“冰箱、彩電、大沙發(fā)還是屬于電動化的東西，其實真正的智能車還是要看自動駕駛的能力到底如何。”

“智能駕駛很重要，但是光把智能駕駛做好，好像還不夠，汽車還是非常難做的一個木桶，有一塊板落水就完蛋了，其他板再長都不行。”

“有可能通過明年的競爭以后，車企的競爭除了大吃小以外，還會出現快吃慢，所謂快吃慢就是OTA的頻次”。

今年是NOA的落地年、爆發(fā)年，明年應該是決勝年。城市NOA有兩個關鍵詞，一是無圖，用重感知，拋棄了高精度地圖；二是端到端，讓NOA技術性能水平急劇上升。

大模型的確可以解決深度學習模型帶來的安全長尾難題（corner case）邊緣場景，但是大模型的運算能力要求太高，目前是上不到車上的。

12月13日，同濟大學汽車學院教授朱西產在題為《智能駕駛與城市立體交通趨勢》的演講中指出，特斯拉提出端到端以后，今年國內企業(yè)迅速跟上，一種新的AI模型（深度學習模型）的新的組裝方式，就是用Transformer組裝起來的端到端模型，性能水平急劇上升，所以今年3月份到6月份，NOA技術已經有了一個飛躍式的發(fā)展。但要實現真正的自動駕駛，還得大模型真的上車，要具有舉一反三的推理能力。

以下是朱西產的演講實錄。

非常感謝軒轅獎組委會能給我這個機會，那天他們給我打電話問是否愿意參加這個獎的評選？我覺得難度蠻大的，國內的車越來越好，價格一個比一個便宜，在這些車里還要選出來好的，難度其實蠻大。

中國汽車通過創(chuàng)新，在電動化和智能化方面都已經有了非?？斓耐黄?，今天我分享一下汽車智能駕駛和今年特別熱的低空飛行，低空飛行域的飛行器也是汽車產業(yè)的延伸，用的產業(yè)鏈跟電動汽車產業(yè)鏈和智能化產業(yè)鏈一脈相承，低空飛行器肯定是電動多旋翼，這兩塊東西也是我們的強項。

電動化經過差不多十年左右的推動，近三年左右的高滲透率，今年一邊喜，一邊悲，喜的是中國的汽車通過電動化走到了世界前列，悲的是大部分企業(yè)要倒下，大吃小的現象已經發(fā)生。

智能化，從智能座艙到智能空間，隨著電動化已經出現了，車上如果有20度以上的電，這個車已經可以成為生活空間了，和內燃機汽車不一樣了。原來內燃機汽車是純粹的交通工具，到了目的地肯定馬上就下車，因為你不下車，發(fā)動機就得響著，否則就沒電了，誰也不會在響著發(fā)動機的車里待兩三個小時，受不了。發(fā)動機一斷，電也沒了，也沒法待。

剛才孟為提到冰箱、彩電、大沙發(fā)，這些還是屬于電動化的東西，其實真正的智能車還是要看自動駕駛的能力到底如何。

NOA無圖重感知，漸入佳境

今年是NOA的落地年、爆發(fā)年，明年應該是決勝年。令人唏噓的是極越，它在智能駕駛NOA領域絕對是頭部企業(yè)，還未到決戰(zhàn)就倒下了。它的智能駕駛NOA做得不錯，得虧今年極越沒報名，以我對駕駛這個車的感覺，十佳應該能進去的，如果能進去的話，蠻尷尬的，這邊在發(fā)獎，那邊倒閉了。

智能駕駛很重要，但是光把智能駕駛做好，好像還不夠，汽車還是非常難做的一個木桶，有一塊板落水就完蛋了，其他板再長都不行。

智能化即將成為汽車企業(yè)面臨的第二個難題，是原來傳統汽車行業(yè)不熟悉的芯片、人工智能，以及用戶數據怎么能夠快速迭代，它是OTA的迭代方式。

有可能通過明年的競爭以后，除了大吃小以外，還會出現快吃慢，所謂快吃慢就是OTA的頻次，因為人工智能的產品不是開發(fā)好了以后慢慢迭代。傳統汽車的開發(fā)，從最早36個月縮到18個月，有些企業(yè)可能是10個月，10個月以下再推車不實現了。通過OTA，利用用戶數據，現在頭部企業(yè)的OTA頻次每月1.2-1.5次，意味著2個月左右就得有3次左右的迭代。

這對傳統汽車企業(yè)的安全問題是一個巨大的挑戰(zhàn)，因為這是我們不熟悉的一個領域。

在汽車智能化里，現在語言模型的應用非常普及。智能駕駛的目標是無人駕駛，現在NOA已經可以使用了，接管平均里程（MPI），現在國內頭部企業(yè)在高速上普遍已經接近300-400公里，這個車開上高速公路大概率是用不著接管的。

城市NOA今年是熱點，全國都能跑的技術是無圖，用重感知，拋棄了高精度地圖。所以今年我們看到的NOA，第一個詞是無圖，因為拋棄了高精度地圖以后，一旦推出，開城這個事沒有了，全國都能跑，已經做到了。

實現自動駕駛，還需大模型上車

第二個詞是端到端，特斯拉提出端到端以后，今年國內企業(yè)迅速跟上，一種新的AI模型（深度學習模型）的新的組裝方式，就是用Transformer組裝起來的端到端模型，性能水平急劇上升，所以今年3月份到6月份，我們的NOA技術已經有了一個飛躍式的發(fā)展。

