► 文 觀察者網心智觀察所
2月25日，特斯拉宣佈推出城市道路Autopilot自動輔助駕駛功能，此舉標誌著備受期待的全自動駕駛FSD功能正式進入中國市場，特斯拉為中國客戶分批次更新軟體。本次特斯拉FSD在中國的版本包括交通訊號識別、導航輔助、智慧變道等功能，同時攝像頭還可識別駕駛員注意力情況。
隨著駕駛輔助技術在中國越來越普遍，特斯拉FSD正式入華，也為中國智駕競賽添了一把火。
比亞迪、小鵬等國產品牌已經推出了各自的高階智駕系統，如比亞迪的"天神之眼"和小鵬計劃推出的L3級自動駕駛。特斯拉的加入將進一步刺激技術創新，推動整個行業向更高級別的自動駕駛邁進。
心智觀察所將在本文中，帶你回顧總結影響中美自動駕駛競爭的關鍵技術和政策因素。
為什麼自動駕駛難如登天？
想象這樣一個場景：一群由工程師、業餘愛好者和發明家組成的"雜牌軍"，帶著他們自制的自動駕駛機器，來到美國南加州乾旱的莫哈韋沙漠。他們的目標是讓這些"鋼鐵司機"完成150英里（約241公里）的賽道，贏取100萬美元獎金。但最終無人成功——表現最好的卡內基梅隆大學團隊，他們的機器也僅跑了7.4英里便敗下陣來。
這是2004年由美國國防部高階研究計劃局（DARPA）發起的自動駕駛挑戰賽。儘管當時的技術尚顯稚嫩，DARPA的嘗試絕非徒勞——當年卡內基梅隆團隊的兩名成員，後來成為谷歌旗下Waymo的創始人，而如今Waymo已是自動駕駛領域的領頭羊。
20年過去，自動駕駛仍未迎來類似ChatGPT的"開竅時刻"，更多時候仍像是張未兌現的支票。但兩種技術路線的激烈競爭，為這個領域注入了新的活力。
如果說將AI植入聊天機器人是技術革命，那麼自動駕駛將是改變人類生活方式的"工業革命"。從技術層面看，它是通向機器人時代的鑰匙；從經濟角度看，它能讓人類從方向盤前解放。
以美國為例，自動駕駛將每年為美國勞動者節省240億小時——相當於每人多出整整12天假期。這些時間可以轉化為親子陪伴、工作產出，或是單純的放鬆休憩。
為什麼自動駕駛難如登天？
真正的完全自動駕駛，意味著車輛能在任何路況下自主行駛，這需要同時解決兩大難題：既要造出媲美人眼的"視覺系統"（透過攝像頭和感測器），又要復刻人類大腦的"駕駛本能"（依賴深度神經網路）。
想象日常駕駛場景：要瞬間判斷側方卡車的行駛軌跡，要識別暴雨中突然竄出的孩童，要在0.3秒內完成剎車反應——這些對人類而言近乎本能的判斷，對機器卻是需要精密計算的系統工程。更棘手的是，自動駕駛必須建立絕對安全的社會信任：它能否在機場的車流中游刃有餘？又能否應對街頭混亂的交通生態？
即便困難重重，這項技術的商業前景依然誘人。根據美國智庫的一項研究：到2035年，僅客運領域就能創造4000億美元收入，更將釋放數萬億美元的社會效益——美國若能普及25%的自動駕駛車輛，預計可避免144萬起事故，節省數十億美元醫療開支。
雙雄爭霸：模組化VS端到端
未來好像還挺遠？但無人駕駛這事兒其實已經快摸到門檻了！現在有兩個門派在較勁：一個是Waymo的"積木搭房子"，也就是模組化的路線，另一個是特斯拉的"一口悶"大法，專業說法就是端到端——這倆都靠最近爆紅的變形金剛，哦不，Transformer模型撐腰。
先說"積木派"，就像流水線工人分工幹活。比如用三個Transformer：一個當眼睛看路況，一個當大腦規劃路線，第三個當手腳控制油門剎車。每個機器人各司其職，工程師們可以挨個調教最佳化，哪裡壞了修哪裡。不過有意思的是，本來想簡化問題，結果搞出一堆流程反而更麻煩了。
再看特斯拉的"一口悶"派，直接讓一個Transformer大胃王吃下所有資料。攝像頭拍啥它就看啥，方向盤油門剎車它全包，就像人類開車一樣邊開邊學。這種路子倒是更接近咱們學車的過程——多開幾次就會了。
