1. 自动驾驶的“胜利宣言”与行业现实在2022年的国际消费电子展上Mobileye的首席执行官Amnon Shashua发表了一番足以让整个汽车科技圈侧目的言论。他不仅宣称自动驾驶技术“已经解决”更给出了一个具体得令人咋舌的时间表Robotaxi自动驾驶出租车将在当年上路而面向普通消费者的“L4级自动驾驶汽车”将在2024年问世。这番言论的背景是Mobileye的母公司英特尔正紧锣密鼓地推动其首次公开募股。一时间行业内外议论纷纷兴奋与质疑交织。毕竟在同一片赛道上Waymo、Cruise、Argo AI、Aurora等巨头已经投入了数百亿美元和超过十年的时间仍在特定区域进行着谨慎的测试。Mobileye的自信从何而来这究竟是技术突破的黎明还是一场精心策划的“自动驾驶漂洗”“自动驾驶漂洗”这个概念由研究员Liza Dixon提出特指汽车制造商或技术公司通过夸大其自动驾驶系统的能力进行误导性营销的行为。这类似于“绿色漂洗”只不过对象从环保变成了自动化。Shashua的演讲恰恰成为了分析这一现象的绝佳案例。他巧妙地重新定义了自动驾驶成功的关键指标将公众和投资者的注意力从“能否安全处理所有复杂路况”这一根本性难题转移到了“平均故障间隔时间”这个单一、且可被重新解释的统计量上。这种话语的转换暴露了当前自动驾驶行业在技术、商业和监管交叉路口所面临的深层困境在技术尚未完全成熟、安全标准尚未统一的当下激进的市场承诺与审慎的工程现实之间存在着巨大的鸿沟。2. Mobileye的“三支柱”理论能力、鲁棒性与效率的解构在CES的主题演讲中Shashua为“优秀的自动驾驶解决方案”勾勒了三个核心支柱能力、鲁棒性和效率。这套理论听起来逻辑自洽但深入剖析后会发现其中充满了值得玩味的模糊地带和潜在的话术陷阱。2.1 能力全场景覆盖的承诺与“类人”策略的模糊性Shashua宣称Mobileye的方案支持从高速公路、乡村道路到城市街道、主干道的“全运行设计域”。这意味着系统理论上能在所有这些场景下运行。然而“支持”一词本身是模糊的。它是指已经实现了稳定、安全的全程无接管驾驶还是指传感器和算法框架具备了处理这些场景的“潜力”从行业实践来看后者更接近现状。许多公司的系统都宣称具备处理多场景的“能力”但真正的挑战在于将这些能力无缝集成并确保在任意场景切换时都能保持极高的安全水平。更关键的是他提到的“类人驾驶策略”。这听起来是个美好的目标——让自动驾驶汽车像经验丰富的人类司机一样平滑地汇入车流。但问题在于“类人”本身就是一个极其主观且多变的基准。不同文化、不同驾驶风格的“人类司机”行为差异巨大。是应该模仿激进司机的见缝插针还是保守司机的耐心等待自动驾驶策略的制定本质上是在无数个道德、效率和安全的“电车难题”变体中做出选择。将“类人”作为卖点巧妙地回避了为这些具体选择建立透明、可验证标准的核心责任。2.2 鲁棒性用MTBF重新定义自动驾驶等级这是Shashua演讲中最具争议性也最体现“自动驾驶漂洗”精髓的部分。他提出了一个惊人的观点L2部分自动化和L4高度自动化之间的区别不在于系统能处理多少种场景而在于“平均故障间隔时间”。注意这里的“故障”定义是模糊的。在工程领域MTBF通常指硬件系统在发生故障前正常运行的平均时间。但在自动驾驶语境下“故障”是指系统无法处理某个场景而要求人类接管“脱离”还是指发生了可能导致事故的安全关键性失效Shashua并未明确这为后续的数据呈现留下了巨大的操作空间。他进一步阐述如果系统的MTBF低于人类驾驶员的平均事故统计间隔那它就是个L2系统如果高于就可以是L4系统。这套逻辑的巧妙之处在于转移焦点它将公众对“自动驾驶能否像人一样思考和处理未知情况”的复杂质疑简化成了一个看似客观的、可量化的数字比较。降低标准它隐含地承认L4系统仍然会“故障”只是频率比人类司机出事故的频率低。这实际上放宽了人们对“完全自动驾驶”的想象——它并非永不犯错只是犯错更少。