理想L9高速追尾后，智能驾驶想要车、路、云“合体”

最近，持续占据热门的理想L9高速追尾事件，似乎正在放慢“智能驾驶”的进度条。该事件中，搭载L2级辅助驾驶功能的理想L9误判广告牌上的小货车图片，突然急刹造成了追尾。事件发生后，理想汽车回复称，事故原因确实是系统误识别所致。

这一事件的发生，有如“当头棒喝”，一度惊醒各大车企。线上，车友们对“智能驾驶”的质疑情绪也逐渐沸腾。焦灼之下，智能驾驶的未来之路，何去何从？

智能驾驶的AB面

4月“大热门”的北京车展上，智能驾驶是无可替代的焦点之一。展出的自动识别红灯、障碍物到自动泊车、AI代驾等智能应用、功能及产品，无疑都在改变人们的出行方式和生活方式。

在应用领域上，智能驾驶对各大车企而言，也一度是展现研发实力和车企底蕴的“试金石”。

正如早期的特斯拉，其之所以能够快速打开市场，除了产品本身外，另一个关键因素就是智能驾驶。特斯拉通过自研芯片+算法+车载操作系统构建出行生态闭环，其自研FSD芯片算力高达72TOPS，计算平台HW3.0算力也达到144 TOPS，均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，渗透率攀升趋势明显。佐思汽研数据显示，2023年，新能源乘用车总体销量为728.65万辆，其中368.42万辆标配了L2级辅助驾驶功能，L2标配的渗透率也随之从2022年的43左右提升至2023年的50.56%。

面对这一趋势，试图瓜分更多市场份额的新势力、传统车企，以及随后进场的华为、小米，无一例外都在加码智能驾驶。人无我有，人有我优，市场参与者之间决胜的逻辑，就是这么简单明了。

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捷性。但不得不说，理想L9高速追尾事件给消费者以及车企们敲响了警钟。

图源来自梅森投研

尽管，《汽车驾驶自动化分级》国家推荐标准显示，理性L9搭载的L2级驾驶自动化等级属于组合驾驶辅助，目标和事件探测与响应主体仍为驾驶员和系统。但在无明显障碍物的前提下，车辆紧急制动功能突然启动，已经明显属于“幽灵刹车”范畴。

汽车行业分析师刘昊表示，幽灵刹车与车辆感知系统有关。传感器中，毫米波雷达不擅长识别静态物体，摄像头受外部环境的影响较大。因此，毫米波雷达进行物体识别时确实会存在误判的情况。

可见，智能驾驶在重视安全的同时也“忽视”了安全，它没有想象中的那么“简单”。

然而，目前的国内市场，雷达已经被广泛运用。蔚来、小鹏、理想等都在尝试“全副武装”，车顶、大灯附近、车头、车尾等多处都进行了配置。对此，相关行业专家认为，感知硬件过多有利有弊，识别获取的大量信息也可能对决策系统作出干扰，导致系统作出错误指令。

因此，一味的加装“设备”并不一定会让性能突飞猛进，反而因为硬件成本的堆积，导致价格战时也处于劣势。

中信证券研报数据显示，激光雷达的单颗成本介于600至2000美元之间，而整套自动驾驶系统普遍需要3至5个激光雷达，因此总成本也在3000至10000美元之间波动，价格不菲。

这样一来，新能源汽车在搭载智能驾驶的情况下，甚至会同时丢失安全性和性价比。在深陷“信任危机”的路上越走越远，智能驾驶还能继续向前吗？

智能驾驶如何走向“完全体”？

在“降本增效”、价格内卷的大背景下，乘联会数据显示，2023年乘用车智能驾驶渗透率与价格呈现反向增长。此时，华为、特斯拉擅用的纯视觉智驾方案，因为成本优势开始受到不少车企追捧。

中信证券在研报中指出，纯视觉方案最大的优点在于其整体成本，经合计，特斯拉8个摄像头的硬件总成本仅为200美元左右，而一套激光雷达的成本则介于3000至10000美元不等。

这里，似乎又出现了“鱼”和“熊掌”不可兼得的问题。

从实际应用层面来看，其安全性依旧存疑。以使用纯视觉方案的特斯拉为例，其L2级驾驶事故频次并不低。

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显示，2021年7月1日至2022年5月15日的10个月内，有392起事故与L2级ADS辅助驾驶系统有关，而这其中70%的事故又与特斯拉相关，概率已然不低。

中信证券在研报中也提到，纯视觉方案具备成本优势，但却更为依赖算法和算力的支撑。这因为，视觉感知到信息量远大于激光雷达捕捉到的信息量。而公认好开的特斯拉正是基于算力为 144 TOPS的FSD Computer，并不断对其算法进行迭代得来的成果。

为了满足新能源汽车搭载“高强度”智驾的需求，算力供应链端仍在追求极致的高算力，英伟达发布的最新一代智驾计算平台Thor，算力已经高达2000 TOPS。尽管如此，但行驶车辆的盲区与超视距感知依旧是单台车辆无法突破的壁障。

从长远来看，想要构建智能驾驶系统的终极形态，仅依靠车辆自身的信息获取与运算能力是不够的。

但如果将汽车本身的算力“负担”向外迁移，转移给云计算服务商，将路面数据采集和分析交给交通基础设施建设者，使车企从“多线任务”转换为“单线任务”，“车、路、云”各板块“各司其职”形成合力。

这样一来，首先是安全性可以得到提升，车辆在行驶过程中，能够实时接收到道路状况的更新，包括潜在危险、事故信息等，可以提前采取预防措施；其次，通过云端的数据分析，车辆可以更为高效的确定最佳路线，大大优化出行效率；再者，智能路线规划和驾驶建议有助于减少不必要的加速和制动，从而降低燃油消耗和减少排放。

成本层面，据中国工程院院士、清华大学车辆与运载学院教授李克强分析，实际上公路基础设施建设的成本远大于信息基础设施本身。从自动驾驶考虑，行驶在信息化道路上进行自动驾驶，远比单车上的成本更低。从整个车路云的大系统看，网联式自动驾驶成本没有增加，甚至某种程度上成本更低。

正如“众人拾柴火焰高”，这不仅能够帮助车企提效，同时还能“减压”。

因此，车路云一体化技术路线或将是智能驾驶与智能交通的最佳答案。

宏观来看，车路云一体化技术路线已经步入上行空间。中国汽车工程学会研究显示，据预测，2025年、2030年车路云一体化智能网联汽车产业产值增量为7295亿元、25825亿元，增长势头强劲。

未来，智能网联汽车同其他产业经济的融合发展，将成为汽车产业转型中新的战略制高点。

结语

站在汽车产业的角度，想要实现智能驾驶，无论是采取“自我孵化”的方式，还是“寻求外援”的方案，终归都是在选择通往终点的路。

大势所趋之下，“不可为”和“必可为”也成为了时代的过滤器，谁会掉队，谁会崛起，这个飞速发展的时代会给出客观的判断。

作者：琴声奏响时

来源：松果财经