当智能驾驶由“野蛮生长”阶段迈向“规范发展”阶段时，中国智能驾驶产业正在经历一场深刻转型。一方面，AI技术仍以季度为周期快速迭代，端到端、世界模型以及物理AI等概念正在加速落地上车；另一方面，国家层面与行业层面的标准体系仍处于逐步演进过程之中。在这种代际差距之下，技术创新与安全监管之间的矛盾正变得愈发突出。

与此同时，L3责任认定的困难、伦理要求如何融入产品设计，以及全球标准如何实现协同等深层问题，正由学术讨论加速转向产业治理的核心议程。行业不仅需要在技术突破与安全边界之间寻求动态平衡，还需要在全球化竞争中推动规则互认、数据合规以及本土化适配的同步实现。

近期，《每日经济新闻》简称NBD的“AI相对论”第四期独家对话了中国生产力促进中心协会副理事长兼秘书长王羽以及Momenta全球解决方案首席架构师饶庆。两位嘉宾围绕技术跃迁、安全伦理、全球协同以及未来人才等热点议题，展开了一场兼具产业纵深与治理高度的深度讨论。

◼︎本期嘉宾包括中国生产力促进中心协会副理事长兼秘书长王羽，以及Momenta全球解决方案首席架构师饶庆

王羽（图片来源：受访者供图）

饶庆（图片来源：受访者供图）

要给技术划底线，为创新留沙盒

NBD：当前智能驾驶技术创新与行业规范落地之间，最突出的不同步痛点体现在哪些方面？这种不同步是否会对产业高质量发展形成制约？

王羽：当前最突出的痛点在于，在AI加持之下，技术研发、产品应用以及迭代的推进速度极快，而标准法规的修订本身具有明确周期，国标大约为三年，行标为一到两年，团标则相对更快。两者之间存在的代际差距会带来一个问题，即技术的快速创新在市场应用层面，往往得不到政策法规的有效响应与规范。

这种不同步会对企业发展形成影响，企业既要借助技术竞争来抢占市场优势，又缺乏有效的法规指引。至于这是否会对高质量发展形成制约，需要从两个层面来看，因为高质量发展并不等同于技术快速迭代本身。快速迭代是产业转型的重要手段以及技术支撑，但高质量发展还需要供给侧与需求侧之间的精准匹配，从而让产品与市场实现相对精准的适配，并满足相关需求。

饶庆：在有了更严格的法规之后，才有可能做到驱逐劣币、保留良币，而这需要行业当中的技术领先者在法规起草阶段就参与其中，把行业领先经验传递到法律法规层面。当前正积极参与自动驾驶领域强标的起草工作，这既能够促使企业把更好的技术以更快的速度推送给用户，也能够保证法规具备安全性与可执行性。

NBD：当前行业应当如何平衡智能驾驶技术快速迭代所带来的突破，以及对安全边界进行管控之间的关系？

王羽：关于技术迭代所带来的突破与安全边界的管控之间的关系，主要涉及三个层面。第一个层面是底线层，应当进行严管严控，并严格依照强标来推进，从而保证所有涉及生命安全的智能驾驶功能得以规范应用；第二个层面，应当纳入敏捷治理体系，借助实验室测试、开放式测试以及市场试验等方式，对不涉及生命安全的功能给予相对宽松的环境；第三个层面则是在前沿探索方面，借助沙盒制度，使最前沿的智驾技术能够得到有效的市场应用与验证。底线不能触碰，过程层面需要边监管边适应，前沿探索则采取沙盒式应用。

这样既能够保证技术创新不会对生命安全造成影响，也不会对技术发展形成阻碍，从而实现二者之间的动态平衡。借助分层次的测试评价体系，在底线层进行严管严控，在过程层实行适度放开，在前沿探索层提供先行先试环境，并从封闭测试逐步过渡到市场应用，以此保证技术迭代与安全监管之间的动态平衡。