数据游戏人类驾驶员的“平均事故率”本身就是一个变量受地区、路况、时代影响。选择哪个基准数据直接决定了“达标”的难易程度。2.3 效率成本控制的雄心与现实的落差Shashua为“消费级L4自动驾驶”设定了一个极具吸引力的目标物料成本“远低于5000美元”。这对于将高阶自动驾驶从昂贵的Robotaxi成本动辄数十万美元普及到家用车市场至关重要。Mobileye的方案核心是依赖摄像头为主的视觉感知辅以自研的EyeQ系列芯片和REM众包高精地图。这套技术路径的优势在于硬件成本相对可控。然而低成本方案面临严峻挑战感知冗余的缺失仅靠摄像头在极端天气暴雨、大雾、强逆光或面对某些罕见但危险的场景时可靠性会显著下降。虽然Mobileye也提到了激光雷达的备用方案但这无疑会增加成本。算力与功耗的平衡要实现L4级别的决策规划需要巨大的算力支持。Shashua提到2024年的Zeekr车型将使用6颗EyeQ5芯片。多芯片协同带来的功耗、散热和系统集成复杂度是否会最终推高成本仍需观察。“长尾问题”的成本处理那些发生概率极低但种类繁多的“边缘案例”是自动驾驶研发中最烧钱的部分。确保系统在99.9%的情况下运行良好可能相对容易但为了覆盖剩下的0.1%研发投入可能呈指数级增长。低成本方案能否有效应对“长尾问题”是最大的疑问。3. L4消费级AV与Robotaxi两条路径的叙事矛盾Shashua描绘了自动驾驶未来的两种图景一种是提供出行服务的Robotaxi另一种是个人购买的、具备L4能力的消费级汽车。他极力论证后者是更具包容性的未来因为“如果你能购买一辆具备L4能力的车自然可以在此基础上增加网约车服务层卖给运营商”。反之他认为昂贵且受地理围栏限制的Robotaxi技术无法自然过渡到消费级AV。这个论述存在一个明显的逻辑缺口如果消费级L4在技术和成本上都是更优、更终极的解决方案并且已经近在咫尺2024年那么Mobileye为何还要同时投入资源开发被视为“过渡产品”或“死胡同”的Robotaxi这不得不让人怀疑Robotaxi项目更像是维持资本市场热度、展示技术可行性的“展示橱窗”而消费级L4的承诺则是一个面向更广阔市场的、更具吸引力的未来故事。两者在资源分配和战略优先级上可能存在的矛盾在演讲中被刻意回避了。4. SAE J3016标准术语的迷雾与安全的缺失Shashua在整个演讲中刻意避开了引用国际汽车工程师学会的SAE J3016自动驾驶分级标准。这并非疏忽而是一种策略。J3016标准定义了从L0到L5的六个级别核心区别在于动态驾驶任务和接管的职责归属。然而正如卡内基·梅隆大学的副教授Phil Koopman反复指出的J3016本质上是一份术语标准而非安全标准。4.1 J3016的局限性J3016级别核心定义关键模糊地带L2部分驾驶自动化系统在特定设计运行域内同时执行横向和纵向控制驾驶员必须持续监控环境并随时准备接管。“持续监控”的程度无法量化。驾驶员容易因系统表现良好而放松警惕产生自满导致在需要接管时反应不及。L3有条件驾驶自动化系统在特定ODD内执行全部动态驾驶任务当系统请求时驾驶员必须接管。“系统请求”的提前量和清晰度没有标准。从“非驾驶状态”切换到“全神贯注驾驶状态”的人类反应时间被低估。L4高度驾驶自动化系统在特定ODD内执行全部动态驾驶任务即使系统失效或请求未被响应也能完成最小风险操作。“特定ODD”的范围可以任意定义。一个仅在天气晴朗、中午、低速、单一园区内运行的L4与一个能在所有公开道路运行的L4技术难度天差地别但都叫L4。正是这种模糊性让“L4”成为了一个强大的营销工具。厂商可以宣称实现了“L4”但通过严格限制ODD例如仅限某个阳光明媚的加州小镇的几条固定路线来降低技术难度。Shashua重新以MTBF定义L4在某种程度上也是对这种术语滥用的“创造性应对”但用一种模糊替代了另一种模糊。