这是一次酒桌上的「群访」。

1月16日，轻舟智航2025安全智驾媒体沟通会后，轻舟智航联合创始人、总裁侯聪参加了之后的答谢宴。这似乎是汽车媒体人之间的通病，三巡酒过，话题总会从客套走向行业。

更何况，眼前坐着的，还是自动驾驶行业名副其实的「大佬」。

△轻舟智航联合创始人、总裁侯聪

侯聪本科毕业于清华大学自动化系，研究生专为计算机系，此后在美国佐治亚理工学院取得计算机科学博士学位。2013年一毕业，就加入了Google。

在谷歌任职期间，侯聪被推荐到Google X实验室的无人车项目组，负责感知系统。而后，谷歌在2016年拆分无人车项目组，Waymo正式成立，侯聪也成为了Waymo最早的一批工程师之一。

虽然是全球最早一批参与研发Robotaxi的工程师，但对乘用车L4级自动驾驶，侯聪始终非常谨慎。他曾表示，Robotaxi在商业化落地方面面临诸多挑战，尤其是在复杂的城市道路环境中，corner case（极端场景）问题难以解决。如今他依然认为，L4级自动驾驶要实现完全的商业化运营，至少要到2030年。

除了行业预判，对于行业内十分关心的问题，比如「端到端」、「纯视觉」等技术路线是否是最优解？特斯拉FSD和Waymo比，哪家更强？国内普遍的L2+级水平和特斯拉相比，存在代际差？特斯拉FSD进入中国是否能够顺利落地等等……一一做出解答。

以下根据侯聪的回答整理而成。

今年CES其实在智驾上面没有太多的新东西，当然本身这也不是一个智驾发布的场地。但是我觉得Waymo确实扩展挺快的，他今年拿了两款新的车型展示，一个是极氪的，一个是现代的。

我还在旧金山坐了这个车，旧金山这个场景其实挺难的，一个是坡很陡，因为这个原因，Waymo在激光雷达的设计上还专门做了调整；然后有很多double parking，就是路边有一排停死的车，这样后面再停车的时候，等于有了两排车，这时候就会挡着前面的路，要绕行的情况很常见。

我刚从美国回来，现在真的到处都是Waymo的无人驾驶车，在旧金山任何偏远的地方，都能看到这个车，可能还会连着过去好几辆。最新的数据表明，Waymo的打车量已经超过Lyft，仅次于Uber，我估计迟早会超过Uber。

我坐了一趟觉得还是有挺多亮点的，包括前面有车要停到路边，可能会有倒车的情况，Waymo在后面会自动向后倒，给前车让出一个空间，等它停进去再向前走。其实这个问题在我离开Waymo的时候就有很多反馈了，当时的车辆还会顶到前面，让前车倒不了，两辆车就卡在这，但是现在这个问题解决了。大家在旧金山有机会一定要再试一试这个车。

Waymo最近又开始在奥斯汀运营了，扩展的速度越来越快，他现在开一个新的城市会比之前快很多。

今天大家都在关心Waymo和特斯拉关于L4的对比，我首先觉得二者目标不一样。

Waymo的目标是，我就要做一个Robotaxi的服务，就要看市场。比如美国的打车市场主要集中在几个城市里面，因为美国的乡下或者偏远地区，这种需求很少，所以是由市场向导来做这个事情，我只需要搞定这几个城市，拿下多一半的市场份额就够了，边际收益也会比较低。

特斯拉是卖车的逻辑，所以他肯定要适配美国大部分场景，他要把这个东西做的越来越好，帮他去卖车，同时他也希望走向L4，靠这个故事去驱动销量和内部研发。我有一些朋友在特斯拉工作，马斯克经常会找他们去讨论一些具体的问题，他特别喜欢讨论这些业务。

这个相对来说，其实就难很多，第一他要解决更多的长远问题；第二个，成本真的是很大的约束，他要卖车，所以传感器不能做的成本很高，这导致他只能在城市上去不断探索，当然这也倒逼他在这方面越来越好。

但是我现在问还在Waymo的前同事，他们都认为没有激光雷达是做不了L4的，如果只靠视觉，有太多问题是解决不了的。

但是前两天李想不是也说，他相信马斯克如果在国内做智驾的话，他一定也会选择激光雷达，大家如果真的把安全作为一个很重要的目标，国内如果没有激光雷达的话，确实容易出问题。

所以特斯拉想要做到L4，需要转变思路，马斯克曾经说过一些话，比如“用激光雷达的都是傻逼”，后面可能要打脸。因为当时是没有成熟的情况，硬件成本比较高，其实是没得用。但是当激光雷达足够好，足够便宜的时候，我相信他还是会回来用的。而且当他把AI能力推到极致，发现推不动的时候，可能也会用激光雷达。

我自己也经常开特斯拉，在美国也经常遇到一些情况，逆光、下雨，甚至早上出门，因为有露水，我要开十分钟甚至二十分钟以上，露水才能被吹干。如果露水要是在玻璃里面就没办法了，只能晒，这种情况就不允许我打开FSD。这是很典型的一个问题，如果你这块做不好的话，很难实现可靠的运营。

