10月17日，在2025世界智能网联汽车大会“创新驱动 深度演进——迈向智行新阶段”技术论坛上，围绕“关键技术创新和方案落地”，地平线地平线副总裁、战略部&智驾产品规划与市场部负责人吕鹏在会上发表了题为《从辅助驾驶到自动驾驶：地平线的实践与思考》的演讲，结合智能驾驶行业现阶段发展，深入阐述类人化智驾与 L4 发展落地的产业思考。

以下是吕鹏的演讲全文：

当前，中国汽车智能化正高速发展，其间已形成大量行业合力，也构建起完整的合作体系。过去几年，城区辅助驾驶已从原先仅搭载于高端车或Premier品牌里的高价位车型，逐步渗透到15-20万、甚至15万以下价位的车型中，未来可能成为10万以上的车型标配。

2025年作为中国汽车智驾普及元年，各家车企陆续发布智驾平权平台，快速推进高阶城区辅助驾驶的渗透率。很多车企背后都有地平线的身影，这也推动地平线最新一代智能计算芯片——征程6系列的落地。征程6上市不到一年就实现了百万级出货，这离不开整个行业推动城区辅助驾驶普及所带来的机遇。

与此同时，当前城区辅助驾驶尚未达到 “好用” 的预期，仍面临诸多挑战。交通不是单一的驾驶行为，而是驾驶动作与周边车流、行人、车辆之间的复杂交互过程。不仅要保证物理安全，驾驶员的心理安全也至关重要。一旦智驾系统的操作和普通司机的习惯不一致，严重影响消费者的使用体验和安全性，也会影响整个行业的普及速度。这也是为何地平线一直强调，物理安全加心理安全才是达到 “好用” 标准的关键。核心是一定要 “类人化”、一定要像 “老司机” 一样。因为一旦驾驶行为不可预期、和老司机动作不一致，不仅驾驶员难受，周边车流也会受影响。

此外，在行业激烈竞争下，城区辅助驾驶系统虽然已经快速下探到10-15万车型区间，但当前系统成本还是相对高昂，给车企带来不小压力。只有做出 “好用” 的系统，再通过规模化实现成本优势，整个行业的普及速度和渗透率才会进一步加快。

如何解决上述问题，核心是突破两个关键点：一个是Scale Up，一个是Scale Out。Scale Up指的是系统上限要足够高，就像传统Robotaxi 公司，能实现无人运营，但运行区域受限，所以必须把性能打磨到最优，才能保障消费者安全。同时地域覆盖也要扩宽，如果像Robotaxi 那样只局限在小区域，乘用车量产场景下根本无法使用。所以城区辅助驾驶乃至未来的自动驾驶，挑战的都是 “右上角的珠穆朗玛峰”：既要性能足够好，又要区域要足够广。这就需要靠算法领先性实现 Scale Up能力，靠工程领先性达成泛化能力，这对当前自动驾驶开发来说是个不小的挑战。

同时，要从辅助驾驶走向 L4，中间还有一个L3阶段。这里地平线的思考是，首先要正视当前技术能力与L3的差距。即便现在市面上最好的量产城区辅助驾驶系统，哪怕在高速场景，大概每 600-1000公里就需要一次人工接管。但L3要求责任转移到车企，因为一次不接管，可能就会造成一次事故，这样的话，系统要做到的接管间隔可能就需要接近 “百万公里一次”，这中间的差距还很大。

解决这个差距有两种思路：一方面持续提升性能指标，随着AI发展，预期每年能有10 倍性能提升，从几百公里接管到百万公里，其实也就几年时间；另一方面就是增加大量限制，把整个可运行的区域限制得非常严格，但这样整个交互上会给消费者带来困惑，因为ODD边界不清晰。所以地平线对L3的思考是：推动L2+性能持续快速提升，若能保持每年10倍的提升速度，3-5年就能接近L4-L5水平。

以现在Robotaxi启动运营的MPCI标准为例，大概是8000-10000公里一次人工介入，当前技术和它差两到三个数量级，但只要每年提升一倍，就能逐步接近。当系统具备Robotaxi级别的L4能力后，再去定义边界清晰的ODD，这样的L3产品才可用。比如像“所有北京的环线，全国所有的高速公路全天候支持”这种清晰边界的L3。所以我们认为 L3 其实等于一个受限的，但是ODD边界清晰的一个L4能力的智驾产品，再叠加ODD之外的全场景辅助驾驶能力，就能打通消费者的通行场景，还不伤害用户体验，因为消费者最终是否去使用这个东西，核心一定是可以接受的用户体验。

