自动驾驶---大佬对端到端以及L4自动驾驶的思考

1 前言

        在上篇博客《自动驾驶---苏箐对智驾产品的思考》中，已经了解过地平线专家苏箐对自动驾驶未来的思考，今天这篇博客可以让读者朋友们看看另一位大佬的思考。

        轻舟智行在2024年5月份完成了为头部新势力车企客户NOA方案量产交付上车近40万，成为兼具规模化量产经验、交付量行业领先的中高阶智驾解决方案的提供商。其中，头部新势力车企客户，即是理想汽车，理想汽车智驾产品“理想AD”有两个产品，分别对应的是“AD PRO”和“AD MAX”，其中，AD MAX具备城区和高速NOA功能，由理想智驾团队自研，AD PRO具备高速NOA功能，搭载轻舟智航方案。

        侯聪本科毕业于清华大学自动化系，研究生专为计算机系，此后在美国佐治亚理工学院取得计算机科学博士学位。2013年一毕业，就加入了Google。在谷歌任职期间，侯聪被推荐到Google X实验室的无人车项目组，负责感知系统。而后，谷歌在2016年拆分无人车项目组，Waymo正式成立，侯聪也成为了Waymo最早的一批工程师之一。

        本篇博客也是自动驾驶早期从业者&创业者---侯聪，在经过多年的沉淀之后，对自动驾驶未来技术和前景的一些思考，不仅包括技术方面，还包括商业的角度。对于很多自动驾驶行业的人来说，包括笔者自己，多多少少都是有些帮助的，有助于看清未来的职业发展。

2 端到端的思考

        2025年1月16日，轻舟智航2025安全智驾媒体沟通会后，有相关媒体对侯聪进行了采访，其中包括不少有意思的观点，供各位读者朋友思考。

        L4级自动驾驶要实现完全的商业化运营，至少要到2030年。

        端到端，纯视觉等技术路线是否是最优解？

        特斯拉FSD和Waymo比，哪家更强？

        国内普遍的L2+级水平和特斯拉相比，存在代际差？

        特斯拉FSD进入中国是否能够顺利落地等等。

2.1 L4的未来在哪里

        很多人对自动驾驶L4的预期都太乐观了。虽然我觉得乐观点本身也没错，只有乐观才能把事情往前推。当年马斯克也犯过一样的错误，他从很早的时候就开始说做L4，但是一直没有实现，现在说明年会推出来一个车型（Cybercab），但我估计还是会delay。

        他应该还是寄希望在第五代硬件，我估计他在3.0遇到了瓶颈，因为模型容量有限，解决长尾问题时会出现其他问题，就是解决了这边的问题，那边就出现问题。他的算力和算法容量有限，就会出现这样一个问题。

        其实反过来印证了智驾的硬件设计，无论是传感器还是芯片，都由长尾问题，而不是一般性问题决定的。我认为国内的L4要在2030年之后，才能够大规模商业化运营。

        我刚从美国回来，现在真的到处都是Waymo的无人驾驶车，在旧金山任何偏远的地方，都能看到这个车，可能还会连着过去好几辆。最新的数据表明，Waymo的打车量已经超过Lyft，仅次于Uber，我估计迟早会超过Uber。

        我坐了一趟觉得还是有挺多亮点的，包括前面有车要停到路边，可能会有倒车的情况，Waymo在后面会自动向后倒，给前车让出一个空间，等它停进去再向前走。其实这个问题在我离开Waymo的时候就有很多反馈了，当时的车辆还会顶到前面，让前车倒不了，两辆车就卡在这，但是现在这个问题解决了。大家在旧金山有机会一定要再试一试这个车。

2.2 端到端不是实现L4的最终解

        端到端技术本身是有价值的，但是只靠端到端做L4是不可行的，它可能只是L4架构里的一个技术点，在一些决策性的问题上，可能确实会比传统的方案更好，它对信息的利用更加充分，信息的损失更少。但它的问题在于，完全靠数据驱动去解决问题，是解不完的，而且到一定程度还是会碰到瓶颈。

        所以L4的市场是很不一样的，大家可能没有想过，Waymo为什么用这么重的CPU做无人驾驶，大家在说算力的时候，都是讲GPU或者推理的算力，但是从来没有人说你的CPU是多少，Waymo用这么大算力的CPU，就是因为需要很多冗余，同时需要一些规则去保证它的准确性。

        如果真的什么都靠模型，什么都靠模型，总有些问题解决起来成本巨高，所以解决长尾问题不能一味地全部部署到数据模型上，有些问题按规则解其实反倒更快。

        这个行业太多营销了，大家可能存在鄙视链。我再举一个例子，地图可能也在鄙视链里面，无图的鄙视有图的，Waymo其实还是用有图的，我相信L2走下去，可能最后还是需要一些地图的支持。当时大家鄙视地图，是因为在那个阶段，大家追求的目标是我哪里都能开，当时如果太依赖地图的话，地图本身确实有缺陷。

        但是当你的技术迭代，把地图当成先验，而非增值的时候，你后续发现有些问题，还真的要靠地图才能解决。

        这点其实也是符合第一性原理，对于人来说，你熟悉这条路和不熟悉，是不一样的。当你熟悉这条路的时候，你知道什么时候应该变道，什么时候应该提早去做什么决策，这个先验是很有价值的。

        但是如果你没有，至少以目前的技术架构，你很难具备这样一个输入模式。我们管这种输入模式叫记忆行车，实际上也是通过记忆形式把它记下来，还是建了一个图。所以我相信未来地图信息还是会重返智驾方案，只是那个时候它的地图使用方式和之前不一样。

