12月8日-9日，地平线首届技术生态大会（Horizon Together 2025）在深圳召开。大会以“向高同行”为主题，汇聚全球汽车产业链头部公司，聚焦“加速全场景辅助驾驶量产普及”的阶段性使命，分享前沿实践，凝聚关键共识。

在题为《向高同行，破解高阶智驾落地的难题》的圆桌论坛上，网易传媒副总编辑张齐作为主持人，与地平线创始人兼CEO余凯、广汽研究院院长吴坚、元戎启行CEO周光、佑驾创新创始人兼董事长刘国清等四位产业领袖展开深度对话。嘉宾们围绕高阶智驾量产挑战、安全信任、L3发展路径及未来十年展望等核心议题，进行了坦诚而富有洞见的探讨。

回顾2025年推进城市智驾量产的历程，余凯用“惊心动魄”来形容地平线经历的三个“纵深一跳”：首次登上高阶牌桌并实现大算力芯片量产、打造出类人体验的HSD方案，以及在百TOPS算力档位探索好用的城市NOA。周光则坦言，交付量从月均数千台跃升至数万台，带来的工程化与数据驱动挑战是全新的。刘国清的挑战在于如何让前装智驾与无人物流车业务共用技术底座，而吴坚则强调了通过智驾与座舱融合提升“可解释性”，对教育用户、建立信任的关键作用。

安全是贯穿圆桌的核心议题。余凯将当前的高阶智驾比作“更高级的自动挡”，强调在持续提升技术的同时，有责任帮助用户正确理解技术边界。吴坚从车企“守门员”角度出发，指出安全是不可逾越的底线，而“安全感”的建立则需要通过“驾舱同频”等技术手段，为用户提供更多可解释性。周光从技术路径分析，认为端到端解决了高频场景，但要应对千公里级的长尾问题，实现从“可靠”到“可信”的跃迁，离不开语言大模型带来的场景理解与推理能力。刘国清则强调快速迭代与安全功能“标准化”的重要性。

对于备受关注的L3级自动驾驶前景，嘉宾们展现了不同的思考。吴坚从政策与数据积累的“鸡与蛋”关系出发，认为监管层会逐步开放更多场景。余凯和周光则倾向于L3可能只是一个短暂的过渡形态。余凯认为，其实现前提是某款车型在特定区域（如北京四环）积累足够的L2 运行数据，证明其安全性；而随着AI大模型能力涌现，当千万量级数据完成训练后，行业或许能直接从L2迈向L4。周光同样指出，真正的分水岭在于能否基于Foundation模型实现技术突破。

图片来源：地平线

圆桌正文：

张齐：今天特别荣幸能收到凯哥和地平线朋友的邀请，主持这场主题为 “向高同行，破解高阶智驾落地的难题” 的圆桌。其实我个人压力挺大的，在座台上的都是智驾、辅助驾驶领域的顶级专家，就我一个外行。但我也是高阶智驾的深度拥护者，就像苏博士上午提到的公众认知误区 ——2024 年以前，我基本不愿参加智驾体验活动，因为那时候做得确实不够好，每次体验完都一身汗，运动手表显示心率都到有氧运动区间了，实在受了不少惊吓。作为用户，2024 年让我看到了巨大变化：高速或堵车时智驾已经能用了，体验堪比代驾司机，所以我换了车，现在每年开 2500 公里，算是重度智驾用户。也亲眼见证了辅助驾驶行业这两年的突飞猛进，尤其是今年广州车展，我有幸体验了四个小时余博士的 ET5 HSD 版本，还是市区复杂路况，真的出乎意料，没想到地平线 HSD 在这个成本和硬件基础上，能做出这么高的体验表现。

今年在座各位企业在智驾领域都有明显突破，接下来第一个问题，想请大家分享心路历程：推进城市辅助驾驶量产落地的过程中，遇到的最大挑战和最大收获是什么？

刘国清：大家下午好，我是佑驾创新的刘国清。非常荣幸受凯哥邀请，来地平线这个热闹的 “party” 和大家交流。我们算是智驾行业里的老兵，2013 年底我回国创办了佑驾创新，行业里，一般管我们叫小眼，和有些一上来就高举高打做 L4 的公司不一样，我们走的是渐进式路线，从 L1、L2、L2.5、L2.9 一步步迭代，现在也换了新的技术称呼，今年还开始布局无人小车业务。