這倆門派用的Transformer模型，和你們天天聊天的ChatGPT、DeepSeek其實是親戚。不過人家不是處理文字，是專門處理視覺資訊的超級視覺家！比傳統影像處理技術更擅長分析攝像頭畫面、雷射雷達這些複雜資料，就像給車裝了24K鈦合金狗眼。
現在整個行業都賭瘋了：只要給這些視覺模型喂夠資料和算力，自動駕駛就能突飛猛進。不過這裡有個要命的問題——車載電腦得夠強！手機上的聊天AI可以靠雲端伺服器，但自動駕駛必須自己車上就能即時處理，畢竟生死就在0.5秒之間。
舉個嚇人的例子：8個高畫質攝像頭拍30幀影片，開一小時能存滿4000張DVD！Waymo要是派40輛車上路，一天產生的資料量就能塞滿整個美國國會圖書館。車載電腦得用特製晶片才能扛住這種資料洪流，還不能有半秒卡頓——畢竟剎車晚0.1秒可能就是人命關天。
Waymo還是特斯拉的路線？
兩大自動駕駛領域的競爭對手，Waymo 和特斯拉，正鉚足了勁兒想證明自己那套方法靠譜。
Waymo 呢，正在最佳化它的模組化架構，這玩意兒因為透明度和可信度高，得到了監管機構的點贊。可與此同時，特斯拉可是拼了老命在用它工程師覺得能更快、更好出結果的端到端方法，哪怕這得犧牲點透明度。
要是系統出岔子，Waymo 的系統能進行詳細驗證和錯誤追蹤。不過，這架構是基於模組的，調整一個模組，其他模組都得跟著重新校準，確保一致性和相容性，這過程可就麻煩多了，而且在自動駕駛長遠發展裡，還可能拖慢最新 AI 技術整合的速度。
但特斯拉的端到端方法就厲害了，它靠一個整合的神經網路，能更快地推動自動駕駛進步。在大量特定場景駕駛資料上訓練後，對罕見或不規則事件（像給闖紅燈的救護車讓路）能有更好的反應。
兩種模型都有優點，還不少地方重疊。不過，端到端模型因為本身靈活，看著更有前景。而且特斯拉有個厲害的規模優勢，它有好幾百萬輛自家車，能部署自動駕駛功能收集即時資料。只要能跨過計算和資料的坎兒，這就能讓特斯拉在自動駕駛領域大步往前走。
就說特斯拉的最新軟體更新吧。靠著端到端方法，它的全自動駕駛 12.3 版本比之前版本能力上提升不少，進一步證明了端到端方法在推動自動駕駛前沿方面的潛力。
這事兒行業競爭對手，尤其是中國的參與者，都瞧在眼裡。像理想汽車、蔚來、小米和華為這些公司，都趕緊重組自動駕駛部門，紛紛用上端到端模型。就連 Waymo 也開始搞對沖策略，釋出新研究，探索更早整合端到端方法。
雖說 Waymo 有先發優勢和穩穩當當的運營記錄，但特斯拉的最新進展表明，它可能成為自動駕駛領域進展的主要風向標。可就算明天就實現完全自動駕駛，它的可擴充套件性和商業化還得看成本。要是每輛車成本高達 10 萬美元，那無人駕駛出租車車隊這最明顯的自動駕駛用例就沒戲了。所以，自動駕駛技術棧（硬體元件和軟體複雜整合）在效能和成本之間找到平衡至關重要。
自動駕駛（AD）公司正爭先恐後地塑造商業化機會，這得靠開發有成本效益和可擴充套件性的自動駕駛技術棧。這些技術棧分三個關鍵部分：感測器、車載處理器和資料中心。在每個部分裡，公司都會激烈競爭搶市場份額。結果呢，會形成一個蓬勃發展的新汽車工業供應商生態系統，有些是調整後的傳統供應商，有些是新入局的。
到目前為止，世界上最成熟的自動駕駛供應商生態系統就在美國和中國。說到商業可行性，自動駕駛可不只是 Waymo 和特斯拉的競爭，中國的百度和華為也得算上。你看，百度就推出了售價 3 萬美元的 RT6 無人駕駛出租車，這很大程度上得益於中國有成本效益的供應鏈。而且，中國和美國一樣，有不少汽車公司想部署自動駕駛。