為什么留在L2+，而不敢承認是自動駕駛？這里橫在我們面前的就是深度學習模型帶來的安全長尾難題（corner case）邊緣場景。我們寄希望于大模型，大模型的確可以解決這個問題，但是大模型的運算能力要求太高，目前是上不到車上的。

現在在構建的用戶數據閉環(huán)，基本是從用戶那邊獲取數據，在后平臺、云端使用大模型處理，大模型處理完了數據以后，訓練一個小模型，再把這個小模型布置在車上。

哪天能夠實現真正的自動駕駛呢？我覺得，大模型要真的上車，要具有舉一反三的推理能力。因為邊緣場景靠Scaling law、靠大量的數據，我們開車在路上總會有沒見過的東西，即使四五十歲的人，看到沒見過東西的概率也還是有的。

用小模型的話，什么東西都要見過，這件事情很難做到，而大模型是能夠解決沒見過的東西的問題，可以舉一反三地推理。但大模型現在只能在后平臺、在云平臺，還無法到車上。

現在在深度學習模型上，邊緣場景在所難免，現在智能駕駛卡在L2+，所以L2和L3之間出現了L2+。歐洲的L3已經有法規(guī)了，但是這個法規(guī)遇冷，ECE R157在2021年就推出，一直到現在只有4款車型做了認證，并且市場上也見不到過了認證的車，大家還是留在L2，我們叫做L2+。

但是留在L2+也有隱患，今年歐盟出了ECE R171 DCAS，對留在L2的智能駕駛NOA的車也要進行監(jiān)管，其實ECE R171就是我們今天的NOA，所以到底是留在L2，還是向L3走？

給市場提供自動駕駛功能的車，一旦發(fā)生交通事故的話，是要承擔法律責任的，并且有產品責任，現在這塊留在L2+的狀態(tài)，即便是NOA留在輔助駕駛，DCAS也是作為一類特殊的輔助駕駛，新的品類已經出現，新的國標也在起草中。

對無人駕駛的看法，還是蠻難的。在美國，特斯拉要擺脫制造業(yè)的低利潤，All in AI，特斯拉的市值一直在漲，其實在特斯拉2024年年報中，銷量肯定是下降的，中國比亞迪挑起價格戰(zhàn)，他不回應，銷量肯定下降，但市值還在上升。

他拋出來兩個東西，一個是Robotaxi、一個是人形機器人（擎天柱），華爾街對它的估值非常高，Robotaxi的估值為5萬億美元，人形機器人的估值甚至高達25萬億美元，這兩個加起來高達35萬億美元，已經可以把美國整個外債抵消殆盡，所以他是要完全走科技這塊。

社會的確進入了人工智能時代，今年我們可看到，諾貝爾物理學獎和化學獎全部給了深度學習，都是人工智能。在8月底時，中央電視臺也和我做過一個節(jié)目，在行業(yè)里，對人工智能這一新技術支持下的自動駕駛，大家對它的信心還是非常足的。

低空產業(yè)鏈，與新能源汽車相通

最后一塊是創(chuàng)新的步伐不能停下，因為在創(chuàng)新的路上會有很多先烈，這些先烈如果停滯不前就會完蛋，比如推新能源，動力電池的上了，但是燃料電池的沒人用。我覺得創(chuàng)新還得繼續(xù)往前走，既然創(chuàng)新，思路可能要更寬一點。所以最后想談一下低空經濟下的城市立體交通。

這些低空飛行器運行的600米以下的低空區(qū)域，空管委已經同意下放給地方政府管理，這樣給低空飛行域就提供了非常廣闊的空間。我們在城市里，道路交通存在用地不足的問題，600米低空區(qū)域其實是很好的補充。

從產業(yè)角度來說，隨著智能新能源汽車發(fā)展產業(yè)鏈的壯大，把這些飛行器生產出來沒有任何問題，因為它是多旋翼的，跟新能源和智能化的產業(yè)鏈是一脈相承的。

國內國際汽車企業(yè)都已經進入了這個領域，應該是兩大類機型，一個是多旋翼，一個是復合翼。如果在城市里跑的用多旋翼就行，但多旋翼飛不快，效率也不高，如果城市之間要跑到200公里、300公里就要用復合翼。多旋翼的好處是不需要機場，現在民航對機場需求依賴太強，這個可以原地起降、可以懸停，這些飛行器造出來沒問題。

這是清華車輛學院和奇瑞合作的三件套，來解決飛行和汽車之間的矛盾。在道路上行駛時，機翼是礙事的，飛行時底盤重量也是礙事的，三件套想解決這個問題，道路行駛時無須折疊巨大的翅膀，在藍天翱翔時也用不著帶著沉重的底盤，這些創(chuàng)新在繼續(xù)。

無人駕駛到底是單車智能還是網聯智能，車路云這個思路、創(chuàng)新性很好，但是5G實在不給力，現在走不下去。

從云控角度來說，汽車已經在道路上自由行駛了130年了，憑什么控我？車路云網聯智能的概念在車上很難實施，但是在飛行器上，毫無疑問，如果飛行器要起飛，就要向空管申請航道，批準后才能升空。

另外，光靠動力電池的話，低空飛行器在空中的滯空時間只有20分鐘，如果加上燃料電池，現在已經可以做出滯空時間高達2小時的機型。

汽車領域過于創(chuàng)新超前的技術不要停下創(chuàng)新的步伐，繼續(xù)往前走，可能會有一個更好的未來，我們不愿意在創(chuàng)新過程中看到一些先烈的存在，但創(chuàng)新要不斷。謝謝大家！