关于自动驾驶相关知识，路边一直在学习。于是，秉承阅读、思考、分享的想法，把看到的信息整理一下，把砖头抛出去，希望能够招来更多的砖头。前几天，一位网友的评论就让我对自动驾驶技术的认识更加的清晰，为我提供了一条以前没有看到的新角度。

汽车的自动驾驶技术的发展历史最早可以追溯到100年前的20世纪初，期间技术的迭代和发展经历了多个重要的里程碑事件。自动驾驶也逐渐从科幻概念走入人们的现实生活。

早期概念与实验（20世纪初至中期）

早期自动驾驶的概念非常的朴素，只要人不在车上能够自己走，就算是自动驾驶。于是，在1925年，Houdina无线电控制公司制造了世界上第一辆由无线电操控汽车自动驾驶汽车。该汽车通过接收后方汽车发射的无线电信号进行控制。1939年，通用汽车公司在纽约世博会上展出了Futurama，世界上第一辆自动驾驶概念车，由无线电控制的电磁场引导。1957年，RCA Labs和内布拉斯加州展示了无人驾驶汽车系统。1960年代，斯坦福大学开发了“斯坦福购物车”，能检测并跟随地面白线，避开障碍物。

技术突破与实验性系统（20世纪70年代至80年代）

1970年代末，筑波大学机械工程实验室在日本道路上测试了世界上第一辆自动驾驶汽车。1980年代，梅赛德斯-奔驰与慕尼黑联邦大学合作开展Eureka PROMETHEUS项目，成为该领域的重要研发倡议。1989年，卡内基梅隆大学首次使用神经网络控制自动驾驶汽车，奠定了现代控制系统的基础。1995年，Ernst Dickmanns与Mercedes Benz合作，开发了一辆能够识别路标、位置、其他车辆并判断安全变道的S级自动驾驶汽车，完成了慕尼黑至哥本哈根的往返行程。

2004年，DARPA举办首届“DARPA无人驾驶机器人挑战赛”（DARPA Grand Challenge），以大额奖金鼓励各企业、大学和科研机构研发自动驾驶技术和无人驾驶的汽车。斯坦福大学人工智能中心研发的“斯坦利”（Stanley）自动驾驶汽车成功越野行驶212公里，第一个穿过终点获得冠军，成功赢得200万美元大奖。可以说，这个挑战赛加速了自动驾驶技术的发展和落地应用。

由斯坦福大学人工智能中心研发的“斯坦利”自动驾驶汽车

自动驾驶技术的标准化和分级

2016年，为了进一步规范自动驾驶技术的发展，国际汽车工业协会（Society of Automotive Engineers International, SEAInternational）制定了国际统一的汽车智能化的分级标准，将汽车的自动驾驶技术划分为五个等级，其中L0不是人工驾驶，所以不在等级之内（防止抬杠）。

自动驾驶技术等级（L1— L5）

有了统一的分级标准，各车企的自动驾驶技术也就有了量化的比较标准。如定速巡航、车道保持辅助系统等这些都属于L1级别的自动驾驶技术。

要达到L2级别，就需要智驾系统能够完全自主的处理好汽车的横向（转向、变道）和纵向（油门、刹车）的控制，这个级别上典型代表就是特斯拉的“Autopilot”系统。L2级别的自动驾驶还属于规则自动驾驶，也就是根据实现写入程序的规则进行判断并驾驶。其实，这还是一种辅助驾驶。

L2到L3，是自动驾驶的一个质的变化，其中最关键的差别就是“是否需要人类观察环境”，另外一个角度理解就是——由自动驾驶系统接管。例如，奥迪的“Traffic Jam Pilot”系统允许在车速小于或等于60公里/小时，并且当地法律允许的情况下完全接管驾驶操作，在汽车接管驾驶的阶段中，不需要驾驶员实时监控当前路况，譬如奥迪A8的宣传视频中就有驾驶员在汽车自动驾驶时可以肆意扭转身体与后座乘客交谈玩耍等场景。但，特斯拉就不允许用户脱离用户观察，超过一段时间没有接触方向盘，系统就会提醒驾驶员。所以，奥迪的Traffic Jam Pilot是L3级别的自动驾驶系统，而特斯拉的AutoPilot只能是L2级别的自动驾驶。

