世界智能網聯汽車大會：地平線呂鵬談從輔助駕駛到自動駕駛的實踐與思考

2025年10月17日，第八屆世界智能網聯汽車大會《創新驅動 深度演進 —— 邁向智行新階段》技術論壇在北京亦莊召開，全球行業精英齊聚，圍繞智能駕駛技術突破與方案落地展開熱議。 　　

在這場高端對話中，地平線副總裁、戰略部&智駕產品規劃與市場部負責人呂鵬帶來了一場題為《從輔助駕駛到自動駕駛：地平線的實踐與思考》的深度分享，結合行業趨勢與企業實踐，闡述中國智能駕駛發展現狀、挑戰及未來方向。

地平線副總裁、戰略部&智駕產品規劃與市場部負責人呂鵬

城區輔助駕駛待突破 “好用” 瓶頸：體驗與成本成核心挑戰

呂鵬在演講中指出，中國汽車智能化正高速發展，行業已形成大量合力并構建完整合作體系。過去幾年，城區輔助駕駛實現關鍵突破 —— 從最初僅搭載于高端車型或 Premier 品牌高價位車型，逐步滲透至 15-20 萬元區間，甚至向 15 萬元以下價格帶延伸。　　

“2025 年是中國汽車智駕普及元年”，呂鵬強調，當前各家車企陸續發布智駕平權平臺，快速推進高階城區輔助駕駛滲透率。這一趨勢推動智能駕駛進入 “下半場”，其核心是打造以智能化為基礎的 “新自動擋”—— 如同傳統自動擋改變駕駛體驗，城區智能輔助駕駛未來有望成為 10 萬元以上車型標配。　　

盡管智能駕駛技術普及速度驚人，但是呂鵬直言當前城區輔助駕駛尚未達到 “好用” 的預期，仍面臨多重挑戰。其核心問題在于交通場景的復雜性 —— 駕駛并非單一行為，而是與周邊車流、行人、車輛的復雜交互過程，因此安全需兼顧 “物理安全” 與 “心理安全”。　　

呂鵬舉例說明：若智駕系統操作與普通司機習慣不一致，即便未發生碰撞，也會引發心理不安。例如系統駕駛風格 “太慫”，在特定節點猶豫卡頓；或 “太莽”，在坡頂盲區仍高速行駛；再或是在不同城市表現差異明顯，這些問題不僅影響用戶體驗，更會制約行業普及速度。

成本壓力同樣突出。呂鵬表示，當前行業競爭激烈，盡管城區輔助駕駛系統成本較早期一體機已有下降，但在 10-15 萬元車型區間，系統成本仍相對高昂，給車企帶來不小壓力。他認為，只有先打造 “好用” 的系統，再通過規模化實現成本優勢，才能進一步加快行業普及速度與滲透率。　　

針對這些挑戰，呂鵬提出核心解決方向：突破 “Scale Up” 與 “Scale Out” 兩大關鍵點。其中，“Scale Up” 要求系統上限足夠高，需通過算法領先性，將性能打磨至最優，以應對復雜場景、保障安全，類似傳統 Robotaxi 公司在特定小區域實現的高水準無人運營能力；“Scale Out” 則強調地域覆蓋廣度，需依靠工程領先性提升泛化能力，避免如 Robotaxi 局限于小區域的問題，確保在更多地理、時空、天氣環境下，仍能保持高水準性能 —— 二者結合，才能攻克城區輔助駕駛乃至自動駕駛的 “珠穆朗瑪峰”。

L3 級自動駕駛的思考：以 L2 + 性能提升為基礎，明確 ODD 邊界

談及從輔助駕駛向 L4 級自動駕駛過渡的 L3 階段，呂鵬首先正視當前技術差距：即便當前市面最優的量產城區輔助駕駛系統，在高速場景下每 600-1000 公里仍需一次人工接管；而 L3 級要求責任轉移至車企，需實現 “百萬公里一次接管”，二者差距顯著。　　

對于如何縮小差距，行業存在兩種思路：一是持續提升性能，依托 AI 技術發展，預期每年可實現 10 倍性能提升，從數百公里接管間隔到百萬公里，或僅需數年；二是通過嚴格限制運行區域提升安全性，但這種方式會因 ODD 邊界模糊，給消費者帶來使用困惑，同時增加硬件冗余與系統成本，反而降低用戶體驗。

地平線的路徑選擇是：推動 L2 + 級性能持續快速提升。呂鵬認為，若能保持每年 10 倍的提升速度，3-5 年內 L2 + 性能可接近 L4-L5 水平。他強調，L3 級產品應是 “受限但 ODD 邊界清晰的 L4 級能力智駕產品”，疊加 ODD 之外的全場景輔助駕駛能力 —— 例如 “北京所有環線、全國所有高速公路全天候支持” 這類明確邊界，才能打通消費者通行場景，避免傷害用戶體驗。

