中经记者 陈燕南 北京报道

“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。”在2025世界智能网联大会期间，吕鹏对《中国经营报》记者表示。

当前，智能驾驶技术进入关键窗口期，安全事故频发、用户体验短板等现实问题亟待解决。吕鹏结合智能驾驶行业现阶段发展特征，围绕类人化智驾与L4技术落地路径，深入剖析了其背后的产业逻辑与思考。

吕鹏预测，在L4能力方面，通过未来三到五年是可以达成的。到了2028年，其实可以支撑在L4能力的基础上实现L3级别的落地。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。

城区辅助驾驶尚未达到“好用”

吕鹏表示，中国汽车智能化正高速发展，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15万—20万元甚至15万元以下价位的车型中。

吕鹏说，这其实是智能化的下半场，它推动的是一种以智能化为基础的“新自动挡”。有了城区智能辅助驾驶后，它能像传统自动挡一样提供智能化驾驶体验。

吕鹏表示，很多车企背后都有地平线的身影，这也推动了我们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。

不过在吕鹏看来，当前城区辅助驾驶尚未达到“好用”的预期，仍面临诸多挑战。地平线特别强调一点：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。

吕鹏表示：“我们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，就会出现开着辅助驾驶，后车却开始鸣笛催促的情况，虽然没发生碰撞，但会带来强烈的心理不安。”

吕鹏认为，系统成本问题是关键。现在行业竞争激烈，大家都经常说非常卷，城区辅助驾驶系统成本虽然比早期的一体机高，但现在也已经快速下探到10万—15万元车型区间。在这样一个区间下，我们可以看到当前系统成本还是相对高昂，给车企带来不小压力。所以我们认为，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。

靠L2规模化量产积累数据

吕鹏表示，在这个背景下，要解决这些问题，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。

他认为，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。

吕鹏说，同时，要从辅助驾驶走向L4，中间还有一个L3阶段。对于L3，我们是如何思考的呢？首先就是要正视当前技术能力与L3的差距。这个差距在哪儿？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，这样一来，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。

吕鹏表示，解决这个差距有两种思路：一是持续提升性能指标，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；另外就是增加大量限制，把整个可运行的区域限制得非常严格，比如天气不好不能开、车道线不清楚不能开、雨雾天不能开，但这样交互上会让消费者体验不佳。

所以吕鹏说，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的水平。

吕鹏表示，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“北京所有的环线、全国所有的高速公路全天候支持”这种清晰边界的L3。

吕鹏说，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，就像爬珠穆朗玛峰有南坡、北坡之分：特斯拉走的是渐进式路线，Waymo当年走的是跨越式路线。

吕鹏认为，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。

吕鹏表示，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，就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。

吕鹏说，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。

防御性驾驶可大幅提升系统安全性

吕鹏表示，回到地平线的产品，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。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。

第一个是去场景化，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。

第二个是丝滑的控车，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，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。

第三个是防御性驾驶能力强。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。

吕鹏进一步表示，真正的安全，是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。

直觉系统是驾驶的最核心基础

吕鹏说，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。

吕鹏说，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。

吕鹏表示，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。”他表示。

吕鹏表示，在对向路口有对向车、后方车和两轮车交互的情况下，车辆的速度和轨迹并未受到影响。这回到了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。”他说。

吕鹏说，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，地平线现在也在储备与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。

吕鹏最后表示，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。“所以，我们认为智能驾驶是向高而行，我们也为此心潮澎湃。当然，我们也要心存敬畏，因为这毕竟涉及到安全相关的问题。”

（编辑：张硕审核：童海华校对：颜京宁）