今年最大的挑战有两方面：一是主机厂用户对高阶智驾，尤其是城区场景的要求越来越高，凯哥在行业内的布道也推动了这种需求升级，给我们提出了更严苛的标准，同时成本压力也很大；二是我们同步在推进前装智驾技术迭代和无人物流车产品线布局，最大的难题是如何让两块业务、两套团队共用同一技术底座，打造一个既能满足主机厂严苛要求、适配快速迭代量产周期的高效数据闭环平台，又能支撑无人小车的量产交付，希望这两件事能实现更多技术复用。

最大的成就也是来源于此，经过近一年的探索，我们发现这两块业务有很多技术通用性，尽管落地场景看似相似但存在具象差异，但通过持续迭代的高效数据闭环平台，我们能快速把乘用车的技术经验迁移到无人车领域。今年 9月我们发布了 T5 和 T8 两款无人小车，今天也有幸在会场展示，非常开心。谢谢！

张齐：佑驾最大的挑战收获是L2、L4如何协同推进。那吴院长呢？

吴坚：非常荣幸，受凯哥邀请，参加2025年地平线生态大会。广汽算是地平线最早的用户之一，我们对自动驾驶技术路线的探索能追溯到 2011 年，最早用工控机做自己的 L4 方案，后来既和各大主流智驾供应商合作，也坚持自研。过去一年，广汽更多从产品端，尤其是用户感受层面下功夫，我感受最深的是座舱和智驾融合后，自动驾驶的 “可解释性” 有了巨大突破 —— 这种突破让消费者能提前被教育、主动接受自动驾驶的体验。

可以说，基于这样的一些前提的话，去年广汽在全国九大城市率先拿到了有限场景的 L3 自动驾驶牌照。我相信在包括地平线在内的众多智驾合作伙伴支持下，我们能用很短的时间，让消费者从 “敢用” 智驾变成 “喜欢用”，让自主品牌的自动驾驶走进千家万户。当然，成本控制也同样重要。感谢凯哥。

周光：其实在这一年，我们经历了比较大的量产的爬坡，在年初的时候，我们一个月也有3000台的出货，到最近几个月都是3-4万的出货量。挑战分几个层面，

第一，第一是工程化挑战，交付几千台和几万台完全是两回事，再加上多车型同步交付，这个从 1 到 3、从 1 到 10 的过程非常艰难。第二是数据驱动的挑战，随着出货量增多，如何用量产数据的飞轮效应驱动端到端系统迭代，这也是很大的考验。

惊喜的是，我们看到了市场对高阶智驾、城市 NOA 的需求爆发式增长 —— 以前大家说辅助驾驶 “可激活”，现在已经做到了用户 “愿意用”，这种转变真的挺让人惊喜的。

张齐：周总，我追问您一个问题，今年做城市NOA的供应商还蛮多的，市场竞争还是蛮激烈的，尤其价格杀得非常厉害，现在我们做智能辅助驾驶现在面临着一个成本、安全、体验的“不可能三角”，而且价格的竞争越来越激烈。您怎么样看在目前的竞争格局下，未来的市场变化？包括做智驾的供应商和车企的合作会有哪些形式上的变化？

周光：自动驾驶的规模效应是比较明显的，随着规模增加，无论是不同车型，还是安全性方面，因为有数据飞轮的存在，车子越多、数据越多，安全和体验自然会得到提升。成本降低则可以通过不同的芯片平台实现，最开始去年以英伟达平台为主，到现在有高通、地平线等各种平台，都能实现价格下探。但前提是，必须在安全和体验有保障的情况下，再做价格下探。

张齐：凯哥，你2025年最大的挑战和最大的收获是什么？

余凯：其实，2025年对于地平线（来说），我觉得形容为“惊心动魄”的一年恐怕也不为过。实际上，回想起来，今年我们实现了或面临了三个“纵深一跳”。在2025年之前，地平线是只在一个低阶和中阶的玩家，我们从来没有上过高阶的牌桌，这对我们来说是一个巨大的挑战。

