文 观察者网心智观察所

2 月 25 日，特斯拉宣布推出城市道路 Autopilot 自动辅助驾驶功能。此举具有重要意义，标志着备受期待的全自动驾驶 FSD 功能正式进入中国市场。特斯拉正为中国客户分批次更新软件。本次特斯拉 FSD 在中国的版本具备多种功能，其中包括交通信号识别、导航辅助以及智能变道等。同时，摄像头能够识别驾驶员的注意力情况。

驾驶辅助技术在中国日益普遍，特斯拉 FSD 正式进入中国，这为中国的智驾竞赛增添了一份力量。

比亚迪推出了“天神之眼”等高阶智驾系统，小鹏计划推出 L3 级自动驾驶。特斯拉加入后会刺激技术创新，推动行业迈向更高级别的自动驾驶。

心智观察所会在本文里，带你总结那些影响中美自动驾驶竞争的政策因素。

为什么自动驾驶难如登天？

有这样一个场景：一群人，他们由工程师、业余爱好者和发明家构成，宛如“杂牌军”一般。这些人带着自己亲手制作的自动驾驶机器，来到了美国南加州那干旱的莫哈韦沙漠。他们的目的是让这些“钢铁司机”跑完 150 英里（约 241 公里）的赛道，从而赢得 100 万美元的奖金。最终无人取得成功。其中表现最为出色的是卡内基梅隆大学团队，然而他们的机器仅仅跑了 7.4 英里就败下阵了。

2004 年美国国防部高级研究计划局（DARPA）发起了自动驾驶挑战赛。当时的技术还比较稚嫩，但是 DARPA 的尝试不是徒劳的。当年卡内基梅隆团队有两名成员，他们后来成为了谷歌旗下 Waymo 的创始人，如今 Waymo 在自动驾驶领域处于领先地位。

20 年过去了，自动驾驶到现在还没有迎来像 GPT 那样的“开窍时刻”，在很多时候它就像是一张还没有兑现的支票。然而，这两种技术路线之间激烈的竞争，给这个领域带来了新的活力。

如果把将 AI 植入聊天机器人称作技术革命，那么自动驾驶就是改变人类生活方式的“工业革命”。从技术方面来讲，它是通往机器人时代的关键；从经济方面来讲，它能够让人类从方向盘前解脱出来。

以美国作为例子，自动驾驶每年能够为美国的劳动者节省 240 亿小时。这相当于每个人能多出整整 12 天的假期。这些时间可以转变为与亲人相伴的时光、工作所产出的成果，亦或是仅仅用于放松和休息。

为什么自动驾驶难如登天？

真正的完全自动驾驶意味着车辆能够在各种路况下自主行驶。这需要同时攻克两大难题：一是造出如同人眼般的“视觉系统”，此系统通过摄像头和传感器来实现；二是复刻人类大脑的“驾驶本能”，这种本能依赖于深度神经网络。

想象日常驾驶的场景：需要瞬间去判断侧方卡车的行驶轨迹；需要识别暴雨中突然窜出的孩童；需要在 0.3 秒内完成刹车反应。这些对于人类来说近乎是本能的判断，然而对于机器却是需要精密计算的系统工程。更让人头疼的是，自动驾驶必须要建立绝对安全的社会信任：它是否能够在机场的车流中行动自如？它是否能够应对街头混乱的交通生态？

这项技术尽管面临诸多困难，但其商业前景依旧具有吸引力。美国智库的一项研究表明：到 2035 年，仅在客运领域就能够创造 4000 亿美元的收入，还将释放出数万亿美元的社会效益。如果美国能够使 25%的车辆实现自动驾驶并普及，那么预计可以避免 144 万起事故，并且能够节省数十亿美元的医疗开支。

双雄争霸：模块化VS端到端

未来似乎还较为遥远？然而，无人驾驶这一事务实际上已快要触及门槛了！当下存在两个门派在相互较量：其一为 Waymo 的“积木搭房子”，即采用模块化的路线；其二是特斯拉的“一口闷”大法，专业术语称作端到端。这两者都依靠近期迅速走红的变形金刚，哦不对，是 Transformer 模型来支撑。

