🔥較早收集於 28m

何小鵬:中美自動駕駛同處第一梯隊

何小鵬:中美自動駕駛同處第一梯隊
PostLinkedIn
🔥閱讀原文: 36氪
#autonomous-driving#us-china-competition#l4-l5-challengesxpeng-autoxpengwaymotesla

💡小鵬CEO:中美智駕第一梯隊;L4/L5工程化關鍵

⚡ 30-Second TL;DR

有什麼變化

何小鵬認為中美自動駕駛同處第一梯隊

為什麼重要

強化中美自動駕駛競爭平起平坐,促跨國基準測試。顯示儘管領先者進展,工程瓶頸仍存。

下一步行動

對照小鵬最新OTA更新及Tesla FSD v12基準測試您的AV棧。

誰應關注:Developers & AI Engineers

關鍵要點

  • 何小鵬認為中美自動駕駛同處第一梯隊
  • Waymo、Tesla早起步但L4/L5未解
  • 需軟硬體、體系、工程化全面能力

🧠 深度解析

背景與延伸:來自公開資料,非原文內容。引用 6 個來源。

🔑 增強重點摘要

  • Waymo已達成SAE L4級別自動駕駛,其感測器套件包含29個攝像頭、6個雷達和5個激光雷達,相比Tesla的純視覺方案提供更高的冗餘性和天氣適應能力[1]
  • Tesla FSD系統在高速公路上平均行駛213英里才發生一次人工介入,但24%的FSD駕駛記錄顯示至少發生過一次介入事件,主要原因是車道識別問題[1]
  • L3到L4之間存在巨大技術鴻溝——L4級別要求車輛在有意義的駕駛時間內承擔完全責任和法律責任,使用者可進行睡眠、工作等非駕駛活動,而現有深度學習演算法尚無法實現世界知識的完整表示[3][5]
  • Waymo的技術高度依賴詳細的高精地圖和地理圍欄限制,僅能在預先映射的區域運行,而Tesla系統設計目標是在無需高精地圖的任何地方運行[1]
  • 現有的ADAS和主動安全測試協議無法直接應用於L4級自動駕駛系統評估,因為Waymo Driver的感測能力過強,會主動規避測試場景中的衝突情況,導致測試協議本身需要重新設計[2]
📊 競品分析▸ Show
特性WaymoTesla中國廠商(推論)
感測器方案29攝像頭+6雷達+5激光雷達8攝像頭(純視覺)未在搜尋結果中披露
SAE等級L4(已實現)L2(法律)/L4(功能目標)未明確確認
運行範圍地理圍欄限制區域設計支援全域運行未在搜尋結果中披露
人工介入率極低(安全駕駛員很少接管)24%駕駛記錄有介入未在搜尋結果中披露
商業模式機器人計程車服務車輛銷售+軟體訂閱推論為混合模式

🛠️ 技術深入

  • Waymo感測器架構:29個攝像頭提供360度覆蓋,6個雷達用於速度和距離測量,5個激光雷達提供3D環境重建和物體檢測冗餘[1]
  • 視覺限制:Tesla純視覺方案在惡劣天氣條件下性能受限,缺乏激光雷達和雷達的物體檢測冗餘機制[1]
  • 高精地圖依賴:Waymo系統依賴詳細的HD地圖進行路況預測和決策,但地圖更新頻率不足以應對未映射的施工現場等邊界場景[2][5]
  • 深度學習瓶頸:現有深度學習演算法無法實現知識型世界表示,難以處理L3級別以上的邊界情況和未預見的複雜場景[5]
  • 測試協議挑戰:Waymo Driver的感測能力使其能在衝突發生前主動減速,導致傳統ADAS測試場景無法按設計執行[2]

🔮 前景展望AI analysis grounded in cited sources

純視覺方案難以達成L4級別
多感測器冗餘架構在惡劣天氣和邊界場景中的優勢使得激光雷達+雷達組合成為L4級別的實質標準,而非可選方案[1]
地理圍欄限制將長期存在
高精地圖更新頻率和成本限制決定了Waymo模式的可擴展性瓶頸,機器人計程車服務將優先在高價值城市區域部署[2][3]
L4/L5實現時間表被高估
AI專家指出真正的L5級別自動駕駛可能需要數十年,但限定場景的L4級別(如機器人計程車)已具商業可行性,可作為過渡方案[5]

時間線

2024-09
Tesla FSD追蹤數據顯示24%駕駛記錄有人工介入,平均高速公路行駛213英里發生一次介入[1]
2025-06
業界分析指出Waymo、MOIA等廠商在公路測試中缺乏公開視頻記錄,距離真正的L4級別部署仍有距離[4]
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源: 36氪

這是摘要,不是原文。去看原站,或訂閱每週簡報。

每週 AI 簡報

每週一封,可隨時退訂。