#2025地平线技术生态大会#
作为#地平线HSD# 的负责人、缔造者，苏菁今天的演讲，应该有不少朋友关注，完整演讲视频和整理的文字就看这条吧。

开场苏菁表示，最初因不知该说什么而不太想来，最终在团队建议下决定分享多年来的真实感悟，他提到上个月团队才完成HSD的SOP，自身与团队仍处于工程模式，尚未切换到思想模式，因此本次分享内容可能较为零碎，但均为实践中的真切体会，对比去年产品年会的多量分享，他提及今年虽看到清晰路径，但面临更多未知难题，处于「知道问题能解决，但暂不清楚具体解法」的状态，一度无话可说。

外界普遍认为自动驾驶简单，人类学一年就能开好车，但计算机与人的能力呈「正交」关系，人类觉得难的计算机易实现，人类与生俱来的基本技能，如开车、煎荷包蛋，计算机却极难掌握行业外多数人不理解自动驾驶团队面临的双重压力，既要应对SOP的时间压迫、方法论的不确定性，还要处理车辆行驶中遇到的各类hard case和corner case，且物理世界中无法选择ODD，必须处理所有场景问题，堪称「智力、体力与肉体的双重压榨」。

加入地平线前，苏菁曾坚决向于凯博士表示不想再做自动驾驶，核心原因是行业痛苦且看不到希望，23年之前的自动驾驶系统虽能行驶，但与人类司机标准差距极大，大量case无法处理，行为模式仅为应激反应，难以达到类人智能水平，23年、24年行业普遍处于「系统可用但类人化不确定」的认知状态，多数从业者对技术上限存疑。

苏菁表示FSD V12的关键价值不在于「是否最强」的舆论争议，而在于其打开了自动驾驶的内核范式，证明了「深度学习+神经网络」的技术路径可行性，填补了「知道方向正确」与「实际落地实现」之间的鸿沟，类似原子时代核裂变实验的突破性意义，证明可能性比当下威力更重要。

第一代以CMU车队为代表，强依赖激光等非视觉传感器，核心依赖人工写代码，无机器学习技术支撑；第二代是斯坦福车队，引入机器学习技术，实现对第一代的超越；第三代为Google X/Waymo车队，进一步发扬机器学习优势，但仍存在核心局限。

23年之前的技术革命并不彻底，深度学习仅重构了感知部分，感知后的环节仍停留在规则时代，整体效果仅达20%-30%，同时存在两大遗留问题，一是未解决静态认知问题，需依赖地图弥补；二是系统仅前半截数据驱动，后半截依赖规则。

端到端技术的核心价值是完成自动驾驶技术的「完整革命」，是实现类人智能的关键路径，但难点突出：一是规控理论不成熟，开发难度极高；二是试错成本巨大，一轮尝试可能耗资数亿甚至数十亿元，且失败风险高；三是系统稳定性差，任何噪声都可能导致系统失控，多数团队因资金或精神压力中途放弃。

对于行业未来发展判断与趋势分析，苏菁指出人类存在认知误区，事件发生前完全不信，发生后过度预期持续爆发，而历史证明重大变革往往是「单点突破后进入优化期」，而非持续革命，他核心判断未来3年行业将聚焦现有系统的极致优化，而非理论内核重构，原因有二，一是深度学习技术已显现天花板迹象，从大语言模型等领域可见；二是物理世界的技术演进遵循「理论突破→应用突破」的循环，目前尚未看到下一个理论突破的前置信号，即便出现，落地仍需5-20年。

核心趋势是 L2的普及与L2、L4的范式统一，L2将进入红利期，成为汽车的「基础功能」、「新时代的自动挡」，从高端车向中低端车10万级普及，且计算机工业「高突破成本、低复制成本」的特性，将让不同价位车型的系统体验趋于一致，同时，L2与L4将实现方法论统一，过去L2与L4是两个割裂的世界，L4为追求真无人，依赖超豪华传感器、高精度地图和小范围ODD，复制成本高，商业可行性低，即便RoboTaxi模式也难以落地；新范式下，无需针对单个ODD重复开发，搞定一个复杂城市即可泛化到全国同类城市，部署成本极低且扩张速度无限制。未来2-3年，将以「乘用车+RoboTaxi双模式」部署L4系统，用户有望以合理价格购买到L4级自动驾驶乘用车。

24年之前，因技术天花板明显，行业倾向于拼接碎片化功能，多棵树并行种植；24年之后，行业将聚焦单棵树深耕，通过扩大网络主干、积累海量数据，让系统自然长出新能力，例如未专门设计靠边停车功能，系统却能自主实现，两者的方法论差异在于过去是加法，人工筛选能力点叠加，新范式是减法，从人类稠密数据中剔除无用信息，保留全能力。

未来将重点推进三项工作，一是持续提升算力与模型容量，遵循计算机工业「玩命堆算力」的本质逻辑，每一代芯片和产品实现10倍算力提升、10倍模型容量增长；二是重投L4研发并打通L2-L4，以统一的开发范式、传感器配置和ODD区域，实现L4技术反哺L2，未来用户买到的L2车型可能已是「准L4系统」；三是强化工程能力与组织能力，将其视为应对行业变化的工业母机，确保新技术快速导入、爆发问题高效解决、难问题持续打磨，这是公司发展的核心基座。

苏菁坦言仍有焦虑，一是量产压力大，新范式虽有优势但也带来新问题，需在短时间内解决，感谢工程团队的辛苦付出；二是当前HSD尚未达到人类司机水平，团队已开始讨论水坑避让、与卡车错车策略等细分场景，这些难题虽有解决希望，但具体路径尚不清晰；三是技术研发风险高，一轮实验可能耗资10亿且未必成功，但必须坚持推进。

对于现状，苏菁表示HSD的SOP基本达到预期，但距离“替代人类司机”的核心目标仍有巨大差距，行业20年深耕的意义正在于此，因此难言完全满意。未来计划方面，一是2-3年内实现HSD乘用车系统体验的质的飞跃；二是推动L4级别车辆以亲民价格落地，让用户在无感情况下拥有全自动驾驶能力。

#人人都是中国智驾合伙人# http://t.cn/AXyTrOw6