关于乘用车“自动驾驶”分级的建议

乘用车的“自动驾驶”分级系统亟需“迭代”了。

现有体系的挑战

在此之前的很长一段时间里，智能驾驶产业普遍以SAE的驾驶自动化分级体系——即SAE J3016作为行业交流的标准。

该标准自2014年以来，经过2016年、2018年、2021年多次迭代。

其中，2016年9月版本最为深入人心。

这个标准，主要根据功能和责任，将智驾分为L0-L5六个级别。

L1被称为Hands or Feet Free；

L2被称为Hands & Feet Free；

L3被称为Eyes Free；

L4被称为Minds Free；

L5被称为Drivers Free。

这个分级系统，有非常多成功的要素，包括责任主体和系统作用域（ODD）等理念，基本奠定了SAE驾驶自动化分级标准在产业的江湖地位。

后续很多机构试图推出各式各样的分级系统，绝大多数是以SAE J3016 2016年9月版本为蓝本进行迭代。

但是，这个版本也有一些著名的问题，比如，L3级别被定义为“人机共驾”。

这个定位，“晃倒”了一些知名的企业，使之在制定战略时受到了影响。

最著名的一个案例发生在谷歌身上。

该公司在制定技术路线时，放弃了渐进式技术路线而采取直接做L4级自动驾驶，有一部分的理由是L3级的“人机共驾”没有现实操作性。

2021年4月，为了适应量产车驾驶自动化分级的需要，SAE对分级体系进行了一次“升级”，在这一次的升级中，将L3级自动驾驶进行了再定位，将原先的“人机共驾”命名为自动驾驶。

这意味着，在新体系下，L0-L2级是辅助驾驶系统，而L3-L5级是自动驾驶系统。

这解决了一个问题，即把L3级原先的“人机共驾”难题解决掉了，但同时又带来了一个新问题，在原先人们的概念中，自动驾驶是从L4级开始的，现在变成了从L3级开始。

这个观念在短期之内其实并没有扭转过来。

在经过迭代之后，SAE版本的分级体系，包括市面上其他的一些分级体系依然存在一个显著的问题，即无法将市面上的智驾系统的能力进行有效分级。

这带来了特别多的问题。

一些车企为了彰显自家智驾系统的能力，开始自行创造出很多新的分级方案，比如“L2.5"、“L2.9”、“L2.9999”等概念。

当然了，在有了特斯拉的“前车之鉴”之后，没有一家量产车企再敢于称自己的智驾系统为自动驾驶系统了。

在一些即将落地的实践中，人们通常会称某些车具备支持L4级自动驾驶的硬件条件，但驾驶能力属于L2级别。

一个比较有趣的例子是，特斯拉的FSD功能，按照SAE的命名规则，是一个严格意义上的L2级自动驾驶系统，而一些搭载Mobileye EyeQ4芯片及算法的车型，只能做一些简单的ACC和车道保持功能，也被称之为L2级自动驾驶。

这不仅让用户感到迷惑，也沉重地伤害企业的生产积极性。

这意味着，现阶段SAE的驾驶自动化分级体系，已经丧失了最基本的对智能驾驶系统能力进行分级的职能。

很多车企，为了能够有效地与友商的智驾能力进行区别，不得不在命名上进行了很多创新，比如NOA、NGP、NOH、NOP等不一而足。

分级体系的意义

对于我们这个国家而言，智驾技术极其重要。

这个技术，不仅是制造出可以无限复制的“机器人司机”，将会极大地提高用户体验和劳动生产率，更大的价值在于，智驾技术将会奠定新一代信息产业的基础，包括：

全新的输入系统。这些输入设备，需要让机器知道整个外部世界，而且是一个三维世界。这将会在本质上颠覆数字世界建构的方式，即从原先的二维平面世界进入到三维空间世界。

全新的计算体系。在PC和移动互联网时代，所有的信息都是二维平面信息，以标量为主，主要的处理器是CPU；在智驾时代，机器需要处理三维立体世界的信息，以矢量空间为主，主要的处理器是GPU和NPU。

智能驾驶的发展，不仅会产生一个庞大的终端计算芯片产业，还会在根本性上改变云计算的产业格局，从原先的处理标量数据为主，进入到以处理矢量数据为主。计算单元以前期的CPU为主，向GPU和NPU过渡。

全新的AI产业。不仅包括算法、模型等产业，还包括数据处理产业。智驾产业的发展，将会带动中国在人工智能产业上的崛起和领先。

智驾产业成型之后，在这些信息产业基础上发展下一代互联网产业将会是自然而然的事情。

有效的能力分级体系，对促进产业发展意义重大。

1.促进技术发展。

当不能对各个级别的技术和产品优劣进行有效评价时，就意味着优秀的智驾系统和糟糕的智驾系统被判定在一个相同的能力级别，这是不公平的，也将会让优秀的研发机构丧失一定的动力，让糟糕的机构可以蒙混过关。

