太平洋科技 出行

人类开车，百公里可能消耗一个馒头，但如果让车辆自动驾驶开100公里，复杂的算法就需要消耗大量的能量和算力。

两者为什么差异如此之大？

按照能量守恒定律，人类开车要远比自动驾驶更“省钱、省力”，一直号称比人类驾驶更安全的的自动驾驶，究竟怎么才能做到真正的类人驾驶？

最近奔驰中国智驾负责人王忻 ，就和诺贝尔生理学或医学奖得主梅·布里特-莫泽（May-Britt Moser）进行了一次深入对谈。莫泽教授因发现了大脑里的网格细胞而荣获诺贝尔奖，网格细胞相当于大脑中的定位系统，可以为你在空间环境中提供方向感知。

这和目前火热的自动驾驶概念不谋而合，所谓智能驾驶，就是从A点到B点，人类具备这种识路辨路的能力，智能汽车如果具备“认路细胞”，似乎也可以具备人类的能力，但受限于传感器和算力，目前智能驾驶尚未达到人类的驾驶水平。

好消息是，不少企业开始在发力“端到端”大模型技术，试图从底层逻辑再造一个“人脑”驾驶。前不久，梅赛德斯-奔驰的端到端“无图” L2++ 全场景高阶智能驾驶，刚刚完成了首秀，这也让奔驰成为首家采用端到端技术的国际豪华车企。

奔驰L2++似乎具备了“人脑”的要素，比如不依赖激光雷达采用纯视觉方案 、不需要高精地图、强悍的云端算力、更强的泛化能力…

一边是多年专注智能驾驶领域的研发专家，一边是探索人脑定位系统的诺贝尔科学家，两者碰撞注定会有行业火花。

自动驾驶要向人学习什么？

回答文章开篇提出的问题，先了解人和机器开车的基本逻辑。

人类开车，需要眼睛、手、脚以及大脑等协同工作。如果你刚开始学，就得有更多专注力，比如你会把座位尽可能调到靠前，这时候视觉、听觉甚至还有触觉都在给你加油，新手司机一顿操作下来，额头手心止不住冒汗，心脏也跟着扑通直跳。

老司机当然会更从容，加速、超车等行云流水，甚至只凭借肌肉记忆就能完成这些操作。

更深层次来说，无论是新手还是老司机，开车的过程都是大脑给予的电信号，Moser教授解释称，在开车时，大脑中有特定的细胞帮助定位方向，比如“头方向细胞”告诉我们当前的行驶方向，“边界细胞”告诉我们周围的边界。

最重要的是，凭借这些细胞，能让我们具有“空间感知能力”。Moser教授曾做过一个实验，把小白鼠放到一个虚拟环境中，重复完成同一个寻路任务，最终小白鼠完成了进化，自己找到了一个最短的途径，通过研究发现，帮助小白鼠完成矢量导航的就是网格细胞。

网格细胞就像一个坐标系，能把整个空间环境分成蜂窝状的六边形网格，指导着我们选择方向。除了提供方向感知，也有研究者提出，网格细胞也会参与矢量计算，帮助人类规划路径。

这些细胞基本在大脑海马区及其周围，正是这个负责短时记忆、存储转换以及定向等功能的神奇区域，帮助我们完成了开车认路。

所以人开车，只要大脑是清醒的，就能通过视觉记住位置后，在大脑形成一种想象中的边界，并随时更新这个想象中的地图。这个过程当然不会消耗太多能量，大脑的能耗只相当于一个20瓦的灯泡，有时候吃一顿饱饭，就能开上一整天。

汽车就不一样了，一辆机器想要实现自动驾驶，需要依靠太多传感器，像前摄像头、后摄像头、毫米波雷达甚至得用上激光雷达等。

处理这些传感器的数据，需要借助大量的算力，这种复杂的算法也需要能源供给。即便是一个简单的避障动作，都需要运算大量的数据。

以ChatGPT为例，其每天要响应大约2亿个请求，在此过程中消耗超过50万度电力，也就是说，ChatGPT每天用电量相当于1.7万个美国家庭的用电量，这个能耗相当惊人。

从汽车自动驾驶的发展历史来看，也经历了很多种阶段，前两年主要是靠手写规则，比如具体场景实行具体指令，但这个工作量堪称巨大，因为总会有应付不完的场景和写不完的代码。

怎么才能让汽车像人类一样，用一个通用的范式去解决各种路况？

王忻在访谈中表示，梅赛德斯-奔驰采用最新的端到端大模型技术。

顾名思义，端到端是指通过一个AI模型，输一个原始数据，就能输出最终结果，这种方式依赖深度学习模型，特别是神经网络，可以自动从数据中学习到复杂特征。其结果就是类似于人脑的决策逻辑，学习数据从少到多的过程，就是新手变身老司机的过程。