4.2 Koopman的替代方案聚焦安全与职责Koopman教授提出了一套更强调安全实质和职责明晰的四分类法旨在取代容易引起混淆的SAE级别驾驶员辅助系统提供警告或短暂干预驾驶员负全责。监督式自动化系统执行持续驾驶任务但人类驾驶员必须持续监督并准备随时接管。这涵盖了当前大多数所谓的L2和L3系统明确强调了人类持续的监督责任。自动驾驶操作系统在定义的ODD内负全责无需人类监督。这对应的是真正意义上的L4但要求有明确、验证过的ODD边界和完备的最小风险策略。车辆测试明确区分研发测试阶段适用完全不同的监管和安全规程。这套方案的核心是剥离营销话术让分类直接对应不同的安全要求和监管框架。它迫使厂商明确回答你的系统在什么条件下、由谁负责、如何保证安全5. 从“胜利宣言”到现实困境行业面临的真正挑战Mobileye在CES上的高调宣言像一面镜子映照出整个自动驾驶行业在商业化前夜所面临的共同挑战。5.1 技术上的“长尾效应”与机器学习的脆弱性自动驾驶的核心难题并非处理99%的常规场景而是如何应对那1%甚至0.1%的“边缘案例”或“黑天鹅事件”。这些案例千奇百怪一个穿着卡通服装的行人、一个被风吹到路中间的塑料袋、一辆拖着异形货物的卡车、一段临时改变但标记不清的道路……当前的深度学习算法在数据分布之外的表现非常脆弱。Koopman教授一针见血地指出“机器学习是脆弱的它难以处理从未见过的事物。” 证明系统比人类平均驾驶水平更安全需要积累天文数字级的无事故里程这无论在时间还是成本上都令人望而却步。5.2 监管的缺失与企业的自我主张多年来自动驾驶行业一直在“创新优先”的旗帜下呼吁宽松甚至无监管的环境。这逐渐演变成了一种“让我们说任何我们想说的话”的氛围。缺乏统一、强制的安全验证标准和披露要求使得厂商的承诺无法被客观衡量和比较。Mobileye重新定义L4标准的行为正是在这种监管真空中才能发生。当标准可以被企业自行定义时任何关于“领先”或“解决”的宣称都失去了公认的标尺。5.3 商业压力与技术承诺的冲突Mobileye的演讲发生在其IPO前夕这绝非巧合。资本市场渴望激动人心的故事和清晰的盈利时间表。承诺“2024年推出消费级L4”比承诺“我们将在未来十年持续投入研发逐步解决剩余的技术难题”要吸引人得多。这种商业压力可能导致技术路线图被过度压缩安全验证周期被缩短从而埋下隐患。历史已有先例2016年宝马、英特尔和Mobileye曾联合宣布目标是在2021年实现L4/L5自动驾驶的量产但这一合作最终无果而终。6. 给从业者与观察者的启示如何在迷雾中保持清醒面对层出不穷的自动驾驶“突破”和“宣言”无论是行业内的工程师、产品经理还是投资者、媒体或普通消费者都需要一套自己的“防漂洗”工具箱。追问具体定义当听到“L4”、“全场景”、“类人”等词汇时立刻追问其具体含义。ODD的具体边界是什么“安全”是如何量化定义的测试里程是在何种场景下积累的脱离接管率是多少关注安全验证方法而非营销口号一家公司是采用模拟测试、封闭场地测试、影子模式还是实际路测来验证安全其安全案例的论证是否完整、透明是否愿意接受第三方审计审视成本与规模的匹配度一个声称能低成本量产的方案其传感器配置、算力平台是否真的能支撑其所宣称的ODD它的冗余备份方案是什么成本中是否包含了处理“长尾问题”的巨额研发摊销理解商业语境将任何重大的技术宣布与其公司的商业周期如融资轮次、IPO、新车发布联系起来看。激进的承诺是源于真实的技术飞跃还是源于市场的期待压力自动驾驶是一场马拉松而不是短跑冲刺。真正的进步体现在对复杂问题的深刻理解、对安全边界的审慎探索、以及对失败案例的坦诚剖析上而非新闻稿中不断提前的发布日期。Mobileye的CES演讲无论其最终能否实现都成功地引发了关于行业标准、安全本质和商业伦理的迫切讨论。这或许是其除了技术展示外带来的另一层价值。最终赢得这场竞赛的不会是第一个喊出“胜利”的公司而是那个能系统性地证明其车辆如何在不可预测的现实世界中始终如一地做出比人类更安全决策的团队。这条路依然漫长。