2.帮助消费者理解技术和产品。

在一种全新的技术落地和产品化时，需要比较奏效的能力评估体系，能够帮助消费者更好地理解产品。

现在的问题是，只要你的能力没有达到L4级自动驾驶，统统被称为L2。

在这个level中，有世界上能力最强的智能电动车，配置最好的计算平台、激光雷达，也有刚刚入门的、功能几乎不能用的燃油车。

也有一些企业，勇敢地喊出了L3级智能驾驶，让很多“友商”们感到郁闷。

对于消费者而言，除了迷惘就是迷惘。

3.更有利于市场传播。

一个高效的能力分级系统，对于所有的研发企业而言，更重要的价值是在传播起来更加方便，大幅提升传播效率，也将会提升传播积极性。

有效的市场传播，会促进技术和产品以更快的速度落地。

4.有利于产业交流。

SAE给出的一些标准不是强制标准，更像是一些基于共识的推荐标准。

SAE的分级推荐标准在很长的一段时间之内，成为产业人士用于沟通和交流的通用标准，拥有广泛的影响力。

但由于其在能力分级上存在的一些问题，已日渐无法有效促进产业交流，也无法有效支持行业管理。

什么是好的分级体系

衡量一个驾驶自动化分级体系是否能够满足需求，至少可以从以下两个维度进行讨论：

1.是否能够有效区分责任。

这里的责任区分，需要解决两个场景的责任区分问题。

一个场景是智能驾驶系统研发企业，在推广自有的产品和技术时，需要有比较好的责任区分。

至少，原先的自动驾驶系统这样的说法，在当下已经是不大适合了。

类似于特斯拉的Autopilot，确实是一个容易引发歧义的产品命名实践。

另一个场景是在发生事故时，需要有效区分责任，到底是司机的责任，还是智能驾驶系统提供商的责任。

在这方面，SAE的责任划分体系是成功的，即辅助驾驶，人类司机是驾驶主体，也是交通事故的责任主体；自动驾驶，智能驾驶系统是“驾驶主体”，也是交通事故的责任主体。

2.是否能够有效区分智能驾驶系统的能力。

这个职能，对于一个驾驶自动化体系而言更为基础。

对于任何一个智能驾驶系统研发单位而言，他们迫切地需要自己所研发系统的能力得到外界的认可；对于任何一个用户而言，他们也需要了解所有购买的智能驾驶系统的能力到底如何。

这是SAE驾驶自动化分级体系目前面临的最大挑战。

当然了，SAE体系依然有很大的参考价值，即提出了以责任归属作为区分智能驾驶系统能力的一个重要标准。

SAE还提出了另外一个重要的划分智能驾驶系统能力的标准，即ODD，亦即覆盖范围，遗憾的是没有把这一块的工作细化和标准化。

SAE最大的遗憾在于，仅仅把智能驾驶的状态分为辅助驾驶和自动驾驶两种状态，但其实在自动驾驶和辅助驾驶之间，还有一种过渡形态是导航辅助驾驶，自动驾驶本质上是导航自动驾驶，即需要被输入A点和B点的自动驾驶。

这一点，蔚小理特和长城的毫末在实践中发现了这个问题，并已在市场营销实践中得以体现。

所以，一个比较好的驾驶自动化分级系统，应该是SAE标准以及现有量产车企实践的结合体。

参考建议

基于此，《建约车评》提出一个乘用车智能驾驶分级系统的参考框架，以抛砖引玉，使得更多的行业精英参与这些工作，完善分级系统，使之能够跟上产业发展的需要。

这份参考标准，在命名规范上，将辅助驾驶、导航辅助驾驶和自动驾驶全部统一称之为智能驾驶，统一概念有利于交流；同时，定义为“智能驾驶”也可以避免会引发法律上的纠纷，同时具备比较好的Marketing效果。

在智能驾驶类型上，如前所述，分为辅助驾驶、导航辅助驾驶和自动驾驶。

这三种类型智能驾驶分别对应着初级智能驾驶、中级智能驾驶和高级智能驾驶。

辅助驾驶分为高速辅助驾驶和城市辅助驾驶；

导航辅助驾驶分为高速导航辅助驾驶、城市导航辅助驾驶和全场景导航辅助驾驶；

自动驾驶分为高速自动驾驶、城市自动驾驶和全场景自动驾驶。

能力级别上，为了能够与SAE的体系有所区分选择以大写字母C打头进行区分，分为C1到C8。

在区分度上，《建约车评》版参考标准将SAE版的L2级别细分为C1-C5，这可大幅改善智驾系统的区分度。

与此同时，我们将覆盖场景标准化，包括高速、城区和全场景3个“典型场景”，以区分智驾系统的等级。

速域因素还是需要被纳入到考量范围，理论上各级别功能，在限速范围之内都应该是可用的。

为了不至于让分级系统变得过于复杂，《建约车评》版的分级参考标准没有将接管次数、驾驶时间占比或统一场景的里程覆盖率等使用率指标纳入体系，这也为同行们继续迭代留下了优化空间。

举一个例子，同是城市导航辅助驾驶系统，即能力级别为C4，有些企业的智驾系统在使用时接管率很低，有的接管率很高，这其实是有进一步分级的需求的。

然而，我们无法面面俱到。

尾声

这只是一个参考标准，抛砖引玉。

鉴于智驾产业的战略意义，希望产业链上更广大的有识之士，能够为打造出一个高效的智驾分级体系而奋斗。