9月11日股票配资源码，在2025 Inclusion·外滩大会上，地平线与哈啰正式签署战略合作协议。此次合作标志着地平线智驾技术基座全面赋能L2到L4全域场景。会上，地平线总裁陈黎明作《从L2到L4：地平线的实践与思考》主题分享。
陈黎明表示，当前城区辅助驾驶已进入15万以下主流车型市场，但系统在面对复杂场景时表现仍不稳定，存在“太怂”或“太莽”的问题：很 “怂”，该开的地方不开，容易造成拥堵；很 “莽”，在不该开的地方会很鲁莽地行驶，这既影响安全又降低体验。这些问题都表明，系统的性能上限不够高，无法像老司机一样处理复杂场景。此外，频繁接管又表明系统运营范围非常小，泛化能力不足。
他指出，核心挑战在于如何同时解决Scale-Up与Scale-Out两个问题——既要提高性能上限，同时又要实现泛化，让车辆在更多地方都能行驶。
陈黎明说，要解决这些问题，算法非常重要，过去几年算法发展迅猛，有了好的算法和大量数据，还需要算力来进行模型训练，最终将技术转化为好用的产品。行业常说的就是算法、算力、数据，再加上工程能力，因为只有通过工程能力，才能把技术真正变成用户爱用的产品，这“3+1”核心能力缺一不可。
具体来看，算法方面，比较主流的是 Transformer，但技术上仍存在一些挑战，比如在计算资源占用和内存方面，对车端芯片提出了很高要求。目前，地平线与一些科研机构共同推进，很好地解决了Transformer在计算资源占用方面的问题。它通过引入双向状态空间和位置编码器，将计算从二次方变为线性，大大节省了计算资源和CPU占用。
此外，地平线在端到端+VLM领域也有所研究。目前比较流行的是VLM输出运行轨迹给端到端模型执行，但在地平线看来，更好的架构是：端到端更像人的小脑一样，负责执行：VLM更像人的大脑，负责推理、交互和环境理解。如果 VLM 输出高维信息给端到端模型，能更好地帮助其生成更精确、更优的运行轨迹。
在算力方面，随着模型不断变大，从Resnet到EfficientNet，再到Transformer，直至现在的VLM、VLA，数据量呈指数级增长，陈黎明说，从Mobileye芯片，到地平线的征程系列芯片，再到英伟达的芯片，芯片算力一直在持续提升。就目前市面上而言，算力最大的两款芯片，一款是地平线的征程6P，算力达到560 TOPS；另一款则是英伟达的Thor U，算力达700 TOPS。他透露，地平线最新的一代征程 6系列芯片，能够全面覆盖从辅助驾驶到L3、L4自动驾驶所需的算力范围，目前这三档芯片都已经流片回来。
提到数据，陈黎明说，并非数据越多越好，要有从量变到质变的过程，特别是在模型训练初期，可能10%的数据就能解决90%的问题。但是要解决10%的长尾问题，可能就需要大量数据去解决，而且耗时非常长，从工程和现实的角度来讲，这几乎是不可能的。
地平线通过强化学习和世界模型生成了一个仿真系统，系统通过世界模型来模仿物理世界，然后通过自主学习产生新的数据、新的场景，以此解决长尾问题，
最后，陈黎明谈到对L3的思考。目前可用的L3，比如要在相对可控的运营空间内运行，要求驾驶员在10到15秒内进行接管，并且要求运行环境需天气良好、道路清晰、交互简单。
“那这样就带来很多问题。”陈黎明说，一方面，使用范围很小，这对于用户来讲是没有太大价值；另一方面，车企又增加很大的硬件成本，投资回报率非常低。
陈黎明还提到L4 路线之争，特斯拉和Waymo的技术路线截然不同。就相当于攀登珠穆朗玛峰，一个从北坡走、一个从南坡走，一个是渐进式、一个是跳跃式。因为起点不一样，Waymo的核心团队主要来自高精地图数据领域，特斯拉依托人工智能技术追求纯视觉路线。
陈黎明分析，从技术理念上看，跨越式路线是从传统产品开发、从L3的产品定义开始，拆解各个应用场景的要求，进而再拆解对感知、规控、人机交互、安全等不同功能的要求，最近再进行系统设计，更注重法规驱动，强调法规一致性和性能一致性。
渐进式路线则从L2出发，然后进行功能的不断扩展，用更新的算法来拓展更多的边界，逐步达到L3、L4的功能。
“怎么达到L3？我们认为，L3应该是在L2全场景辅助驾驶的基础上，增加具有受限但清晰ODD（运行设计域）边界的L4 功能的智能产品。”陈黎明说，在规定的ODD内，用户能够充分体验L4、 L3的脱手功能，同时在边界之外，用户还能享受到L2+或者城区NOA带来的便利，从硬件投入角度而言，用户的体验和回馈是最高的。
陈黎明认为，2025年将是城区辅助驾驶的转折点，并将迎来大幅增长。2028年，有望实现L3级别的“hands off”；到2030年，实现L4级别的“eyes off”；到2035年，实现L5级别的“minds off”，让自动驾驶随心所欲。
南方+记者 郜小平股票配资源码
文章为作者独立观点，不代表场外配资公司_配资咨询平台_配资10倍杠杆观点
