联华证券-国内股票配资入门-炒股配资入门知识网-专业股票配资资讯网

国内知名股票配资公司有哪些系统会像人类一样犹豫

　　炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

采访 / 崔大宝

来源 / 节点财经

]article_adlist-->

过去几年，我们见证了电动化和智能化对汽车工业的改造。不过，两者有很大区别，电动化聚焦于动力形式的改变，并未触及汽车核心形态与功能逻辑的重构。

相比较，随着AI技术的突破，智能驾驶技术将成为变革的关键核心。它不仅改变汽车的驾驶模式，更有望重塑汽车在人们生活中的定位。地平线创始人余凯认为，未来10年我们会看到非常快速的产品和技术能力的升级。

余凯对未来 10 年的乐观预判，并非停留在行业畅想，地平线早已将“加速技术落地”纳入行动，早在 2024 年发布城区 NOA 系统 HSD 后，仅一年便推动其迭代升级。9 月 22 日至 25 日，北京举办的“HSD 先锋体验日”，正是这场技术落地的集中呈现，发布会围绕地平线在刚面市的高阶辅助驾驶方案Horizon SuperDrive，这是地平线新推出的城区辅助驾驶系统，对标特斯拉FSD，将首发搭载在奇瑞星途品牌的汽车上。

地平线副总裁、战略部&智驾产品规划与市场部负责人吕鹏

具体来看，“一段式端到端+强化学习”的领先架构是此次HSD升级的最大亮点，凭借该技术，HSD大幅提升了辅助驾驶的安全性、高效性和舒适性。此外，通过引入强化学习机制，HSD系统的场景理解与推理能力大大增强。

“传统的两段式端到端会导致响应延迟增加、信息传递损失、横纵向不协调等难题。而地平线HSD打造真正的一段式端到端，有很强的防御性驾驶能力，和专业司机开得非常像，推动辅助驾驶迎来拟人化体验拐点。”地平线副总裁、战略部&智驾产品规划与市场部负责人吕鹏表示。

HSD 的技术突破，只是地平线迈向“无人驾驶”长期目标的一步。从更长远的产业布局来看，地平线已明确了通往 2030 年的路线图：余凯提出，未来 3 年（即 2028 年）要实现“脱手开”的专业司机水平，2030 年达到顶级车手能力，2035 年进一步超越最优秀人类驾驶员。这一规划并非空想，而是建立在当前技术迭代的逻辑之上。

吕鹏认为，长期来看，智驾会进入 “iPhone 时刻”，行业会高度收敛，消费者不会接受 “不好用的智驾”，只有技术、迭代、口碑都领先的玩家能存活，就像 4G 时代高通占据主导地位一样。所以最终谁能赢，要看谁能在 “标配化” 到来前，把产品力和规模化能力做到极致。

市场数据印证了地平线的行业地位：据高工智能汽车监测，在中国自主品牌乘用车智驾计算方案市场中，地平线以 33.97% 的份额稳居第一，相当于每 3 辆自主品牌智驾车中，就有 1 辆采用其方案。与此同时，截至 2025 年 8 月，地平线征程家族芯片量产出货已突破 1000 万套，合作版图覆盖全球超 40 家车企及品牌，其中包括中国前十大车企。

与此同时，地平线自研智能辅助驾驶系统 HSD 也将在今年四季度量产交付。此外，HSD已与全球多家汽车品牌超10款车型达成合作意向。未来3-5年，HSD计划实现千万量产目标，让更多用户享受到安全、舒适、高效的全场景辅助驾驶体验。

那么地平线HSD在技术路线上有哪些特别之处，未来智能驾驶行业将驶向何方？以下是《节点财经》等对话地平线副总裁，战略部&智驾产品规划与市场部负责人吕鹏内容经整理如下：

智能化是汽车行业的未来

]article_adlist-->

问：电动化与智能化对汽车产业的影响有何不同？

吕鹏：电动化主要改变了汽车的动力形式，推动了产业在能源供给、动力系统等方面的升级；而智能化会深刻改变汽车的形态，其中智能驾驶技术的突破是核心，最终有望让汽车成为 “第三空间”，释放人们在行驶过程中的精力。