从这个角度看，L4的重要性不言而喻。而迈向L4的路线，过去一直有两条，特斯拉走的是渐进式路线，Waymo走的是跨越式路线。从去年开始Robotaxi 重新火热，很大程度是受特斯拉带动，现在特斯拉已在北美启动示范运营，它最大的优势就在于ODD的扩张速度：以前扩一个区域至少要半年，现在快很多。

特斯拉的核心逻辑是以硬件和计算为核心，用端到端技术，重视数据驱动范式，而且对地图依赖轻 ——这也是它能快速扩展的关键。

特斯拉能做到这点，核心是 “规模” 和 “数据” 两大优势：一是不依赖高精地图，区域扩展性高；二是车型少、架构统一、传感器统一、数据引擎统一，还靠影子模式在消费场景测试，能快速形成平台化。大量同源数据又能驱动产品性能高效迭代。

关注特斯拉FSD在北美的版本升级就能发现，它的提升速度非常快。最近小范围运行的V14版本，按其宣称的能力，已超越人类司机水平。如果按这个提升倍率，随着L2 级城区辅助驾驶规模化，数据驱动范式会不断提升算力、模型能力和corner case挖掘能力，从辅助驾驶走向自动驾驶的可行性也会越来越高。

所以我们认为，坚实的L2全场景城区辅助驾驶系统，是实现L3/L4的必经之路。这需要统一的软硬件平台，靠L2规模化量产积累数据飞轮效应，直接赋能并快速迭代出L4级系统能力。而且这个过程中，L3也能高效落地 ，因为它能解决L3 “先有鸡还是先有蛋” 的问题。

现在L3落地依赖保险，而保险公司需要实际验证数据，没有 “百万公里无事故” 的数据，保险也不敢担保。但当有海量L2+车辆部署后，能通过真实道路数据发现：某些路段、某些 ODD 下，已累积近百万公里无接管记录。这些真实数据，就是证明 “该路段可激活L3”的关键依据。

有了海量真实道路数据做基础，再进入第三步：用实时数据锁定清晰ODD边界，叠加必要的冗余机制防止失效，就能证明系统在该ODD下具备L4 能力，进而激活L3功能。

其实地平线一直基于端到端和强化学习技术来打造下一代L2级城区辅助驾驶系统。为什么采用这两个技术呢？我们做两个类比，端到端其实就类似于人类的模仿行为。如果模仿老司机的驾驶行为，那么系统的行为就会与人类驾驶行为极为相似。同时，借助强化学习，可以增强系统的推演能力，通过反复推演来提升系统的推理能力。

吕鹏指出，地平线打造的这种国内真正的一段式端到端方案，实际上解决了三个比较重大的核心问题。

一是去场景化，大家使用原先的程序化辅助驾驶系统时，常常会有这样一种感觉：好像这辆车是由不同的人在驾驶，左转和右转的动作、在空旷道路和拥堵道路下的表现、在高速和城区的驾驶风格，都显得不太一致，这是因为原先的开发是围绕不同场景分别进行的，而现在，采用端到端模型后，实现了去场景化，就是通过一个模型就能支撑高速、城区、泊车等所有场景的系统运行。所以，它的驾驶行为非常连贯、一气呵成，场景一致性也得到了很好的保障。

二是丝滑控车，很多开过城区辅助驾驶的朋友经常会遇到这样的情况：车辆为什么有这么多顿挫感，刹车时有时重有时轻，这个还有一些画龙的状态，其实这些往往都是由于规则介入导致的应激性反应，而当我们采用端到端的学习方式时，因为系统直接学习的是老司机的驾驶轨迹，要知道出现点刹和重刹的情况其实是非常难的。因为对于真正的老司机来说，开车时很少会出现点刹、重刹的情况。所以采用端到端学习后，车辆驾驶的丝滑感非常强。这样也能让消费者迅速在心理上建立起安全感。

