一位车圈前辈近期拜访了国内知名汽车专家、同济大学汽车学院教授、汽车安全技术研究所所长朱西产老师，对当下比较受关注的AEB、NOA、L2+、V2X、车路云、FSD等话题进行了交流。

其实上周就拿到了交流素材，整理专家的观点只有周末有时间，顺便给大家做个客观的参考。

其实很多新概念在行业内并不稀奇，不用担心时效性的问题，我还依稀记得七八年前5G还没彻底普及的时候，我就听过一个V2X方案的介绍，具体的内容记不清了，那时候就某个测试团队介绍方案，有一句话记得很清楚：“网络传输有延迟，容易造成交通事故，5G没发展起来这些还无从谈起”，V2X、ADS都是那会就有的概念。

那么本篇也不带个人观点，就把朱西产教授的主要观点整理出来，供大家参考，也许很多人不爱看专家的观点，但是比起小作文，你更愿意参考谁的观点呢？毕竟很多政策的制定都离不开专家的观点。

下面进入正题，看看朱教授对汽车ADS、NOA、FSD、AI、车路云（最后一段）等方面的看法：

ADS和AEB

在智能驾驶热度起来前，提及率高的是智能座舱，这方面做的很花哨。今年迎来了重要的转折点，终于到了智能驾驶了，在此之前ADS的AEB尽管议论很多，但始终很难转化为用户购车的重要考虑因素。

一方面ADS比较同质化，刚出来时各家都差不多，存在的问题也差不多，有大量的漏刹车。因为要防止发生误刹车，毕竟误刹车导致事故的AEB属于缺陷要召回。并且在召回管理中心角度，AEB的误刹车已经有召回的案例了。

所以误刹车是不行的，但是ADS辅助驾驶的角度来说，漏刹车时企业是不需要负责任的，可能对品牌有影响，用户会问：你说AEB可以帮我化解风险，当遇到风险了，你的AEB哪去了？

近期发生的一些事件，大家终于知道传统AEB博世是最牛的，他的速度适应范围是4-85公里/小时。这就比较麻烦，高速可以跑100多公里/小时，但超过85公里/小时你的AEB又不起作用。

那大家要问：到底谁家是全速段AEB？你在高速上0-120公里/小时才是全速段的,大部分用户眼里，往下的0不重要，常识一般就是85-130公里/小时。

所以说AEB的C-NCAP 5星及中保研的GOOD都没有引起大家的兴趣，最后还是懂车帝引发何小鹏和余承东的“吵架”，才引起全社会的重视。大家才明白原来博世做了一个最高85公里/小时的能拿下五星安全的AEB，华为才是做了个大家心目中高速上全速范围能起作用的AEB。

所以我们认为ADS2.0、3.0才是更安全的智能车，原来五星安全标准的智能车AEB功能被用户嫌弃了。AEB到目前为止不是强制标准，不过欧洲在明年会强制、美国今年就要强制了，中国AEB强制性国家标准也在起草很快就会出来的。

但是肯定不会要求120公里/小时的，现在能达到法规标准的，要求就是高速上有一辆抛锚车，70公里/小时能刹停就是五星安全了，一般做到80公里/小时，现在产品设计做到了85公里/小时，这就是85公里/小时性能指标的来源。

从用户角度来说，既然在高速上会开到120-130公里/小时 ，那120公里/小时能刹停，肯定是用户喜欢的。 这是对用户超标的需求的满足，原本AEB对销售作用不大，但是懂车帝超标的测评，引起了用户的共鸣。

尽管没发生过，但是高速上以120公里/小时去驾驶，驾驶员也会经常分心。明明买了5星安全的车，超过85公里/小时居然不工作，用户不接受就好理解了。

NOA是监督驾驶

NOA今年是元年，NOA和ADS大不一样，所以我们定位为L2+，实际用的是L3技术，因为有法律的门槛，还是需要驾驶员的接管。

其实L3也是需要接管的，主要是法律责任的划分，自动驾驶在NOA阶段发生事故主机厂是不承担产品责任和法律责任的，如果是L3主机厂就要承担产品责任和法律责任。

从技术角度来说，L3的接管是系统要求接管，系统不要求时就不用管。所以L3是脱手、脱眼，但不脱脑的驾驶，用户只需要具备接管能力就行了。

而L2和L2+是一样的，不能脱手、脱眼，更不能脱脑。L2+的脱手、脱眼是自己的行为，厂家不会允许，并且现在还要加DMS限制。其实L2和L2+主要是功能上有差别，L2+已经开始讲究一次接管的平均里程，或者1000公里发生几次接管。现在有些企业能做到1000公里2-3次接管，而1000公里5次接管，一次200公里是主流的平均水平。