问：城区辅助驾驶经历了哪三个阶段？各阶段有何特点？

吕鹏：第一、规则阶段：通过 AI 模型算法感知物体、识别检测框，再针对检测物体编写大量规则生成行车轨迹。该阶段在高速场景表现尚可，但在城区复杂场景下效果差，且需庞大团队维护，还易出现 “翘翘板问题”（某场景规则优化影响其他场景）。

第二、混合系统阶段：将规则写的规控算法改为模型，与感知模型形成两段式拼接。但底层驾驶能力无大突破，行业多关注停车场自动找出口等技术点，未本质提升系统的自动驾驶能力，且两段式系统存在信息传递损失等问题。

第三、稠密模态系统阶段：开发范式依赖更多数据、更大模型、更好算力支撑以提升性能，核心是学习老司机的驾驶行为。该阶段的系统无 “开城” 概念，可在任意区域行驶，能与人类驾驶行为对齐，同时兼顾物理安全与心理安全。

问：目前智能驾驶与真正的自动驾驶之间还存在哪些差距？

吕鹏：当前智能驾驶仅做到模仿老司机的行为，是走向自动驾驶的重要基础，但仍需解决多方面的理解与推理问题。

比如，场景判断难题，无法准确判断前方车辆是死车还是排队车，在某些场景下无法自主脱困，也难以识别 “被困” 状态；非标准场景适应差：面对全球大量非标准交通场景，系统会像人类一样犹豫，无法顺畅应对。

]article_adlist-->

中国版FSD的技术路线是什么？

问：HSD 的核心技术路线是纯视觉吗？为什么还会兼容激光雷达？

吕鹏：是的，地平线自身对于激光雷达并不排斥。但HSD 的开发范式是纯视觉路线，目前大家体验的版本就是纯视觉系统。从技术研发逻辑出发，我们希望先 “丢掉激光雷达这个拐杖”，倒逼团队把纯视觉技术的性能上限拉到足够高 —— 如果早期依赖激光雷达，研发人员容易满足于七八分的成果，难以突破技术瓶颈，只有聚焦纯视觉，才有可能未来解决 100% 的驾驶场景问题。但基于客户的需求，我们会兼容激光雷达，部分车企认为搭载激光雷达增加技术溢价的同时实现安全冗余。简单来说，车企需要激光雷达，我们就提供带激光雷达的方案；车企不需要，纯视觉方案也能稳定工作。

问：HSD 和特斯拉 FSD 在控车逻辑上有哪些共同特点？能解决哪些传统系统的痛点？

吕鹏：两者共同特点是控车行为高度贴近人类驾驶习惯，能解决传统系统的 “尴尬延时问题”，例如：

在 “内部路进入公开道路需过人行道” 场景中，传统系统可能出现 “感知到行人减速→行人见车减速准备走→系统延迟后加速再急刹” 的尴尬循环；而 HSD 和 FSD 经过大量路测，可避免此类情况，控车动作连贯自然。

问：“防御性驾驶” 是 HSD 和 FSD 的重要共性，具体体现在哪些场景？能带来什么价值？

吕鹏：两者的防御性驾驶主要体现在 “提前识别风险并主动减速”，覆盖多种高频风险场景：

盲区场景：遇到路口盲区、高速旁半挂卡车盲区、“鬼探头” 风险区域（如遮挡物后方）时，会主动减速，而非保持原速冲过，避免驾驶员因 “未知盲区” 产生恐慌。

这种防御性驾驶的核心价值是构建 “心理安心感”，避免因系统 “只保物理安全、不顾心理预期” 导致驾驶员忍不住接管，大幅提升系统的可信赖度。

问：特斯拉 FSD 进入国内后，最大的弊端是什么？HSD 作为本土系统如何规避这一问题？

吕鹏：特斯拉 FSD 在国内的最大弊端是无法使用国内数据训练，导致其虽具备 “老司机的驾驶能力”，却 “不熟悉中国交通环境”，典型问题包括：对宽非机动车道识别有误：对非标红灯识别不足。