事實上，無人駕駛出租車車隊是最明顯的自動駕駛商業模式，已經在奧斯汀和武漢等城市地區部署。這就意味著，競賽正在進行，得確保最佳的自動駕駛技術棧，這可是成功大規模商業化的先決條件。
自動駕駛：雷射雷達的去留之爭
接下來聊聊自動駕駛汽車的感知系統，這玩意兒就像是汽車的“眼睛”和“耳朵”，主要靠三種感測器硬體來“看”和“聽”：攝像頭、雷射雷達和毫米波雷達。舉個例子，Waymo 的第六代無人駕駛出租車，那配置簡直就像“堆料狂魔”，裝了 13 個攝像頭、4 個雷射雷達、6 個毫米波雷達，還有一組外部音訊接收器。這種“堆料”式的感測器配置，在其他自動駕駛公司裡也挺常見的，尤其在中國市場的競爭對手們，好像感測器越多就越厲害似的。
但特斯拉這傢伙就是個“異類”，它堅持採用以攝像頭為中心的方案。2023 年，中國研究人員發表的一篇論文還給特斯拉這做法“站臺”了。論文說，一種叫 BEVFormer（鳥瞰圖 + Transformer）的自動駕駛模型，光靠攝像頭就能生成用於路線規劃的鳥瞰圖，厲害吧！
雖說自 2019 年以來，雷射雷達的價格已經降了不少，但特斯拉還是死磕以攝像頭為核心的端到端自動駕駛系統。在其全自動駕駛（FSD）硬體裡，根本就沒雷射雷達的影子。埃隆·馬斯克這人好像覺得，雷射雷達對自動駕駛來說，就是個“累贅”而不是“幫手”。因為它沒提供足夠大的效能提升，來證明自己存在的價值，反而還增加了 FSD 資料引擎的複雜性，簡直就是個“麻煩精”。
如果特斯拉這一策略最後真成了，甚至硬生生地拉著整個行業不情願地跟著走，那本來就已經挺慘的雷射雷達行業，估計得更難受了。全球市場老大禾賽科技，還有美國的 Ouster 和 Luminar 等公司，它們的股價跟 2023 年初比，都跌了 50% 以上，簡直就像坐了“過山車”。只有禾賽科技還保持著正的運營現金流，但這也頂不住啊，因為國內的中國玩家，比如華為，越來越多地學特斯拉的做法。就像華為2024年推出的 ADS 3.0 軟體，直接就把雷射雷達給“砍”了，還把六個毫米波雷達也給“開除”了。
再看看韓國的巨頭三星和 LG，它們作為特斯拉的高畫質攝像頭供應商，現在混得挺不錯。這得益於它們之前為智慧手機供應鏈精心打造的成熟攝像頭技術，就像 LG 給蘋果的 iPhone 供應攝像頭模組。雖然中國公司在攝像頭影像感測器元件的國產化方面有點進展，但還沒從韓國供應商手裡搶走多少市場份額。同時，它們還得面對來自美國和歐洲一級供應商，比如採埃孚、博世和大陸集團的激烈競爭，壓力山大啊。
在雷達領域，這是三種自動駕駛感測器型別裡最大的市場，毫米波（mmWave）因為更耐用的效能和更遠的探測範圍（能達到好幾百米），把超聲波給“比下去”了。Waymo 和特斯拉在它們最新的自動駕駛架構裡，都只用毫米波雷達，這可讓中國供應商看到了機會，想借這機會縮小差距，跟國外巨頭掰掰手腕。
隨著自動駕駛技術不停地發展，最佳感測器套件也會不停地變，就是為了在效能和成本之間找到那個“平衡點”。這些感測器還生成了海量資料，這也引發了自動駕駛技術棧裡另一個關鍵元件的競爭：車載晶片，大家都想在這塊“蛋糕”上分一塊。
自動駕駛晶片：買現成的還是自己造？
感測器就像是汽車的“眼睛”，負責接收外部環境的視覺資訊，但光有“眼睛”可不夠，還得有車載晶片這個“大腦”來處理每小時數 TB 的海量資料。這些多功能系統級晶片（SoCs），那可厲害了，把核心 GPU、AI 加速器和 CPU 核心都整合在一塊兒，全部實現即時處理，就跟咱們人看到東西立刻就能反應過來似的。
