行業(yè)正進入比拼工程體系、組織耐力和成本控制的“苦工期”。最終勝負，取決于誰能率先建立起支撐長期競爭的工業(yè)能力

文｜《財經(jīng)》特約撰稿人 宋立偉 趙成

12月的深圳，蘇箐站在 2025 地平線技術(shù)生態(tài)大會上說的第一句話是：“我其實有點無話可說?！边@位被視為中國自動駕駛行業(yè)核心技術(shù)力量之一的人物，同時也是地平線副總裁與首席架構(gòu)師，用這樣一句近乎“泄氣”的話開場，讓現(xiàn)場略顯意外。

剛從緊繃的量產(chǎn)周期中抽身，他對行業(yè)的判斷也顯得格外克制。在蘇箐看來，自動駕駛的大方向正在變得更加清晰，但由此暴露出的難度同樣開始回歸真實世界。

因此，他的演講與行業(yè)近來高漲的興奮氛圍之間形成了明顯的反差。蘇箐肯定2024年在技術(shù)路徑上的關(guān)鍵意義，同時提醒同行“別太嗨”——未來幾年未必是“再造奇跡”的窗口，而是一段拼工程體系、拼組織耐力的長周期。

地平線副總裁兼首席架構(gòu)師 蘇箐 圖源：企業(yè)

這種冷靜并非只來自工程端的經(jīng)驗判斷，市場端的跡象也在同步顯現(xiàn)。中國汽車工業(yè)協(xié)會常務(wù)副會長兼秘書長付炳鋒指出，2025年前十個月，中國新能源汽車銷量達到1294.3萬輛，滲透率逼近一半；具備組合輔助駕駛系統(tǒng)的新車滲透率突破六成。智能駕駛正快速從“可選項”滑向“必選項”。

但若把時間撥回兩三年前，這條賽道的推動力仍主要來自想象力。模型可以繼續(xù)做大，演示視頻可以更炫，但與“人類司機的自然度”之間依舊隔著明顯鴻溝。蘇箐坦言，那時的自動駕駛，本質(zhì)上仍像一臺靠應(yīng)激反應(yīng)驅(qū)動的機器。

直到特斯拉FSD V12出現(xiàn)，把感知、決策、控制真正串在一條數(shù)據(jù)鏈路上，讓業(yè)內(nèi)第一次看到：端到端不僅存在于論文中，也可以在真實道路上跑通。機器或許真的能從海量駕駛數(shù)據(jù)里學(xué)到那些難以寫成規(guī)則的“潛規(guī)則”。

方向因此更確定了。但方向確定之后，行業(yè)的真正難題也隨之浮出水面：在一個路徑更清晰的時代，自動駕駛接下來要解決的到底是什么？

人類最擅長的那部分，

機器最難學(xué)

蘇箐在演講中提出的第一個判斷，就帶著明顯的“反直覺”意味：越是人類覺得困難的工作，比如高等數(shù)學(xué)、復(fù)雜推理，對計算機反倒更容易；但越是人類從小習(xí)得的本能，比如開車、會車時的眼神交流，對機器來說卻是最難跨過去的。駕駛在他看來已屬于這種“天生技能”的范疇。

從外部看，人們往往會輕易得出一種結(jié)論：既然人類經(jīng)過一段時間的學(xué)習(xí)就能開車，機器應(yīng)該更容易做到。但在工程端，事實恰恰相反。蘇箐把自動駕駛工程師的工作形容為“在稠密的物理世界里處理連續(xù)事件”——量產(chǎn)節(jié)點不會停止，車每天都在路上跑，新場景與長尾問題源源不斷，沒有人能跳過。

回到幾年前，行業(yè)普遍覺得系統(tǒng)“基本能開”，但用人類司機的標準衡量，差距仍然明顯：大量場景處理不了、行為生硬、不自然，自動駕駛看上去更像一個隨時可能被觸發(fā)的應(yīng)激系統(tǒng)。

2024年，特斯拉FSD V12 的發(fā)布成為他眼中的轉(zhuǎn)折點。那是第一次看到端到端方法不是停留在實驗室，而是在真實車輛上跑通——不再是感知依賴數(shù)據(jù)、決策規(guī)控依賴規(guī)則，而是整條鏈路交給數(shù)據(jù)學(xué)習(xí)。他把這種體驗比作看到“核裂變實驗”，其意義不在于結(jié)果有多完善，而在于路徑被證明可行。