NBD：当前，智驾事故责任认定困难已成为行业痛点，牵涉开发者、车企以及使用者。如何进一步明确智驾事故的责任边界，行业规范又应当从哪些方面加以完善？

王羽：L1、L2仍以人类驾驶为主，因此可以依照传统方式对责任进行划分；L4及以上则以系统驾驶为主。真正最难界定的是L3，也就是人和车共同驾驶的过渡阶段，其中存在的不确定性极难被清晰界定。尽管L3车辆设置了人工接管边界，但这种细微边界本身往往很难被明确。

例如，车辆虽然发出了提醒，但驾驶员并未作出反应，或者系统本身的识别还不够完善。L2与L4的标准相对清晰，而L3则更像一块由甜到咸过渡的面包，其中间阶段的甜咸属性往往难以辨明。责任边界划分得越精细，就越有利于后续的责任认定。因此，需要持续借助实践经验的积累，对L3阶段的人机交互责任进行更为精细的划分。

但问题在于，L3可能尚未经历太多年，L4就会快速落地。是否有必要投入如此精细的责任划分工作，还是直接面向L4来进行布局，这又涉及另一个方向上的问题。

NBD：如何把伦理要求融入行业规范之中？监管方式又应当如何进行适配，既不对创新形成阻碍，又能够对伦理风险进行有效防范？

王羽：第一是设计伦理。在研发设计环节当中，应当建立相应的标准与规范，并将伦理层面的逻辑性设计要求纳入其中，以社会基本伦理道德框架为基础来开展设计工作。不能仅仅依赖企业自发的道德约束，还需要在行业规范当中提出明确的伦理基准值。第二是监管方式。在产品准入阶段，应当嵌入伦理层面的准入审查与评价机制。传统测试主要检测功能、性能、可靠性以及安全性，而现在还应当把伦理测试纳入其中。伦理是智能化与人进行交互的重要内容，因此应作为车辆准入过程中的重要审查指标。第三是创新与伦理的平衡。创新程度与伦理适应度之间可能会产生撕裂，因此必须强调产品在研发、使用以及应用等环节当中符合社会道德伦理，从而形成“智能向上、科技向善”的共识。应从技术端、监管端以及社会端三位一体地推进科技向上、智能向上以及产品向上。

标准想共轨，数据难出境

NBD：R7强化学习世界模型已实现“上车”，Momenta能率先做到量产落地的核心优势是什么？

饶庆：技术迭代推进得非常快，但要把新技术真正应用到自动驾驶的工业场景当中，所依赖的是研发体系的支撑以及企业文化的塑造。

Momenta自2016年创业起就提出了“一个飞轮两条腿”战略，其中一条腿是L2量产辅助驾驶，另一条腿是L4全自动驾驶，并借助数据驱动、海量数据以及闭环自动化，持续迭代产品性能。

今年推出的R7，其本质是将世界模型与强化学习进行结合。在世界模型当中，对从真实世界采集而来的数据进行持续迭代，从而让模型能够在虚拟世界中实现自主进化。由于真实世界中的危险场景无法借助实际碰撞来完成学习，因此需要运用仿真机制；在虚拟世界中一旦出现碰撞，系统就会给予负反馈，而当生成安全且舒适的轨迹时，则会给予正反馈，最终借助奖励与惩罚机制，让模型达到甚至超越人类“老司机”的水平。

NBD：自动驾驶为什么是物理AI的序章？

饶庆：当前AI正在由数字AI向物理AI转变。数字AI主要从网络文字中提取知识，从而形成文本理解以及对话能力。物理AI则是把从真实世界采集的数据压缩到世界模型之中，进而理解物体属性，例如塑料袋可以压过、石墩不能撞，运动因果关系，例如自行车冲出时需要急刹，以及潜在交互，例如皮球滚出后面可能有小孩。这三点正是R7的技术突破。

