正文
而且接管这个动作本身也有不小难度。当驾驶员进入智能辅助驾驶模式时，系统对于周边环境是否可以进入，还能有一个比较明确的判断。但在系统退出，交给人接管时，系统的判断往往没有那么清晰。试想如果需要人接管时，人没有接管，车开到沟里去了，反倒可能更加危险。当下智驾系统对场景的理解，往往还没有办法达到让接管很平顺的程度。同样的问题也出现在对于接管时速度的把控上，在高速上，很难硬性规定接管时的速度要降到多少，因为一旦后面有跟车，可能造成追尾，因而也需要具体判断。
所以目前L2+难以保证驾驶员能够安全接管，业内对于智驾系统在何时、在何种条件下需要驾驶员接管，也没有明确的规定。
三联生活周刊：智驾系统是否能够确认自身的技术水平面对哪些场景是安全的，哪些是有风险的？
孙辉：
对于边缘场景，因为是“黑天鹅”，所以实际上是无法预知的。面对这种局面，以特斯拉FSD
（完全自动驾驶）
为代表的技术路线，希望将端到端大模型部署到车上，智驾系统一端感知，经过自己系统处理后直接输出结果。因为端到端大模型具有举一反三的泛化能力，能够自己“认出”“黑天鹅”。
但一方面这种方式需要海量的数据做支撑，特斯拉FSD的V12版本已经覆盖了30亿公里的行驶里程数据，这些数据从采集到标注的成本要七八十亿元。国内的车企若想训练出同等水平的大模型，就面临同样巨大的成本。据我所知，以往研发自动驾驶的企业，每年大约会投入数千万元做数据标注，而对于目前生产乘用车的企业，投入的成本要高五到十倍。而像华为在算力建设上，要投入上百亿元，它们的模型要做到五天一迭代，两三周一次OTA
（空中下载技术，也就是远程升级）
。
另一方面，由于是依靠数据，总有遇到突发情况的可能。像同样是FSD，美国的FSD就比中国引进的FSD效果好很多。而除了增加传感器数量，使用“激光雷达+纯视觉”的办法，国内企业需要不断投喂数据，或是做分解模型，生成场景再让系统学习，但同样杜绝不了边缘场景的可能性。
2021款特斯拉 Model Y配备 FSD 系统。
FSD的V12版本已经覆盖了30亿公里的行驶数据，国内车企想要训练出同水平的大模型，需要付出巨大成本
除此之外，现在我们能够知道的是，想要达到比较顺滑的自动驾驶状态，在自动驾驶系统里使用端到端大模型，需要3000TOPS
（也就是要求芯片每秒执行3000万亿次计算）
的算力。目前比较好的算力在500〜1000TOPS，根据摩尔定律推测，达到3000TOPS的水平，还需要两到三年。
对于验证不同软硬件水平面对哪些场景是安全的，属于预期功能安全的范畴，目前国内有关部门正在做测试，但没有任何一个车企的产品获得过预期功能安全证书。而无论面对哪些场景，预计未来L3的标准形成后，配备激光雷达作为安全冗余，大概率会是车企的普遍选择，因为从车企担责的角度考虑，激光雷达的成本远低于算法会带来的风险。
2024年1月11日，一辆自动驾驶网约车行驶在武汉街头，目前武汉已成为全球最大的自动驾驶运营服务区
(柯皓 摄 / 视觉中国 供图)
三联生活周刊：在当前没有完美接管办法的情况下，智驾系统应如何尽量保证安全？
孙辉：实际上，从技术层面来说，DMS
（驾驶员监测系统）
就可以很好地实时监测驾驶员的微表情信息，一旦驾驶员分神或疲劳，就提示驾驶员保持注意力，保证智驾系统只是辅助的功能。但是，由于驾驶员会介意车内隐私，甚至一些车型的DMS摄像头在出厂时就有一个挡板，法规中也没有强制要求乘用车的智驾系统安装DMS的监控摄像头，所以DMS的作用很有限。
