要在泥泞里开出花
事实上，自动驾驶仍然存在许多新的机会。
今年以来，以ChatGPT为代表的AI大模型打开了通往AGI的大门，自动驾驶因此同样面临底层技术的重构以及开发流程的再造。
大模型在自动驾驶的应用主要体现在两个维度，其一是大模型作为工具，辅助自动驾驶算法的训练；其二是大模型作为决策模型，控制车辆的行驶，提高自动驾驶的泛化能力。
首先是在辅助算法训练上。
今年6月份，特斯拉在CVPR 2023 WAD Workshop上提到了world model，可以凭借自动驾驶车辆采集的大量实景视频数据，通过生成模型生成未来场景，然后将生成的数据与真实的数据进行交叉对比，从而构建损失，以此实现在不依赖标注信息的情况下对模型进行训练。
具体而言，world model可以用作仿真工具来大规模生成仿真数据，特别是极其罕见的Corner Case。
同样的原理，毫末在10月份的AI Day上也推出了类似的大模型应用，依靠其今年早些时间发布的DriveGPT，毫末可以通过将图文和文图的交叉特征做匹配，然后再将其放到大语言模型中，针对形成于特征空间的搜索（query）特征。在此基础上，大模型就可以在不需要做太多准备的情况下，根据场景需求将存量数据进行重新标注。
10月份，Waymo和谷歌一起，也发布了新的自动驾驶仿真模拟器。它可以将多个智能体放在同一个仿真环境里，不断模拟真实交通状况，让自动驾驶系统更好学习决策和规划，从而缩短整体的训练时间。
差不多同一时间，中科院自动化所，清华大学人工智能产业研究院（AIR），北京大学等科研人员发布了一个名叫ADAPT（Action-aware Driving Caption Transformer）的端到端算法，它是一个基于Transformer的驾驶行为描述框架，可以感知和预测驾驶行为，并且输出自然语言叙述和推理。
这解决了如今困扰自动驾驶的一个重大难题，即我们不知道自动驾驶算法最终如何做出决策，而ADAPT可以帮助自动驾驶算法向人类解释，自己为什么做出这个行为，从而帮助科研人员更容易了解自动驾驶算法的运作逻辑。
▲ADAPT工作场景示意 图源网络
其次是在大模型作为决策模型，运用在自动驾驶车辆控制上。
具有代表性的是，8月份马斯克展示的特斯拉端到端的控制技术。马斯克介绍，得益于“端到端”控制技术的应用，特斯拉FSD V12版本减少了数十万行代码，并且在没有数据连接的情况下仍能在不熟悉的地形上工作。
所以，虽然大模型到今天仍然没有给自动驾驶带来如ChatGPT一样惊天动地的技术突破，但大模型已经为自动驾驶未来的实现指出了一条新的可行路径 。
而除了技术上的新进展之外，对于自动驾驶来说，更重要的还是获得和普通汽车一样的上路行驶的权利，而这一点也在今年得到了落实。
11月底，工信部、交通运输部等四部门联合发布了《智能网联汽车准入和上路通行试点工作的通知》（后文简称通知）；12月初，交通运输部又印布了《自动驾驶汽车运输安全服务指南（试行）》（后文简称指南）等等。
《通知》对L3、L4级别的自动驾驶上路行驶的条件提出了具体的要求，并明确经过四部委遴选，符合要求的车辆可以在限定区域内开展上路通行试点。《指南》则明确了自动驾驶汽车在从事公共运输时应该满足的条件，对于Robotaxi、干线物流等场景下的自动驾驶经营进行了规范。
在这之前，许多车企都曾表示，自家的自动驾驶能力已经达到L3的水平，只是碍于政策限制无法上路。在今年4月份的上海车展，余承东还曾为此还专门发明了一个新词——L2.9的无限循环，以表示自家的自动驾驶能力限接近于L3。
而这次《通知》和《指南》的发布，则完美解决了余承东的问题，意味着L3、L4级别的自动驾驶获得了合法上路的权利，自动驾驶在法律意义上正式打开了L3/L4的大门。
据「自象限」不完全统计，从7月到11月，从国家部委到各地方省、市、自治区，我过关于自动驾驶相关的各类政策共计落地78条，数量是今年上半年的三倍。
与国外相比，中国的自动驾驶政策落地既保守又激进。
所谓保守，在于中国的政策落地不会如旧金山一般一次性开放整座城市进行自动驾驶运营。而激进之处在于，与美国开放自动驾驶运营的只有凤凰城、旧金山等少数城市不同，中国各大城市都在积极推进自动驾驶的落地。
从北京的亦庄，到深圳广州；从成都的天府新区到重庆的两江新区；从武汉的经开区再到黄浦江畔的上海；乃至于湖南的株洲、云南的大理、河北的保定......