自动驾驶正是物理AI得以直接落地的应用场景，因为它不仅需要对周围环境开展交互判断，还需要对未来状态进行预测。例如在试车场景之中，面对窄路一侧有停车、对向存在来车的情况，系统需要预判车门是否会开启、是否会出现鬼探头，以及当前宽度能否顺利通过等。这些高度真实的鲜活场景，正是物理AI优先实现应用的领域，因此率先把物理AI运用到了自动驾驶当中。

NBD：我国正在主动参与全球自动驾驶标准治理，并推动国内标准与国际规则之间的协同衔接。当前，国内智驾规范与国际规则对接的重点以及难点分别体现在哪些方面？又应当如何借助规范协同，助力我国智驾企业加快走出去并提升国际竞争力？

饶庆：当前最先进的智能驾驶体验在中国，中国市场以及相关技术已领先全球2—3年。对于国际法规的变化趋势，会持续进行观察，并要求产品在国内一旦落地，就能够同步满足欧洲法规的要求。另外，中国智能驾驶市场以及产品本身都走在前列，因此可以借助国内产品的快速反馈与市场数据，再通过中国相关协会把这些经验带到欧洲法规起草小组当中，从而积极影响并推动国际法规的完善；在进入海外市场之后，再补充采集当地数据，例如欧洲特殊交通牌、小环岛以及礼让驾驶习惯等，并对模型开展微调与泛化处理。

王羽：重点在于标准共轨以及规则互认。难点在于，地图与数据牵涉主权国家之间的交互，其中数据本身较敏感。要实现协同，首先要在技术层面依托优质产品与强大技术支撑，让产品既能适应中国市场，也能在国际市场经受“地狱级”测试；其次，要借助各国在数据、地图、人文以及驾驶习惯等方面的局部优化，弥补技术底座的差异。此外，还要加快标准国际化工作，目前中国企标委已向联合国标准法规论坛输送多项中国标准，以推动形成全球通用型标准。虽然各国在数据与地图层面未必能够完全交互，但仍应建立规则体系，尊重各主权国家的检测和认证结果，实现“一证同行”，加快产品和企业走出去、引进来。

NBD：如何看待现在人才回流的变化？

王羽：每一个时代所依赖的工具以及所要求的技能并不相同。随着新质生产力的发展，已经形成了三类新的劳动者，分别包括创新型人才、应用型人才以及企业领军人才。与此同时，不同时代也孕育出五类具有代表性的劳动者，覆盖农耕、工业、信息、数字以及智能等领域。以底特律时代为例，其所对应的是工业化时期，因此相关人才更擅长机械设计以及工程化管理。而当前正处在从数字经济向智能经济持续迭代的过程中，因此更需要善于运用和开发AI，并能够让AI成为科研、生产以及生活助手的复合型前沿人才。传统工业和信息化人才已经成为基础性人才，而当下真正的领军人才，则是既懂数据又懂AI的人才。

NBD：Momenta在技术发展方面的愿景、使命以及未来业务的重要规划。

饶庆：Momenta把AI运用到自动驾驶领域，主要有三个愿景：十年挽救百万生命、十年解放百分百时间，以及十年实现物流出行效率翻倍。借助强化学习世界模型的持续迭代，可以提高安全性，避免事故发生，并挽救生命。所谓解放百分百时间，就是达到L3/L4全自动驾驶状态，让每个人都成为乘客，使通勤时间可以用于开会、看手机、看报纸等。至于物流出行方面，物理AI，也就是R7强化学习世界模型，不仅能够运用于乘用车，还可以运用于商用车。R7是物理AI迈出的第一步，后续还将更广泛地应用到自动驾驶之外的其他领域。

封面图片来源：每经媒资库

来源：AI相对论④丨越精细划分越有利！L3责任认定像“甜咸难辨的面包”，智驾技术迭代与法规代差仍是行业最大痛点 | 每日经济新闻