这次我去CES，我的一些朋友和我说，Waymo在第六代的车上虽然做了一些降本操作，产品的数量减少了一些，但是它的去污清洁、盲区的设计，依然是特斯拉不具备的。

我说一个有意思的事情，特斯拉推崇第一性原理，说人能靠眼睛开车，你的视觉就能开车。但他忽略了一个事实，人能开，因为人是会动的动物，有脖子，有身体。大家开车都会遇到，比如说前面（玻璃）上有一点脏了，或者这边特别滑，这时候你会活动你的身体去解决这个问题，但是特斯拉的相机是不具备这种能力的，一个机器人坐在车里，才应该是第一性能原理。怎么解决这个问题？要么你把清洁做到位，要么你把冗余做到位。

这些年，行业里一直存在着严重的信息不对称现象，绝大多数的从业者，包括投资人、媒体，对于L4的研究不够深，甚至曾经一度去diss Waymo，说Waymo不行，但特斯拉还可以。我觉得至少在当前，为什么Waymo可以去大量运营，但特斯拉还不行，二者依然还有一些差距的，可能存在5年以上的差距。

我7年前在Waymo的时候，我们团队是做sensor（传感器）的，当时去污就是很难解决的问题。大家如果对Waymo第四代车有印象的话，它顶上是有一个罩子的，里面装了很多传感器，包括顶上一个主雷达，中间一圈16个相机，下面是一个连续的激光雷达。那时候你会发现，去污是个很难办的问题。因为它是个圆的，美国的生态比较好，经常有虫子、鸟屎，前面特别容易脏，脏的地方刮不动。

于是第五代硬件又回归到了早期，像花盆一样是转的。为什么要转？其中一个很大的原因就是要解决虚物的问题，转的话窗口就是这么小，被弄脏的概率小很多，第二上面的水很容易甩掉，第三是它是个窗口，能做成平面，平面去污就要容易得多，用雨刮就能解决。

第六代虽然做成了摆动的传感器，但你总是要做设计，这个点是现在国内做L4或者L2所不具备的。

2016年的时候，百度发力做L4，当时宣传很猛，我记得国内经常说Waymo起个大早赶个晚集，但实际上从2005年到2016年，Waymo很多积累是非常有价值的。比如他自研的激光雷达从第一代做到了第四代，一直在积累，性能确实比量产方案要好。

这块我也提一下，Waymo几乎所有的零部件都不是车规级的，比如他相机用的是索尼的消费级的sensor，车规级的sensor性能很难做上去。

之前车规级的摄像头最高可能就是800万像素，但是Waymo需要的是一个4000万像素的相机，能在夜间成像非常清晰。前面这个相机已经做到了单反的效果，晚上一些人都看不清的，它要看得清楚。

第二是红绿灯问题，我觉得国内没有一个特别好的方案，红绿灯的原理是LED灯，它是有频闪的，如果你的曝光时间和频闪刚好错开的话，你拍到这个灯就是不正常的。有点像你拿手机拍一些屏幕他会闪，因为他确实一直在闪，所以如果拿一个一般相机去拍红绿灯，可能明明是亮的，但它拍出来是暗的。

后来相机厂商做了一套技术叫FM，就是通过增加曝光时间来规避这个问题，但国内总有一些东西很奇怪，比如每个灯的频率不一样，你拿带有这种功能的相机去看，依然还会有这个问题。

再有一个是晚上看红绿灯，其实很容易过曝，灯一过曝的话就看不清楚了，尤其是颜色和箭头，箭头看不清，到底是直行还是左转就看不清，L4很容易出现这种问题。

Waymo想了一招是往相机里装一个灰镜，像墨镜一样的东西，强制让他曝光时间变长，而且我的曝光时间是固定的，灯的亮度也是固定的，这样白天晚上我都能看到灯。所以为什么它一圈有16个相机，其中8个都是看LED灯的，不仅看红绿灯，还有警灯和消防车灯，以及一些牌子上面的文字。

Cruise为什么不行呢？因为他们不具备Waymo长期的经验积累，他是2014年成立的，没有自研传感器，甚至没有盲区传感器，包括百度也是没有盲区传感器的。我倒不是说自研不自研，但他们不认盲区是一个必选项。

除了成本问题，用了那么多传感器，实际上对系统的要求非常高，带宽一下就上去了，什么样的设备能够支持这么大的带宽，这是个技术问题。很多车厂不敢装传感器，因为他根本就接不进来，那么庞大的数量，怎么去传输、存储都是问题。市面上没有现成的东西能够支持你处理这些数据，只能去自研，所以这一块投入也是很大的。

它的产品距离量产其实还是很有距离的，但是为了和Waymo竞争，太早就投入了运营，但这个产品的安全性本身没有经过充分验证。Waymo的第五代硬件其实是从2019年开始做的，到2024年才开始运营，中间这5年干啥去了？其实就是在解决很多假想中的安全问题。

Cruise之前有个事故，就是把人卷到车底，还压着人过去了，这种事故在Waymo是不会发生的，因为Waymo有盲区雷达，它早就知道这边有人，在车出现异常行为的时候，它也会检测到，会马上停下来。

