除了审视当下，苏箐亦承认行业看似繁荣，但一段式自动驾驶重构大概率不会成常态。他认为，未来三年大概率是现有系统极致优化，也就是目前的范式将由自动驾驶scaling law得到提升带来以下新的可能性：
城区L2将迎红利期，L2与L4方法论将统一且能提升MPI并实现自动泛化；
随着新方法论开发优势显著，能提升L4部署效率，还能催生不同产品思路。
虽自动驾驶难题待解，但地平线有明确的目标：在未来一两年将大模型算力提升、打通L2到L4，强化工程与组织能力，坚信能推动行业迈向新阶段。
以下是华汽研究院对苏箐演讲正文提炼（有删减）：
曙光：FSD V12凭何成自动驾驶分水岭？
苏箐回顾自动驾驶领域过往，感慨变化颇多。刚准备加入地平线时，苏箐与余凯博士交流，明确表示不想再做自动驾驶，原因有二：一是过程痛苦，二是看不到希望。
彼时，以人类司机标准衡量，自动驾驶差距极大，很多场景无法处理，行为不类人，如同靠应激反应工作的机器。两三年前如此，到2023、2024年，行业也普遍不确定其能否变得像人类一样聪明、完全类人，这便是苏箐当时的心态。
2024年，FSD的V12成为行业分水岭事件。尽管舆论聚焦于FSD是否最强，但关键在于它开创了全新内核范式。知道方向与真正落地实现之间，存在巨大鸿沟和不确定性，而V12填平了这段鸿沟。
为何称其为分水岭事件？以原子时代为例，德国科学家率先发现核裂变可能且能释放能量，起初遭全世界量子物理科学家质疑，但迅速的实验复现证明其正确性，后又历经多年造出第一颗原子弹。深度学习和神经网络就如同当初的核裂变实验，虽表明范式可行及作用，但在自动驾驶领域，何时、以何种形式达到何种效果，在第一人实现前无人知晓，而V12让大家看到了希望，如同奥本海默证明原子弹可造出。
从CMU第一个车队，到斯坦福车队，再到Waymo车队，实现了技术跨越。CMU车队强依赖非视觉传感器，靠人工写代码，属于第一代；斯坦福车队引入机器学习技术，在第二次比赛实现超越，到Google进一步发扬。然而，2023、2024年之前，自动驾驶存在两大问题。
其一，深度学习技术仅重构了感知部分，感知之后部分仍是规则时代产物，革命不彻底。
其二，遗留两个问题，一是无图和有图背后，技术范式只解决动态问题，未解决静态问题，需地图补充；二是系统仅前半截是数据驱动，后半截是规则的。方法论重构到一半，效果可能只有20%、30%，只有完成后半截革命，才能迎来新时代，这便是端到端的意义。
但范式改变困难重重。感知技术历经多年才实现数据驱动，而规控理论至今不成熟，开发至今仍不成熟。很多团队尝试端到端，一轮需花费十几亿、几十亿资金，多数团队因资金和精神问题放弃。且规控不收敛，任何噪声都可能导致系统废掉。尽管如此，范式改变意义巨大，它推动着自动驾驶不断向更智能、更类人的方向迈进。
“泼点冷水”直指智驾现实
苏箐认为，审视当下自动驾驶领域的变化对未来意义重大，毕竟过去已然成为既定事实。当下，一段式自动驾驶取得突破，各类概念层出不穷，行业似乎一片繁荣，大家不禁猜测是否将迎来大发展时代。但苏箐觉得有必要给这份热情泼点冷水。
人类在认知事物时常常陷入极端。事情未发生时，全然不信其会发生；一旦发生，又笃定会持续下去。实际上，首次发生虽预示着可能，但往往成为时代或周期的高点，甚至可能是最后一波。以原子时代为例，当时原子技术取得突破，全世界为之沸腾，人们坚信这将改变一切，可最终不过如此。
苏箐反复提及原子时代，是因为在他看来，对物理世界和人类而言，能源与信息变化（或计算）是改变和制造世界的本质要素，其他皆为在这二者基础上递增的附属产物。原子时代关乎能源，而人工智能或AGI 则聚焦于信息。
对于当前自动驾驶领域的重构能否成为常态，苏箐认为大概率不会。2023、2024 年的变革存在两个前提条件。
其一，人工智能发展存在周期性，大概每二三十年一个轮回。经过多年发展，人们发现当前深度学习技术似乎存在天花板。从大语言模型和其他领域的进展来看，这一代深度学习技术有触顶的可能性。
其二，自动驾驶领域过去的革命仅完成一半，此次实现了真正的一段式革新。若想再有巨大内核重构，需改变内核理论。物理世界的演进规律是先理论突破，再应用突破，循环往复。然而目前尚未看到下一个理论突破的前置信号，即便出现，也需5 年、10 年甚至 20 年才能转化为应用突破。
因此，苏箐判断，未来三年大概率是在现有系统上进行极致优化，而非理论内核重构，行业将再次进入艰苦发展阶段。
当FSD、HSD 等系统出现，对整个产业路线意味着什么呢？
苏箐回忆三年前与余凯博士的交流，当时他们看到了用新技术把城市L2 做到好用类人的希望。如今 HSD 只是新范式的首个版本，但苏箐可以负责任地说，未来一年它将有巨大提升。新范式提升后会迎来红利期，系统将变得非常类人。