HSD 作为本土自动驾驶系统，依托国内海量交通场景数据训练，可最大程度规避上述 “环境不适应” 问题，对国内非机动车道、非标信号灯等特殊交通元素的识别和判断更精准。

问：地平线的智能驾驶系统采用了哪些核心技术？如何实现优势？

吕鹏：完整的端到端技术：直接输出横纵向联合规划的轨迹，模仿老司机的直觉驾驶行为，实现 95% 日常驾驶场景下的轻松通行，保证行驶丝滑度与类人性，构建心理安全。

强化学习技术：弥补端到端技术在罕见场景的不足，提升系统的理解、推理能力以及对稀疏场景的判别、思考能力，应对 5% 需要思考决策的复杂场景（如识别风险、判断路况）。

两者结合，让系统同时具备直觉驾驶与推理决策能力，架构简洁（传感器、图像和导航作为输入，直接输出交通轨迹），且性能优异。

问：端到端系统相比传统混合架构系统有何优势？

吕鹏：驾驶体验更优：能模仿老司机驾驶行为，行驶动作丝滑，无频繁点刹、重刹，可避免让驾驶员慌张，也能符合其他交通参与者的预期，减少因动作异常引发的矛盾。

系统架构更简洁：采用统一模型，以数据驱动实现，无需复杂的多模块拼接，降低了系统复杂度。

信息传递更完整：避免了传统两段式系统（感知模型 + 规则 / 规控模型）中间信息传递的损失，能保留类似人类驾驶时的高维感知。

具备防御性驾驶能力：大幅缩短系统延时，通过连续多帧图像数据学习生成轨迹，能提前识别风险并进行防御性驾驶动作，规避 95% 以上的安全问题。

]article_adlist-->

开放与合作，技术才是硬道理

问：很多车企都在自研智驾，地平线如何界定和车企的关系？怎么平衡开放与融合？

吕鹏：地平线一直保持灵活开放的态度，核心是 “不与车企争主导权，按需提供支持”：如果车企有自研能力，我们可以卖芯片支撑其自研；如果车企自研有困难，我们的完整解决方案能帮它快速落地智驾功能。我们很清楚自己的定位 —— 做好专业供应商，而不是和车企竞争 “车圈苹果”。因为智驾需要 “资源饱和攻击”：地平线每年投入大几十亿，只聚焦这一件事，团队所有人每天都在琢磨智驾技术；但车企要操心渠道、营销、造型等太多业务，实际投在智驾上的资金和精力有限，很难像我们这样聚焦。所以我们坚信，能做 “车圈苹果” 的车企是少数，我们就把供应商的角色做透。

问：为什么说 “车圈苹果” 很难做成？核心门槛是什么？

吕鹏：核心门槛在于基因、资源聚焦度和主战场经验这三点：第一基因，智驾是 AI 驱动，顶尖 AI 人才更愿意加入 “AI 基因纯粹” 的公司，多数车企缺乏吸引这类人才的企业文化；第二是资源，智驾需要大团队全情投入，但车企资源要分给多业务，智驾只能占一小部分，难以支撑技术突破；第三是经验，能同时具备 “软件基因 + 百万级量产能力 + 主流市场验证” 的车企极少，很多车企连第一曲线（传统造车）都没扎稳，很难做好智驾这个第二曲线。

问：现在智驾体验差距越来越小，90 分和91 分之间微小的差距，地平线怎么吸引更多车企订单？

吕鹏：我们不纠结短期的分数差异，核心靠 “迭代速度 + 产品力本质突破”。

首先是迭代效率，我们有 10 年软硬结合的积累，能实现 “芯片设计、软件算法、硬件开发并行推进”—— 传统模式下，车企拿到新芯片到上车要 1 年多，我们在芯片流片前就完成硬件设计，芯片落地后能快速上车验证，把开发周期从 “以年为单位” 缩到 “以小时为单位”。

其次是产品定位，我们不只为车企做 “有智驾功能” 的产品，而是聚焦 “消费者日常愿意用”—— 比如让用户上车 5-10 分钟就觉得 “这个系统比我开得好”，解决传统智驾 “仅解决有无、没解决好用” 的痛点。而且现在智驾才处于 20% 的发展阶段，市场格局远没定，未来比拼的是长期的迭代速度、组织能力和资金投入，我们的聚焦模式能在长期竞争中拉开差距。

