自動(dòng)駕駛技術(shù)發(fā)展現(xiàn)狀與展望2025年4月，習(xí)近平總書(shū)記在上海考察時(shí)強(qiáng)調(diào)：“我國(guó)數(shù)據(jù)資年，中共中央、國(guó)務(wù)院印發(fā)《交通強(qiáng)國(guó)建設(shè)綱要》,要求“加強(qiáng)智能網(wǎng)聯(lián)汽車(智能汽車、自動(dòng)駕駛、車路協(xié)同)研發(fā)，形成自主可控完從技術(shù)躍遷維度看，自動(dòng)駕駛驅(qū)動(dòng)人工智能實(shí)現(xiàn)從“虛擬智能”新一代AI技術(shù)，推動(dòng)系統(tǒng)架構(gòu)從“規(guī)則驅(qū)動(dòng)”轉(zhuǎn)向“數(shù)據(jù)驅(qū)動(dòng)”演進(jìn)。視覺(jué)—語(yǔ)言模型(VLM)、視覺(jué)—語(yǔ)言一動(dòng)作模型(VLA)等技術(shù)制高點(diǎn)的重要戰(zhàn)場(chǎng)。2025年，中美企業(yè)在全無(wú)人駕駛領(lǐng)域同步取得Apollo、小馬智行(Pony.ai)等在北京、上海、深圳等城市實(shí)現(xiàn)全自動(dòng)駕駛技術(shù)的研究，最早可追溯至20世紀(jì)70年代，經(jīng)過(guò)近50年的發(fā)展，整體技術(shù)研究經(jīng)歷三個(gè)重要的階段。第一階段(20世紀(jì)70年代至20世紀(jì)末):完全基于規(guī)則的技術(shù)。早期的自動(dòng)駕駛研究，主要集中于基于規(guī)則的車輛控制。1984第二階段(21世紀(jì)初至2010年代中后期):感知和數(shù)據(jù)驅(qū)動(dòng)。進(jìn)行決策。有影響力的項(xiàng)目，包括谷歌無(wú)人車(后來(lái)的Waymo)、百度Apollo等。這一階段的自動(dòng)駕駛系統(tǒng)采用模塊化設(shè)計(jì)，建模并訓(xùn)第三級(jí)階段(2010年代晚期至今):強(qiáng)AI驅(qū)動(dòng)的整合式系統(tǒng)。隨著AI技術(shù)的快速發(fā)展，端到端學(xué)習(xí)、深度學(xué)習(xí)，以及近年來(lái)涌現(xiàn)能力更強(qiáng)的AI模型與算法，原有基于規(guī)則的決策系統(tǒng)，可以被模型駕駛的感知系統(tǒng)。AI領(lǐng)域中模仿學(xué)習(xí)、強(qiáng)的應(yīng)用出口，凸顯AI技術(shù)在現(xiàn)階段自動(dòng)駕駛技術(shù)發(fā)展中所扮演的重前沿技術(shù)研究方向多模態(tài)數(shù)據(jù)融合。自動(dòng)駕駛汽車中普遍安裝大量的感知傳感器，如多個(gè)監(jiān)控不同方向的高分辨率攝像頭、毫米波雷達(dá)甚至激光雷達(dá)，不同類型傳感器數(shù)據(jù)的結(jié)構(gòu)形式、數(shù)據(jù)特征以及采樣頻率與延遲，都存在很大的差異。構(gòu)建魯棒和高性能的自動(dòng)駕駛系統(tǒng)，需要有效地融合多模態(tài)的視覺(jué)及雷達(dá)點(diǎn)云數(shù)據(jù)，消除感知盲點(diǎn)，增強(qiáng)感知能力，以支撐更可靠的駕駛決策?，F(xiàn)階段自動(dòng)駕駛研究領(lǐng)域，已探索包括前融合(傳感器數(shù)據(jù)層面融合)、中融合(先進(jìn)行數(shù)據(jù)特征抽取，再進(jìn)行特征層面融合)和后融合(先抽取各模態(tài)相關(guān)信息，再組合利用結(jié)果信息)的三種數(shù)據(jù)融合技術(shù)。