現在競爭的晶片供應商都在盯著兩個關鍵標準：效率和延遲。對於自動駕駛汽車來說，能效那可是比資料中心的 GPU 還重要。為啥呢？因為自動駕駛汽車未來大機率是全電動的，自動駕駛系統全靠電池供電。你想啊，如果自動駕駛系統每小時就把電池電量消耗掉 15% 到 20%，那整個汽車都得重新設計，得裝更大的電池組，這多麻煩啊！延遲也很關鍵，為了打造安全的自動駕駛系統，從視覺輸入到處理成響應的時間，得跟人類反應時間一樣快，甚至還得更快，不然遇到緊急情況可就危險了。
所以說，搞出一個在效能和能效方面都超棒的自動駕駛 SoC，那就是自動駕駛硬體和軟體整合挑戰的核心。自動駕駛晶片一般都是為特定軟體架構量身定製的。所以啊，那些既有晶片設計能力又有相關人才的公司就佔優勢了，因為它們從硬體到駕駛體驗都能掌控得更全面。
這正是 Waymo 和特斯拉走的路子，這樣能讓它們在系統級別更好地控制創新，最佳化軟體和晶片之間的互動。而且它們還能更好地把晶片設計時間表跟自動駕駛產品週期的其他部分對上，這就是它們相對於現成晶片供應商的關鍵優勢之一。
但自己搞 SoC 開發成本可高了，技術上也超出了大多數自動駕駛公司（包括汽車製造商和自動駕駛卡車初創公司）的能力範圍，所以它們只能依賴第三方 SoC 供應商。而且客戶的自動駕駛軟體架構還在不斷變化，第三方供應商就得趕緊跟上，不能還想著用那種“一刀切”的解決方案。
對於這些供應商來說，敏捷性太重要了。它們能不能迅速迭代、跟上客戶快速變化和特定需求，這比它們晶片現在的能力還更能說明問題。
按這個標準來看，中國的地平線公司和美國的高通公司好像走在前面了。這倆都是自動駕駛 SoC 領域的後來者，但高通自 2022 年以來在給寶馬和梅賽德斯 – 賓士等公司供應晶片方面可是取得了大勝利，還吹噓它的汽車晶片 pipeline 值得超過 300 億美元呢。
英偉達在 SoC 市場的強勢地位，很大程度上得歸功於它的先發優勢（它首個自動駕駛解決方案可是 2015 年就在 CES 上釋出了）。但它屬於自動駕駛晶片的現成供應商類別，因為它的 GPU 並不是天然針對車載處理最佳化的。英偉達在自動駕駛領域可能有點掙扎，這從它 2022 年取消了 Atlan 自動駕駛晶片，而且到現在已經兩次推遲下一代 Thor 晶片就能看出來。另外，英偉達從 2023 年下半年開始在中國市場份額輸給地平線公司了，它為了應對，還開始在中國針對自動駕駛工程師搞招聘狂歡。
雖然美國和中國都有成功的自動駕駛晶片供應商冒出來，但在自動駕駛供應鏈的下一層 —— 超級計算的競爭中，天平可能要傾向於某一方了。
資料中心：自動駕駛技術最後的關鍵
無論是在舊金山、奧斯汀、武漢還是北京，無人駕駛出租車都還處在試點階段。這些自動駕駛公司的迅速擴張，對它們的技術核心——資料中心，提出了更高的要求。這些資料中心，遠離車輛行駛的地方，卻肩負著處理隨自動駕駛汽車數量增加而不斷膨脹的資料量的重任。
強大的視覺語言模型（VLMs）對自動駕駛技術的擴充套件至關重要。有了它們，無人駕駛出租車就能在任何道路、任何條件下自如行駛，而不再像Waymo那樣僅限於預設區域。這也是為什麼特斯拉對計算能力有著極大的需求。它需要不斷處理數百萬輛已經安裝了FSD軟體的車輛收集到的駕駛資料，以提升自動駕駛效能。
特斯拉在德克薩斯州奧斯汀的Dojo專案，是一個人工智慧超級計算叢集。馬斯克表示，這個專案的計算能力將達到100 EFLOPS，這得益於數百億美元的投資，其中包括購買了相當於9萬個英偉達H100 GPU。一旦達到預期，Dojo的計算能力將遠超中國的自動駕駛領域領導者，如華為、小鵬和蔚來。它們分別透過雲服務提供3.5 EFLOPS、8 EFLOPS和1.4 EFLOPS的計算能力。
