“AI来了，自动驾驶在哪里？”

这是最近一段时间，自动驾驶圈被一直讨论的一个问题。即在大模型参数和落地案例满天飞的时节里，自动驾驶这个上一个时代的弄潮儿似乎“低调”的过分。没有加法，化学反应也更少的出奇。

大模型时代，自动驾驶到底会怎么样？

把时间往前追溯，自动驾驶的早期发展阶段，众多企业将L4级自动驾驶视为技术*，不惜投入巨资进行研发。他们梦想着在不久的将来，能够实现完全无人驾驶的乌托邦。

然而，随着技术的深入探索和市场的残酷检验，企业们逐渐意识到，L4级自动驾驶的商业化道路并非一片坦途。高昂的研发成本、复杂的技术难题、以及法律法规的严格限制，使得L4级自动驾驶的大规模落地变得遥不可及。

在自动驾驶技术的发展过程中，降维成为了一种渐进式的路线。企业们开始从L4级无人驾驶技术的高难度挑战中抽身，转而探索L2、L3级别的自动驾驶技术，这些技术在成本、技术难度和法规适应性方面都更为现实。

尽管这一转变在当时被许多人视为权宜之计，但随着时间的推移，这种渐进式的路线逐渐成为了业内的共识。

大模型技术的兴起，似乎为L4级自动驾驶技术带来了一丝曙光。

人们期待这些拥有巨大参数量和强大计算能力的模型，能够解决自动驾驶中的一些核心问题，从而推动L4级技术的商业化进程。

然而，现实情况远比预期复杂，大模型亦有其局限性。

元戎启行CEO周光在一次演讲中直言不讳地指出:“L4级无人驾驶就是‘骗人’的。”这句话直击要害，它揭示了一个残酷的真相:技术上的可行性并不等同于商业上的可持续性。

从最初的盲目追求，到对实现路径的不断探索，再到对自动驾驶未来的深刻反思，自动驾驶行业经历了一个完整的发展阶段，正在迎来新的发展周期。

这种转变，不仅是对自动驾驶技术实际应用场景的重新定位，也是对新技术热潮下的冷静思考。正如智行者CEO张德兆所言:“自动驾驶行业的发展正在回到一个正确的路径上。”

在AI漫天飞舞的这个春天，自动驾驶正在回归真正的理性。

新的关键词:大模型

在2024年，自动驾驶领域的竞争愈发激烈，而大模型技术的崛起无疑为这场竞赛注入了一剂强心剂。

这些基于深度学习的算法模型，正以其强大的数据处理能力和自我学习能力，推动自动驾驶技术的飞速发展，将车辆的感知、决策和执行能力提升到前所未有的高度。

自动驾驶的核心在于对环境的准确理解和迅速反应，而大模型正是这一过程中的关键推手。通过对海量驾驶场景数据的学习，大模型赋予了自动驾驶系统更加敏锐的感知能力，使其能够在复杂的城市交通环境中，准确识别和响应各种情况。

这种能力的提升，直接关系到自动驾驶的安全性和可靠性，是实现自动驾驶商业化落地的关键。

在这场技术革命中，智行者、毫末智行、蘑菇车联、元戎启行等企业纷纷布局大模型技术，以期在未来市场中占据先机。

“AI大模型技术是自动驾驶真正实现的*路径。”毫末智行对产业家说。

其认为端到端自动驾驶会是未来很重要的技术方向之一，但还需要几年的时间才能到来。因此这几年是从离散到聚集，感知模型、认知模型、控制模型聚集到一块，从分散到聚集的一个过程。

基于此，毫末智行发布了行业*自动驾驶生成式大模型DriveGPT雪湖·海若，坚定投入大模型技术的研发创新。

对于大模型带来新的可能性，在自动驾驶赛道有着诸多共鸣者。“去年，我们开始全面的去拥抱大模型。”蘑菇车联对产业家说。

更有一些厂商，直接在大模型的加持下，将端到端模型逐渐落地，奔向规模化。“端到端模型将感知、预测、规划三个模型通过矢量数据传输融为一体，无需工程师编写冗长的代码去制定规则，避免了信息在不同模型传递时所产生的减损。”元戎启行对产业家说。