        所以很多东西还是有用的，你还是要用，而不是为了追求更高阶，就认为无图一定比有图好，端到端就已经打败了规则，至少在国内的L4市场肯定不能这么做，L2的话我相信最好还是能够把它们融合在一起，看谁发挥的比例更大。

2.3 Waymo VS 特斯拉

        今天大家都在关心Waymo和特斯拉关于L4的对比，我首先觉得二者目标不一样。

        Waymo的目标是，我就要做一个Robotaxi的服务，就要看市场。比如美国的打车市场主要集中在几个城市里面，因为美国的乡下或者偏远地区，这种需求很少，所以是由市场向导来做这个事情，我只需要搞定这几个城市，拿下多一半的市场份额就够了，边际收益也会比较低。

        特斯拉是卖车的逻辑，所以他肯定要适配美国大部分场景，他要把这个东西做的越来越好，帮他去卖车，同时他也希望走向L4，靠这个故事去驱动销量和内部研发。我有一些朋友在特斯拉工作，马斯克经常会找他们去讨论一些具体的问题，他特别喜欢讨论这些业务。

        这个相对来说，其实就难很多，第一他要解决更多的长远问题；第二个，成本真的是很大的约束，他要卖车，所以传感器不能做的成本很高，这导致他只能在城市上去不断探索，当然这也倒逼他在这方面越来越好。

        但是我现在问还在Waymo的前同事，他们都认为没有激光雷达是做不了L4的，如果只靠视觉，有太多问题是解决不了的。

        但是前两天李想不是也说，他相信马斯克如果在国内做智驾的话，他一定也会选择激光雷达，大家如果真的把安全作为一个很重要的目标，国内如果没有激光雷达的话，确实容易出问题。

        所以特斯拉想要做到L4，需要转变思路，马斯克曾经说过一些话，比如“用激光雷达的都是傻逼”，后面可能要打脸。因为当时是没有成熟的情况，硬件成本比较高，其实是没得用。但是当激光雷达足够好，足够便宜的时候，我相信他还是会回来用的。而且当他把AI能力推到极致，发现推不动的时候，可能也会用激光雷达。

        我自己也经常开特斯拉，在美国也经常遇到一些情况，逆光、下雨，甚至早上出门，因为有露水，我要开十分钟甚至二十分钟以上，露水才能被吹干。如果露水要是在玻璃里面就没办法了，只能晒，这种情况就不允许我打开FSD。这是很典型的一个问题，如果你这块做不好的话，很难实现可靠的运营。

        这次我去CES，我的一些朋友和我说，Waymo在第六代的车上虽然做了一些降本操作，产品的数量减少了一些，但是它的去污清洁、盲区的设计，依然是特斯拉不具备的。

        我说一个有意思的事情，特斯拉推崇第一性原理，说人能靠眼睛开车，你的视觉就能开车。但他忽略了一个事实，人能开，因为人是会动的动物，有脖子，有身体。大家开车都会遇到，比如说前面（玻璃）上有一点脏了，或者这边特别滑，这时候你会活动你的身体去解决这个问题，但是特斯拉的相机是不具备这种能力的，一个机器人坐在车里，才应该是第一性能原理。怎么解决这个问题？要么你把清洁做到位，要么你把冗余做到位。

        这些年，行业里一直存在着严重的信息不对称现象，绝大多数的从业者，包括投资人、媒体，对于L4的研究不够深，甚至曾经一度去diss Waymo，说Waymo不行，但特斯拉还可以。我觉得至少在当前，为什么Waymo可以去大量运营，但特斯拉还不行，二者依然还有一些差距的，可能存在5年以上的差距。

2.4 国内的L2+对比特斯拉

        从整体体验上，现在是没办法一点一点比的，毕竟国内还没有推出FSD，但是从技术粘性上来讲的话，是这样的。

        特斯拉我也认识一些朋友，首先团队确实很厉害，也很精英化，他的人并不是那么多，前两年可能只有200人的规模，现在是三四百人差不多。（特斯拉这个人效确实很夸张）

        这么点人，他的研发效率和在算力数据上的投入，是国内没法比的。第一他们有钱敢投，第二是没有限制，美国现在卡这么严，我们买不到这么大的算力，而且特斯拉也自研了Dojo。（FSD进入中国后）按他的技术框架，只要把数据这块做好，（顺利落地）还是有希望的。因为他的技术本身没有那么大缺陷，但是的确他的产品精益程度（是不够的），因为他们没有那么多人，做不了那么细。

        我相信特斯拉的产品在精细度上，和华为肯定是有差距的，比如停进这个车位，旁边有辆车或者有堵墙的时候，车什么时候应该偏一点，这种体验都很细。而且像Autopark，我记得一年前只有在搭载毫米波雷达的车上才有这个功能，后来纯视觉之后就都禁掉了，因为没有做的很成熟。

        还有一个问题是什么，他的相机其实就是7、8个摄像头，后项倒车有一个鱼眼摄像头，左右前是没有鱼眼的，这导致在泊车的时候，首先没有一个好的视角能看到正下方的东西，下面肯定是有盲区的，只能通过车辆运行过程中，用一些时序上记忆的能力，去记忆某些地方的东西，传感器本身会有一些不足。

        我觉得在国内，泊车场景会更加复杂，比起国内的车企他天生会有一些劣势，能不能完全靠算法补齐，在相同的技术能力下，我相信还是有一面会做的更好一些。

        特斯拉现在和百度合作解决一些数据问题，除了解决数据合规的问题，还有数据训练，他在国内显然没有在美国那么充沛的算力训练，把美国的数据训练之后可以拿到国内使用，但是这样做是否能够满足需求，还存在一些不确定性。