此外，呂鵬指出，L3 落地需依賴真實道路數據支撐：當海量 L2 + 車輛部署后，可通過真實數據驗證 “特定路段、特定 ODD 下累積近百萬公里無接管”，這些數據成為 “該路段可激活 L3” 的關鍵依據；再疊加實時數據鎖定清晰 ODD 邊界、必要冗余機制防止失效，即可證明系統在該 ODD 下具備 L4 能力，進而激活 L3 功能，解決 L3 落地 “先有雞還是先有蛋” 的問題。　　

L4 級自動駕駛的路線：漸進式與跨越式并行，規模與數據是關鍵　　

呂鵬將邁向 L4 級自動駕駛的路線比作 “爬珠穆朗瑪峰的南北坡”：特斯拉代表漸進式路線，Waymo 早期代表跨越式路線。2024 年起 Robotaxi 重新火熱，很大程度受特斯拉帶動 —— 特斯拉已在北美啟動 Robotaxi 示范運營，其核心優勢在于 ODD 擴張速度大幅提升。　　

特斯拉的核心邏輯在于“規模”與“數據”：一是不依賴高精地圖，區域擴展性高；二是車型少、架構統一、傳感器統一、數據引擎統一，且通過 “影子模式” 在消費場景中測試，快速形成平臺化；大量同源數據又反哺產品性能高效迭代 —— 例如其最新小范圍運行的 V14 版本 FSD，宣稱能力已超越人類司機。

呂鵬認為，無論路線差異如何，行業最終均向L4 頂點邁進。而堅實的 L2 級全場景城區輔助駕駛系統，是實現 L3/L4 的必經之路：需依托統一軟硬件平臺，通過 L2 規模化量產積累數據飛輪效應，直接賦能并快速迭代 L4 級系統能力，同時推動 L3 高效落地。

地平線HSD：以“端到端+強化學習”破局，定義“老司機”標準

為解決當前智駕系統的 “好用” 問題，地平線采用 “端到端技術 + 強化學習” 打造下一代 L2 級城區輔助駕駛系統HSD，重點解決三大核心問題：

一是 “去場景化”。傳統程序化輔助駕駛系統因圍繞不同場景分別開發，存在 “左轉與右轉動作不一致、空曠與擁堵道路表現差異大、高速與城區風格割裂” 的問題；而端到端模型通過一個模型支撐高速、城區、泊車等所有場景運行，實現駕駛行為連貫統一，保障場景一致性。　　

二是 “絲滑控車”。傳統系統因規則介入易出現頓挫、剎車輕重不一、“畫龍” 等問題；端到端模型直接學習老司機駕駛軌跡，大幅減少點剎、重剎情況，提升駕駛絲滑感，幫助消費者建立心理安全感。

三是 “強防御性駕駛能力”。端到端系統采用模型并行處理，響應延時低，同時通過長時序學習理解危險場景 —— 例如進入盲區時自動減速，避免進入極端危險場景，在日常大多數的駕車場景中先 規避危險，大幅提升安全性。　　

而強化學習則進一步補充端到端系統的能力：一方面增強物理世界因果關系與邏輯推理能力，補全罕見短時序長尾場景處理能力；另一方面提升長時序復雜場景推理能力，結合仿真場景提供多樣化數據，增加自主交互式學習與反復推演，高效解決物理世界中長尾場景采集效率低的問題。

據呂鵬透露，地平線 HSD 系統已獲得多家車企超過十款車型的定點，將于 2025 年底攜手星途 ET5 進行全球首發。

基于當前技術演進與數據積累的速度，呂鵬對未來做出清晰預判：到2028年，行業將具備在特定ODD下實現L3級自動駕駛落地的能力；至2030年，全場景、全區域的L4支持將成為可能。與此同時，地平線也正與多家Robotaxi公司展開合作，持續推進從L2到L4的全棧技術布局。

“我們正站在智能駕駛的‘4G時刻’。”呂鵬在演講最后強調，“正如4G網絡催生了移動互聯網的爆發，一個成熟、可靠、普惠的智能駕駛平臺，也將為整個汽車產業打開智能座艙、智能服務的新空間。這條路，我們必須敬畏向前，但也心潮澎湃。”　　

正如呂鵬所言，隨著地平線等企業持續深耕技術、推進量產，疊加全行業對安全的敬畏與協同，中國智駕有望在未來 3-5 年實現千萬級規模量產，真正邁向 “智行新階段”，為全球智能網聯汽車發展提供中國實踐參考。