我认为，通过监控驾驶员来规范驾驶行为本身就很难，在具备相当自动驾驶能力的情况下，更应该采用高阶自动驾驶系统会采取的最小风险策略。就是当系统感知到驾驶员不在安全状态，或是外部环境超出设计运行条件，或是非常严重的自动驾驶系统、车辆故障，或是紧急碰撞风险时，系统能够迅速应急处理，采取降级运行模式，如将车辆安全地引导至路边停车，或在确保安全的前提下，以较低的速度行驶到安全位置。
三联生活周刊：听起来，最小风险策略的方式对于车企和驾驶员都有利，为什么在目前的L2+中没有实现？
孙辉：
因为能够实现最小风险策略也需要硬件做支持，比如当下如果智驾系统没有配备激光雷达，无法对物体有准确的判断，有这个策略也无济于事。目前智驾系统发现风险后，很难保证安全地将车辆交与驾驶员接管，驾驶员很可能是在速度很快、距离障碍物很近的情况下接管。甚至智驾系统可能无法发现风险。而目前一颗激光雷达的价格在2000到3000元人民币之间，达到500TOPS的芯片价格在500到1000美元之间。一些低端车型显然无法承受，目前也已经出现过一些低端车型无法识别障碍物的情况。而对于车企而言，往往在同一款车的不同配置中配备不同的传感器和芯片，如果高端车型具备最小风险策略的能力，低端车型却不具备，那么低端车型可能就卖不出去，所以车企对此的宣传几乎没有。
三联生活周刊：类似的情况是不是个例？在技术的能力边界并不清晰的情况下，车企对智驾技术的推广有什么特点？
孙辉：
在我的印象里，智驾的卖点每隔几年就会更新一次。
随着智驾系统的发展，智驾作为卖点，往往被车企夸大了能力。
五六年前，车企推出智驾系统时，会宣传高速上的自主变道功能，而如今整体而言，自主变道做得也不是很好。两三年前，城市NOA开始出现。如今的技术路线也已经日渐明确，基本就是城市NOA和AVP
（自主代客泊车系统）
这两个功能在不断迭代。于是，车企这两年在发布新车时，会宣称智驾开城，也就是NOA技术能够应用到多少个城市。开城速度快慢、数量多寡，成为NOA技术成熟与否、市场覆盖面大小的评判标准。不过，车企往往采用的是“先硬后软”的策略，先进行所谓“全国都能开”的宣传，之后期望通过OTA的形式再后续升级。可是，现在能够达到NOA的城市也没有几个。现在车企又宣称自己的车都配备了端到端大模型。而就像之前所说，实际上目前还达不到。
2022年9月18日，北京，2022世界智能网联汽车大会，参观者在无人智能驾驶系统技术示范区观看（视觉中国供图）
三联生活周刊：今年被称为“智驾平权”元年，高速NOA的技术甚至被下放到5万元一档的车型上。而这样的车型只会采用纯视觉的路线。纯视觉的路线目前成了车企降低成本、推广智驾的一个手段？
孙辉：
是的。一些声称具有智驾功能的低配车型，它们的价格在5万到10万元人民币之间，使用的芯片往往低于100美元，算力只有数十TOPS。为了减少算力的负担，它们会在运算时加载高精地图，但它们对临时的维修路段等边缘场景的感知能力可想而知。
这些营销策略对于年轻用户的风险可能更大。一方面，年轻人群体的消费能力低，又更容易接受新事物，低价又具有智驾功能的车，对他们很有吸引力；但另一方面，作为他们人生中的第一辆车，他们的驾驶经验又往往不足。
所以需要始终明确的是，L2+仍是L2，在这个级别下，一旦出现事故，仍然是驾驶员的责任。而L2的核心目的，一个是让驾驶员少疲劳，一个是在极端情况下，通过一些操作使车辆实现避险。当下的宣传容易造成误导，反倒削弱了L2原本的功能。
即便智驾系统被宣传得再先进，对于驾驶员来说，没有达到L3之前，目前也应该像L2级别那样约束自己的驾驶行为，始终保持注意力的集中。