奥迪Traffic Jam Pilot系统宣传照

目前，L3级别是全球范围内，实现量产的车型中拥有的最高级别的自动驾驶能力。L3级别是有条件的自动驾驶，如“时速60公里以下”“有明确的道路标线”这些限制条件。当条件不满足的时候系统仍然需要提醒人类接管介入，而L4级别的目标就是完全不需要人类驾驶员。

2017年7月，百度的李彦宏直播了他乘坐在一辆无人驾驶汽车的副驾位赶往国家会议中心，参加百度当天的人工智能开发者大会的全过程，这辆汽车的驾驶座上是完全无人的，不存在人类接管驾驶的情况，所以它是一辆L4级别的无人车。目前这个级别没有任何量产车能够达到，谷歌的无人车子公司Waymo是这个级别的代表，Waymo无人车的前身就是很多新闻都出现过的头上顶着一个大大的激光雷达的谷歌无人车。要达到L4级别，不能只依靠图像传感器提供的信息，还需要由激光雷达提供周围环境，包括视觉盲区的高精度的感知数据，才能使得自动驾驶车自如处理极端工况成为可能。

但随着人工智能技术的发展，尤其是近两年基于大模型为基础的多模态识别技术越来越成熟，特斯拉的FSD和华为的ADS也开始逐渐走入现实。

特斯拉的FSD

特斯拉自2013年起便开始了其全自动驾驶（FSD——Full Self-Driving）系统的探索与实践。FSD发布后，特斯拉陆续放弃了英伟达提供的芯片，2019年4月推出FSD芯片，包括两个神经网络加速器（Neural Network Accelerator，NNA），还集成了第三方IP核，包括GPU和基于ARM的处理器子系统。特斯拉自动驾驶芯片的总设计师是参与并领导设计A5到A9的iPhone芯片开发的彼得·班农（Pete Bannon），所以现在特斯拉软硬结合的风格也有了点苹果的风格。

特斯拉FSD芯片

特斯拉FSD是L3级自动驾驶技术，通过不断的技术迭代和OTA更新，特斯拉FSD系统的性能和安全性得到了显著提升。特斯拉非常看重纯视觉的自动驾驶方案，但随着基于大模型的人工智能的发展，基于视觉解决方案的FSD在通过端到端深度学习技术后，依托大规模行驶里程和自研运算平台，在不断优化和完善。

截止2024年6月，特斯拉完全自动驾驶技术助力下的汽车已经行驶了超过25.75亿公里。基于“端到端”的完全自动驾驶最新版本V12助力下的汽车已经行驶了超过9.66亿公里。目前，特斯拉完全自动驾驶系统只能在美国和加拿大使用，预计在2025年第一季度，将在中国和欧盟推出FSD，目前等待批准。

2024年9月发布的FSD V12.5.2版本，采用了全新的“端到端自动驾驶”模型架构，大幅减少了人工干预的频率，并消除了超过30万行代码，完全依赖车辆自身的神经网络进行驾驶决策，不仅提升了系统的接管率，还计划在10月推送倒车和车位到车位的新功能，显著提升了系统的自主驾驶能力，并首次应用于Cybertruck车辆上。FSD V13版本更是预计将使必要干预之间的里程数提高约6倍。此外，FSD V12版本在城市环境中的无接管行驶里程已达到622公里。

华为的ADS

华为智驾ADS系统经历了多次迭代，硬件主要包括系统、ECU以及传感器，软件主要包括算法和数据。华为构建了包括MDC计算架构、自动驾驶操作系统AOS、CPU处理器鲲鹏、AI处理器昇腾、激光雷达、毫米波雷达、高精度地图、算法和数据在内的自动驾驶全栈解决方案。技术是脱离英伟达、高通的独立存在。尤其是在被制裁的情况下，加上中芯国际，基本上完成了自动驾驶解决方案的中国本地化。

华为ADS代表了华为在智能驾驶领域的最新技术成果，其最新版本为 ADS3.0是L3级别，2024年开启高速L3级试点，2025年推出ADS 4.0，开启城区L3级自动驾驶试点，高速L3级自动驾驶开启商用，ADS的最终目标是L5级自动驾驶。ADS 3.0采用了端到端的架构设计，通过GOD（通用障碍物识别）网络和PDP（预测决策规控）网络实现全场景贯通，这种设计使得系统能够更准确地识别和理解环境中的障碍物和道路结构，提升了自动驾驶系统的感知和决策能力 。