三是防御性驾驶能力强。通过端到端技术，系统没有CPU的串行处理，大部分采用模型的并行处理，所以整个系统响应延时非常低。一个系统响应延时300毫秒和一个仅100多毫秒的系统，在行为动作和危险处理能力上会有很大差异。同时，由于系统采用长时序学习，而非单帧图像学习，它能够理解一些危险场景，形成防御性驾驶能力。地平线认为，真正的安全一方面要对各种极限场景具备处理能力，但回归到日常驾车场景，更主要的安全是在95%的情况下先避免自己进入危险场景。这种动作在智能驾驶中是通过防御性驾驶动作学习实现的。比如，进入盲区时，人会自动减速，从而避免进入极端危险场景，触发紧急应急机制。因此，防御性驾驶可以大幅提升整个系统的安全性。

通过强化学习，我们推动并增强了物理世界的因果关系和逻辑推理能力，补充了端到端直觉系统下罕见的长尾场景处理能力。另外，通过强化学习增强了长时序复杂推理能力，提升了模型的学习、理解、推理和长尾场景处理能力。

所以可以看到，整个自动驾驶开发依赖于数据驱动，但物理世界无穷无尽，存在众多长尾场景。通过传统方法采集这些长尾场景，效率会越来越低。但通过数据驱动的强化学习补充，我们可以高效解决长尾场景问题。同时，仿真场景可以提供多样化数据，增加自主交互式学习和反复推演。

在这里，我播放一个视频，让大家直观感受一下我们HSD在城区辅助驾驶上的体验特点。首先，端到端带来的低延时让车辆在施工区域内行云流水，动作连贯而非拼接，处理非常丝滑。

另外，在复杂场景下，端到端技术的另一个特点是方向盘不会有大幅抖动，不会有很多恐慌感。在复杂人车流中，车辆不会完全停滞，而是以较低速度缓慢蠕行。红绿灯起步时，由于端到端延时较低，车辆响应甚至比人更快。车门关闭后，车辆很快在后方车流走完后提速。

在过无保护路口时，如果车速很快，人会感到慌张。但实际上，车辆会通过长时间学习，自动将车速降至让人安心的水平。对于右转有盲区时，车辆会慢慢探出观测侧方，这与人的驾驶动作非常一致。在原有老架构系统中，这种场景通常会有所点刹和重刹，但大家可以看到，车辆方向盘轻微晃动即可丝滑绕过。在狭窄道路上，车辆以安心速度行驶，同时精准理解周边环境，缓慢蠕行后再迅速提速。这种小路下，车辆不仅能通过，而且方向盘非常稳定，与人打方向盘动作相似。

在对向路口有对向车、后方车和两轮车交互的情况下，车辆的车速和轨迹并未受到影响。这回到了我们对端到端技术的基础理解：端到端特别像人开车时的直觉系统。大家可以想象，我们平时开车，95%以上的时间都非常轻松，这是因为我们依靠直觉驾驶，而非耗费大量脑力。直觉系统是驾驶的最核心基础，在此基础上再衍生出其他推理能力，以处理复杂场景，这与人类的进化过程非常相似。

今年我读过一本书叫《智能简史》，它给我很大启发。书中讲到人类有五次进化，但每次进化都做得比较扎实。一旦做得不扎实，比如智人进化过程中的尼安德特人就都消亡了。人类从模拟走向心智化，再到现在的语言，这几步进化过程都做得非常坚固。这也是我们认为城区辅助驾驶逐步走向L4非常重要的关键。同时，HSD已获得多家车企超过十款车型的定点，并将于今年年底携手星途ET5进行全球首发。我们相信，未来城区辅助驾驶，包括L3、L4，将成为新的自动驾驶标配，引领未来3到5年千万级规模的量产。同时，我们现在也在储备与robotaxi公司的商业化落地合作，以支撑从L2到L4的全产业基座之路。

最后与大家分享一下我们的看法：我们认为，在L4能力方面，通过未来三到五年的是可以达成的。到了2028年，其实可以支撑在L4能力的基础上去实现L3级别的落地。同时，到2030年，全场景、全区域下的L4将得到支持。在未来三五年里，我们可能会见证智能驾驶的飞跃发展。我们认为，支撑未来智能化发展的关键，相当于手机上的4G时刻。只有智能驾驶达到这样一个状态，未来在智能空间、智能座舱上才会有百花齐放的前景。