早在创新工场 2018 全球自动驾驶峰会上，有采访人员向李开复提出“特斯拉用大量的 L2 级别量产车型在全世界收集行驶数据，Waymo 用相对少量的 L4、L5 级别试验车型在相对受限的城区收集行驶数据，您觉得哪一种方式能够更快接近无人驾驶在现实中的最优解？”

文章插图
李开复博士表示“两种方式收集到的数据是不一样的。特斯拉这种通过 L2 级别众包的方式收集来的数据，究竟对于他们去做更高级别的无人驾驶有多大的价值，他个人持保留态度。”
L2向上攀爬的数据难题时间回到自动驾驶如火如荼的2021年，L2上探及L4下沉几乎成为行业共识。但L2与L4的数据之争似乎依然未有业内明确定论。

文章插图
目前，根据公开报道，华为和北汽极狐合作的车型价格说明计算平台+传感器等“L4的硬件成本’已经可以控制到20万元/套了。随着规模的增加，硬件价格还会继续下降，这让大家对于L2量产车上的‘硬件高配’，有了更多可能性。
但L2的车通常都不搭配激光雷达，毫米波雷达的数量也更少；由此带来的一个结果是，L2量产车上收集到的数据，跟L4算法对数据的要求还是有不小的差距。
L4所需要的数据应当包括车辆周围环境的空间信息、纹理信息、色彩信息，这些信息的丰富度跟人获取到的信息基本上是一致的，所以不管起初的算法有多差，从头到尾所有的数据都可以在后期做一个算法平台。
在最理想的情况下，从L2向L4迭代，不仅传感器的架构要一致，而且各种传感器的数量也要一致。比如，若L4的车上需要装3颗激光雷达，而L2的车上却只装了一颗的话，那后端数据处理的工作量也不可小觑。严格评估下来，是否值得开启这样繁琐的数据处理工作也未可知。

文章插图
尤其需要注意的是，数据价值的体现在于数据对现实驾驶行为的辅助，甚至是行为学习复制与替代。但数据驱动的前提在于大量可用数据及精准的数据标注。但人工智能对“危险障碍物“的识别非常有限，可以说，数据驱动不可能穷尽一切”突如其来的障碍物“，因此，基于深度学习和算法的智能驾驶事故几乎无法避免。
L4下沉的高硬件成本在认可数据所有权依法依规属于车主和车企的前提下，自动驾驶技术公司希望通过数据优化自动驾驶系统，车企则希望持续提升自动驾驶体验。
虽然专注自动驾驶技术的L4公司可以做出优越的驾驶测试场景，但仅仅限于小范围的技术展示。一旦涉及到大规模落地场景，智能硬件成本则成为理想之殇。

文章插图
做L4时，由于测试车队的规模比较小，也可以在采购芯片、传感器时“不计成本”；然而，在做L2时，自动驾驶初创公司的角色通常是Tier 1，甚至是Tier 2，他们需要组成软硬件整体方案卖给车企或Tier 1，这个时候，就不能只考虑产品性能了，成本及能否持续稳定供货也是一个需要考虑的关键点。
通常情况下，自动驾驶初创公司在供应商面前是没有议价能力的。即使方案性能好，但技术公司既没有成本优势，交期也无法保证，更有业内高管称“Robotaxi公司如果去做L2，未必能撑得起现在的估值。”
如何将L4技术公司与传统厂商的优势相结合，提高优势，优化弱点，所托瑞安也进一步深入商用车安全领域，坚定不移的遵循着智能驾驶战略。
【 自动驾驶|造车新势力迷惑，L4向L2下探落地就一定是降维打击么？】