官方消息显示，目前元戎启行已经率先把端到端模型应用于量产车上，该批量产车将于今年量产落地。

总结来看，在2024年的科技舞台上，大模型技术以其在数据处理和模式识别上的*表现，成为了自动驾驶的宠儿。

大模型和“自动驾驶”的「*距离」

大模型虽然在处理大量数据和提升人工效率方面表现出色，但它在自动驾驶的核心挑战面前却显得捉襟见肘。

“在采集周期、标注成本方面，我觉得是现阶段我们能用大模型去促进的，如果直接端到端，我觉得现在是不具备条件的。”张德兆对产业家说。

一个事实是，从大模型技术层面来讲，其解决的还是一些底层的人工效率的问题。

要知道，L4级别自动驾驶要求车辆在复杂多变的交通环境中，具备高度的自主决策能力。这不仅仅是对环境的感知，更涉及到对交通规则的深刻理解、对突发事件的迅速反应，以及对长期驾驶策略的精准制定。而大模型技术，尽管在图像识别和语音处理等领域取得了突破，但在这些更为复杂的任务面前，却难以胜任。

其次，目前大模型技术在处理长尾问题上的不足，成为了其在自动驾驶领域应用的一大瓶颈。

L4级别自动驾驶面临的是真实世界中千变万化的场景，而这些场景中不乏罕见和极端的情况。

据国际汽车工程师协会的报告指出，即使是*进的自动驾驶系统，也难以保证在所有长尾场景下都能做出正确决策。大模型技术在这些低频但关键的场景中，往往因为缺乏足够的数据支持而显得无能为力。

再者，大模型技术的“黑箱”特性，与其在自动驾驶领域所需的透明度和可解释性形成了鲜明对比。

根据麦肯锡的研究，超过70%的行业专家认为，自动驾驶系统的决策过程必须可追溯，以便在出现问题时能够及时纠正。

然而，大模型技术在提供决策依据时，往往缺乏必要的透明度，这在关乎生命安全的自动驾驶领域，无疑是一个巨大的隐患。

“整个大模型在自动驾驶领域的运用跟整个自动驾驶本身的发展模式是一样的，都是一个渐进的过程，不可能一蹴而就。”张德兆对产业家说。

就目前而言，大模型虽然可以推动自动驾驶的发展，但某种意义上而言，自动驾驶基于此，无法实现“大跃进”。

尽管大模型技术在自动驾驶的核心挑战面前存在局限性，但行业内的企业和研究机构正在积极探索解决方案。例如，通过增强数据采集和标注的效率，以及利用多模态数据融合技术，可以提高模型对复杂场景的理解和应对能力。

此外，为了解决长尾问题的挑战，一些企业正在尝试构建更加多样化和平衡的数据集，以及开发更加鲁棒的模型结构。同时，行业内也在推动算法的可解释性研究，以提高大模型技术的透明度，满足自动驾驶系统对安全性和可靠性的高要求。

上路，才是王道

自动驾驶已经走过靠讲故事，拼技术愿景的时代。落到产业实处，才是其价值的真正体现。厂商们也深谙此理。2024年，自动驾驶厂商在商业化上的路径上，亦愈发多元化、深耕。

具体来看，智行者更多致力于自动驾驶全栈解决方案，其在环卫车辆领域的应用尤为突出。“环卫车‘蜗小白’去年是实现了4倍的增长。”张德兆告诉产业家，智行者自动驾驶应用规模在不断扩大。

