3 月 29日，中国电动汽车百人会论坛 2025 在京举行。 清华大学智能产业研究院（AIR）张亚勤院士 出席并发表主题演讲 《无人驾驶的一些观点》 ，他表示，无人驾驶将成未来五年最大具身智能应用，今年有望迎 “ChatGPT 时刻”。他提到，大模型加速了 L4 级无人驾驶技术的泛化，多模态感知技术与云端、车端模型结合，能助力无人驾驶做出更优决策。在技术路线上，应以单车智能为主，车路云协同作为补充。他还预测，到 2030 年 10% 的新车或具备 L4 级自动驾驶能力。

大家早上好！

刚才，清泰理事长提到，中国汽车的发展上半场是电动化，下半场是智能化。上半场中国汽车行业打得十分精彩，可上半场尚未结束，下半场便已拉开帷幕。今天，我想谈谈下半场智能化中一个极为重要的方面，也就是无人驾驶（L4+），和大家分享一些我的观点。

无人驾驶是人工智能的一个关键应用领域。这张PPT是我在百度公司担任总裁时制作的，仅做了些许改动。可以说，没有人工智能，就没有无人驾驶，AI是无人驾驶领域最为核心的技术。在发展过程中，无人驾驶面临着诸多挑战，像安全性、实时性等问题，它还集成了各种复杂难题。一旦解决了无人驾驶，尤其是复杂城市环境下的大规模无人驾驶问题，许多相关难题也会随之迎刃而解。当时，我们就提出了无人驾驶实现过程中需要关注的关键问题，其中既涉及市场因素，也包含非市场因素。市场因素涵盖技术可行性、真实的用户需求、产业生态以及商业模式等方面。

首先，技术可行性是至关重要的一点。 无人驾驶究竟是遥不可及的梦想，还是能够成为现实的技术？在技术路线选择上，是以视觉技术为主，还是采用多模态技术？是端到端的架构，还是需要运用大量强化学习算法？是否依赖高精地图等，这些都是需要深入探讨的技术路线问题。

其次，关于如何实现无人驾驶也存在诸多讨论。比如，是依靠车路协同技术，还是侧重于单车智能？是采取渐进式发展，从L2、L3逐步过渡到L4，还是直接迈向L4阶段？是选择开源模式，还是闭源模式？在竞争格局中，究竟是传统汽车制造商（OEM）更具优势，还是新兴的造车新势力，亦或是高科技公司能够脱颖而出？此外，清泰理事长还提到了政策、法规、伦理、隐私、保险等非人为因素，这些也在很大程度上影响着无人驾驶的发展。

过去两年，尤其是去年，无人驾驶领域迎来了加速发展期。无论是中国企业还是美国企业，都取得了不少进展。美国谷歌旗下的Waymo在旧金山全面铺开无人驾驶服务，去年我去过旧金山两次，体验了Waymo的无人车，感受非常好，其驾驶表现比人类司机更出色，而且安全性极高。目前，Waymo已经在洛杉矶推出服务，最新消息称，马上还会在华盛顿开展业务。特斯拉也宣布，Cybercab将于2025年在美国得克萨斯州奥斯汀市投入运营，并计划在2027年实现量产。在国内，众多企业同样成果斐然。地平线、文远（知行）和小马（智行）成功上市，值得重点提及的是，百度的萝卜快跑在多个城市开启商用服务，在武汉实现全域无人驾驶运营，这无疑是一个具有重大意义的里程碑事件。

在政策法规方面，也有了许多积极进展。智能网联汽车车路云一体化工作试点已在十几个城市展开布局，北京也出台了一系列新的政策法规。从亦庄开始的试点工作进入了新的阶段，500平方公里的试点区正在逐步推进。