由于前融合對(duì)多模態(tài)數(shù)據(jù)處理算力及帶寬要求較高，后融合存在數(shù)據(jù)信息損失問(wèn)題，因此中融合已成為目前自動(dòng)駕駛研究領(lǐng)域的主流方案。端到端學(xué)習(xí)。自動(dòng)駕駛中的端到端學(xué)習(xí)，是讓基于深度神經(jīng)網(wǎng)絡(luò)的AI模型，直接從攝像頭、毫米波雷達(dá)、激光雷達(dá)等設(shè)備采集的原始傳感器中，學(xué)習(xí)車輛的規(guī)劃與控制方式，實(shí)現(xiàn)從感知到?jīng)Q策的端到端映射。最早的端到端自動(dòng)駕駛模型，可追溯至1988年卡內(nèi)基梅隆大學(xué)的神經(jīng)網(wǎng)絡(luò)控制的陸地自動(dòng)駕駛汽車(ALVINN)項(xiàng)目?，F(xiàn)階段的端到端自動(dòng)駕駛模型，普遍采用基于Transformer等現(xiàn)代深度學(xué)習(xí)模型架構(gòu)，并基于模仿學(xué)習(xí)等AI決策優(yōu)化方法，從海量駕駛數(shù)據(jù)中直接學(xué)習(xí)自動(dòng)駕駛決策與控制模式。傳統(tǒng)模塊化架構(gòu)，將自動(dòng)駕駛?cè)蝿?wù)的生成式AI模型。自動(dòng)駕駛世界模型可通過(guò)自監(jiān)督學(xué)習(xí)的方式和視覺(jué)—語(yǔ)言一動(dòng)作模型(VLA)為代表的新興大模型，在具身智能領(lǐng)域內(nèi)取得快速發(fā)展，并開(kāi)始逐步影響自動(dòng)駕駛領(lǐng)域。自動(dòng)駕駛的下一代技術(shù)路線，學(xué)術(shù)界和產(chǎn)業(yè)界已進(jìn)行一系列積極的探索，如車路協(xié)同。單車所具備的感知與決策能力往往有限，在滿足高等級(jí)自動(dòng)駕駛所要求的安全與可靠性方面，仍存在較大的挑戰(zhàn)。因此，通過(guò)將單車智能系統(tǒng)與道路感知系統(tǒng)雙向耦合，實(shí)現(xiàn)信息交互協(xié)同、偵測(cè)感知協(xié)同，可大大地拓展單車的感知范圍與準(zhǔn)確性。此外，通過(guò)車與車、車與路、車與人之間的網(wǎng)絡(luò)互聯(lián)化，可增強(qiáng)車輛、道路的協(xié)同決策能力，從而提高安全冗余及交通效率。目前，車路協(xié)同自動(dòng)駕駛?cè)孕枰タ艘幌盗嘘P(guān)鍵技術(shù)，包括協(xié)同感知技術(shù)、高精度定位技術(shù)、協(xié)同決策與協(xié)同控制技術(shù)、高可靠低延時(shí)網(wǎng)絡(luò)通信技術(shù)、云計(jì)算及安全保障技術(shù)等，但“車一路—云”一體化技術(shù)的發(fā)展，可從本質(zhì)上解決單車智能自動(dòng)駕駛所遇到的技術(shù)瓶頸，從而保證自動(dòng)駕駛的安全性。產(chǎn)業(yè)落地現(xiàn)狀自動(dòng)駕駛技術(shù)已完成從實(shí)驗(yàn)室驗(yàn)證到商業(yè)化落地的關(guān)鍵躍遷，在垂直領(lǐng)域、乘用車智駕及自動(dòng)駕駛出租車等核心賽道同步突破產(chǎn)業(yè)化自動(dòng)駕駛垂直場(chǎng)景商業(yè)化里程碑。自動(dòng)駕駛技術(shù)在封閉/半封閉場(chǎng)景實(shí)現(xiàn)全面產(chǎn)業(yè)化突破，全球頭部企業(yè)已驗(yàn)證其顯著降本增效。