先说“积木派”，其工作方式如同流水线工人分工干活一般。例如使用三个 Transformer，其中一个充当眼睛来观察路况，一个充当大脑去规划路线，第三个则充当手脚来控制油门和刹车。每个机器人都有各自的职责，工程师们能够依次对它们进行调教和优化，哪里出现问题就修理哪里。然而，有趣的是，原本是想要简化问题，结果却弄出了一堆流程，反而使得事情变得更加麻烦了。

再看特斯拉的“一口闷”一派，它直接让一个像大胃王一样的 Transformer 吃下所有数据。摄像头所拍摄的内容它都会去看，方向盘、油门、刹车等它全部包揽，就如同人类开车那样边开边学习。这种方式更接近于我们学车的过程，即多开几次就能够学会了。

这两个门派所使用的 Transformer 模型，与你们日常聊天的 GPT、DeepSeek 实际上是有亲属关系的。然而，它们并非处理文字，而是专门用于处理视觉信息的超级视觉专家！它们比传统的图像处理技术更擅长对摄像头画面、激光雷达等这些复杂数据进行分析，就如同给车安装了 24K 钛合金般的狗眼。

现在整个行业都处于疯狂的赌局之中：只要能够给这些视觉模型提供足够多的数据以及计算能力，那么自动驾驶就能够取得巨大的进步。然而，这里存在着一个极为关键的问题——车载电脑必须要足够强大！手机上的聊天 AI 能够依靠云端服务器来运行，但是自动驾驶必须要在自己的车上就能够实现实时处理，因为生死往往就在 0.5 秒这样短暂的时间之内。

举个令人胆寒的例子：8 个高清摄像头拍摄 30 帧的视频，持续开启一小时，所存储的数据量能够填满 4000 张 DVD！倘若 Waymo 派出 40 辆车在道路上行驶，那么一天所产生的数据量足以塞满整个美国国会图书馆。车载电脑必须使用特制的芯片才能够承受这种数据洪流，并且不能出现半秒的卡顿——要知道，刹车晚 0.1 秒或许就会关乎到人命。

Waymo还是特斯拉的路线？

Waymo 和特斯拉这两大自动驾驶领域的竞争对手，都在竭尽全力地想要证明自己所采用的那套方法是靠谱的。

Waymo 正在对其模块化架构进行优化。这种模块化架构由于透明度和可信度较高，获得了监管机构的认可。与此同时，特斯拉则竭尽全力使用其工程师认为能够更快、更好得出结果的端到端方法，即便这需要牺牲一定的透明度。

如果系统出现问题，Waymo 的系统能够进行细致的验证以及错误的追踪。然而，这种架构是以模块为基础的，当对一个模块进行调整时，其他模块都需要随之重新进行校准，以确保一致性和兼容性，这个过程会变得更加麻烦，并且在自动驾驶的长远发展中，还有可能延缓最新 AI 技术整合的速度。

特斯拉的端到端方法很厉害，它凭借一个集成的神经网络，能够更快速地推动自动驾驶的进步。在大量特定场景的驾驶数据上进行训练之后，对于罕见或者不规则的事件（例如给闯红灯的救护车让路），能够有更好的反应。

两种模型各有其优点，且在不少方面存在重叠。然而，端到端模型由于自身较为灵活，所以看起来更具发展前景。此外，特斯拉拥有一个显著的规模优势，它拥有几百万辆自家的车辆，能够部署自动驾驶功能并收集实时数据。只要能够跨越计算和数据方面的难关，这就能够促使特斯拉在自动驾驶领域取得重大进展。

特斯拉有最新的软件更新。其全自动驾驶 12.3 版本凭借端到端方法，在能力上比之前的版本有了很大提升，这进一步证实了端到端方法在推动自动驾驶前沿方面所具有的潜力。

