“冰箱、彩电、大沙发还是属于电动化的东西，其实真正的智能车还是要看自动驾驶的能力到底如何。”
“智能驾驶很重要，但是光把智能驾驶做好，好像还不够，汽车还是非常难做的一个木桶，有一块板落水就完蛋了，其他板再长都不行。”
“有可能通过明年的竞争以后，车企的竞争除了大吃小以外，还会出现快吃慢，所谓快吃慢就是OTA的频次”。
今年是NOA的落地年、爆发年，明年应该是决胜年。城市NOA有两个关键词，一是无图，用重感知，抛弃了高精度地图；二是端到端，让NOA技术性能水平急剧上升。
大模型的确可以解决深度学习模型带来的安全长尾难题（corner case）边缘场景，但是大模型的运算能力要求太高，目前是上不到车上的。
12月13日，同济大学汽车学院教授朱西产在题为《智能驾驶与城市立体交通趋势》的演讲中指出，特斯拉提出端到端以后，今年国内企业迅速跟上，一种新的AI模型（深度学习模型）的新的组装方式，就是用Transformer组装起来的端到端模型，性能水平急剧上升，所以今年3月份到6月份，NOA技术已经有了一个飞跃式的发展。但要实现真正的自动驾驶，还得大模型真的上车，要具有举一反三的推理能力。
以下是朱西产的演讲实录。
非常感谢轩辕奖组委会能给我这个机会，那天他们给我打电话问是否愿意参加这个奖的评选？我觉得难度蛮大的，国内的车越来越好，价格一个比一个便宜，在这些车里还要选出来好的，难度其实蛮大。
中国汽车通过创新，在电动化和智能化方面都已经有了非常快的突破，今天我分享一下汽车智能驾驶和今年特别热的低空飞行，低空飞行域的飞行器也是汽车产业的延伸，用的产业链跟电动汽车产业链和智能化产业链一脉相承，低空飞行器肯定是电动多旋翼，这两块东西也是我们的强项。
电动化经过差不多十年左右的推动，近三年左右的高渗透率，今年一边喜，一边悲，喜的是中国的汽车通过电动化走到了世界前列，悲的是大部分企业要倒下，大吃小的现象已经发生。
智能化，从智能座舱到智能空间，随着电动化已经出现了，车上如果有20度以上的电，这个车已经可以成为生活空间了，和内燃机汽车不一样了。原来内燃机汽车是纯粹的交通工具，到了目的地肯定马上就下车，因为你不下车，发动机就得响着，否则就没电了，谁也不会在响着发动机的车里待两三个小时，受不了。发动机一断，电也没了，也没法待。
刚才孟为提到冰箱、彩电、大沙发，这些还是属于电动化的东西，其实真正的智能车还是要看自动驾驶的能力到底如何。
NOA无图重感知，渐入佳境
今年是NOA的落地年、爆发年，明年应该是决胜年。令人唏嘘的是极越，它在智能驾驶NOA领域绝对是头部企业，还未到决战就倒下了。它的智能驾驶NOA做得不错，得亏今年极越没报名，以我对驾驶这个车的感觉，十佳应该能进去的，如果能进去的话，蛮尴尬的，这边在发奖，那边倒闭了。
智能驾驶很重要，但是光把智能驾驶做好，好像还不够，汽车还是非常难做的一个木桶，有一块板落水就完蛋了，其他板再长都不行。
智能化即将成为汽车企业面临的第二个难题，是原来传统汽车行业不熟悉的芯片、人工智能，以及用户数据怎么能够快速迭代，它是OTA的迭代方式。
有可能通过明年的竞争以后，除了大吃小以外，还会出现快吃慢，所谓快吃慢就是OTA的频次，因为人工智能的产品不是开发好了以后慢慢迭代。传统汽车的开发，从最早36个月缩到18个月，有些企业可能是10个月，10个月以下再推车不实现了。通过OTA，利用用户数据，现在头部企业的OTA频次每月1.2-1.5次，意味着2个月左右就得有3次左右的迭代。
这对传统汽车企业的安全问题是一个巨大的挑战，因为这是我们不熟悉的一个领域。
在汽车智能化里，现在语言模型的应用非常普及。智能驾驶的目标是无人驾驶，现在NOA已经可以使用了，接管平均里程（MPI），现在国内头部企业在高速上普遍已经接近300-400公里，这个车开上高速公路大概率是用不着接管的。
城市NOA今年是热点，全国都能跑的技术是无图，用重感知，抛弃了高精度地图。所以今年我们看到的NOA，第一个词是无图，因为抛弃了高精度地图以后，一旦推出，开城这个事没有了，全国都能跑，已经做到了。
实现自动驾驶，还需大模型上车
第二个词是端到端，特斯拉提出端到端以后，今年国内企业迅速跟上，一种新的AI模型（深度学习模型）的新的组装方式，就是用Transformer组装起来的端到端模型，性能水平急剧上升，所以今年3月份到6月份，我们的NOA技术已经有了一个飞跃式的发展。