首先，高阶智驾需要强大的算力芯片，2024 年之前，行业普遍认为门槛应该在 200T 以上，而我们以前从来没有 200T 以上算力的芯片，这是第一个大挑战。

第二，高阶的城区辅助驾驶对于算法、软件的要求更高。这个怎么办？那就需要包括和我们所有的合作伙伴在一起，共同去解决这个问题。

第三，你真的完成了一个基于征程6P 560T 算力的HSD高阶智能辅助驾驶，反过来想，中国市场的面貌实际上就像我昨天分享的，50% 的车型其实都是 13 万以下的，明年补贴可能还会退坡，市场会受到什么影响？所以我们要把这个问题想得严峻一些，第三个纵深一跳就是反过来思考：100T 左右的算力，我们能不能做好城市 NOA？

三个纵深一跳：第一，干出560T算力的芯片；第二，打造一个在城区智驾丝滑的表现，类人、拟人表现的HSD；第三，在128T算力的档位上能否干很好用的城区NOA。

所以现在回过头来看，我们这三个纵深一跳其实都跳过去了。这对于地平线团队以及所有合作伙伴来说，是非常不容易的一年，中间面临的交付压力、技术压力巨大，量产过程中，我有很多次半夜 11 点被项目组拎起来开会，去解决一些意想不到的问题。

收获和惊喜也正源于此，好在我们把这三个纵深一跳全跳过去了。所以我们成功站上了高阶智驾的牌桌，大算力芯片实现了量产，证明了它能够支持这么复杂的软件算法。同时，我们又携一众合作伙伴，在这次技术生态大会上，推出了更具性价比的基于征程6M 的城区智驾方案。这就是我们的2025年。

张齐：下面进入第二轮问题。我觉得我们不能回避，今天各位嘉宾都多次提到的一个词就是 “安全”。目前，安全还是用户以及整个辅助驾驶行业发展最大的挑战，而且现在的情况很复杂：一方面，我相信像 HSD 这样的高阶智驾产品，因为有 AEB、有融合感知，事实上它的安全性、事故发生概率以及严重程度，应该已经优于普通人类驾驶员，这是技术的先天优势；但另一方面，智驾毕竟是新生事物，一旦出事就一定会上头条、上热搜，影响整个公众对智驾的信任，今年就发生过好几次惨烈的案例。此外，必须承认，现在所有的辅助驾驶或智驾都还没有做到 100% 天衣无缝，这周行业里刚发生了一起罕见的 L4 事故，白天路况看着还可以，很难想象 L4 还会发生这样的事故。同时，现在的厂商无论是做智驾的还是做整车的，都面临着一个核心问题：如何让用户建立信任感，从 “安全” 升级到 “安全感”。这也是一个新的陷阱，刚刚建立起安全感的阶段，根据案例分析，尤其是特斯拉在美国的案例，这个时间段往往是事故概率最大的，“淹死的都是会游泳的” 这句话虽然不恰当，但也反映了这种风险。那么在安全问题上，我们到底能做什么？虽然安全性不可能完全清零，但在现有 L2 向 L3 过渡的阶段，如何提升安全性，更好地和用户沟通？

这个问题，我建议三位来自智驾企业的嘉宾多从技术角度谈，两位主机厂的嘉宾因为直接和用户沟通，承担直接的法律责任，多谈谈如何教育用户、建立机制，让用户准确理解技术边界。从刘总开始。

刘国清：就像您刚才提到的，现在的智驾还没有做到 100%，需要一个持续解决问题的过程。最开始进入中高阶智驾领域时，一个大版本从研发、测试、仿真到最终 OTA，要花 3 个月时间；到现在，大概 3-4 周就能完成大版本升级。这种更高效的迭代过程，对于修复长尾问题至关重要。第二，虽然现在行业里大家很关注人性化功能，但我们认为，安全性相关的工作更应该标准化。当车厂和用户对智驾功能的边界、适用场景和不适用场景都有更标准的认识时，从安全角度来说，会更有保障。

张齐：刘总的答案第一是要快速迭代，提升性能，二是安全要做标准化。

吴坚：安全这个话题，在今年 4 月 12 日广汽的科技展上，我们已经开了一个专题，今年的专题核心就是高阶辅助驾驶、自动驾驶的安全性。今天提到的 “安全” 和 “安全感” 两个提法非常好：首先，安全是造车人永远的基本底线，我们面向消费者，必须交付可靠的产品，从研发、仿真、设计到验证，整个过程的唯一目的，就是把安全的产品交给消费者。

同样，自动驾驶是一个庞大的系统工程，涉及行驶、转向、车身姿态、环境感知等多个方面，把这么多系统集成到车辆上，最终交付给消费者的产品，不仅仅是智驾系统做得好就行，整车基础也必须要好。