港口自動(dòng)駕駛已進(jìn)入商業(yè)化規(guī)模應(yīng)用階段。1993年，世界上第一座自動(dòng)化集裝箱碼頭——鹿特丹港的ECT自動(dòng)化碼頭正式投入商業(yè)運(yùn)營(yíng)，目前鹿特丹港在運(yùn)營(yíng)的自動(dòng)駕駛引導(dǎo)車已有數(shù)百臺(tái)。在國(guó)內(nèi)，寧波舟山港已部署102輛無(wú)人集卡，晝夜無(wú)間斷運(yùn)行使得效率提升30%。礦業(yè)無(wú)人化已實(shí)現(xiàn)規(guī)?；涞貞?yīng)用。截至2023年底，卡特彼勒全球正在運(yùn)行的無(wú)人駕駛礦用卡車超過(guò)630臺(tái)，累計(jì)總運(yùn)輸量超過(guò)75億噸，效率最高提升達(dá)30%。在國(guó)內(nèi)，2025年5月，百臺(tái)無(wú)人電動(dòng)礦卡集群化加速滲透：蓋世汽車研究院研究報(bào)告顯示，2024年，國(guó)內(nèi)新車L2級(jí)及以上輔助駕駛裝配量達(dá)1098.2萬(wàn)輛，滲透率達(dá)47.9%;2025年前4個(gè)月，L2+滲透率快速突破60.94%,其中2025年4月L2++滲透率達(dá)20%,表明L2+技術(shù)正從高端車型標(biāo)配向主流市場(chǎng)全面普及。國(guó)際L3級(jí)認(rèn)證突破：2024年，中國(guó)工信部批準(zhǔn)多家車企開(kāi)展L3級(jí)自動(dòng)駕駛公開(kāi)道路測(cè)試。2025年，梅賽德斯—奔馳DRIVEPILOT4.0獲得歐盟首個(gè)L3認(rèn)證，在德國(guó)1.3萬(wàn)公里高速路網(wǎng)允許最高95公里/時(shí)自動(dòng)駕駛(需滿足指定條件),標(biāo)志著有條件自動(dòng)駕駛技術(shù)進(jìn)入展：截至2025年5月，Waymo美國(guó)舊金山、洛杉磯、鳳凰城和奧斯汀運(yùn)營(yíng)的自動(dòng)駕駛出租車達(dá)到1500輛，每周提供超過(guò)25萬(wàn)次付費(fèi)出上海開(kāi)展全無(wú)人自動(dòng)駕駛出行服務(wù)與測(cè)試。截至2025年5月，百度Apollo部署超1000輛無(wú)人車，全球累計(jì)提供超1100萬(wàn)次出行服務(wù)，安全行駛里程超過(guò)1.7億公里。車企戰(zhàn)略轉(zhuǎn)型升級(jí)：2025年6月大眾汽車推出專為自動(dòng)駕駛出租車設(shè)計(jì)的全自動(dòng)駕駛量產(chǎn)車車載計(jì)算單元等硬件成本快速下降，自動(dòng)駕駛出租車單公里成本從2019年的23.3元降至2023年的4.5元，預(yù)計(jì)2026年達(dá)2.1元，2030年降至1元，屆時(shí)將擊穿傳統(tǒng)出租車1.8元成本線(弗若斯特沙利文數(shù)據(jù)),商業(yè)模式完成閉環(huán)驗(yàn)證。系統(tǒng)的可靠性，不僅要求進(jìn)一步研究并提升單車感知AI模型本身的現(xiàn)階段自動(dòng)駕駛決策AI模型所普遍采用的監(jiān)督式模仿學(xué)習(xí)框架，也AI強(qiáng)化學(xué)習(xí)技術(shù)對(duì)解決以上問(wèn)題有一定的潛力，但目前仍存在依賴列問(wèn)題。閉環(huán)測(cè)試與安全驗(yàn)證。為充分測(cè)試自動(dòng)駕駛系統(tǒng)性能與安全性，普遍需要進(jìn)行大規(guī)模的仿真與實(shí)車上路，耗費(fèi)大量的時(shí)間及資源，客觀上降低自動(dòng)駕駛系統(tǒng)的迭代研發(fā)效率。