无人驾驶的底层逻辑主要体现在两个方面。其一，能够大幅提升安全性，目前其安全性至少提升了10倍，未来有望提升到100倍甚至更多，现在实际上已经接近10倍的提升幅度。其二，能显著降低出行成本。 这张图表来自方舟投资（ARK）“木头姐”（凯瑟琳·伍德(Catherine Wood)）撰写的报告。回顾过去一百多年，出行成本发生了较大变化。从马车时代过渡到汽车时代，出行成本下降了约二分之一到三分之一，但在汽车诞生后的这一百多年里，经过通胀调整后，每公里出行成本基本稳定在七毛钱到一块钱之间。而无人驾驶汽车出现后，出行成本预计又会下降二分之一到三分之一，这将在出行成本和安全性方面实现巨大飞跃。

从全球布局来看，无人驾驶领域呈现出积极拓展的态势。例如，Waymo计划进入东京市场，百度将业务拓展到香港和中东地区，文远和小马也在中东开展相关布局。

五年前，我离开百度，在清华大学组建了智能产业研究院（AIR）。无人驾驶和具身智能是我们研究院的重要研究方向之一，研究院总共设立了三大研究方向，近三分之一的老师和学生都投身于这一领域的研究工作。从一开始，我们就明确要开展无人车和机器人相关研究，探索具身智能。在这个过程中，AIR形成了几个核心观点： 一是坚信多模态感知技术的重要性，不仅要运用视觉技术，还需要配备激光雷达以及其他各类传感器；二是倡导轻地图的AI导航，当前部分无人驾驶技术依赖高精地图，而我们认为未来虽仍需地图辅助，但会是轻量化的地图，或许不再需要如此高精度的地图；三是支持端到端的自动驾驶技术。 在这背后，涉及诸多核心技术，我们打造了数据平台、仿真模拟平台，通过与产业界的合作，共同推动技术的落地应用和标准制定。

最初，我们的大模型架构包含感知模型和决策模型这两个模型，后来将它们融合为一个统一的大模型。

我们的团队汇聚了十位教授，还有100多位博士后、博士生以及软件工程师，团队主要在北京开展研究工作。来到清华后，我最欣慰的就是拥有一群非常优秀的学生。我和博士生们开会时，常常感觉是我在向他们学习，听他们分享各自的研究成果，能有这样优秀的学生，我深感幸运。

智能产业是我们AIR的重点关注领域，我们与产业界的合作非常广泛，90%的项目都是和产业界共同开展的。我们与奔驰、BMW、联想、毫末、滴滴、地平线等众多企业在无人驾驶或智能驾驶的不同方面展开了深度合作。我们和小米也建立了合作关系，将无人驾驶和具身智能的仿真平台、大模型应用于智能驾驶领域，目前合作进展十分迅速。

我们与百度Apollo也有着诸多合作。四年前，百度Apollo率先推出L4+车路云一体化方案，并在亦庄进行部署，如今该方案在国内得到了广泛应用。当时的研究课题致力于将道路智能化发挥到极致，如同给汽车划分等级一样，将道路也划分为五级。去年，我们发布了首个开源的端到端L4系统——AIR ApolloFM大模型，同时还打造了具身智能的底座模型。具身智能、无人驾驶以及各类机器人可以共享这个基础模型，其中约70%-80%的部分是相同的，当然在具体应用场景中会根据实际需求有所差异。目前，AIR ApolloFM大模型已经开始进行实车部署，在无锡已有车辆投入运营。

Apollo是百度推出的开源商业系统，至今已有近八年时间，历经了十个不同版本的迭代更新，全球有一百多个国家的开发者在使用。我每到一处，都会询问当地开发者是否使用过Apollo，发现大家或多或少都参考过它的架构或者使用过它的代码，可以说Apollo为全球无人驾驶技术的发展做出了重要贡献。尽管五年前我就离开了百度，但我仍继续担任Apollo联盟的理事长，希望这项技术能够在国内乃至全球得到更广泛的应用。

在无人驾驶领域，中国无论是技术研发还是实际落地应用，都处于全球领先地位。武汉就是一个很好的例子，它是国内首个实现全域无人驾驶运营的城市，目前已开放3000多平方公里的运营区域，服务人口近1700万。如果大家有机会去武汉，不妨体验一下萝卜快跑，相信会有全新的感受。

