅可以帮助汽车公司提高效率，而且可以“减压”。

所以，车路云一体化技术路线可能是智能驾驶和智能交通的正确答案。

从宏观上看，车路云一体化技术路线已进入上行空间。

根据中国汽车工程学会的研究，预计2025年和2030年，汽车路云一体化智能网联汽车产业产值增长7295亿元和25825亿元，增长势头强劲。

未来，智能网联汽车与其它产业经济的协同发展，将成为汽车产业转型的新战略制高点。

03 结语

从汽车行业的角度来看，要实现智能驾驶，无论是采用“自我孵化”还是“寻找外援”的方案，最终都是在选择通往终点的道路。

在不可避免的趋势下，“无所事事”和“无所事事”也成为了时代的过滤器。这个快速发展的时代会给出客观的判断，谁会落后，谁会崛起。

本文来自微信微信官方账号“松果财经”（ID:作者：松果财经，36氪经授权发布，songguocaijing1)。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com