这事儿行业的竞争对手，尤其是中国的参与者，都将其看在眼里。理想汽车等公司赶紧重组自动驾驶部门，纷纷采用端到端模型。蔚来等公司也如此。小米和华为同样赶紧重组自动驾驶部门并采用端到端模型。就连 Waymo 也开始采取对冲策略，发布新研究，探索更早整合端到端方法。

Waymo 虽具有先发优势且运营记录较为稳定，但特斯拉的最新进展显示，它或许会成为自动驾驶领域进展的主要引领者。即便明天就能实现完全自动驾驶，其可扩展性与商业化仍取决于成本。倘若每辆车成本高达 10 万美元，那么无人驾驶出租车车队这一最为明显的自动驾驶用例便难以实现。自动驾驶技术栈包含硬件组件和软件的复杂集成，因此在性能和成本之间找到平衡是非常重要的。

自动驾驶（AD）公司在努力塑造商业化机会，这需要开发具有成本效益和可扩展性的自动驾驶技术栈。自动驾驶技术栈分为三个关键部分，分别是传感器、车载处理器和数据中心。在每个部分中，公司都在激烈竞争以抢占市场份额。最终，会形成一个蓬勃发展的新汽车工业供应商生态系统，其中既有调整后的传统供应商，也有新进入的供应商。

目前，世界上最成熟的自动驾驶供应商生态系统存在于美国和中国。在商业可行性方面，自动驾驶不仅仅是 Waymo 与特斯拉之间的竞争，中国的百度和华为也应被纳入其中。例如，百度推出了售价 3 万美元的 RT6 无人驾驶出租车，这在很大程度上是因为中国拥有成本效益高的供应链。而且，中国和美国一样，有不少汽车公司想部署自动驾驶。

事实上，无人驾驶出租车车队是最为明显的自动驾驶商业模式。这种商业模式已经在奥斯汀等城市地区以及武汉等城市地区进行了部署。这意味着竞赛正在进行当中。并且要确保拥有最佳的自动驾驶技术栈，因为这是成功实现大规模商业化的先决条件。

自动驾驶：激光雷达的去留之争

接下来谈谈自动驾驶汽车的感知系统，它就如同汽车的“眼睛”和“耳朵”。其主要依靠三种传感器硬件来进行“看”和“听”，分别是摄像头、激光雷达和毫米波雷达。例如，Waymo 的第六代无人驾驶出租车，其配置堪称“堆料狂魔”，安装了 13 个摄像头、4 个激光雷达、6 个毫米波雷达，并且还有一组外部音频接收器。这种传感器配置采用“堆料”方式，在其他自动驾驶公司中较为常见，特别是在中国市场的竞争对手们，他们似乎认为传感器越多就越厉害。

特斯拉这家企业较为特殊，它一直坚持选用以摄像头为核心的方案。在 2023 年，中国的研究人员发表了一篇论文，还对特斯拉的这一做法给予了支持。论文指出，有一种名为 BEVFormer（鸟瞰图 + Transformer）的自动驾驶模型，仅仅依靠摄像头就能够生成用于路线规划的鸟瞰图，这着实很厉害。

自 2019 年起，激光雷达的价格有了较大幅度的下降。然而，特斯拉却坚持以摄像头为核心的端到端自动驾驶系统。在其全自动驾驶（FSD）硬件中，完全看不到激光雷达的踪迹。埃隆·马斯克似乎认为，对于自动驾驶而言，激光雷达是“累赘”，而非“帮手”。它没有提供足够大的性能提升，无法证明自身存在的价值。并且还增加了 FSD 数据引擎的复杂性，所以它简直就是个“麻烦精”。