如同城市辅助驾驶在中原大地点燃起星星之火一样，自动驾驶在全国各地埋下的种子，也慢慢有了燎原之势。而今年下半年从国家到地方密集的政策发布，也为未来某一天自动驾驶突然爆发打下了一个坚实的基础。
当然，对于自动驾驶而言，基础设施除了法律意义上的保障，还有物理意义上的支持，比如作为自动驾驶的“最强辅助”，中国的车路协同基础设施正在加快建设。
今年6月初，国务院常务会议就曾指出，要构建“车能路云”融合发展的产业生态。之后，工信部相关领导在众多场合多次提到，要尽快启动智能网联汽车准入和上路通行试点，加快推进城市级“车路云一体化”示范应用。
产业落地上，今年车路云一体化也出现了不少具有代表性的项目。
比如苏州，今年新建智能网联道路236.4公里、新增路测设备1384个、边缘计算和计算设备单元804个，累计打造了涵盖469.8公里智能车联网道路、覆盖439个路口。
比如百度，今年5月与和上海嘉定区达成合作，通过百度在数据处理、AI大模型方面的能力，帮助嘉定打造智能网联汽车服务区，为L2+量产车打通车路云一体化服务能力。
比如蘑菇车联，其在大理打造的车路云一体化智慧景区也在今年十一期间正式运营。到今年，蘑菇车联的车路云一体化已经在北京、山东、湖北、江苏、四川、贵州、陕西等十余个省份实现落地。
▲车路云一体化示意图 图源：蘑菇车联
事实上，车路协同也确实是今年自动驾驶行业最大的一个变量。
就像渐进式和跨越式两条路线同出一源一样，车路协同和单车智能也是自动驾驶实现的两种方式，只是由于车路协同建设周期漫长，前置成本更高以至于被发展速度更快的单车智能掩盖了光芒。
但如今世易时移，当单车智能的发展进入瓶颈期之后，以车路协同为代表的基础设施建设，就成为从外部推动自动驾驶最终落地的一个重要助力。
从结果可以看到，在今年下半年从国家到地方发布的有关自动驾驶的78条政策法规中，大多数文件都提到了智能网联和车路云一体化的目标。
所以，当国家意志开始下场大力推进，也就成为了今年自动驾驶发展的一个特殊表达。
而回过头再看，从底层技术突破带来新的技术路线，到国家层面法律法规的大量落地，再到以道路交通为代表的基础设施的加快推进。
虽然今年自动驾驶面临巨大的压力，但整个行业的底层却实实在在的变得更加夯实。
结尾
从智能驾驶到自动驾驶，从大模型到车路协同，再到产业政策。
整体上再回顾2023年，我们会发现今年自动驾驶的热度会有一个明显的特点，年初和年底热度都很高，年中相对平淡，它就像是一个哑铃，重点放在了两头。
或许也正是这种时间上的错位，加剧了今年自动驾驶的撕裂感。
一方面，所有自动驾驶人显然都会感受到来自行业的巨大压力，仿佛空气中都有一种凝固的窒息感。
但另一方面，所有人也都能感觉到一种特别的希望，仿佛只要再多坚持哪怕一秒，就会看到自动驾驶的曙光从地平线的山岚升起，如利剑一般刺破黑暗。
而现实，则更像是一场即将结束的马拉松，当赛程进入最后一公里，所谓技巧就不再是决定胜负的关键，生存成为第一性原理，咬紧牙关的坚持和坚定的意志决定了最终谁会出线。
所以，我们仍然衷心的祝愿，所有仍在自动驾驶行业打拼的企业，前途顺遂。相信夜尽天明之后的那第一缕霞光，也一定格外美丽。
* 文中配图来源于网络
* 受限于篇幅，我们这次总结并没有将自动驾驶芯片相关内容囊括进来，但「自象限」长期关注自动驾驶产业链和相关企业与技术进展，欢迎大家与我们交流。
原文标题 : 2023启示录丨自动驾驶这一年