问：地平线有出海或和国际车企合作的计划吗？当前面临哪些机遇和挑战？

吕鹏：短期我们会优先聚焦中国市场的智驾落地。因为海外消费者对智驾的需求比国内滞后 3-5 年，而且国际车企的规划周期太长（1-2 年），很容易出现 “量产即落后” 的问题。我们的芯片从量产到上车很快，但国际车企的流程会拖慢节奏。不过长期来看，中国是智驾 “最好的健身房”，只要我们在国内把产品打磨到领先水平，未来出海是水到渠成的事。现在我们已经在支持中国车企出海，积累了海外市场的经验，等海外智驾需求爆发时，我们的技术和快速迭代能力，能解决国际车企 “规划周期长、技术易落后” 的痛点，合作自然会落地。

问：地平线如何看待 L4 级自动驾驶？和哈啰出行合作后，还会拓展更多类似合作吗？

吕鹏：首先，我们认为 L4 不能直接 “一步到位”，必须建立在规模化 L2 + 量产的基础上，这和特斯拉的路线一致。Waymo 早期直接攻坚 L4，但多年来仅能在五六个城市运营，无法规模化，而 L2 + 的规模化能通过数据驱动快速迭代技术。当前 L2 + 到 L4 还需解决 “安全指标提升 3-4 个数量级” 等问题，但如果保持每年 10 倍速的迭代速度，3-5 年内可能看到 L4 落地的关键突破。其次，和哈啰出行的合作只是开始，未来会拓展更多类似合作。如今特斯拉路线让行业看到 “L2 + 规模化反哺 Robotaxi” 的可行性，过去 Robotaxi 几百辆车就已是上限，现在依托 L2 + 的技术和数据积累，能推动 Robotaxi 真正走向规模化，所以我们会联合更多出行平台等合作伙伴，加速这一进程。

]article_adlist-->

智能驾驶行业未来驶向何方？

问：为什么判断未来 10 年智能驾驶会有快速的产品和技术升级？未来智能驾驶技术迭代的核心方向是什么？

吕鹏：未来智能驾驶技术迭代将围绕 AI 范式展开，核心方向包括：持续推进端到端模型的优化；不断增加算力支撑；扩大数据规模并提升数据利用效率；增大模型参数量以提升性能；优化基础设施以提高开发效率；统一传感器平台，借助 Scaling Law 等方式发挥数据规模优势，实现系统快速迭代，目标是每年让系统性能提升 10 倍，逐步缩小与真正自动驾驶的差距。

问：未来行业竞争格局会怎么变？

吕鹏：长期来看，当智驾进入 “iPhone 时刻”（类似 4G 替代 3G），行业会高度收敛。比如 3G 时代，智驾是 “选配”，90 分和 70 分的产品都能存活；但到了 “智驾成为标配” 的阶段（像 4G 成为手机刚需），消费者不会接受 “不好用的智驾”，这时只有技术、迭代、口碑都领先的玩家能存活，就像 4G 时代高通占据主导地位一样。所以最终谁能赢，要看谁能在 “标配化” 到来前，把产品力和规模化能力做到极致。

体验与安全为王，地平线的产品哲学是什么？

问：地平线在智能驾驶产品开发上遵循怎样的安全哲学和理念？

吕鹏：安全哲学：不仅保障用户物理安全（将用户从 A 点安全运到 B 点），更注重心理安全，让用户在乘坐过程中不慌张、有安心感，避免因系统行驶动作异常引发用户恐慌。

产品理念：以用户体验为核心，让系统真正 “好用”，吸引用户日常使用；重视老司机式的防御性驾驶，通过提前规避风险场景，减少进入危险场景的概率（比在危险场景中处理更重要）；构建全生命周期安全保障，依托千万台系统出货量积累的主观评测和版本回灌验证系统，结合多年在芯片质量、安全、流程等方面的认证，以及 AI 算法开发验证，确保系统在全生命周期内的安全稳定。