如果特斯拉这一策略最终得以实现，甚至强行引领整个行业不情愿地随之行动，那么原本就已经处境艰难的激光雷达行业，预计会更加痛苦。全球市场的领先者禾赛科技，以及美国的 Ouster 和 Luminar 等公司，它们的股价相较于 2023 年初，都下跌了 50% 以上，就如同乘坐了“过山车”一般。禾赛科技保持着正的运营现金流，然而这也难以支撑。国内的中国玩家，例如华为，正越来越多地效仿特斯拉的做法。比如华为在 2024 年推出的 ADS 3.0 软件，直接去除了激光雷达，并且还将六个毫米波雷达也剔除了。

韩国的巨头三星和 LG 需再看看。它们是特斯拉的高清摄像头供应商，如今过得挺不错。这是因为它们之前精心为智能手机供应链打造了成熟的摄像头技术，例如 LG 给苹果的 iPhone 供应摄像头模块。中国公司在摄像头图像传感器组件的国产化上有了些进展，但还未从韩国供应商手中抢走太多市场份额。它们需要面对来自美国的供应商采埃孚、来自欧洲的供应商博世以及来自欧洲的供应商大陆集团的激烈竞争，压力非常大。

在雷达领域，这是三种自动驾驶传感器类型中市场规模最大的。毫米波（mmWave）具有更耐用的性能且探测范围更远，能达到好几百米，从而超越了超声波。Waymo 和特斯拉在它们最新的自动驾驶架构中都仅使用毫米波雷达，这为中国供应商提供了机会，它们希望借此机会缩小与国外巨头的差距，并与之一较高下。

自动驾驶技术不断发展，最佳传感器套件也随之不断变化，目的是在性能与成本间找到那个“平衡点”。这些传感器生成了大量数据，这引发了自动驾驶技术栈中另一个关键组件的竞争，即车载芯片，大家都希望能在这块“蛋糕”上分得一份。

自动驾驶芯片：买现成的还是自己造？

传感器如同汽车的“眼睛”，其职责是接收外部环境的视觉信息。然而，仅有“眼睛”是远远不够的，还需要车载芯片这个“大脑”来对每小时数 TB 的海量数据进行处理。这些多功能系统级芯片（SoCs）很厉害。它们将核心 GPU、AI 加速器和 CPU 内核集成在一处。并且能够全部实现实时处理，就如同人看到东西后能立刻做出反应一样。

现在竞争的芯片供应商都在关注两个重要标准，分别是效率和延迟。对于自动驾驶汽车而言，能效的重要性超过了数据中心的 GPU。这是为什么呢？因为自动驾驶汽车在未来很有可能是全电动的，其自动驾驶系统完全依靠电池来供电。你试想一下，若自动驾驶系统每小时会将电池电量消耗掉 15%至 20%，那么整个汽车就需要重新进行设计，并且要安装更大的电池组，这是非常麻烦的。延迟也是极为关键的，为了构建安全的自动驾驶系统，从视觉输入到处理成响应所花费的时间，必须要和人类的反应时间一样快，甚至还要更快，否则在遇到紧急情况时就会很危险。

所以，搞出一个在性能和能效方面都极为出色的自动驾驶 SoC，这是自动驾驶硬件和软件集成挑战的核心所在。自动驾驶芯片通常是为特定的软件架构而专门定制的。因此，那些具备芯片设计能力并且拥有相关人才的公司就具有优势了，因为它们能够从硬件到驾驶体验都进行更全面的掌控。

Waymo 和特斯拉走的是这样的路子，这种路子能让它们在系统级别更好地掌控创新，对软件和芯片之间的互动进行优化。并且它们还能够更优地将芯片设计时间表与自动驾驶产品周期的其他部分相匹配，这是它们相较于现成芯片供应商的关键优势之一。

自己搞 SoC 开发成本较高，在技术方面也超出了大多数自动驾驶公司（涵盖汽车制造商以及自动驾驶卡车初创公司）的能力范畴，因此它们只得依赖第三方 SoC 供应商。同时，客户的自动驾驶软件架构处于持续变化之中，第三方供应商必须迅速跟上，不能仍抱有使用那种“一刀切”解决方案的想法。

