循序漸進才是自動駕駛產業發展的合理路徑，而雷軍和他的小米汽車卻認為，他們已經找到了加速鍵。

8月11日，雷軍年度演講如期而至。演講中，雷布斯除了向大家分享自己穿越人生低谷後的感悟，還介紹了小米汽車最新的研發進展。他說，小米已組建了一支500多人的研發團隊，在自動駕駛專案一期的研發投入也達到了33億元，力爭到2024年進入自動駕駛第一陣營。

從小米公佈的道路實測影片看，搭載它自研的自動駕駛技術的試驗車，不僅可以無保護場景自動掉頭，還可以自動環島繞行和自動下連續坡道。但是不少批評者認為，“畫面的CG感太嚴重。”

回顧小米自動駕駛的歷程，從去年3月小米宣佈下場造車，到去年7月雷軍微博公開招聘，再到日前釋出自動駕駛技術實測影片，小米的研發進度可謂飛快。然而，和動輒投入數百億美元、路測里程超過200萬公里投資的競爭對手相比，小米憑什麼可以做到“多快好省”？

全棧自研需要時間

隨著電動汽車步入智慧化的下半場，自動駕駛也成了車企爭奪的重點。雖然當前市場中活躍著許多自動駕駛方案供應商，但大多數車企還是選擇了全棧自研的方式。作為造車新新勢力，小米入局之初便定下全棧自研的技術路線。從企業角度看，他們透過自研的方式將核心技術掌握在手中本無可厚非，但全棧自研卻是一條荊棘遍佈的險路。

所謂自動駕駛全棧自研，其實是指車企自主研發包括感知、定位、規劃及控制等在內的自動駕駛核心模組，掌握自動駕駛的相關核心技術。全棧自研的過程中，車企不僅要善用人工智慧、大資料以及雲計算等前沿技術，還要自研各項演算法，搭建高精地圖，實現軟體與硬體的整合。若以難度等級的方式劃分，車企研發新車的難度遠遠沒有全棧自研自動駕駛技術要高。

目前來看，全棧自研自動駕駛的車企大多采取“研發+投資”的方式，他們除了要付出時間成本的外，還要不斷投入研發資金。

以國內較早佈局自動駕駛的百度為例，2013年時便開展自動駕駛探索。9年時間裡，百度每年都要投入上百億的研發資金。截至目前，搭載百度L4級自動駕駛技術的量產車已更新至第六代，並有望在明年下半年實現量產。

相比之下，同樣喊出自研L4級自動駕駛的小米，無論是技術研發時長，還是資源投入強度，目前都要落後於同行。雖然小米當前的自動駕駛已經實現多項突破，但是它要想在短短3年內追上百度等業內領軍者，如期躋身業內第一陣營，還需要提升其全棧自研的效率，加大相應的人力、財力投入力度。

某種程度來講，全棧自研是意味著要實現從0到1的突破。整個過程中，小米除了要投入鉅額資金外，也免不了付出試錯的時間成本。

車企三年便能研發一款新車，但兩年卻很難達到L4級的自動駕駛。有專家曾表示，僅特斯拉自動駕駛本土化更新便要耗費1年左右的時間。從這個角度看，更具不確定性的全棧自研，勢必也將付出更多的時間，小米自動駕駛後年進入第一陣營，從時間上來看，更像是宣傳的噱頭，是一次雷軍為了引發媒體關注的“口嗨”。

狂飆突進安全存疑

除此之外，小米自動駕駛2024年躋身業內第一陣營的目標，也與業內同行自動駕駛研發的實際情況存在脫節的情況，其技術在狂飆突進的同時是否能保障安全也存在疑問。

當前，國內研發自動駕駛技術的主體中，除了小米這樣的新能源車企外，還包括百度這樣的自動駕駛服務商和處於轉型中的傳統車企。

除了追尋更高目標的自動駕駛服務商外，很少有車企會把自動駕駛技術直接瞄準L4級。從商業化層面考量，車企往往擔心高階自動駕駛既燒錢又不好落地，於是包括“蔚小理”等在內的大多數車企，都選擇了輔助駕駛為出發點，自下而上的技術發展路線。

從上述角度看，小米初出茅廬便瞄準L4無疑有些另類。目前，從事自動駕駛研發的車企中，除了少數幾家實現了L3級自動駕駛外，絕大多數企業的自動駕駛水平，仍處於從往L3級躍升的階段。馬斯克鼓吹已久的特斯拉FSD服務，至今也沒有完全投入商用。自動駕駛當前之所以無法突破L3級自動駕駛的難關，很大程度上是因為相關技術還不夠安全。

按照我國今年3月實施的《汽車駕駛自動化分級》標準，L2級對應的是組合駕駛輔助，L3級對應的是有條件自動駕駛，L4級對應的是駕駛自動化。其中，L2級與L3級的最大區別在於後者具備在特定環境中自動駕駛的功能，L3級自動駕駛中駕駛員只需動態接管車輛。相比之下，L4級將不再需要駕駛員，車輛行駛時只需配備安全員遠端監控即可。

各級自動駕駛存在顯著的技術差別，但事實上車企只需要解決安全駕駛的難題即可。近年來，無論是特斯拉等外國車企，還是蔚來和小鵬等中國車企，都曾陷入自動駕駛交通事故的風波。日前，發生在寧波的一起交通事故，便因車主使用小鵬汽車輔助駕駛功能引發熱議。儘管事故與車主大意有關，但該事件依然激發了社會對於自動駕駛技術的擔憂。

各大車企的自動駕駛功能在上線前都經過了嚴格道路測試。然而，面對複雜多變的交通狀況，在測試中形成的感知、判斷和控制能力只能是杯水車薪。以L2級與L3級為例，它們之間雖然只有一級差距，但對系統能力的要求卻是天壤之別。一個要求目標探測與響應由人機共同完成，一個則要求完全交給系統完成。兩者對於自動駕駛核心能力的要求顯然有著極大差別。

目前來看，車企為了提升自動駕駛的核心能力，往往會將使用者終端資料當作自動駕駛的額外養份加以吸收。相比之下，這比封閉測試得到的資料，無疑更能反映真實的交通狀況，更有助於提升自動駕駛的感知、判斷以及控制能力。

對於小米而言，當前它自動駕駛能力的檢驗還是隻能依靠道路測試來完成。另外，小米路測所用的車型也不是自己研發的產品，而是友商的各種車型，這樣獲得的有限樣本顯然是不具有代表性的。相比之下，“蔚小理”等造車新勢力要比小米更具有優勢，拋開資料的問題不談，他們的終端使用者每天產生的海量資料，不僅能夠降低企業測試資料的侷限性，也有助於他們最佳化自動駕駛技術，站在消費者的角度看，大家無疑更會傾向選擇那些脫胎於海量資料的自動駕駛方案。

自動駕駛事關道路交通安全，它沒有捷徑更沒有加速按鈕，尤其是那種多快好省的拼夕夕式捷徑。