但Cruise没有做这种设计，你要从整体上考虑这种情况，但他没有投入资源。

从整体体验上，现在是没办法一点一点比的，毕竟国内还没有推出FSD，但是从技术粘性上来讲的话，是这样的。

特斯拉我也认识一些朋友，首先团队确实很厉害，也很精英化，他的人并不是那么多，前两年可能只有200人的规模，现在是三四百人差不多。

这么点人，他的研发效率和在算力数据上的投入，是国内没法比的。第一他们有钱敢投，第二是没有限制，美国现在卡这么严，我们买不到这么大的算力，而且特斯拉也自研了Dojo。

（FSD进入中国后）按他的技术框架，只要把数据这块做好，（顺利落地）还是有希望的。因为他的技术本身没有那么大缺陷，但是的确他的产品精益程度（是不够的），因为他们没有那么多人，做不了那么细。

我相信特斯拉的产品在精细度上，和华为肯定是有差距的，比如停进这个车位，旁边有辆车或者有堵墙的时候，车什么时候应该偏一点，这种体验都很细。

而且像Autopark，我记得一年前只有在搭载毫米波雷达的车上才有这个功能，后来纯视觉之后就都禁掉了，因为没有做的很成熟。

还有一个问题是什么，他的相机其实就是7、8个摄像头，后项倒车有一个鱼眼摄像头，左右前是没有鱼眼的，这导致在泊车的时候，首先没有一个好的视角能看到正下方的东西，下面肯定是有盲区的，只能通过车辆运行过程中，用一些时序上记忆的能力，去记忆某些地方的东西，传感器本身会有一些不足。

我觉得在国内，泊车场景会更加复杂，比起国内的车企他天生会有一些劣势，能不能完全靠算法补齐，在相同的技术能力下，我相信还是有一面会做的更好一些。

特斯拉现在和百度合作解决一些数据问题，除了解决数据合规的问题，还有数据训练，他在国内显然没有在美国那么充沛的算力训练，把美国的数据训练之后可以拿到国内使用，但是这样做是否能够满足需求，还存在一些不确定性。

端到端技术本身是有价值的，但是只靠端到端做L4是不可行的，它可能只是L4架构里的一个技术点，在一些决策性的问题上，可能确实会比传统的方案更好，它对信息的利用更加充分，信息的损失更少。但它的问题在于，完全靠数据驱动去解决问题，是解不完的，而且到一定程度还是会碰到瓶颈。

所以L4的市场是很不一样的，大家可能没有想过，Waymo为什么用这么重的CPU做无人驾驶，大家在说算力的时候，都是讲GPU或者推理的算力，但是从来没有人说你的CPU是多少，Waymo用这么大算力的CPU，就是因为需要很多冗余，同时需要一些规则去保证它的准确性。

如果真的什么都靠模型，什么都靠模型，总有些问题解决起来成本巨高，所以解决长尾问题不能一味地全部部署到数据模型上，有些问题按规则解其实反倒更快。

这个行业太多营销了，大家可能存在鄙视链。我再举一个例子，地图可能也在鄙视链里面，无图的鄙视有图的，Waymo其实还是用有图的，我相信L2走下去，可能最后还是需要一些地图的支持。当时大家鄙视地图，是因为在那个阶段，大家追求的目标是我哪里都能开，当时如果太依赖地图的话，地图本身确实有缺陷。

但是当你的技术迭代，把地图当成先验，而非增值的时候，你后续发现有些问题，还真的要靠地图才能解决。

这点其实也是符合第一性原理，对于人来说，你熟悉这条路和不熟悉，是不一样的。当你熟悉这条路的时候，你知道什么时候应该变道，什么时候应该提早去做什么决策，这个先验是很有价值的。

但是如果你没有，至少以目前的技术架构，你很难具备这样一个输入模式。我们管这种输入模式叫记忆行车，实际上也是通过记忆形式把它记下来，还是建了一个图。所以我相信未来地图信息还是会重返智驾方案，只是那个时候它的地图使用方式和之前不一样。

所以很多东西还是有用的，你还是要用，而不是为了追求更高阶，就认为无图一定比有图好，端到端就已经打败了规则，至少在国内的L4市场肯定不能这么做，L2的话我相信最好还是能够把它们融合在一起，看谁发挥的比例更大。

（大家对L4的预期）都太乐观了。虽然我觉得乐观点本身也没错，只有乐观才能把事情往前推。

当年马斯克也犯过一样的错误，他从很早的时候就开始说做L4，（但是一直没有实现），现在说明年会推出来一个车型（Cybercab ），但我估计还是会delay。

他应该还是寄希望在第五代硬件，我估计他在3.0遇到了瓶颈，因为模型容量有限，解决长尾问题时会出现其他问题，就是解决了这边的问题，那边就出现问题。他的算力和算法容量有限，就会出现这样一个问题。

其实反过来印证了智驾的硬件设计，无论是传感器还是芯片，都由长尾问题，而不是一般性问题决定的。

我认为国内的L4要在2030年之后，才能够大规模商业化运营。