对于这些供应商而言，敏捷性具有极为重要的意义。它们能否快速地进行迭代，以及能否跟上客户快速变化的需求和特定需求，这一点比它们芯片当前所具备的能力更能体现出实际情况。

从这个标准去看，中国的地平线公司以及美国的高通公司似乎处于领先地位了。这两家公司都是自动驾驶 SoC 领域的后进入者，然而自 2022 年起，高通在向宝马和梅赛德斯 - 奔驰等公司供应芯片方面取得了重大成果，并且还夸耀其汽车芯片的流水线价值超过 300 亿美元。

英伟达在 SoC 市场具有强势地位，这很大程度上得益于它的先发优势。它的首个自动驾驶解决方案于 2015 年就在 CES 上发布了。然而，它属于自动驾驶芯片的现成供应商类别，因为它的 GPU 并非天然针对车载处理进行优化。英伟达在自动驾驶领域的表现或许有些艰难。从 2022 年它取消了 Atlan 自动驾驶芯片这一事件，以及到现在已经两次推迟下一代 Thor 芯片这一情况，就能够看出端倪。此外，自 2023 年下半年起，英伟达在中国的市场份额被地平线公司所超越。为了应对这一局面，它开始针对自动驾驶工程师在中国开展招聘活动，且招聘活动较为频繁。

美国有成功的自动驾驶芯片供应商冒出来，中国也有。然而在自动驾驶供应链的下一层即超级计算的竞争里，天平或许要倾向于某一方了。

数据中心：自动驾驶技术最后的关键

在旧金山、奥斯汀、武汉以及北京等地，无人驾驶出租车都还处于试点阶段。自动驾驶公司在迅速扩张，这对它们的技术核心即数据中心提出了更高的要求。这些数据中心远离车辆行驶的区域，却承担着处理随着自动驾驶汽车数量增多而不断增大的数据量的重要任务。

强大的视觉语言模型对于自动驾驶技术的扩展有着重要意义。有了这些模型，无人驾驶出租车能够在各种道路和条件下顺畅行驶，而不是像 Waymo 那样只局限于特定的预设区域。这也是特斯拉对计算能力有很大需求的原因。它需要持续处理由数百万辆安装了 FSD 软件的车辆所收集到的驾驶数据，以此来提升自动驾驶的性能。

特斯拉在德克萨斯州奥斯汀的 Dojo 项目是一个人工智能超级计算集群。马斯克称，此项目的计算能力会达到 100 EFLOPS，这是因为有数百亿美元的投资，其中包含购买了相当于 9 万个英伟达 H100 GPU。若达到预期，Dojo 的计算能力会远远超过中国的自动驾驶领域的领导者，像华为、小鹏以及蔚来。它们分别通过云服务来提供计算能力，其中一种提供 3.5 EFLOPS 的计算能力，一种提供 8 EFLOPS 的计算能力，还有一种提供 1.4 EFLOPS 的计算能力。

然而，计算访问受限只是自动驾驶行业所面临的地缘政治难题中的一个。中国与美国作为世界上最大的两个汽车市场，自动驾驶公司在这两个市场里都遭遇着重大的监管障碍。汽车的未来常常被比作“车轮上的智能手机”，但实际上，自动驾驶技术的发展正越来越多地受到安全化视角以及国家化视角的影响。

智能手机受益于中美深度融合，而自动驾驶领域的中美合作情况不同，面临着数据安全、供应链完整性和监管制度等棘手问题。这些问题使得中美自动驾驶市场无法像消费电子领域那样形成一个相互依赖的市场。

中国目前的能力足以在自动驾驶领域独立发展，尽管如此。中国拥有强大的电动汽车行业，拥有制造生态系统，还拥有丰富的人工智能人才。所以，自动驾驶很可能会同时成为“中国制造”和“美国制造”的代表。竞争的关键在于谁能在国内更快部署，谁能在全球更快扩展，以及谁能拥有更好、更安全的产品。

