相信了解过驾驶辅助的都有感触，这不是一个能够轻松看懂的话题，代码、算法、芯片等等话术的专业性和抽象度，甚至比以前的发动机、变速箱原理更加深奥。正是由于这一点，厂家也需要花很大的力气去解释这项新技术，但也同样因为难懂，除了解释，很多厂商也在“疯狂暗示”，试图通过一些关键词，让人觉得自家的驾驶辅助就是高阶水准。比如自家的软件、AI、算法一般，就猛堆芯片和算力，或者在不高的价格区间用上一颗线束同样不高的激光雷达，试图通过单一的参数或者硬件来混淆视听。

可问题在于，这样的过度营销，不仅会误导消费者，对于驾驶辅助产业的发展也同样不利。因为智能化虽然已经成为了中国品牌的一大标签，但实质上又没有拉开那么大的差距，我们依然需要在L2领先的前提下继续加码，提前攻克L4、L5阶段，才能真正筑起自己的护城河，这个时候，种种乱象就成为了绊脚石，让人误以为驾驶辅助不过是简单的硬件拼凑，或者走向唯软件论的另一个极端。为此，中汽中心、清华大学和华为联合发布了《汽车智能驾驶技术及产业发展白皮书》，既为了纠偏乱象以正视听，也为了让更多人有一个专业参考，能够更好的读懂驾驶辅助技术的好坏和潜力值。

乱象＆争议点一：纯视觉也够用，配了激光雷达就等于高阶驾驶辅助？

纯视觉/主视觉与激光雷达之争，算是驾驶辅助领域热度最高的话题之一了。可其实真正仔细了解过驾驶辅助的就知道，这个争议本就缺乏逻辑判断。因为说到底，感知这个话题并不是有硬件就行了，硬件本身的好坏，再加上感知算法，才能决定最终的结果（也就是说摄像头雷达这些只解决“看得清”的问题，想要“看懂”、不误判，还得配合先进的算法）。

换言之，一个真正强力感知系统，得样样都强，这是必须条件。比如纯视觉、主视觉方案，在天气条件好的情况下是够用了，但遇上没路灯的夜路、雨雾暴雪等极端情况，就得靠激光雷达，而且是高线数的才能解决问题；而这还只是硬件部分，对于感知算法，早期的卷积网络还只能通过人工标注来识别障碍物，误判率很高；鸟瞰（BEV）进步了很多，但针对半透明、半悬空的还是有误判；最新的就是占用网络了，但率先推出这一技术的特斯拉又是主视觉方案，缺乏激光雷达和融合感知。所以即使是那种学习特斯拉占用网络+外供激光雷达的方案，技术关键词听起来都挺先进，但如果没有打通底层软硬件设计，也很难达到高度适配……

对此《白皮书》提出的核心观点就是：不要用一维的视角去判断感知系统的强弱，单独有好的软件，或者单独一个激光雷达，都不能解决最终问题，也不等于实现了高阶驾驶辅助。而在这方面，自研了激光雷达，也自研了GOD障碍物识别和PDP感知算法的华为，才是真正做到了既有高阶软硬件，底层技术也是深度掌控，能够完成高度适配，而非拼凑式或者偏科风格的厂商。

乱象＆争议点二：芯片、算力高，再配上个端到端就等于聪明的大脑？

关于第二个争议点芯片和算力，其实逻辑也跟上面一样，同样得样样都强，而非单方面突出、偏科，才能造就真正好用的系统。而芯片、算力，其实就好比前面提到的激光雷达，高参数、大品牌确实能够提高上限，但软件适配、先进程度同样不可或缺。

在这一块，很多厂商普遍就是采取强调硬件、少说软件的方式。比如，相比较为难理解的端到端和具体算法，英伟达、高通、地平线，以及具体多少算力成为了高频词汇，可就如前面所说，如果软件不给力，或者适配没有做好，很可能会出现算力浪费、闲置，或者调度不合理，预判、决策速度依旧不够快等结果。

那么对于算法这个难点，一个大部分人都能听懂的区别就是：如今的大模型，很多其实都是采用开源语音大模型魔改出来的方案，而它存在两个短板，第一是语音大模型，并不是最适合驾驶辅助的大模型，它的原理是通过文本、单词检索/关联进行学习，只是放在车上就换成了学习行驶轨迹预测、驾驶决策等，但其实它强项还是单词和字母，因此对空间预判有天然的局限性；第二是如果是开源大模型魔改的方案，大模型本身会存在很多跟驾驶无关的信息和参数，这机会造成系统、软件体积庞大，运行速度不够快，有些时候无关信息的存在也会对驾驶辅助造成干扰。

所以真正好的系统，首先应该是原生自创的，它不会有绘画、写作等其他功能和参数来干扰，来白白增加芯片的算力负担，会更专业于驾驶辅助这件事；同时，相比之前的语音大模型，世界模型才是潜力值更高的解决方案，它的基本运行原理，是通过理解世界，理解物理常识进行预判和决策，而非通过关联词进行“纸面”上的检索，所以在空间感知、预判和决策规划上天然就有优势。而在这方面，华为最新的ADS 4.0，就引入了世界引擎，从决策速度和准确度上，相比之前都有了大幅提升。

乱象＆争议点三：厂商销量越高，驾驶辅助的训练数据就越多，进化/迭代能力就越强？

关于第三个争议点，就更好解释了。不可否认，从早期的规则式，也就是程序员一条一条代码和规则写好，系统照章办事的模式，进化到通过端到端自我学习的模式之后，学习、训练的确成为了驾驶辅助的关键词。

