AI相对论④丨精细划分促发展！L3责任认定难题待解，智驾技术迭代与法规代差成行业最大挑战

每经记者：段思瑶 每经编辑：裴健如

随着智能驾驶从“无序扩张”阶段步入“规范发展”新纪元，中国智驾产业正经历一场深刻的变革。一方面，AI技术以惊人的速度迭代更新，端到端架构、世界模型构建、物理AI等前沿概念正加速融入智能驾驶系统；另一方面，国家与行业标准的制定与完善仍需时间，这种技术进步与法规滞后之间的“代差”，使得技术创新与安全监管之间的矛盾愈发突出。

在此背景下，L3级别自动驾驶的责任认定难题、伦理要求如何融入产品设计、全球标准如何实现协同等深层次问题，正从学术讨论层面逐步走向产业治理的核心议程。行业不仅需要在技术突破与安全边界之间找到动态平衡点，还需在全球化竞争中推动规则互认、数据合规以及本土化适配，以提升国际竞争力。

近日，徽声在线“AI相对论”第四期特别邀请了中国生产力促进中心协会副理事长兼秘书长王羽和Momenta全球解决方案首席架构师饶庆，围绕技术跃迁、安全伦理、全球协同以及未来人才培养等热点议题，展开了一场兼具产业深度与治理高度的深入对话。

◼︎本期嘉宾：中国生产力促进中心协会副理事长兼秘书长王羽、Momenta全球解决方案首席架构师饶庆

王羽（图片来源：受访者供图）

饶庆（图片来源：受访者供图）

划定技术底线，为创新预留“沙盒”空间

徽声在线：当前智驾技术创新与行业规范落地之间，最突出的不同步痛点是什么？这种不同步是否会制约产业的高质量发展？

王羽：当前最大的痛点在于，在AI技术的加持下，技术研发、产品应用和迭代速度极快，而标准法规的修订却需要一定的周期（国标大约三年，行标一到两年，团标相对较快）。这种时间上的“代差”导致一个问题，即技术的快速创新在市场应用上得不到政策法规的有效响应和规范指导。

这种不同步确实会影响企业的发展，企业既需要通过技术竞争来抢占市场优势，又缺乏有效的法规指引。至于是否会制约产业的高质量发展，需要从两个层面来看。高质量发展并不等同于技术的快速迭代本身，快速迭代是产业转型的重要手段和技术支撑，但高质量发展还需要供给侧与需求侧的精准匹配，实现产品与市场之间的相对精准对接和满意度提升。

饶庆：有了更严格的法规，能够起到“驱逐劣币、保持良币”的作用。这需要行业里的技术领先者在法规起草阶段就积极参与，将行业领先经验传递至法律法规层面。我们正积极参与自动驾驶领域强制性标准的起草工作，这既能促使企业将更好的技术以更快的速度推送给用户，也能够确保法规是安全、可执行的。

徽声在线：当前行业应如何平衡智能驾驶技术的快速迭代突破与安全边界的管控？

王羽：关于技术迭代的突破与安全边界的管控，涉及三个层面。第一个层面是底线层，应该严管严控，按照强制性标准来执行，确保所有涉及生命安全的智能驾驶功能的应用安全可靠；第二个层面，应该引入敏捷治理体系，通过实验室测试、开放式测试、市场试验等方式，对不涉及生命安全的功能给予相对宽松的环境；第三个层面是在前沿探索上，通过沙盒制度，让最前沿的智驾技术得到有效的市场应用和验证。底线不能触碰，过程层面要边监管边适应，前沿探索则采用沙盒式应用。

这样既能保证技术创新不影响生命安全，又不阻碍技术发展，实现动态平衡。通过分层次的测试评价体系，底线层严管严控，过程层适度放开，前沿探索层提供先行先试环境，从封闭测试逐步过渡到市场应用，确保技术迭代与安全监管的动态平衡。

徽声在线：当前智驾事故的责任认定难是行业痛点，涉及开发者、车企、使用者等多方。如何明确智驾事故的责任边界？行业规范应从哪些方面进行完善？

王羽：L1、L2级别以人驾驶为主，可以按照传统责任划分方式。L4及以上级别则以系统驾驶为主，责任相对清晰。最难的是L3级别，这是人和车共驾的过渡阶段，不确定性极难界定。L3车辆设置了人接管边界，但微小边界很难清晰划分。

例如，车辆提醒了但驾驶员没反应，或者系统识别不完善等情况。L2和L4级别的标准相对清晰，而L3级别就像一块由甜到咸的面包，中间阶段甜咸难辨。越精细的划分越有利于责任认定，因此需要不断通过实践经验，对L3的人机交互阶段进行精细化责任划分。