需要注意的是，因为受到美国的制裁，华为自动驾驶芯片研发也受到一定的影响。

华为自研芯片基于ARM架构的CPU处理器鲲鹏，以及基于华为自研达·芬奇架构的AI处理器昇腾。华为一共推出了四款MDC（Mobile Data Center——移动数据中心）计算平台是专为智能驾驶而设计的计算架构，包括MDC600、MDC300、MAD210和MDC610。其中，MDC 300算力达到64 TOPS，主要针对的是拥堵跟车、高速巡航、自动泊车等L3级自动驾驶应用。MDC600搭载了8颗昇腾310，最高算力能达到352TOPS，主要面向的是L4级自动驾驶设计。

多说一句：华为之前的AI芯片使用的是寒武纪（Cambri-con）的AI模块寒武纪1A。后来，因为寒武纪的AI模块无法支持全场景应用，华为就结束了与寒武纪的短暂合作，转而自研AI芯片模块。这才有的达·芬奇架构及后来的AI芯片昇腾。

ADS 3.0系统在架构上进行了全面升级，采用了模块化设计，感知上增强了对异形障碍物的识别能力 。更重要的是，华为ADS3.0还引入了多模态感知技术，结合激光雷达和4D毫米波雷达，提高了全天候能力和小目标检测能力 。激光雷达在ADS 3.0中起到了关键作用，能够检测到非常小的目标物体。例如，它能够检测到20厘米高的横卧轮胎、14厘米的路肩、42厘米的三角牌和30厘米的到底锥桶 。这种高精度的检测能力使得系统能够在各种复杂路况下准确识别和应对障碍物。 4D毫米波雷达则提供了全天候工作的能力，并且具有较远的探测距离和更高的精度。其探测距离提升至280米，精度从20cm提升到5cm，延时也从185ms降低到65ms。此外，4D毫米波雷达还能够捕捉大量动态和静态物体的信息，进一步增强系统的感知能力。

在功能方面，ADS 3.0支持自动变道、自动泊车、紧急刹车以及跟车自适应等一系列高级功能，显著减轻了驾驶员的负担，同时，ADS 3.0还具备全向防碰撞系统CAS 3.0，增强了主动安全性能 。

目前，ADS 3.0的最新进展包括在多个车型上的应用，如问界M5、M7、M9和智界S7等车型均计划从2024年9月起全面升级至ADS 3.0。华为还计划在2024年开启高速L3级自动驾驶试点，并在2025年扩展至城区L3级自动驾驶试点。

华为计划在2026年推出更为先进的ADS 4.0版本，该版本将实现高速L3级别的自动驾驶商用。

总结

特斯拉和华为在全球自动驾驶市场中采取了不同的竞争策略，在技术路线和实现方法上存在显著差异。特斯拉主要依赖其纯视觉系统和强大的算力芯片，在成本控制和技术普及方面占据优势。而华为则通过多传感器融合技术和5G通信技术，在提升驾驶安全性和智能化水平方面表现突出。

华为ADS：采用的是多传感器融合方案，通过激光雷达、摄像头、毫米波雷达等传感设备感知环境，不依赖高精地图，能够实现复杂环境下的自动驾驶 。优势是在夜间、雨雾天等低能见度环境下表现出色，能够准确感知周围环境，保障行车安全 。

特斯拉FSD：采用的是纯视觉感知方案，依赖摄像头和深度学习算法进行环境感知，采用端对端神经网络技术，通过输入大量视频数据进行学习，使系统能够自动分辨出不同情况下的驾驶需求 。优势是成本控制与技术普及上占据先机，通过深度学习和海量数据训练的视觉系统，让车辆“看”得更远、更清晰 。

智能化是汽车电动化的后半场，车企的智能驾驶能力将决定其未来的市场竞争力。

自动驾驶技术面临的主要挑战包括技术成熟度、软硬件成本、基础设施水平、数据丰富度以及法律法规不足等方面。为了克服这些挑战并推动自动驾驶技术的发展，需要在技术创新、基础设施建设、数据采集和法律法规等方面持续发力。随着技术的不断进步和政策的逐步放开，自动驾驶技术将在更多应用场景中得到应用。