然而，計算訪問受限只是自動駕駛行業面臨的地緣政治難題之一。中國和美國作為世界上最大的兩個汽車市場，自動駕駛公司在這兩個市場中都面臨著重大的監管障礙。汽車的未來常被比喻為“車輪上的智慧手機”，但實際上，自動駕駛技術的發展正越來越多地受到安全化和國家化視角的影響。
與受益於中美深度融合的智慧手機不同，自動駕駛領域的中美合作面臨著資料安全、供應鏈完整性和監管制度等棘手問題。這些問題阻止了中美自動駕駛市場像消費電子領域那樣形成一個相互依賴的市場。
儘管如此，中國目前的能力已經足以在自動駕駛領域獨立發展。它擁有強大的電動汽車行業、製造生態系統和豐富的人工智慧人才。因此，自動駕駛很可能會同時成為“中國製造”和“美國製造”的代表。競爭的關鍵在於誰能在國內更快部署、在全球更快擴充套件，並擁有更好、更安全的產品。
自動駕駛系統需要不斷獲取大量資料才能安全行駛。這些裝滿輪子的機器人上的攝像頭和感測器每天收集的資料量驚人，且可能具有敏感性。例如，當自動駕駛汽車駛入高度安全的軍事設施或政府大院時，它會拍攝到這些地點的影片。這些影片資料的最終儲存地點就顯得尤為重要。
此外，每個自動駕駛公司都有自己的軟體來執行整個車隊，這使得公司成為防止故障和駭客攻擊的唯一保障。因此，一個值得信賴的公司至關重要。鑑於美國和中國之間缺乏信任，雙方都不願意把自動駕駛汽車的控制權交給對方的公司。
這一點在拜登政府關於互聯車輛的最終規則中得到了體現，該規則明確限制了中國自動駕駛玩家進入美國市場。同時，中國方面多年來也對在美國市場運營持謹慎態度。例如，中國無人駕駛出租車公司小馬智行在2021年退出了加利福尼亞，此前其測試許可證被吊銷，其美國業務對公司收入的貢獻已經可以忽略不計。
特斯拉成為了兩個最大自動駕駛市場是否能夠建立聯絡的唯一測試案例。儘管該公司努力遵守中國的資料本地化要求，但特斯拉仍未獲得中國監管機構對其最新全自動駕駛（FSD）軟體的部署批准。本次特斯拉軟體更新不同於美國的FSD功能，不能實現完全自動駕駛，特斯拉目前還在進行進一步技術測試和論證，未來將對中國智慧輔助駕駛功能不斷最佳化升級。
據推測，癥結之一在於特斯拉希望在哪裡訓練其FSD資料。雖然可以在像奧斯汀或孟菲斯這樣的地方的超級計算叢集進行訓練，但中國法律要求在本國境內處理多模態駕駛資料。這使得特斯拉陷入了一個兩難境地：是在計算能力優越但資料資源較差的中國境外訓練，還是在資料資源優越但計算能力較差的中國境內訓練。
特斯拉的困境反映了監管機構對資料安全的真正擔憂。然而，一旦獲得批准，這無疑將大幅提升特斯拉的估值，因為中國是其在美國以外最重要的市場。
影響中美自動駕駛競爭的政策因素
在中國，自動駕駛技術的部署正以前所未有的速度推進，引領著全球自動駕駛的發展潮流。自2020年初，工業和資訊化部聯合其他機構釋出了支援自動駕駛的指導方針，將這一領域視為戰略性新興產業以來，中國政府對自動駕駛的支援從未停歇。
高層政策的推動迅速轉化為實際行動。2023年12月，中國的交通運輸部和工業和資訊化部共同釋出了無人駕駛出租車的國家審批框架，為這一新興行業設立了明確的准入標準。為確保安全，框架要求無人駕駛出租車服務提供商必須具備應急響應能力，滿足保險要求，並明確自動駕駛的使用場景。此外，每三輛無人駕駛出租車還需至少配備一名人類遠端安全控制器。北京、武漢、廣州等地方政府也積極響應，根據國家框架制定了各自的政策。
相比之下，美國的自動駕駛行業面臨著更為複雜的監管環境。由於聯邦制監管審批系統的存在，自動駕駛公司需要在各州分別獲得批准，而各州對無人駕駛出租車運營商的要求各不相同。這種碎片化的監管體系大大增加了自動駕駛公司的合規成本。例如，在內華達州，自動駕駛汽車需要具備斷開自動駕駛系統的能力；在紐約州，自動駕駛測試只能在州警察的監督下進行；而在德克薩斯州，所有自動駕駛汽車內都必須安裝記錄裝置。更令人驚訝的是，美國有十幾個州甚至尚未建立審批流程或出臺任何相關立法。