我们就碰到过一个非常实际的案例，不怕跟大家分享：我们某一款车原本不带空气弹簧，加装智驾系统后，什么都没改，只是把普通悬架换成了空气弹簧，结果所有的泊车功能都用不了了。对于自动驾驶企业来说，他们很难找到原因，想不明白为什么什么都没改，以前能泊车现在就不行了。这种坑特别多，我们的工程师每天都在填这些坑。当然，我们是最后一道 “守门员”，因为要向消费者交付安全的产品，所以安全对我们来说是不可逾越的底线。我经常说，要用 “敬畏之心做产品”，对于安全，必须要有足够的敬畏之心，这是传统车企非常看重的。

第二个话题是安全感。安全感其实是用户或消费者的心理历程，是真实感受，这一点最难把握。消费者来自社会各个阶层、不同人群，有不同的背景和文化，中国的消费者和美国、欧洲的消费者需求都不一样，怎么让他们感受到安全？作为车企，我们现在确实面临着很大的难题。这里缺少一个通用标准，一个能让消费者普遍感受到安全感的标准。

我用一些比喻给大家开拓一下思路。其实我们都坐过亲友开车的感受，你坐刚从驾校出来 7 天就上路的亲友开的车，和坐有十年驾龄的亲友开的车，那种感受差异很明显，这就是我从情感层面理解的 “安全感”。

产品层面的解决方案，之前也提到过，更多是要做 “驾舱合作” 或者 “驾舱同频”，至少让使用智驾的消费者时刻能获得技术上的 “可解释性”，相当于身边坐着一个教练，随时提醒你该怎么做，这样可能会给消费者更多安全感。

车企是一个“守门员”，我们没有退路，至少从目前的法规来看，作为产品提供者，我们有责任和义务为消费者守好安全底线。我相信随着国家法规进一步清晰化，自动驾驶从业人员的技术路线会更明确，未来车厂也能让消费者真正感受到智驾产品的魅力。

张齐：谢谢吴院长，一方面，车企还是安全的守门员，另一方面，通过增加可解释性让用户提升安全感。

周光：其实安全和安全感智驾领域和两个参数是越来越挂钩的，所谓安全，指的是系统的 MPCI；安全感，指的是 MPI。这两个参数有区别，比如安全员的 MPI 和普通用户的 MPI 不一样，因为安全员知道系统边界，可能会到最后一刻才接管；但真正的用户，只要不满足预期就会接管，所以安全感的核心是 “符合预期”。

黄总刚才提到的 “可信”，我认为必须依赖大模型和语言能力，一个可解释的系统才是可信的系统。我们公司是国内最早布局 NOA 技术的企业之一，语言系统能让智驾架构具备可解释性：没有语言支撑，模仿学习只能重复过往行为，无法保证一致性；而语言的作用就是 “可解释性”，让用户理解系统决策逻辑。

从特斯拉的发展来看，端到端技术已经发展到一段式，基本解决了城市百公里级的高频场景，比如典型的超车、加塞等，这些都可以通过模仿学习解决。但要突破千公里级场景，就必须具备场景理解能力。最近发生了一个案例：一辆车右转时，因为路面湿滑导致电动汽车侧滑碰撞。这种情况端到端系统无法处理，因为人类会根据 “下雨路滑” 的常识预判风险，但端到端做不到，必须依赖大模型的推理能力。其实随着 MPCI 的提升，要达到千公里级的安全水平，没有语言大模型的加持是难以突破的。特斯拉的 V14 已经有语言模块了，只不过受算力限制，目前只用于训练。再往下走，要真正实现智驾大模型，需要的算力不是现在的 200T，现在行业普遍认为，2000T 才是真正进入大模型时代的自动驾驶算力门槛。

从宣传层面来说，大家不要过度宣传智驾能力。底层的驾驶安全和安全感，一定是技术驱动的，必然要从模仿学习、端到端逐步进阶。当你开 1 万公里，难免会遇到修路等场景，如果没有语言能力、场景理解能力，系统怎么处理？再往下走，还会有更多技术突破，我比较期待大算力模型落地后，智驾系统能实现从 “可靠” 到 “可信” 的跨越。今天端到端还是有提升空间的，因为今天辅助驾驶还没有解决高频场景的，比如博弈处理不好，这是高频场景，不需要语义理解的。这是我的看法。