自动驾驶系统要安全行驶就需不断获取大量数据。摄像头和传感器装在这些装满轮子的机器人上，它们每天收集的数据量很惊人，并且可能具有敏感性。比如，自动驾驶汽车驶入高度安全的军事设施或政府大院时，会拍摄到这些地点的视频。而这些视频数据最终的存储地点是很重要的。

每个自动驾驶公司都拥有用于运行整个车队的软件，这使公司成为防止故障和黑客攻击的唯一依靠。所以，一个值得信赖的公司非常重要。由于美国和中国之间缺乏信任，双方都不愿意将自动驾驶汽车的控制权交给对方的公司。

拜登政府的最终规则体现了这一点，该规则明确限制了中国自动驾驶玩家进入美国市场。同时，多年来中国方面对在美国市场运营持谨慎态度。例如，2021 年中国无人驾驶出租车公司小马智行退出了加利福尼亚，此前其测试许可证被吊销，其美国业务对公司收入的贡献已可忽略不计。

特斯拉成为了两个最大自动驾驶市场能否建立联系的唯一测试案例。该公司努力遵守中国的数据本地化要求，然而，特斯拉仍未获得中国监管机构对其最新全自动驾驶（FSD）软件部署的批准。本次特斯拉软件更新与美国的 FSD 功能不一样，无法实现完全自动驾驶。特斯拉当下仍在开展进一步的技术测试与论证，将来会对中国的智能辅助驾驶功能持续进行优化升级。

推测认为，症结之一是特斯拉希望训练其 FSD 数据的地点。能够在奥斯汀或孟菲斯等地的超级计算集群进行训练，然而中国法律规定要在本国境内处理多模态驾驶数据。这就让特斯拉处于两难的境地：是在计算能力强但数据资源少的中国境外训练，还是在数据资源丰富但计算能力弱的中国境内训练。

特斯拉面临困境，这反映出监管机构对数据安全存在真正的担忧。不过，一旦获得批准，就会极大地提升特斯拉的估值，因为中国是其在美国之外最为重要的市场。

影响中美自动驾驶竞争的政策因素

在中国，自动驾驶技术的部署正以极快的速度向前推进，引领着全球自动驾驶的发展潮流。2020 年初开始，工业和信息化部与其他机构一同发布了支持自动驾驶的指导方针，把这一领域当作战略性新兴产业。从那时起，中国政府对自动驾驶的支持一直没有停止。

高层政策的推动快速地转变为实际行动。2023 年 12 月，中国的交通运输部与工业和信息化部一同发布了无人驾驶出租车的国家审批框架。这个框架为无人驾驶出租车这一新兴行业设定了清晰的准入标准。为了保障安全，框架规定无人驾驶出租车服务提供商必须拥有应急响应能力，要满足保险方面的要求，并且要明确自动驾驶的使用场景。此外，每三辆无人驾驶出租车都要有至少一名人类远程安全控制器。北京的地方政府积极响应，根据国家框架制定了相关政策；武汉的地方政府积极响应，根据国家框架制定了相关政策；广州的地方政府积极响应，根据国家框架制定了相关政策。

相比而言，美国的自动驾驶行业遭遇着更繁杂的监管环境。因为有联邦制监管审批系统，所以自动驾驶公司得在各个州分别获取批准，并且各州对无人驾驶出租车运营商的要求是不一样的。这种零散化的监管体系使自动驾驶公司的合规成本大幅提升。在内华达州，自动驾驶汽车得具备能够断开自动驾驶系统的能力；在纽约州，自动驾驶测试只能在州警察的监督之下进行；在德克萨斯州，所有的自动驾驶汽车内都必须安装用于记录的设备。令人更为惊讶的是，美国有十多个州连审批流程都尚未建立，也没有出台任何相关的立法。