这类NOA严格来说，是自动驾驶的话又不承担法律责任，说他是辅助驾驶其实很多时候也会0接管，欧洲现在做的法规定义，把NOA从辅助驾驶提升到监督驾驶了。

欧洲以法规的方式确定，NOA处于辅助驾驶和自动驾驶之间，驾驶员其实是监督员，平均200公里一次介入，驾驶员脱离的程度比L3的自动驾驶弱，比L2要放松一些。

这个法规目前正在制定的过程中，只是在脱手和脱眼时间上存在争议，如果定在10秒就惩罚，那就和ADS一样了。如果说可以有更长时间，30秒-60秒、甚至像特斯拉可以几分钟都不管的话，就更接近L3了。但是这样的话安全性就受到质疑了，安全和用户体验之间有了巨大的矛盾，最后很可能会定在15秒。

所以ADS系统，第一个引爆用户关注的是全速段的AEB，华为也因此脱引而出，现在市场上的产品，120公里/小时能刹停的只有华为，用了2级制动，不是博士的1级制动。

也因此引发了问界M9的热销，当然也爆出来M7一些低配车不是ADS2.0不是华为的，一开始大家还怀疑是博世的系统，这次才知道低配车型还有福瑞泰克的系统。

同一个品牌有不同的表现，在特斯拉身上也存在，在美国免费试用FSD12版本时没有事故，显然很多特斯拉事故都是原来老版本，甚至不是fsd。特斯拉给的智能驾驶形象是FSD12版本，有些出事的车型压根不是12版本，甚至用博世毫米波雷达的那代产品还在跑，大家也发现华为在车的定义角度也遇到这个问题，很多时候用户以为购买的120公里/小时能刹停的功能，但是发现同品牌的低配版性能并不是相同的智能化功能。

不过车企也没有义务说清楚供应商，如果是一个负责任的车厂，销售的时候会说清楚性能的，这个产品AEB速度范围是85公里/小时刹停的版本，那个是120公里/小时能刹停的版本，理论上是应该告知的。

但是很多企业都在用最高配置去宣传，结果低配的车型却没这个功能，从销售角度，除非你主动问，主动说清楚的动机可能不足，当然用户也未必短时间内能完全听懂所有功能的区别。

这里又说到理想的广告牌刹停事件，误刹车的案子一般到了召回管理中心，肯定要召回的。如果是广告牌的原因，那一定是算法是有问题，肯定要召回的。除非理想主动承认是广告牌的原因，否则仅凭一篇报道很难还原当时的真相。从ADS角度就是要严控误刹车，放开漏刹车，因为漏了驾驶员可以补一脚，误刹车的话驾驶员什么也做不了。

因为使用NOA时候驾驶员不允许脱离的，不知道驾驶员能分心到什么程度，很多用户会把监督驾驶当成自动驾驶，原来的分级漏掉了监督驾驶这一级，现在的NOA的定义就是监督驾驶，既不是辅助驾驶又不是自动驾驶。

L3是理想的感知条件，感知不能有漏洞，感知到风险了不一定处置，而L4不仅要有理想的感知，还要有完备的处置能力，也就是没有驾驶员，甚至方向盘都可以没有。

所以L3感知要理想化，感知不能有漏洞，可以识别处理风险，车辆知道有风险自己处理不了，任务可以回退掉。L4就不行，系统不但要识别出来，还要能安全驾驶或处置。看到这里就清楚了L2、L2+、L3到L4的分级区别了。

高速NOA和城市NOA

从今年车展已经能看出，大家都强烈认识到NOA是用户购车非常重要的决策因素，问界的热销本质就是NOA的催化。

说到高速NOA，大部分产品的高速功能都是不错的，而城市NOA，所有车的表现都一般。

城市道路里一次接管，一般几公里到十几公里。朱教授一直想提出一个新的指标，比如30分钟的接管次数或一次接管的平均时间。

因为在城市道路说里程没有太大意义，有时候几公里路程会赌半个小时，时间概念在城市交通更有意义。城市交通中，半小时到一小时的行程占比还是比较大的，5-10分钟行程有没有NOA无所谓，如果上下班1-2小时车程就有意义了。

高速跑的是里程，城市跑的是时间，和交通复杂度有关系，越拥堵花的时间越长。从测试情况来看，国内蔚来、小鹏、华为在高速上已经完全令人满意，在城市中的表现也过得去。最近特斯拉的FSD12版本确实厉害，即便达不到这个程度，这三家的产品也足可以满足主要的需求。

NOA成为主要卖点，且在30万以上车的成型上今年要变成标配了，未来会逐渐降低到25、20万区间车型，而高速NOA可能要落到15万车标配。最便宜的宝骏，据了解用的是大疆方案，已经把高速NOA功能做到12万的车型上了，用的是纯视觉双目方案，也是当前双目方案最好的，大约千元级，大疆目前和东风、大众都在推进，福瑞泰克也有类似的方案，2000-3000元的NOA，用的是地平线的J3。

特斯拉的AI，我们的人海战术

端到端目前国内还没有，但是做端到端，难题是云端算力。特斯拉的模型把五个神经元网络组成一个大网络，模块之间不再是人工组装。从特斯拉发布的资料来看，云端是个10亿参数级的大模型，车端的在线模型是个裁剪到7500万参数的模型，两个感知模块，两个预测模块，一个运动规划模块，把这五个模块打通。