这里有一段视频，是两年前萝卜快跑刚在武汉部署时，我去试乘的画面。百度集团副总裁、智能驾驶事业群组总裁王云鹏当时也参与其中，如今萝卜快跑在武汉的运营规模已达上千辆车，实现了完全无人驾驶，并且是面向城市用户的商用收费服务，这已经不再是试验阶段的产品，而是成熟的商用产品。车上的方向盘实际上只是个摆设，已经不再发挥实际作用。文远知行、小马智行在无人驾驶领域也表现出色，文远知行在广州的公交车无人驾驶领域有诸多部署。

最后，我想分享一下关于无人驾驶的五个观点，这些也是这么多年来大家经常向我询问的问题。

第一，无人驾驶是未来五年最大的具身智能领域的应用，是第一个通过“新图灵测试”的应用。 在无人驾驶中，安全是首要目标，同时还要实现更人性化的驾驶体验，达到甚至超越老司机的驾驶水平。从目前的数据来看，Waymo和百度的无人车在安全方面表现优异，百度的数据显示，无人车的驾驶安全度比人类司机高出10倍。虽然这一数据目前只是基于实际运营统计，尚未有严格的数学证明，但已经充分展现出无人驾驶在安全性能上的巨大优势。在达到老司机的驾驶水平方面，目前还有一定的提升空间，希望在今年或者明年，通过算法的进一步优化，尤其是端到端算法的改进，能在人性化和智能化方面取得更大突破。

第二，大模型，尤其是生成式AI的出现，极大地推动了无人驾驶技术的发展。 在过去，无人驾驶面临着数据不足、长尾corner case难以处理以及驾驶常识缺乏等问题，虽然大模型不能完全解决这些难题，但已经取得了显著进展。

第三，关于技术路线的选择，我认为多模态感知将会是无人驾驶的主流。 我们不仅需要激光雷达，还可以引入4D雷达等其他不同的传感器模块。在感知层面，机器具有天然的优势，数据源越丰富，就越能做出更优的决策，我们应该充分利用这一优势。过去，激光雷达价格高昂，一个要花费几万美金甚至几千美金，如今价格已经降至一两百美金，未来还有下降空间，这得益于中国企业的创新，比如禾赛科技，我和禾赛的李一帆交流时了解到，其后续产品的价格会更亲民。同时，我们不能在技术路线上过于绝对化，不能像宗教信仰一样，只坚持某一种方案，应该充分利用各种数据源，从而做出更合理的决策。

我认可端到端的自动驾驶技术，目前这一技术已经投入使用，但在实际工程应用中，还是需要一些规则作为兜底保障。这并非是要摒弃端到端技术，而是基于实际工程需求的考量，不能过于教条地认为只能采用端到端技术，完全摒弃规则。

此外，在模型构建方面，不仅需要强大的云端大模型，还需要在车端部署精确的小模型。 不过，车端小模型应该是由云端大模型经过蒸馏、裁剪和量化等技术处理后得到的，而不是一开始就独立构建小模型，因为初始的小模型在性能上很难满足实际需求。

第四，在实现L4级无人驾驶的过程中，是以单车智能为主，还是侧重于车路协同？我个人的观点是，应以单车智能为主。 这意味着车辆在没有任何外部辅助的情况下，必须具备独立行驶的能力。车路协同、云端技术等可以作为很好的补充，为无人驾驶提供更多的安全冗余保障，助力构建智慧交通体系。但如果车辆完全依赖道路基础设施、信号灯或者整个交通体系，将会受到诸多限制，所以单车必须具备完全无人驾驶的能力。

第五，无人驾驶的ChatGPT时刻将在2025到来。 如果Waymo在美国的业务顺利推进，百度在中国武汉的运营持续向好，文远、小马等企业也稳步发展，那么今年我们或许就能迎来无人驾驶领域的ChatGPT时刻。然而，要实现无人驾驶的大规模普及，还需要更长的时间。预计到2030年，10%的新车将具备L4级无人驾驶能力，那时我们可以称之为无人驾驶的DeepSeek时刻来临。