目前閉環(huán)仿真測(cè)試在環(huán)境、周車行為的擬真度及場(chǎng)景覆蓋方面，仍存在很多缺陷，無(wú)法充分驗(yàn)證系統(tǒng)在真實(shí)環(huán)境中的性能。如何進(jìn)行更充分、低成本的閉環(huán)測(cè)試與安全驗(yàn)證，是需要學(xué)界及產(chǎn)業(yè)界共同探索的重要問(wèn)題。系統(tǒng)復(fù)雜性與成本問(wèn)題自動(dòng)駕駛系統(tǒng)的復(fù)雜程度，遠(yuǎn)超一般的手機(jī)和電腦等智能硬件系統(tǒng)。整個(gè)自動(dòng)駕駛系統(tǒng)裝備有大量的傳感器，需要時(shí)刻采集數(shù)據(jù)、清洗處理數(shù)據(jù)，對(duì)周圍復(fù)雜環(huán)境進(jìn)行感知，并做出實(shí)時(shí)的安全決策規(guī)劃。自動(dòng)駕駛涉及對(duì)一系列復(fù)雜的軟件、硬件、算力系統(tǒng)的深度集成，開(kāi)發(fā)、測(cè)試與部署成本高昂。以傳感器為例，目前L4級(jí)自動(dòng)駕駛車輛的硬件單元一般包含6—12臺(tái)攝像頭，3—12臺(tái)毫米波雷達(dá)、5臺(tái)以內(nèi)激光雷達(dá)，以及1—2臺(tái)全球衛(wèi)星導(dǎo)航系統(tǒng)與慣性測(cè)量單元。為滿足自動(dòng)駕駛AI模型的計(jì)算需求，還需裝備1—2套高性能車載計(jì)算系統(tǒng)。即使近年來(lái)傳感器及算力芯片價(jià)格不斷下降，疊加所有元件的成本仍然非常高昂。這讓車輛的安全性與經(jīng)濟(jì)實(shí)用性成為難以兼得的“魚(yú)”和“熊掌”。政策法規(guī)相對(duì)滯后目前涉及自動(dòng)駕駛的法律法規(guī)尚需完善。不同國(guó)家、地區(qū)對(duì)自動(dòng)駕駛的定義與審批流程各異，L3級(jí)別在歐盟有嚴(yán)格的審批要求，在美國(guó)多州尚屬灰色地帶。具體到執(zhí)行層面，也面臨一系列倫理決策及小傷害”。當(dāng)前多以事后司法裁定為準(zhǔn)，難商還是車主承擔(dān)責(zé)任?現(xiàn)階段自動(dòng)駕駛事故責(zé)任認(rèn)定及保險(xiǎn)賠付機(jī)自動(dòng)駕駛將成為物理(具身)智能領(lǐng)域中最重要的應(yīng)用之一，有全無(wú)人駕駛安全水平將比人類駕駛至少高10倍，達(dá)到人類好司機(jī)的大模型和生成式AI,將在提升L4級(jí)別自動(dòng)駕駛系統(tǒng)的泛化能力型生成式AI可結(jié)合真實(shí)數(shù)據(jù)，生成高質(zhì)量邊緣場(chǎng)景數(shù)據(jù)，覆蓋更廣數(shù)據(jù)資源，形成跨企業(yè)數(shù)據(jù)/算力共享機(jī)制，推動(dòng)行業(yè)一科研機(jī)構(gòu)良正向循環(huán)。試(<50km2)向城市群聯(lián)網(wǎng)(>500km2)升級(jí)，構(gòu)建廣域協(xié)同的“車入許可，推動(dòng)成熟技術(shù)落地應(yīng)用。建立無(wú)安全員車輛合法運(yùn)營(yíng)機(jī)制，構(gòu)建自動(dòng)駕駛安全測(cè)試、系統(tǒng)可靠性評(píng)價(jià)等國(guó)家標(biāo)準(zhǔn)，為規(guī)模化落地提供有力保障。加快自動(dòng)駕駛法律法規(guī)體系建設(shè)。當(dāng)前政策法規(guī)在責(zé)任界定、