作者 | 王秋鳳
如果將蘇箐12月8日在地平線生態大會上的講演，看做本年度“最重量級”技術講演，可能有爭議。從啟發性上來看，其信息含量還是相當出眾的。這麼評價似乎並不為過。
有人嘲笑蘇箐前半段講的非常悲觀，講到後來突然想起地平線副總裁兼首席架構師的角色，才開始“強行樂觀”。這種說法並不公平，誰規定演講只能有一個底色，一段劇情還講究起伏。即便通篇講的都是自動駕駛技術發展的現狀和預期，但技術及技術的商用化有不同的維度，分別給出不同預判很正常。
興盡悲來
蘇箐演講的核心觀點很清楚：從l2向l3發展的過程中，我們成就很大，但即將觸碰到“天花板”。
所謂成就，就是終於確定了“一段式”端到端，為唯一合理技術路徑。蘇箐對特斯拉fsd v12評價很高（這和他在華為對特斯拉的評價截然相反）。2024年這一版出來之後，特斯拉智駕是不是最強不重要，重要的是方向對了。所有的行為決策裡面，終於用數據驅動，全面取代了規則驅動。
此前深度學習只解決了感知的數據驅動，後半段行為決策（就是具體如何開車）仍是規則，這樣就有解決不完的長尾問題。就像好不容易洗乾淨一批臟衣服，下批送來的仍然是髒的要命，這簡直令人絕望。
這迫使大家都拿高精圖來“補”。因此我們能看到，從2018年~2023年，很多大公司，都拚命地在各大城市“掃街”（用導航車繪製高精圖）。余承東還抱怨，上海剛掃完一個月，路況又變了（雖然只是個別變化），以至於高精圖的成本根本控制不住。
“補”的到底是什麼？顯然是靜態的先驗信息，即所謂的“交通語義”——車道線、路肩、坡度、車道銜接、信號燈、交通標誌等，以降低寫規則的壓力。這就是為什麼，當時大家需要高精圖。
而一段式端到端+輕圖，地圖可以不必標太細緻，因此也就不用反覆掃。重要的是前半段感知和後半段行為，終於用一個方法串起來了。即transformer注意力機制下的標準算子，終於隨着參數規模而“湧現”（表現出智能）。
但是現在，可能即將觸碰到深度學習的天花板了。transformer可以持續迭代，做的更“類人”，蘇箐暗示不會超過人類駕駛，這意味着l5絕對沒戲。未來幾年做苦工，就是這部分訓推工作。支撐下一個突破的基本算子，一點影子都沒有。一個新理論的誕生，可能需要10、20年才能到工程實現這一步。既然新理論尚未誕生（有小的可能誕生了，但我們沒意識到其價值），那麼下一個突破就遙遙無期。這才是悲觀的最大理由。
如果蘇箐的說法成立，2024年的自動駕駛，可能是未來5~10年高點。有點“興盡悲來，識盈虛之有數”的味道。
樂觀在商業紅利上
既然如此，樂觀到底在何處呢？現在工程界已經將l2、l3、l4路徑收斂到一個端到端內核上。沿着這條路，有可能攀升到l4，儘管是有很多限制條件的l4（比如有限odd區域），但也改變了兜底負責的主體，從駕駛員轉為車企。
另一個樂觀之處在於，l2現在做的很類人了，會有一個紅利期。原來在高檔車上才能搭載的系統，現在可以放在10萬的車上，也挺好用。表面看上去是硬件成本攤薄（傳感器和soc降價），實際上是算法給後台支持做了減法。包括對減輕對地圖的依賴，訓練成本更低等。
這就是“智駕普惠”的底氣。有沒有可能在將來實現l3，甚至有限l4的低成本上車，當然有可能。蘇箐甚至預測乘用車和robotaxi雙模部署（一輛車上同時擁有l2和l4）。如果實現，對網約車市場將構成顛覆性改變。
l4攀登路徑不明
現在l3量產上路，加了很多限制條件。l4實現路徑如何？現在l4明顯存在瓶頸，高成本的配置（傳感器昂貴）和odd範圍有限（比如亦庄的robotaxi運營）。真正有商業價值的是大範圍的l4（比如超大城市全城範圍）。當前在每個小的odd內打磨l4，開發效率太低了。線性遞推的結果，就是成本高到天上。
蘇箐將希望寄托在“世界模型”上。雖然世界模型在l2上只能做短時間預測（2、3秒），主要用於防止aeb誤動作。但當前主流是基於編碼器架構進行軌跡採樣，更好的方向，恐怕仍然是因果推理模塊，這樣可以做更長時間的預測，比如5~10秒。這就很像人腦在開車時的思考方式。但類似模型非常不成熟，尚未看到工程化的跡象。
預測時間更長，就意味着必須進行多分支虛擬世界的推理（有點像奇異博士在《復聯4-終局之戰》里預測1000多萬個鋼鐵俠與滅霸戰鬥的不同結局），然後找出最優方案。這只是理論上的目標，如何評估每一條虛擬分支的價值（即某個駕駛方案的好與壞）？可能要用到價值判斷，這可能順便搞定端到端這個“黑盒子”的可解釋性，相當於一舉兩得。但工程上到底如何實現，眼下沒人知道。蘇箐雖以“l2到l4平滑過渡”來描述，但他主要指的是用同一條路徑就可以達致，但怎麼個“達致”法，要留給未來。
他隱約覺得，堆算力總有盡頭（中國的限制條件在商業效益，而美國則在於電力）。芯片定製化（多核集成npu、gpu等），則能減低功耗，提升效率，但效能達到什麼程度，才能解鎖長時間預測能力，又是一個未解的謎題。
結 語
如今，像地平線這種公司，已經從硬件（soc）製造，逐漸將手伸向算法，做成軟硬一體的整體封裝方案，供主機廠採購，由後者更多釋放到普及型車型上去。這個採購量如果帶起來，對整個汽車產業的智駕供應鏈都有影響。這也意味着芯片設計公司，從tier2升級為tier1。
顯然，自動駕駛方案公司（比如華為、momenta、元戎等）並不樂見，因為多了對手。而且這樣的對手成本更低，還不要產品定義權，應該是勁敵。
基於以上技術上的探討。未來幾年，全新方法突破不能指望，大家還是要在同一個工程理論上玩命卷完善體驗。這也喻示着中期自動駕駛產業競爭，檔次提不上去，但足夠慘烈。
– e n d –
秋鳳空間
無肇因之始，無自限之垣
品茗聚友，坐而論道。