到2025年，将随梅赛德斯-奔驰模块化（MMA）平台推出“无图”L2++全场景高阶智驾系统，该系统应用端到端大模型技术，不依赖高精地图，可实现点到点的高阶智驾体验。

自动驾驶领域资深玩家

让AI比真人更会开车

端到端到今年已经成为行业内最热门的智驾技术路线，在这场比拼中，小鹏、华为、理想以及蔚来等选手在端到端领域的研究竞赛，已经从一年前的开城速度，到如今的OTA更新频率。

而端到端的投入非常大，最稀缺的就是人才，作为新兴的技术领域，一个技术大牛甚至赶得上一个研发团队。同时端到端对数据和算力的需求也提升到了巨大量级，理想汽车就曾在内部估算，每年投入到训练上的费用就达到10亿人民币，未来甚至会涨到10亿美元，这还不包括人员和其他成本。

不成比例的投入产出比，研究端到端显然不是一笔划算的买卖。

但奔驰显然不会这么想。

过去5年，奔驰在华累积研发投入总计达105亿人民币，一年的时间完成国内的自研L2+高速导航辅助功能落地。

如今研发端到端，在整个合资品牌中也是为数不多的激进者。

奔驰的L2++是不依赖高精地图，基于中国的数据训练，投喂了大量国内老司机驾驶的素材，所以能适应中国路况的博弈逻辑。而且只要有导航，哪儿都能开，有导航规划的路段均可启用L2++。

从王忻和Moser的实际体验来看，奔驰的这套L2++，在应对无保护路口左转、无保护路口右转、右转主动避让行人等场景时可以做到拟人化驾驶。

如果遇到其他道路参与者，比如行人或公交车，也会提前避让，同时会提醒司机提高注意力。

除此之外，L2++还可以完成路口无保护掉头以及环岛等场景，整个功能体验已经达到了第一梯队。

奔驰L2++也可以实现“车位到车位”，也就是从出发车位泊出、途经城区/高速/城区、到目的地车位泊入，车辆自主处理全场景的路况问题，这可以说是目前端到端玩家能达到的最高水平。

而且不只是纯电车型，奔驰对燃油车型也会一视同仁，明年会通过OTA实现L2+智能驾驶辅助系统的自动上下匝道功能。针对未来产品，包括燃油车型，奔驰也会逐步搭载高阶智驾系统。

这意味着未来有“端味儿”的产品，再也不局限于新能源车了。

百年奔驰的自我更迭

传统语境下，新势力品牌对智能化有着更大的话语权，但作为百年豪华品牌，奔驰对于智能化的探索早就已经开始，甚至是亲历了智能座舱、智能驾驶的从无到有。

1978年，奔驰推出了世界上第一辆拥有防抱死制动系统（ABS）的汽车。

1986年，奔驰通过“普罗米修斯”计划，开启了对自动驾驶的探索。

到了2018年，奔驰又发布第一代MBUX座舱交互系统。

奔驰还是全球首个获得L3级有条件自动驾驶国际认证，并在欧美量产的车企。去年年底，奔驰成为首批在北京获批开展L3级有条件自动驾驶系统测试的车企之一。

时至今日，奔驰对于智能化的投入仍在不断加大，并自主研发了MB.OS全新域控制架构。

这套智能架构相当于“中枢神经”，覆盖智驾、智舱、车身舒适和通信模块的全部底层逻辑。

和传统分布式EEA架构不同，MB.OS架构采用域控架构，可以实现软、硬件解耦，分别由4大功能域和1个通信模块组成。功能域则分为智能座舱域、 自动驾驶域、车身控制域、行车与充电域等，各个域之间车载以太网通信速度提高到了10Gbps。

一套组合拳下来，让MB.OS彻底打破了平台和动力形式限制，可以实现整车OTA，让每一辆奔驰都能实现“软件定义汽车”。

基于MB.OS，除了“无图” L2++ 全场景高阶智驾，还有就是下一代车机系统——有着全新的语音交互和全新UI设计和导航系统。

其语音交互系统基于生成式 AI、2-3 倍数据训练提升的大语言模型打造，具备3D图形渲染技术，奔驰将单纯的“语音助手”定位升级为“奔驰虚拟助理”，这个虚拟助理除了体现数字豪华，还能为用户提供情绪价值。

这一切技术距离我们并不远，MB.OS将于2025年随MMA平台车型推出，届时我们也会真实感受到，这个百年品牌如何用数字智能去定义豪华。

和中国新兴汽车品牌相比，奔驰对智能驾驶的追求或许不是最快的，但一定是最稳的。从早期初步探索，到如今厚积薄发，百年奔驰仍在引领着汽车行业的创新。