浙江清华长三角研究院王挺：特斯拉FSD系统有视觉优势 国内企业发展路径有所不同

　　上证报中国证券网讯 3月26日，马斯克在社交平台X上宣布，从本周起，全美所有具备全自动驾驶（FSD）系统的特斯拉车型将免费试用FSD一个月。

　　中外全自动驾驶发展路径有何差异？全自动驾驶前景如何？记者就此专访了浙江清华长三角研究院海纳认知与智能研究中心主任、上海外国语大学硕士生导师王挺。

　　特斯拉FSD系统有视觉优势

　　王挺表示，特斯拉FSD系统在视觉领域或有一定优势。这主要得益于特斯拉汽车较大的市场保有量，能够实时收集大量的道路数据以供训练之用；同时，特斯拉的硬件架构主要基于自主研发。

　　“全自动驾驶在国内的落地还有待进一步观察。”王挺认为，特斯拉FSD系统主要依赖视觉画面进行决策，而国内的自动驾驶方案则综合运用了激光雷达、毫米波雷达、视觉感知以及车联网等多种技术。

　　“这两者越来越像是处于不同赛道的竞争者，我认为国内的方案更为可靠。对于乘用车而言，安全永远是最重要的考虑因素。”王挺表示，只要监管到位，车联网、通讯、算力等基础设施建设完备，国内的自动驾驶龙头企业有很大把握胜过特斯拉。

　　在王挺看来，国内一些科技公司和新能源车企在自动驾驶方面都有所建树，华为、百度、理想、小鹏、哪吒等公司较为领先。底层芯片方面，地平线、黑芝麻等公司展现出强大的落地能力，目前这些公司已经向香港交易所提交了招股说明书，计划在香港进行首次公开募股（IPO）。

　　提高安全系数是重中之重

　　L4、L5级（高阶）自动驾驶离落地还有多远？王挺表示，除了基础设施建设跟上步伐，监管法规也需更加明晰。比如，摄像头感知周围环境时，如何保护居民的信息安全？自动驾驶背景下，安全事故如何定责？

　　提升安全系数是全自动驾驶的重中之重。王挺表示，由于全自动驾驶，尤其是车联网很可能需要依靠网络进行数据交换，所以一旦车辆遭到黑客攻击，黑客很可能通过伪造交通事故来掩盖其他不良动机，造成人为交通隐患。为解决该问题，公安、交通部门、大数据部门和电信等运营商需联合建立交通领域的数据孪生平台，做好数据和通讯的监管。

　　此外，其安全隐患可能还源于机器学习时训练数据不足。王挺认为，目前，全自动驾驶的完成主要基于机器学习，尤其是深度学习。训练数据是机器学习的重要环节之一，通常需采集大量道路信息和人类驾驶员的实际驾驶数据用于训练，这要求训练数据能覆盖各类型的驾驶道路和场景。

　　“在实际研发过程中，如果未能全面覆盖所有路况场景，这可能会成为全自动驾驶的一个安全隐患。由于机器未曾学习过这些数据，可能不知道如何处理新情况。”王挺表示，这需要由国家主导建立全国性道路测试数据平台，各厂商和科研机构统一数据格式和接口，开放共享训练数据，不仅可降低安全隐患，还可减少全自动驾驶的研发成本。

　　全自动驾驶赛道前景广阔

　　尽管存在挑战，但前景仍然充满希望。王挺表示，全自动驾驶领域拥有广阔的发展潜力。

　　“从技术层面看，全自动驾驶在操作层面完全可以实现。从应用层面看，全自动驾驶可以更全面地提升车辆行驶过程中的安全性。从驾驶员角度看，全自动驾驶可有效避免驾驶疲劳带来的潜在危险，提升驾驶员、乘车人员的舒适度，更适合远距离出行。”王挺表示。

　　此外，全自动驾驶不仅可应用在乘用车领域，也可以应用在物流、工程、搭载儿童、老人、残障人士等特定场景中，帮助各类群体更好地出行。“因此从目前来看，全自动驾驶的赛道值得进入！”王挺说。（霍星羽）