为什么留在L2+，而不敢承认是自动驾驶？这里横在我们面前的就是深度学习模型带来的安全长尾难题（corner case）边缘场景。我们寄希望于大模型，大模型的确可以解决这个问题，但是大模型的运算能力要求太高，目前是上不到车上的。
现在在构建的用户数据闭环，基本是从用户那边获取数据，在后平台、云端使用大模型处理，大模型处理完了数据以后，训练一个小模型，再把这个小模型布置在车上。
哪天能够实现真正的自动驾驶呢？我觉得，大模型要真的上车，要具有举一反三的推理能力。因为边缘场景靠Scaling law、靠大量的数据，我们开车在路上总会有没见过的东西，即使四五十岁的人，看到没见过东西的概率也还是有的。
用小模型的话，什么东西都要见过，这件事情很难做到，而大模型是能够解决没见过的东西的问题，可以举一反三地推理。但大模型现在只能在后平台、在云平台，还无法到车上。
现在在深度学习模型上，边缘场景在所难免，现在智能驾驶卡在L2+，所以L2和L3之间出现了L2+。欧洲的L3已经有法规了，但是这个法规遇冷，ECE R157在2021年就推出，一直到现在只有4款车型做了认证，并且市场上也见不到过了认证的车，大家还是留在L2，我们叫做L2+。
但是留在L2+也有隐患，今年欧盟出了ECE R171 DCAS，对留在L2的智能驾驶NOA的车也要进行监管，其实ECE R171就是我们今天的NOA，所以到底是留在L2，还是向L3走？
给市场提供自动驾驶功能的车，一旦发生交通事故的话，是要承担法律责任的，并且有产品责任，现在这块留在L2+的状态，即便是NOA留在辅助驾驶，DCAS也是作为一类特殊的辅助驾驶，新的品类已经出现，新的国标也在起草中。
对无人驾驶的看法，还是蛮难的。在美国，特斯拉要摆脱制造业的低利润，All in AI，特斯拉的市值一直在涨，其实在特斯拉2024年年报中，销量肯定是下降的，中国比亚迪挑起价格战，他不回应，销量肯定下降，但市值还在上升。
他抛出来两个东西，一个是Robotaxi、一个是人形机器人（擎天柱），华尔街对它的估值非常高，Robotaxi的估值为5万亿美元，人形机器人的估值甚至高达25万亿美元，这两个加起来高达35万亿美元，已经可以把美国整个外债抵消殆尽，所以他是要完全走科技这块。
社会的确进入了人工智能时代，今年我们可看到，诺贝尔物理学奖和化学奖全部给了深度学习，都是人工智能。在8月底时，中央电视台也和我做过一个节目，在行业里，对人工智能这一新技术支持下的自动驾驶，大家对它的信心还是非常足的。
低空产业链，与新能源汽车相通
最后一块是创新的步伐不能停下，因为在创新的路上会有很多先烈，这些先烈如果停滞不前就会完蛋，比如推新能源，动力电池的上了，但是燃料电池的没人用。我觉得创新还得继续往前走，既然创新，思路可能要更宽一点。所以最后想谈一下低空经济下的城市立体交通。
这些低空飞行器运行的600米以下的低空区域，空管委已经同意下放给地方政府管理，这样给低空飞行域就提供了非常广阔的空间。我们在城市里，道路交通存在用地不足的问题，600米低空区域其实是很好的补充。
从产业角度来说，随着智能新能源汽车发展产业链的壮大，把这些飞行器生产出来没有任何问题，因为它是多旋翼的，跟新能源和智能化的产业链是一脉相承的。
国内国际汽车企业都已经进入了这个领域，应该是两大类机型，一个是多旋翼，一个是复合翼。如果在城市里跑的用多旋翼就行，但多旋翼飞不快，效率也不高，如果城市之间要跑到200公里、300公里就要用复合翼。多旋翼的好处是不需要机场，现在民航对机场需求依赖太强，这个可以原地起降、可以悬停，这些飞行器造出来没问题。
这是清华车辆学院和奇瑞合作的三件套，来解决飞行和汽车之间的矛盾。在道路上行驶时，机翼是碍事的，飞行时底盘重量也是碍事的，三件套想解决这个问题，道路行驶时无须折叠巨大的翅膀，在蓝天翱翔时也用不着带着沉重的底盘，这些创新在继续。
无人驾驶到底是单车智能还是网联智能，车路云这个思路、创新性很好，但是5G实在不给力，现在走不下去。
从云控角度来说，汽车已经在道路上自由行驶了130年了，凭什么控我？车路云网联智能的概念在车上很难实施，但是在飞行器上，毫无疑问，如果飞行器要起飞，就要向空管申请航道，批准后才能升空。
另外，光靠动力电池的话，低空飞行器在空中的滞空时间只有20分钟，如果加上燃料电池，现在已经可以做出滞空时间高达2小时的机型。
汽车领域过于创新超前的技术不要停下创新的步伐，继续往前走，可能会有一个更好的未来，我们不愿意在创新过程中看到一些先烈的存在，但创新要不断。谢谢大家！