智行者的全栈解决方案能够提供一站式的自动驾驶服务，这有助于简化客户的技术集成流程，将极大推动自动驾驶技术的广泛应用和行业标准的形成。

蘑菇车联则自主研发了行业*“车路云一体化”自动驾驶系统，这一系统涵盖了AI数字道路基站、自动驾驶车辆、智慧交通AI云平台等多个组成部分，能够在城市开放道路、高速公路等不同场景下实现快速大规模部署。

其主要通过与政府和企业的合作，参与城市级别的智能交通项目，提供车路协同的解决方案，实现自动驾驶的商业化落地。“车路云一体化产品整个线路的时延我们内部测只有60毫秒。”蘑菇车联对产业家说。值得注意的是，这样的时延是人的反应力的十倍。

值得注意的是，这不仅能够提高自动驾驶的安全性和效率，还可能推动城市交通基础设施的升级。不过，这一模式的成功实施还需要政府和多方利益相关者的紧密合作。

毫末智行则是数据驱动模式，其商业化路径强调数据闭环和工程效率，通过大模型DriveGPT雪湖·海若的应用，进一步提升自动驾驶的认知决策能力。

目前来看，其商业化模式不仅包括与主机厂的合作，还涵盖了末端物流自动配送等多个场景的运营。

“做好乘用车客户交付，确保毫末第二代HPilot智驾产品的交付上车。”毫末智行认为，2024是智驾爆发大年，只有用“*性价比”的产品，开拓更多客户，实现大规模商业量产，才是自身产品的*出路。

毫末智行的数据驱动模式强调数据闭环和工程效率，这有助于快速迭代和优化自动驾驶系统。然而，这种模式对数据的质量和处理能力要求极高，需要持续的技术创新和投入。

当然，也有厂商的商业化路径主要集中在Robotaxi领域，通过在特定区域内提供自动驾驶出租车服务来实现商业化，并通过用户的实际使用来收集数据和优化技术。

Robotaxi服务直接面向消费者，能够快速收集实际驾驶数据并优化技术。尽管Robotaxi模式在短期内可能面临安全员配备和高昂硬件成本的挑战，但它为自动驾驶技术的商业化提供了宝贵的实践经验和用户反馈。

无论是智行者的全栈解决方案，毫末智行的数据驱动模式，蘑菇车联的“车路云一体化”自动驾驶系统，还是某些厂商的Robotaxi服务，都在积极探索自动驾驶技术在现实世界中的应用和商业化可能。

落到产业实处，不仅是技术发展的必然要求，也是自动驾驶企业价值的真正体现。随着技术的不断进步和市场的逐步成熟，自动驾驶的未来将更加多元化和丰富，为社会带来更高效、更安全、更便捷的出行方式。

写在最后:

商业模式多元化、赛道发展理性化，自动驾驶的新周期正在来临。

当下，自动驾驶厂商们合作模式也在发生变化，跨行业合作和开放创新成为新的趋势，企业、政府、研究机构和高校之间的合作日益紧密。

政策法规方面，随着自动驾驶技术的发展，相关法律法规也在不断完善，为技术的商业化应用提供了更加明确的指导和支持。

例如2024年年初，工信部等五部门部署开展智能网联汽车“车路云一体化”应用试点工作。这将极大地推动自动驾驶商业化落地。“我们现在要做的就是切入到这些项目里头去。”蘑菇车联对产业家说。

这些变化预示着自动驾驶技术将更加成熟，更加贴近人们的生活。

在这个周期中，企业们更加注重技术的实用性和商业的可行性。大模型技术的应用，不再是单纯追求参数量的游戏，而是如何将这些强大的工具应用于实际场景，解决实际问题。自动驾驶技术的发展，正逐渐从概念的炒作转向实际的落地，从实验室的研究走向市场的应用。

在这个不平凡的新周期中，我们有理由相信，自动驾驶技术将更加成熟，更加贴近人们的生活。企业们将更加注重技术的实用性和可靠性，而不是仅仅追求技术上的突破。自动驾驶的未来，将是一个更加务实、更加人性化的未来。