张齐：周总相信最核心的还是要技术提升解决安全问题。凯哥怎么看地平线的安全感？

余凯：第一点，作为技术的供应商，包括我们和车厂、客户在一起，有责任和本分不断提升技术水平，同时要非常重视安全兜底功能，比如 AEB 这些 function，不能只关注酷炫的技术，兜底技术也要足够扎实。现在很多中国车厂，即便纯视觉方案已经做得很好，依然愿意使用激光雷达，这一点非常值得赞赏。

另一方面，要帮助用户正确理解当前智能驾驶的技术状况。今天工信部强制要求标注 “辅助驾驶”，我认为这是非常正确的事情。前段时间我和张齐老师有过一次对话，当时提到一个观点：现在的辅助驾驶、FSD、HSD，其实就是更高级版的自动挡。大家如果有印象的话，90 年代开车，手脚并用控制离合器、刹车、油门，还要控制方向盘，我记得当时学开车的时候手忙脚乱，非常难；后来自动挡出现了，开车就简单多了，基本不用管离合器，方向盘、油门、刹车的配合也相对简单。现在的高阶辅助驾驶，其实就是更高级版的自动挡，手还是要搭在方向盘上，眼睛要看着前方，遇到问题还是要及时介入。我在想，如果用户能意识到这一点，可能安全使用的问题就没那么有挑战了。那天和张齐老师还聊到，古代人骑马也是一样，骑着马不能睡大觉，马虽然能 “自动驾驶”，但踩了别人庄稼，或者看到路边分心、闹情绪了，你还是要管，不过马还是带来了很多便捷，只是需要时不时拉拉缰绳。高阶辅助驾驶和人骑马的情况可能也差不多，如果能培养这样的用户习惯，它会是一个很好用的工具。

当然，我对技术未来的发展是乐观的，我觉得 3-5 年内，MPCI 应该有希望降到万公里级别。到了万公里级别，智驾的表现可能就非常接近人类驾驶员了，甚至有可能做得更好。整体来讲我还是很乐观的，眼前来看，大家要客观看待技术水平，正确应用智能驾驶功能。

张齐：多年前，所有车都有手动挡和自动挡选择，自动挡比手动挡大概贵 1-2 万块，现在 HSD 这样的高阶智驾解决方案，价差已经比当时小多了。第二，我们可能正处在汽车极低伤亡率技术的关键关口，现在中国一年交通事故死亡 6 万人，十年后可能降到 600 人，我觉得这种可能性是存在的。越是技术跃进的时代，越要教育好用户，让用户清晰了解当前技术的边界。

安全话题比较沉重，第三轮我们聊个轻松点的，聊聊 L3。今天很多分享嘉宾都给出了时间路线图：2026 年 L3 高速开放，2027 年城市 L3 开放。从十年前开始做 L2，到近几年发布会上的 L2.5、L2.9、L2.99、L2.999，这层窗户纸终于要捅破了，商业化运营在即。这意味着明后年，道路上会出现 L2、L3 和特殊路段 L4 车型混行的局面。大家怎么看待这种技术革新的局面？尤其是明后年 L3 大概率会在高速、城区逐步落地，大家认为下一个阶段智能驾驶的发展路径是什么样的？

刘国清：我觉得未来三年左右，L2、L3、L4 的发展路径会有区别：L2 和 L3 会持续扩大 ODD（设计运行域），核心是让智驾系统在更多工况下更安全、更舒适；而 L4，我个人认为未来三年会聚焦于细分、垂直赛道，比如快递配送、港口、矿区等。L4 在未来三年要解决的核心问题是 “赚钱”，它和面向前装的 L3 业务，在技术逻辑和商业逻辑上都有本质区别。

张齐：苏博士之前说三年后 L4 可能以平易近人的价格落地，您觉得可能性不大？

刘国清：我认为未来三年，会有越来越多的细分场景里，无人车能够帮助客户、企业或车主创造收益。

吴坚：刚才我也和大家汇报了，今年广汽拿到了工信部 L3 的首批试点。我认为这首先是举国机制共同努力的结果。从监管单位的角度来看，他们其实很矛盾：一方面怕出事，另一方面又希望技术快速迭代。就像很多专家分享的，未来自动驾驶会大量应用端到端  VLA 模型，背后的支撑就是数据。但数据从哪里来？如果不让车上路，数据就无从获取，这是一个 “鸡和蛋” 的关系。所以从监管角度来说，必须逐步开放更多场景，未来可能从封闭高速公路，到城市快速路，再到城中村等，一点点扩大开放范围。其实数据越多，模型就越成熟，学习效果就越好，这就像小孩学走路，不让他动、不让他走，永远学不会，只有让他不断试错、不断摔跤，才能站起来、直立行走，做他该做的事情。我想，这就是未来自动驾驶无论是 L2、L3 还是 L4，国家层面都会意识到数据的重要性，一定会持续开放场景，这是最重要的一点。

