2014 年，國際汽車工程師協會建立了汽車自動駕駛分級框架，為自動駕駛技術的發展制定了行業標準路線圖。

自動駕駛分為五個等級： L1 級 (駕駛輔助)、 L2 級 (部分自動化)、L3 級 (特定條件自動化)、L4 級 (高度自動化)，以及 L5 級 (完全自動化)。

與界定這些級別相比，預測各級別何時能夠實現則更為困難。這種不確定性引發了全行業的期待，似乎突破時刻總是近在眼前。

然而，近年來這一情況已發生顯著變化。過去三四年間，自動駕駛技術取得的進展甚至超過了之前十年的總和。本文將帶您了解推動這一飛速發展的最新技術突破。

什么是 L4 級自動駕駛？

L4 級自動駕駛是指車輛能夠在特定運行區域內自主處理所有駕駛任務，如某些特定城市或特定路線，無需任何人工干預。這一高度自動化級別借助了基礎模型、端到端架構、推理模型等 AI 突破性技術，從而能夠從容應對各種復雜場景。

如今，L4 級“高度自動化”正將自動駕駛愿景，一步步轉變為可擴展、具有商業可行性的現實。

推動智能汽車發展的六項 AI 突破

當前，六項重大 AI 突破正匯聚合力，加速 L4 級自動駕駛的到來：

1. 基礎模型

基礎模型能夠調用整個互聯網的海量知識，而不僅依賴于智能汽車的專有數據。

這就好比人類在 18 歲學車時，已經擁有了 18 年的世界認知經驗。同理，基礎模型憑借廣泛的知識儲備，能夠基于對世界的普遍認知來理解異常場景并預測結果。

借助基礎模型，當車輛遇到從未遇到過的突發情況，比如道路上突然出現床墊、或者一個球滾入街道，它能夠借鑒從海量訓練數據集中學到的知識，進行推理并合理應對。

2. 端到端架構

傳統輔助駕駛系統采用獨立的感知、規劃和控制模塊，這種架構在模塊間信息傳遞時容易造成信息丟失。

端到端輔助駕駛架構則有望改變這一現狀。該架構可通過單一神經網絡直接將傳感器輸入的數據轉化為駕駛決策，始終保持上下文情境信息的連貫性。盡管端到端架構的概念并非新提出，但架構的進步和訓練方法的優化，最終使其變得具備可行性，從而以更低的工程復雜度實現更優的自主決策能力。

3. 推理模型

推理型視覺-語言-動作 (Reasoning VLA) 模型將多樣化的感知輸入、語言理解、動作生成能力與逐步推理過程相融合。這使其能夠像人類一樣解析復雜情境、評估多種可能結果并確定最佳行動方案。

基于推理模型的系統提供可解釋、分步式的決策過程，從而帶來更高的可靠性與性能。對于自動駕駛而言，這意味著系統能夠實時標記異常決策模式，以實現安全監測，并在事后調試中追溯車輛采取特定行動的原因。這既提升了智能汽車的性能，也增強了用戶信任。

4. 仿真技術

如果僅靠實際道路測試，要將一項駕駛策略在所有可能的駕駛場景中完成驗證，即便最終能夠實現，也需耗費數十年時間。而仿真技術的引入，為這一難題提供了解決方案。

例如神經重建等技術可基于真實世界的傳感器數據創建交互式仿真環境；而NVIDIA CosmosPredict 和 Transfer 等世界模型則能生成海量多樣的新場景，用于自動駕駛汽車的訓練和測試。

通過這些技術，開發者可通過文本指令生成新的天氣與路況，或改變光照、引入障礙物，從而模擬出全新場景，并在前所未有的環境下測試駕駛策略。

5. 算力

如果沒有充足的算力，上述所有技術進展都難以實現。NVIDIA DRIVE AGX和NVIDIA DGX平臺歷經多次迭代，每一代設計都需要既滿足當今的 AI 工作負載需求，同時為未來數年的技術發展預留空間。

協同優化也十分重要。技術設計需要具有前瞻性，預先考量下一代 AI 系統對算力的需求。

6. AI 安全

安全性是 L4 級自動駕駛的基石，其中可靠性是其區別于較低級別輔助駕駛的決定性特征。物理 AI 安全技術在近期取得了突破，通過在設計、部署和驗證階段引入安全防護機制，使基于 AI 的自動駕駛系統能夠實現可信部署。

例如，NVIDIA 的安全架構通過多樣且模塊化堆棧進行校驗，為端到端駕駛模型提供了安全護欄；而神經重建技術的最新進展也大幅加速了系統驗證流程。

這些安全防護措施均已納入NVIDIA Halos綜合安全系統，該系統整合了 NVIDIA DRIVE 架構，經過安全認證的NVIDIA DriveOS操作系統，以及 AI 模型、硬件、軟件、工具與服務，旨在確保從云端到車端的輔助駕駛系統的安全開發與部署。NVIDIA 合作伙伴可根據需求選用單一組件或完整技術棧。

深遠意義：守護生命與節約資源

自動駕駛的意義遠不止于技術成就。提升車輛安全性不僅能挽救生命，更能節省資金和資源。L4 級自動駕駛可系統性地消除人為失誤，而絕大多數事故正是由人為失誤所引發。

作為一家提供從云端到車端的全棧式自動駕駛技術的公司，NVIDIA 正依托其已投產的 L2+ 技術?；A，助力更廣泛的汽車生態系統實現 L4 級自動駕駛。

對自動駕駛至關重要的三臺 AI 計算機：

NVIDIA DGX平臺用于數據中心 AI 訓練

NVIDIA Omniverse與Cosmos仿真場景，并生成用于測試和驗證的合成數據

NVIDIA DRIVE AGX車載計算平臺用于實時處理車端傳感器數據

這些技術平臺共同構成了一個涵蓋學習、測試和部署的反饋閉環，將安全置于核心地位的同時，持續加速創新周期。