然而，在美國政府層面，也在醞釀著監管變革。新任交通部長肖恩·達菲在確認聽證會上譴責了當前各州臨時性法規的拼湊現象，並承諾將在國家層面建立更清晰的規則。同時，自動駕駛行業也希望美國國家公路交通安全管理局（NHTSA）能夠取消對無人駕駛出租車車隊的車輛數量限制——這一門檻目前尚無運營商能夠達到。
儘管如此，美國自動駕駛巨頭特斯拉仍然對中國市場充滿了渴望。一旦獲得中國自動駕駛政策的批准，特斯拉將能夠進入這個擁有14億潛在乘客的龐大市場。事實上，中國國內供應商已經搶佔先機，自自動駕駛技術起步以來，中國已有大約20個城市開展了無人駕駛出租車服務，其擴充套件速度遠遠超過了美國。
以百度阿波羅為例，截至2024年7月，它在中國已經完成了超過700萬次無人駕駛出租車行程，遠超美國Waymo的500萬次。隨著更多國內供應商獲得運營許可，這一差距還將進一步擴大。中國的自動駕駛行業正以前所未有的速度向前邁進，引領著全球自動駕駛技術的創新與發展。
缺魂少芯？我們將建設高速公路！
在自動駕駛技術的浪潮中，算力限制成為了中國公司發展視覺語言模型的一大挑戰，而這些模型對自動駕駛系統至關重要。然而，中國並沒有因此止步，反而找到了一個創新的解決方案——建設智慧高速公路。
這可不是普通的高速公路，它們是專為自動駕駛時代設計的，路面下佈滿了感測器，彷彿為自動駕駛汽車鋪設了一張無形的通訊網。想象一下，當前方一公里處發生追尾事故時，所有行駛在這條路上的汽車都能瞬間接收到提醒，這樣的安全保障無疑讓人倍感安心。而且，這些智慧高速公路並非自動駕駛汽車的專屬，傳統汽車同樣可以在上面行駛，享受這份安全優勢。
自2023年交通運輸部發布建設智慧高速公路的指導意見以來，中國在這方面可謂動作頻頻。如今，全國已有26個城市的17個智慧高速公路自動駕駛測試區，劃定了超過32,000公里的路段，並安裝了8,700個路邊感測器單元，這樣的建設速度令人驚歎。
那麼，這些汽車和路邊感測器是如何進行“溝通”的呢？答案就是無線電波，而這背後則涉及到頻譜分配的問題。在美國，一些系統還在使用較為老舊的專用短程通訊（DSRC）技術，但中國則選擇了基於5G的更先進、更現代的蜂窩車輛-萬物互聯（C-V2X）系統。自2020年自動駕駛發展初期，C-V2X系統就被視為重點，它也是中國大規模5G建設首批看得見的成果之一。中國汽車製造商也積極響應，已將C-V2X相容性融入到車輛中，預計未來幾年，相容車輛的比例將大幅提升。
智慧高速公路的建設，不僅為自動駕駛汽車提供了更為安全的行駛環境，也給中國的無人駕駛出租車運營商帶來了獨特的競爭優勢。然而，任何事物都有兩面性，智慧高速公路也可能帶來潛在的安全漏洞。儘管如此，中國仍在不斷探索和利用這一新興技術，如廣東省就推出了一項新協議，利用互聯高速公路在廣州、深圳、珠海和澳門之間開展城際無人駕駛出租車運營。
與此相對的是，美國的自動駕駛領先者Waymo卻顯得相對保守，甚至限制其無人駕駛出租車在高速公路上行駛。這再次凸顯了中美在自動駕駛發展道路上的不同選擇。中國憑藉其在基礎設施建設上的強項，正努力推動智慧高速公路在自動駕駛領域的應用，儘管目前尚不清楚這一創新技術究竟能在自動駕駛的發展中發揮多大作用。
此外，中美自動駕駛市場的分裂發展也意味著商業化的成果可能會被少數幾家主要運營商所瓜分。隨著對下一代機器人技術主導權的競爭日益激烈，類似的分歧和競爭也可能持續存在。但無論如何，中國智慧高速公路的建設無疑為無人駕駛技術的未來發展開闢了新的道路，讓我們共同期待這一技術帶來的美好未來。