至于未来 L2、L3、L4 是否混线、混区行驶，其实不重要。对车厂来说，更关键的是尽快明确责任划分：L4 肯定是车厂责任，L2 是消费者责任，相对模糊的是 L3—— 在什么状态下，如何判定用户是有意识还是无意识、有意而为还是无意而为，这在法律上存在一些伦理和灰色地带。我相信这也是监管部门希望通过试点找到的答案，最终达成消费者、车厂、监管部门三方都满意的结果，让智能驾驶尽快成为老百姓想用、放心用的产品。

周光：你提到法律和技术双重驱动，但我认为二者的分水岭不一样：L2 相对于 L3、L4，更多是法律的分水岭，第一次明确了权责划分；但技术的分水岭不同，L2、L3 本质上是 “兜底为主”，L3 是在现有框架下，明确哪些场景不能用，设置很多规则限制；而真正的 L4 不是基于 HD Map 的 “伪 L4”，而是基于 foundation 模型的技术突破，这才是 L2、L3 到 L4 的核心技术分水岭，但技术和法律都必须往前走，才能实现真正的 L4。特斯拉只从技术层面区分，它就是想从 L2 直接跳到 L4，而且是基于模型驱动，这是我看到的行业现象。

张齐：L3会很难，但突破L3就是一个简短的过渡，会很快进入L4。

周光：这取决于模型发展速度，如果能快速构建起成熟的 foundation 模型，过渡就会很快；如果大模型无法解决核心问题，L3 的存在时间就会更长。

余凯：我同意周光的看法：从 L2 到 L4，关键要看技术大模型的进展。如果技术大模型进展不及预期，中间就会出现 L3 这样的妥协状态。什么是 L3？简而言之，它本质是以 L2 为基础，在有限 ODD 边界内实现的类 L4 状态。比如北京四环，若广汽或岚图的某款车型已认证在北京四环能达到极高的 MPI（比如 10 万公里），那么车辆驶入北京四环时，系统会提示 “已进入全自动驾驶区域”，驾驶员即可放松，由车辆接管并承担责任；驶离北京四环时，系统会提示 “正在驶离全自动驾驶区域，请准备接管”。

这一模式的前提是，需要有足够多的该款广汽或岚图车型以 L2 模式在北京四环部署，且已验证足够安全。也就是说，必须有足够多的同款车型以 L2 模式落地，且仅限这款车 —— 不同车型间无法相互替代：某款车型的传感器、底盘验证达到的 MPI 水平，不代表另一款车型能达到同等 MPI 水平。这是人命关天的事，因此必须有足够多同款车型以 L2 模式在北京四环积累的真实数据，证明其 MPI 达到该水平，而非仅靠仿真数据达标就行。理论上或许可行，但人命关天的事绝不能如此。所以我认为，首要基础是实现足够大规模的 L2 车型部署，积累相关统计数据后，再探讨实现局部 L4 的可能性。

也有可能如周光所说，当实现千万量级的 L2 车型部署后，积累的模型或许能直接跳过 L3 阶段 —— 即某一场景下验证可行的方案，推广性可能很强，在其他场景也能有同等表现。尤其是人工智能大模型，正展现出这样的特性。比如 HSD：在 HSD 之前，基于规则的规控系统在上海调试完善后，到了广东佛山，很多参数都需要重新调整；而现在基于纯 AI 模型的系统，在上海调优后的模型直接用到佛山，效果依然很好，性能没有明显下降。

这和大语言模型的发展逻辑相似：早期大语言模型依赖规则，比如花大量精力调优英语译德语的规则模型后，再做英语译中文时，原有规则完全失效；而当研发出上限极高的大语言模型后，各类长尾 corner case 反而都能解决，只需从解决通用问题切入即可。我认为正如周光提到的，当千万量级 L2 部署落地、千万量级数据完成训练后，模型的能力上限会大幅提升，无需再针对北京四环、广东佛山等具体场景单独调优，甚至能直接迈向 L4。正如苏博士今早所言，或许不会经历短暂的 L3 阶段，而是从 L2 直接跃迁至 L4。