但正因為路徑確定，他對未來三到五年的判斷顯得更加冷靜。他認為，目前看不到新的理論突破，“AI（人工智能）和 AGI（通用人工智能）的基礎(chǔ)理論在未來三到五年可能不會出現(xiàn)全新躍遷”。相應(yīng)地，自動駕駛將進入一個以工程能力為主導(dǎo)的階段。

哪怕如此，他仍提出一個相當激進的工程目標：在未來兩到三年，把系統(tǒng)的MPI（平均每千公里接管次數(shù)）提升到5萬公里，甚至10萬公里一次，同時做到類人化與全區(qū)域泛化。這些目標并不聳動，卻讓“方向已定，但難度極大”的現(xiàn)實更加清晰。

半截革命被補完，

方法從“加法”變成“減法”

當行業(yè)開始回顧自動駕駛20多年的技術(shù)演進時，蘇箐選擇從最早的車隊講起：CMU（卡內(nèi)基梅隆大學(xué)）時代高度依賴非視覺傳感器，幾乎所有能力都靠人工編碼堆疊；斯坦福團隊引入機器學(xué)習(xí)后有所突破；再到 Google、Waymo，把深度學(xué)習(xí)推到更大規(guī)模。過去這些階段看似連貫向上，但在他眼里，這場“革命”其實只完成了一半。

原因在于，深度學(xué)習(xí)主要重塑了“看得見”的部分——識別車輛、行人、信號燈等動態(tài)目標的確因此被帶上新臺階；然而在靜態(tài)的知識體系中，包括道路結(jié)構(gòu)、優(yōu)先級、策略選擇等仍需要依賴高精地圖補齊。

更關(guān)鍵的是，在感知之后的決策、規(guī)控環(huán)節(jié)，大量邏輯依然由規(guī)則控制。結(jié)果就是系統(tǒng)前半段數(shù)據(jù)驅(qū)動、后半段規(guī)則驅(qū)動，組合在一起，始終沒有產(chǎn)生“徹底換一種技術(shù)邏輯”的感覺。

在這種背景下，2024年之后的解決方法，其分歧變得愈發(fā)明顯。一部分團隊繼續(xù)沿著“模塊堆疊”的路線前進：針對不同場景、不同動作開發(fā)獨立能力點，讓系統(tǒng)像填空題一樣在二維平面上堆滿功能模塊；另一部分團隊則選擇只種“一棵樹”，即用一條大模型鏈路覆蓋盡可能多的能力，等它在足夠數(shù)據(jù)的喂養(yǎng)下自然長高、長粗。

地平線副總裁兼首席架構(gòu)師蘇箐 圖源：企業(yè)

蘇箐顯然站在后側(cè)。他舉了一個內(nèi)部測試的案例：團隊并未開發(fā)“靠邊停車”的獨立功能，但在一次繞行測試中，車輛主動變到了邊道，動作舒緩、合乎直覺，這也讓他意識到新的方法可能會自然長出能力，而不必逐模塊堆疊。他由此判斷，自動駕駛未來的路徑更像“減法”：先把人類駕駛數(shù)據(jù)全部集中起來，再把不需要的部分逐步減掉，而不是像過去那樣，把能力點一項一項往上“加”。

但這種方法帶來的壓力卻直接而沉重。模型規(guī)模變大、鏈路變長之后，每次訓(xùn)練的成本都在攀升；模型行為不收斂、噪聲導(dǎo)致的系統(tǒng)失效等問題也變得更加突出。他坦言，做一輪完整試驗動輒就是十幾億元，還不一定成功。對于任何一家企業(yè)而言，這都意味著必須重新審視自己的真正壁壘——不是某個聰明的想法，而是能否支撐長期不確定性的工程體系與組織能力。

這些討論延伸到L4級自動駕駛，也讓行業(yè)看到了另一種對比。傳統(tǒng)L4級自動駕駛在追求極低MPI時，往往不得不疊加高精地圖、豪華傳感器，再把運行域切得很小，在每一塊區(qū)域里反復(fù)打磨。這套方法能拿到亮眼數(shù)據(jù)，卻極難大規(guī)模復(fù)制。換句話說，這種線性擴展在“全平坦世界”下很難走遠。

地平線副總裁兼首席架構(gòu)師蘇箐 圖源：企業(yè)

當端到端方法跑通之后，他在開發(fā)中看到的變化十分直接：城市泛化速度大幅提升，在絕大多數(shù)城市測試時“天然沒有問題”，只剩下極少量的長尾場景需要處理。這種變化讓他相信，同一套方法有機會在成本可控的前提下，同時服務(wù)乘用車與Robotaxi。