但问题是，L3可能还没经历多少年，L4就会快速落地。是否投入大量资源进行这么细的责任划分，还是直接面向L4级别进行规范，这又是另外一个方向的问题。

徽声在线：如何将伦理要求融入行业规范？监管方式应如何适配，既不阻碍创新，又能有效防范伦理风险？

王羽：第一，设计伦理。在研发设计环节就应有标准和规范，包含伦理的逻辑性设计要求，在社会基本伦理道德框架下进行设计。不能只靠企业自发道德，需要在行业规范中提出伦理基准值。第二，监管方式。在产品准入时应嵌入伦理的准入审查和评价。传统测试主要测功能、性能、可靠性、安全性，现在应加入伦理测试。伦理是智能化与人交互的重要内容，应作为车辆准入的重要审查指标。第三，创新与伦理的平衡。创新度和伦理适应度之间可能会产生冲突，必须强调产品研发、使用、应用环节符合社会道德伦理，形成“智能向上、科技向善”的共识。从技术端、监管端、社会端三位一体推进科技向上、智能向上、产品向上。

标准想共轨，数据难出境：全球协同的挑战与机遇

徽声在线：R7强化学习世界模型已实现“上车”，Momenta能率先做到量产落地的核心优势是什么？

饶庆：技术迭代虽然飞速，但将新技术应用到自动驾驶工业场景，靠的是研发体系和企业文化。Momenta从2016年创业就提出“一个飞轮两条腿”战略，一条腿是L2（量产）辅助驾驶，一条腿是L4全自动驾驶，通过数据驱动海量数据与闭环自动化，不断迭代产品性能。

今年推出的R7，本质是世界模型加强化学习。在世界模型中对真实世界采集的数据不断迭代，让模型在虚拟世界中自主进化。真实世界中危险场景无法通过实际碰撞学习，因此用仿真技术，在虚拟世界中出现碰撞就会有负反馈，生成安全舒适的轨迹就有正反馈，通过奖励和惩罚让模型达到甚至超越人类“老司机”水平。

徽声在线：自动驾驶为什么是物理AI的序章？

饶庆：当前AI正从数字AI转向物理AI。数字AI从网络文字中提取知识，产生文本理解和对话能力。而物理AI则是把真实世界采集的数据压缩到世界模型中，理解物体属性（如塑料袋可压过，石墩不能撞）、运动因果关系（如自行车冲出需急刹）、潜在交互（如皮球滚出可能后面有小孩）。这三点是R7的技术突破点。

自动驾驶正是物理AI的直接应用场景，因为它需要对周围环境进行交互、对未来进行预测。比如试车场景，窄路旁有停车、对向来车，需预判开门、鬼探头、宽度能否通过等。这些鲜活场景正是物理AI率先应用的领域，所以我们率先将物理AI应用到自动驾驶中。

徽声在线：我国正主动参与全球自动驾驶标准治理，推动国内标准与国际规则协同。当前国内智驾规范与国际规则衔接的重点和难点是什么？如何通过规范协同助力我国智驾企业加快走出去，提升国际竞争力？

饶庆：最先进的智驾体验在中国，中国市场和技术已领先全球2—3年。我们观察国际法规，要求产品在国内一落地就能满足欧洲法规。另外，中国智驾市场、产品都走在前列，可通过国内产品的快速反馈和市场数据，通过中国相关协会带到欧洲法规起草小组，积极影响和推动国际法规。我们拿到海外后补采当地数据（如欧洲特殊交通牌、小环岛、礼让驾驶习惯等），对模型进行微调和泛化处理。

王羽：重点是标准共轨、规则互认。难点在于地图、数据涉及主权国家间的交互，数据比较敏感。要实现协同，首先要在技术上通过优质产品和强大技术支撑，让产品既适应中国市场，也能在国际市场接受“地狱级”测试；其次，通过各国局部优化（数据、地图、人文和驾驶习惯）弥补技术底座。此外，要加快标准国际化工作，中国企标委已向联合国标准法规论坛输送多项中国标准，形成全球通用型标准。虽然各国在数据地图上不一定能完全交互，但应建立规则体系，尊重各主权国家的检测和认证结果，实现“一证同行”，加速产品和企业走出去、引进来。

徽声在线：如何看待现在人才回流的变化？

王羽：每个时代都有其特定的工具和技能需求。新质生产力的发展产生了三类新的劳动者，包括创新型人才、应用型人才、企业领军人才。经济时代则产生了五类劳动者，包括农耕、工业、信息、数字、智能等领域。比如，底特律时代是工业化时期，人才擅长机械设计、工程化管理。现在是从数字经济向智能经济迭代，需要善于运用和开发AI、让AI成为科研、生产、生活助手的复合型前沿人才。传统工业和信息化人才已成为基础性人才，现在的领军人才是懂数据和AI的人才。

徽声在线：Momenta在技术发展方面的愿景和使命，以及未来业务重要规划是什么？

饶庆：Momenta将AI应用于自动驾驶领域，有三个愿景：十年挽救百万生命、十年解放百分百时间、十年物流出行效率翻倍。通过强化学习世界模型不断迭代，提高安全性，避免事故，挽救生命。解放百分百时间即达到L3/L4全自动驾驶，每个人都是乘客，通勤时间可开会、看手机、看报纸等。物流出行方面，物理AI（R7强化学习世界模型）不仅用于乘用车，还可用于商用车。R7是物理AI的第一步，后续将更广泛应用到除自动驾驶之外的领域。