张齐：从L2、L3、L4跳跃阶段会对未来的生态体系发生什么样的变化，地平线会扮演什么样的角色？

余凯：今年年初，我发了一个推论，提出了“三年实现handsoff，五年实现eyesoff，五年实现mindsoff”。如果 eyesoff 就是 L4，我希望和合作伙伴一起，推动到 2030 年实现真正的 L4。因为我看到人工智能的发展具有一定的突变性，当数据、模型、参数规模达到一定阈值，就会涌现出意想不到的性能，我非常期待五年内推动 L4 落地。

张齐：第三轮问题嘉宾们都做了精彩解答。时间关系，进入快速的第四轮。第四轮问题：今年是乘用车辅助驾驶 L2 发展的第十年，也算是以 HSD 为代表的高阶智驾的元年，实现了技术平权。过去十年的发展波澜壮阔，接下来请大家用一个关键词预测下一个十年，智能驾驶会发展到什么程度？请用一个词，再用简短的语言解释原因，预测下一个十年会发生什么？

刘国清：对于我们来讲，下一个十年我们可能最期待的不是技术本身的东西，而是“出海”。这也是我们目前在努力做的事情，我们基于地平线的芯片，其实已经在帮助国内的一些主机厂在往欧洲、澳洲、中东等很多国家做出海智驾的系统。今年我们在做的事情也希望能直接服务于一些国外的OEM、国外的Tier1。对佑驾来说，下一个十年，我们不仅要服务好国内客户，还要把国内充沛的产能和技术能力向外溢出。

吴坚：十年太久了，因为现在无论是从硬件还是软件，现在的迭代速度这么的快，我想可能得找一个点，这个点大概是占比10%的时候。我认为所有这些科技产品目前如果说它的市场占有率能达到10%的话就会出现一个拐点。真正实现技术平权。这需要生态上下游共同努力，通过平台共享、数据共享降低成本，具体时间取决于技术迭代速度。因为我快退休了，等不了十年，相信这个拐点会在三年内到来。

周光：我觉得商业层面肯定是刘总提到的出海，接下来可能是全面走向大模型和强化学习的时代。所以接下来几年希望有技术上的突破，能真正做到大规模级的突破，这才有更有社会价值。

张齐：周总压注大模型，靠技术的突破。

余凯：十年之后，大家可能买车的时候就不会关心有没有自动驾驶，就像现在买个手机，无论是买个八九千块的手机，还是买一个千元入门级的手机，你不会问这是不是4G、5G，因为那就是一个很平凡的事情，那就是一个非常平庸的标配了。所以你会发现，自动驾驶其实是一个基础功能，它不会给你带来一种情绪价值，不会说你这个自动驾驶因为你是岚图，你就开出一种端庄尊贵的感觉，或者广汽就开出岭南风格，或者其他品牌可以开出郭德纲、林志玲的风格，它就是一个标准的A-B，足够的安全、足够的舒适和便捷。

所以，我认为它不会定义品牌，自动驾驶这件事情和这个车的品牌没有关系。我觉得这些年，我们的车厂客户们被一些科技玩家把自动驾驶当作一个神乎其神的东西，搞得很焦虑，很聒噪。其实没必要，因为自动驾驶这个功能是标配，它没有个性，所以它和品牌没关系。无论未来是十几万的车，还是30、40万的豪车，自动驾驶在这里就是一个很平凡的东西。所以它和品牌会独立、会分离，没有任何的关系。反过来，我建议车企的兄弟们多和供应商合作，不用浪费太多钱在自研上，多用周光、刘国清他们的解决方案，随着时间推移，时代最好的技术自然会落地到每款车上。车企应该把更多精力放在 “情绪价值” 上 —— 这才是定义品牌的核心，比如岚图梦想家把 MPV 的豪华感做得很好，这就是情绪价值，会和品牌深度绑定。我认为车未来还是情绪产品，车厂要把更多精力放在情绪价值上，功能性价值用时代最好的技术即可。

张齐：谢谢精彩嘉宾的分享。今天的圆桌讨论到此结束，再次感谢各位嘉宾的精彩观点碰撞。