这意味着自动驾驶产业正朝着更智能、更贴近人类驾驶习惯的方向发展，新范式有望引领产业进入新的发展阶段，为未来的出行带来更多可能。
L2红利将至，L4路在何方？
苏箐认为，自动驾驶领域正迎来重大变革，新范式将重塑行业格局，带来诸多积极影响。
一是，在Urban L2 发展方面，将迎来巨大红利期。计算机工业突破成本高但复制成本低，如同自动挡汽车普及规律，未来从几十万到 10 万甚至更低价位的车，L2 功能都将非常好用，这一时代必将到来。
二是，L2 与 L4 是截然不同的世界。以 Waymo 为典型案例的 L4，为提升 MPI（每千英里干预次数），需采取诸多额外措施，如搭载超豪华传感器、使用优质 HD Map 解决静态缺陷、缩小 ODD（运行设计域）使 hard case 可控等，还需辛苦部署系统。这种方法在广阔世界难以奏效，问题明显。而新范式到来后，方法论得以统一。当前方法再做两到三年工作，极有可能将 MPI 提升至 5 万、10 万水平，同时保持类人且能在所有区域自动泛化。
三是，新方法论在开发过程优势显著。以城市泛化环节为例，落地后多数城市测试天然无问题，仅极少数极特殊小场景需处理，节省大量时间。对L4 而言是极大利好，无需在每个 ODD 反复打磨，搞定一个复杂城市大概率就搞定全国复杂城市，效率大幅提升。因为 L4 本质要与人类司机比成本，新方法论能以极低部署成本和几乎无限制的扩张速度落地 L4 系统，且以乘用车和 robotaxi 双模式部署。
苏箐认为，robotaxi 不应局限于特定模式，人们都希望以合理价格购买具备 L4 功能的乘用车，其有独特价值，如对社恐人群而言，robotaxi 无需与司机交流，是理想选择。
四是，新范式还带来附带性变化。2023、2024 年前，行业认为发展遇天花板，便在有限空间做各种碎片功能，如同在二维空间种多棵树填满空间。2024 年后，新范式聚焦种一棵树，让其不断长高、数据量增大，会惊喜地发现长出新能力。如苏箐团队的车，此前未做过靠边停车功能，测试时却能自主变道，这体现了新方法论和数据驱动的魅力。新方法论从人类稠密数据中学习一切能力，与过去人一个一个加能力点的加法不同，新方法是减法，需从人类全集数据中减去不需要的部分。
这至少会导致两种不同产品思路。一种是继续拼各种平行功能，另一种是像苏箐团队和FSD 这样，专注把“树”种大种深，不搞零碎功能，让功能在“树”上自然生长，未到时间就选择不做。苏箐团队秉持这一态度，坚信新范式将引领自动驾驶行业迈向新的发展阶段。
未来两到三年：HSD系统飞跃与L4车普及
基于对AI 和 AGI 基础理论未来三到五年或进入演进优化阶段的判断，苏箐阐述了自动驾驶领域未来一两年地平线公司的发展方向与重点工作。
第一，在大模型领域，虽隐隐有碰到Scaling Law 天花板的迹象，但目前才刚开始。后续每一代芯片和产品，会坚持十倍算力提升、十倍模型容量，持续向上叠加。计算机工业本质是堆算力，芯片工业如同印刷工业，只要给时间成本可忽略不计。持续堆算力是计算机工业的核心逻辑，违背就会被历史淘汰，所以要简单且坚定地持续推进。
第二，地平线重投入L4 节点是重要方向，但并非割裂进行，而是以统一开发范式、传感器配置和 ODD 区域，打通 L2 到 L4。未来，消费者可能不会太在意车辆是 L2 还是 L4 概念，三年后买到准 L4 系统的车，将有较高概率成为现实。
第三，苏箐强调，技术和行业始终处于变化中，应对变化第一步切勿应激，不能每隔几个月就全盘否定过往、彻底更改。关键在于不断强化公司的工程能力和组织能力，打造稳定且能承载工程的公司组织。如此，有新技术时方可快速导入，导入后面对爆发的问题，能凭借集团军作战能力解决，还能持续打磨难题。好的工程与组织能力是公司至关重要的“工业母机”，是应对不确定世界的唯一确定且需持续投入之事。
当前自动驾驶系统虽取得一定进展，但距离达到人类司机水平仍有差距。公司内部论坛讨论的问题已从绕行、选路转向更复杂的场景，如遇到水坑、卡车错车等情况该如何处理。这表明系统能力已获认可，大家开始以人类视角看待系统。然而，这些问题极难解决，虽有望看到解决方案，但目前尚无清晰答案，且解决成本高昂，做一轮试验可能耗资十亿且不一定成功，但这是必须推进的工作。
最后，对于现状，苏箐认为难以简单评判满意与否。从SOP 表现看达到基本预期，但自动驾驶的本质目标是做出能替代人类司机的机器，从这个维度看还有大量工作要做。
未来两到三年，公司有明确计划。一方面，希望HSD 乘用车系统体验有巨大进步和质的飞跃；另一方面，期望在未来几年，能以相同价格、在用户无感的情况下，将 L4 级别的车送到用户手中。尽管实现这些目标困难重重，但这是自动驾驶行业从业者 20 年努力的意义所在。
苏箐坚信，通过持续努力，这些目标终将达成，推动自动驾驶行业迈向新的发展阶段。返回搜狐，查看更多