云端训练的模块，对算力要求还是很大，国内从算力角度华为没问题，说到算力，华为刚刚完成交付了100万张昇腾910，估计90万张用于政府基础能力建设，市场上可能会有十几万张出来，科大讯飞说用昇腾910搭了个万卡集群。

主要是特斯拉的10亿参数的离线模型，除了华为、百度、腾讯、阿里这种级别的企业，其他企业的算力应该是不够的，最终对他们的考验一个是数据、一个是云端算力。（大家对算力都有基础，这里我就省略了）

在智能驾驶角度怎么应对算力的问题呢？弥补的办法就是你卷算力，我卷激光雷达。AI能力不如你，纯视觉要靠算力、数据、训练等，但激光雷达不需要太多的数据，从这个角度看感知上的弥补如何。

从预测和规控角度，你卷端到端，我卷准则模型，把所有显性规则都写进去，人工处理。华为这方面的表现也很好，路上跑起来也很丝滑，但不是AI，运动规划还是准则模型。

所以说准则模型不是不好，就是要卷人，这也是我们的优势。AI比不过你，我加激光雷达，你们裁员，我搞5000人团队。准则模型不是不好，就是需要大量的人来总结规律。

准则模型在应对驾驶安全问题时候，都是显规则反而有优势。而ai训练出来是黑箱的隐规则，能干事不能总结，出现问题有可能只能选择不说话。

现在智能驾驶角度，你做你的端到端模型，我做我的准则模型。你用1000人，我用5000人，智能驾驶领域目前AI还超不过人。

车路云

这里就说到智慧交通和基础设施建设，美国的Robotaxi走了单车智能，是个有图的，特斯拉8月8日要推出无图的单车智能，据说很可能要上激光雷达来弥补AI的不足。

无人驾驶要不要走车路云？路端感知是不是有必要？朱教授认为还是有必要的。前天有个会上朱教授还在说，一些公司对车路云定位在安全是有问题的，路端感知的作用是提升交通效率的，安全还是要靠单车。

如果没有路端信息的支持，为了保证安全，就会用采用保守策略，保证安全，牺牲通行效率。

路端感知系统、通讯系统主要的问题还是渗透率的问题，安全方面不能指望，如果失去路端感知，这辆车都不能安全运营了，意味着行驶路线里，只要有一个路口没装路端感知设备就不能跑，ODD被限制了，就不能用了。

所以渗透率角度要思考，一夜之间所有路口都装上路端感知设备可能吗？当然不可能。再看通讯角度，丢包率的问题，现在通讯时的丢包率还是很高的。当然设备故障率就不用多说了，这个是不可避免的。

如果车路云靠路端感知来保证安全，那么没覆盖的地方车就不能去，一丢包就得停下了，设备一出故障昨天还能走，今天就不能走了。

所以不要把路端感知宣传成安全系统，可以把它变成一个提升交通效率的系统，如果有路端感知的路口，就可以快速通过，提升效率。如果这里没装感知系统就保守通过，丢包、故障时都保守通过。

所以从提升效率角度是说的通的，不会让这辆车不能跑。只是系统都好的时候从A到B点，20分钟就到了。如果有的系统坏了、通讯丢包了，甚至系统全坏了，30-50分钟也到了。

有的公司为了忽悠政府的钱，老要强调安全。但是交通畅通也是政府要做的事情，一些公司讲了一个自己都不相信的事情，用路端感知通信来保安全，从渗透率、丢包率、设备故障率、可靠性角度来看，可能一个都保证不了。

如果说提升效率就合理多了，一旦提升效率，单车就可以马上推动。比如发现一个地方拥堵，当前改造一个路口大约30-40万元，堵了就把这个路口优化掉，不堵的路口就忽略了。

这样对渗透率、 故障率、丢包率都没要求，你这里安装了系统，车辆就可以快速通过，如果发现故障了，马上切回安全模式就好了，也就是有数据时高效率模式通过，没数据就安全模式通过，单车智能和网联智能是不矛盾的。

为什么对立起来了呢？就是因为一些公司老强调用路端感知、通讯来保证安全 ，就不知不觉对立起来了。其实原本无需对立，是一条路线，就比如用导航和不用导航，是一条路线，有导航就用导航，没导航就自己开，并不矛盾。

现在很多导航都做不到完全相信，为什么忽悠不了你？因为导航不是安全系统。如果导航把路画错了，即便发生事故导航也不会负责。但是导航大部分时候是好用的，所以导航是效率系统，不是安全系统。

在朱教授看来，单车和网联不是两条路线，是一些企业定义错了，强调安全就是两条路线，不强调安全，强调通过效率就是一条路线。

以上是朱教授的主要观点，我的梳理可能不那么精确，不过也算是和大家一起学习的过程。

毕竟平时无法甄别小作文的真假，只有日常多储备了，如果有人吹车路协同的通行效率，我就愿意多关注一些，如果吹安全性，那我就会想一下：渗透率怎么解决？通信丢包怎么解决？设备故障怎么解决？