-
日期: 2025-07-25 | 来源: 虎嗅APP | 有0人参与评论 | 专栏: 特斯拉 | 字体: 小 中 大
国内某车企自建的碰撞测试场地，总耗资5亿
以“控制变量”标准化做到极致的车辆碰撞实验为例，为了保证测试的公允性，车辆其实自身并不具备动力，而是由场地中的测试轨道负责提供动力，从根本上保证测试车辆的速度和碰撞角度准确。
但代入到智驾测试场景，尤其是目前已经放出的高速场景，懂车帝测试过程中的许多动作只能靠人完成，因为市面上暂时不存在对应的测试装置。更不提智驾车辆本身的行驶，处于接管状态，如何既部分控制智驾车辆的运动过程（例如速度和初始路径等等），又要反过来评估它智驾的表现（油门刹车的选择，路径的选择），目前看起来还是个颇为薛定谔的事情。
加之测试装置目前没办法实现极高的加速度（本质就是车辆拖动的靶子），所以即便触发条件一致（大概率是测试车辆走到特定点就释放靶车），在实际情况中也无法做到场景的完全复制，更做不到对所有测试产品100%的公允。
总的来看，懂车帝能够将测试做到这个水平，已实属不易。即便不够完美，但这场测试足以证明——对于高速NOA这个被认为不是最难的场景，中国车企的智驾水平的确发生了一定程度的倒退。
为什么特斯拉会在测试中表现更好？
谜底其实就藏在谜面上，正如马斯克自己所说，特斯拉的智驾能力目前并没有用本地数据训练。实际上特斯拉FSD的能力，是用美国的智驾思维和智驾数据打造的。
那么中美道路情况到底有多大的差距呢？借用前华为智驾负责人苏菁地平线副总裁兼首席架构师的话来说：“中国道路基建的随意性比美国大太多；中国的外卖骑手和电动车工具开车的行为在美国也是没有的，会导致大量需要处理的博弈问题。”
苏菁所指的这个“基建随意性”，主要指代的是普通道路的情况，而非中国建设较为标准化的高速。
对于车企而言，要去适应国内普通道路的情况，就要在智驾系统中构建完全不同的架构和底层，在现实数据方面也完全不同，最后又继续根据现实情况不断调优。
具象一点说，这就是两种水土下孕育出的两种“大脑”（大模型本质就是一个局部的大脑）。也可以说，一方水土养一方智驾。
而最近几年，中国的“大脑”聚精会神在干什么呢？
搞各种NOA，尤其是博弈需求最重的城市NOA，充满了各种各样不按规则行驶的汽车，有胆子一个比一个大的行人和电动车。
这些再多规则都无法解决的场景（因为变数实在太多），到了大模型时代终于有了解决的办法。中国车企在大模型结构上加入了对不同交通参与者的关注，考虑到了许多美国不会发生的意外场景，再加上中国老司机的数据持续输入，最终让现如今的国产智驾大模型已经有了非常强的“博弈”能力。
什么叫”博弈“能力？
简单解释起来就是，有了充足的“博弈”能力之后，车辆在遇到突发情况下，会更偏向于以老司机的思维来解决，不至于一点挑战就急刹退缩。你也可以理解为“不怂”，其中一个最直观的结果在本次测试中，体现为前方有故障车，智驾“比起简单的刹车，更偏向于复杂的绕道”。
这种在日常使用中甚至会被使用者称赞的高级能力水平，到了此次懂车帝相对极限的测试场景中，最终暴露了“不怂”风格下的短板。
也是为了完成更冒风险、更高难度的驾驶，智驾系统必然需要对路线进行更多的思考和决策，体现为此次测试中许多智驾系统的“犹豫不决”，也一定程度上侵占了减速所需的时间。
可以简单粗暴理解为：智力能力没有匹配其风格与野心。
很讽刺是不是，用来在城区保证通行效率的算法结构，反过来在高速上降低了安全系数。
相比之下，虽然特斯拉目前在国内已经架设了服务器，用本土的数据对FSD进行训练调优，但是其核心的智驾大模型架构仍基于美国本土相对简单的版本，也就是没有了“强博弈”的负担，对于高速这种“反应时间”比“优选路线”更优先的场景中，反而输出了更优的表现。
如果你看到这里还不理解，我再做一个形象的比喻：- 新闻来源于其它媒体，内容不代表本站立场！
-
原文链接
原文链接:
目前还没有人发表评论, 大家都在期待您的高见