于是很多人就认为，那些销量好的厂商，因为路测数据更多，所以在系统进化方面就具备天然优势。可实际上，这种思路忽略了一个关键词：长尾效应。简单说，这指的是那些不常见、难点、极端场景，与之对应的就是较为常见、简单的路况。对于后者，现在大部分驾驶辅助已经不需要再多加训练了，这就好比你彻底理解了1+1=2之后，再去练其他加减法效果也不大，想要进阶，就得去学更难的方程式、微积分，而且得是高手教学。

放在车机上也一样，打个比方，如果一个厂商的汽车销量确实很高，但车主几乎不怎么开驾驶辅助，或者只在非常熟悉，路况简单的地方开启领航功能，那么这些数据量哪怕再多，训练的结果也还是约等于原地踏步；更极端的例子，如果是“路怒症”车主，那反而会教坏驾驶辅助。可那些极端的、难点场景又不那么容易遇到，就算遇到了，也不一定是老司机教学，不一定会做出真正正确的决策，那该怎么办呢？

这个时候就必须强化模拟训练的作用了，车主日常提供的数据过于简单、重复，那就可以通过模拟给系统加强度，甚至去反复训练鬼探头、非机动车横穿马路、高速突然遇到施工、维修等等情况。而华为的ADS 4.0除了引入WEWA世界引擎，另一个重点提升就是它也能通过AI训练AI了。

而且两者结合之后，不同于以前那种只看视频片段训练的模式，世界模型真正可以模拟出“梦境”效果，也就是各种传感器也会模拟传来数据，车机每一次训练不仅是训练了预判、做决策的过程，感知算法也会同步得到强化；再加上前面提到过世界模型是可以进一步理解世界运行的规律，理解一些物理常识，那么它在训练的过程中也会强化自己的空间感知、路线预判和规划能力，再加上华为超强的云端算力，这才有可让国产品牌的世界模型以更快的速度领先于全世界其他竞品的可能性。

乱象＆争议点四：能够炫技、做高难度动作，和能够保证安全，哪个才是好的驾驶辅助？

说了三个关于技术层面的话题，其实功能才是用户更关心的点，只不过驾驶辅助涉及的功能太多，既难以一一呈现，也难用统一的标准去对比和测试。可说到底，这其实是一个理念问题：驾驶辅助到底是为了提高安全上限？还是为了去炫技？

对此，AEB功能，也就是主动刹车已经成为了一个分水岭。因为老司机都知道，不管是“让速不让道”这些开车口诀，还是“宁要一副好的刹车，不求一套过剩的动力”，都说明停得住才是安全的核心。把这一点做好了，能够做到既不误判，也不漏判，驾驶辅助才能说具备了高度自动化的基础；同时，自动刹车也的确是驾驶辅助的一个核心难点。

难在哪呢？就是刚刚说的误判和漏判，想要不漏判，其实很简单，都不需要端到端、高算力和先进的算法，早年间的规则式就能做到，比如但凡发现前方有障碍物，一律减速、刹车就行。可这带来的结果必然是既难受又更不安全，比如，高速路上行驶，突然飘过来一个塑料袋，120km/h突然来一脚急减速，甚至直接刹停，你说舒服不舒服，安全不安全？早年间各种“神经质”的驾驶辅助就是这种体验。

而由于L2阶段，事故的责任划分普遍都会判给驾驶员/车主而非汽车厂商，那么为了优化这个问题，汽车厂就开始倾向于漏判而不是误判，或者改用炫技，也就是AES（主动变道），甚至是连续变道两次的AES来替代AEB，毕竟没准确识别出障碍物，导致追尾了，那责任是驾驶员的；借灵敏到过头，由于刹车、刹停动作导致被追尾，那么厂商就有些难辞其咎了。说白了，AEB的难点就在于，系统既得过滤掉那些对行车和安全不会产生明显影响的小障碍物，又不能漏判那些必然会导致车损甚至人员伤亡的大障碍物，这对于计算机的确是个难点。

而ADS 4.0种种技术提升，重点就是强化这方面的能力。它不仅把前向AEB的生效区间扩大到了4-150km/h，也加入和后向、侧向防碰撞，同时它还强调了AEB是行车安全第一道方向这一原则，不到万不得已不会动用主动变道功能，因为“让速不让道”的底层逻辑是，乱打方向盘很可能会引发更为严重的事故。另外还通过激光雷达等设备提前感知地面附着力的能力，优化了雨雪天的刹车距离，并且还能配合主动悬挂稳定爆胎后的行车轨迹，对于鬼探头等难点也能提前1.5秒预判，最后还加入了检测驾驶员失能之后，可以主动靠边停车，通过灯语求援。

就如开头所说，不光是我们自己，现在海外品牌也开始承认智能化已经成为了中国品牌的一大杀手锏。可从现实角度来讲，我们的智能化只是做到了暂时领先，海外依然有特斯拉等强力多收，后续也有L4、L5等诸多挑战在等着我们。这个时候，驾驶辅助领域的种种乱象无疑成为了绊脚石，它混淆了消费者的试听，让人难以分辨技术和产品的好话，对于产业也是在劣币扰乱良币，让本该属于真正技术大咖的聚光灯，被那些试图用简单组装模式的投机者打乱了节奏。而《白皮书》的发布，为厘清技术标准、理念迈出了第一步，它在帮助用户分辨驾驶辅助好坏的同时，也把驾驶辅助拉回了为安全服务这条正轨上。