然而，在美国政府这一层面，正在酝酿着监管方面的变革。新任交通部长肖恩·达菲在确认听证会上，对当前各州临时性法规拼凑的现象进行了谴责。他还承诺，将在国家层面建立起更清晰的规则。与此同时，自动驾驶行业希望美国国家公路交通安全管理局（NHTSA）能够取消对无人驾驶出租车车队的车辆数量限制。而目前，这一门槛尚无运营商能够达到。

尽管如此，美国自动驾驶的巨头特斯拉对中国市场抱有强烈的渴望。若能获得中国自动驾驶政策的许可，特斯拉就能够进入这个有着 14 亿潜在乘客的巨大市场。实际上，中国国内的供应商已率先行动，从自动驾驶技术开始发展以来，中国大概有 20 个城市开展了无人驾驶出租车服务，其扩展的速度比美国快很多。

以百度阿波罗为例，在 2024 年 7 月这个时间点，它在中国完成的无人驾驶出租车行程数量超过了 700 万次。而美国的 Waymo 同期完成的行程数量是 500 万次，百度阿波罗远超 Waymo。随着更多国内供应商获得运营许可，这种差距会进一步加大。中国的自动驾驶行业正以极为迅速的速度在向前发展，在全球自动驾驶技术的创新与发展方面起到了引领作用。

缺魂少芯？我们将建设高速公路！

自动驾驶技术浪潮来袭，算力限制成为中国公司发展视觉语言模型的一个重大挑战，这些模型对自动驾驶系统极为重要。但中国并未就此停下脚步，反而找到了一个创新性的办法，那就是建设智能高速公路。

这不是普通的高速公路。它们是为自动驾驶时代而设计的。路面下布满了传感器，就好像为自动驾驶汽车铺设了一张无形的通信网。前方一公里处若发生追尾事故，所有在这条路上行驶的汽车都能立刻接收到提醒。这样的安全保障无疑能让人感到安心。这些智能高速公路并非仅仅是自动驾驶汽车可以使用的。传统汽车也能够在上面行驶，并且能够享受到这份安全方面的优势。

2023 年交通运输部发布建设智能高速公路的指导意见后，中国在这方面动作不断。如今，全国有 26 个城市设立了 17 个智能高速公路自动驾驶测试区，划定了超过 32000 公里的路段，还安装了 8700 个路边传感器单元，这种建设速度让人惊叹。

这些汽车和路边传感器是怎样进行“沟通”的呢？答案为无线电波，这背后涉及频谱分配的问题。在美国，一些系统仍在使用较老旧的专用短程通信（DSRC）技术，而在中国，选择了基于 5G 的更先进、更现代的蜂窝车辆 - 万物互联（C-V2X）系统。2020 年自动驾驶发展处于初期阶段，C-V2X 系统被当作重点。它是中国大规模 5G 建设首批能够看得见的成果之一。中国的汽车制造商积极做出响应，已经把 C-V2X 兼容性融合到车辆当中。预计在未来几年，兼容车辆的比例会有很大的提升。

然而，任何事物都有两面性，智能高速公路可能带来潜在的安全漏洞。尽管如此，中国仍在持续对这一新兴技术进行探索与利用。例如，在广东省，推出了一项新的协议，借助互联高速公路，在广州、深圳、珠海和澳门之间开展城际无人驾驶出租车的运营业务。

与此相对，美国的自动驾驶领先者 Waymo 显得较为保守，并且限制其无人驾驶出租车在高速公路上行驶。这凸显了中美在自动驾驶发展道路上的不同抉择。中国凭借自身在基础设施建设方面的优势，正着力推动智能高速公路在自动驾驶领域的应用，不过目前尚不清楚此创新技术在自动驾驶发展中能起到多大作用。

此外，中美自动驾驶市场的发展呈现分裂态势。这意味着商业化的成果或许会被少数几家主要运营商所占据。随着对下一代机器人技术主导权的竞争越发激烈，类似的分歧以及竞争有可能会一直存在。然而，不管怎样，中国智能高速公路的建设确实为无人驾驶技术的未来发展开启了新的途径。让我们一同期待这一技术所带来的美好未来吧。

来源|心智观察所