方法論的分野仍在持續(xù)，但行業(yè)正在靠近一個共識：故事可能沒有以前那么好講了，但真正能把自動駕駛帶進現(xiàn)實世界的，恰恰是這些“看上去不那么浪漫”的工程進展。

當城區(qū)L2級輔助駕駛像自動擋一樣普及，

競爭將回到工程與組織能力

談及未來階段的重點，蘇箐把話題拉回了L2級城區(qū)輔助駕駛。他給出了一個簡單卻很能說明問題的類比。高階城區(qū)輔助駕駛未來會像自動擋一樣，不再由價格帶決定體驗好壞。10萬元的車、30萬元的車、50萬元的車，自動擋的好用程度不會有本質(zhì)差異；那么 Urban L2（城區(qū)二級輔助駕駛），也終將走向同樣的狀態(tài)。

支撐這一判斷的，是他對計算機工業(yè)規(guī)律的理解：突破的代價極高，但復(fù)制成本極低。一條復(fù)雜能力鏈路可能需要龐大的資源投入才能第一次建立起來，但一旦路徑被驗證，后續(xù)復(fù)制到更多芯片、更多車型的邊際成本會急速下降。

他用一句帶有強烈工程味道的話來形容這種趨勢：再復(fù)雜的計算機，只要給它幾年的時間，“都會跟白菜一樣”。

因此，他認為接下來最重要的是“能不能以足夠低的成本與足夠快的節(jié)奏把Urban L2做得穩(wěn)定”。一旦這一點被攻克，10萬元級別的車型具備城區(qū)二級輔助駕駛能力將成為自然結(jié)果，而不是宣傳亮點。

但想做到這一點，行業(yè)首先要面對的是更高的成本壓力。

中國市場長期處于價格戰(zhàn)之中，主機廠利潤空間被不斷壓縮，而自動駕駛不僅需要算力、算法、軟件、數(shù)據(jù)等多線投入，還必須在量產(chǎn)體系中處理海量長尾場景。這意味著企業(yè)要在三到五年內(nèi)，既把系統(tǒng)做到足夠穩(wěn)定，又把單車成本壓到合理區(qū)間。

在這里，蘇箐把“工程能力”和“組織能力”稱作一家公司真正的“工業(yè)母機”。他強調(diào)，決定一家企業(yè)能否穿過下一個不確定性階段的，不是一次性引入某項技術(shù)的勇氣，而是組織是否具備持續(xù)吸收新技術(shù)、處理由此帶來的爆發(fā)性問題、在大規(guī)模量產(chǎn)環(huán)境下消化長尾場景的能力。這類能力往往不顯眼，但卻是自動駕駛系統(tǒng)能否從實驗室走向日常使用的關(guān)鍵前提。

類似的思路，也出現(xiàn)在產(chǎn)業(yè)鏈其他技術(shù)型企業(yè)的演進中。12月8日，剛剛登陸港股的納芯微（02676.HK；688052.SH）同樣將組織能力視為公司突破發(fā)展瓶頸的重要基礎(chǔ)。在其創(chuàng)始人兼CEO（首席執(zhí)行官）王升楊看來，強化組織能力是公司對抗競爭以及出海等不確定性的核心底氣與關(guān)鍵支撐。

產(chǎn)業(yè)鏈的其他參與者也在從不同角度補全這幅圖景。付炳鋒提醒，芯片企業(yè)與整車企業(yè)之間在軟硬協(xié)同上的效率仍需提升，端到端模型帶來的測試評價體系、數(shù)據(jù)安全、預(yù)期功能安全等關(guān)鍵領(lǐng)域，也需要行業(yè)盡快形成共識。

跨國車企則在加速本地化研發(fā)，例如大眾汽車集團已將原本由德國總部承擔(dān)的部分開發(fā)任務(wù)轉(zhuǎn)移至中國，以適應(yīng)最快速的市場節(jié)奏。本土車企方面，則更多從生態(tài)協(xié)同的角度思考角色定位：哪些能力應(yīng)由芯片與算法企業(yè)承擔(dān)，哪些體驗需要由主機廠主導(dǎo)，從而在更合理的專業(yè)分工下，提升整體效率。

在這樣的競爭框架下，未來三年看似不會出現(xiàn)太多能夠被拿來慶祝的“里程碑時刻”，但它們很可能決定哪些玩家能夠穿越下一輪技術(shù)周期。

責(zé)編 | 張生婷