目前制约汽车智能化发展的是什么？

现如今，汽车智能化的趋势无人能挡，行业上“政策东风+市场期待+资金投入“都在，没有什么可制约其发展的。

2022年高速NOA功能，2023年城市NOA功能，2024年实现小规模L3等级自动驾驶功能

政策上，23年6月21日，国务院政策例行吹风会举行，介绍促进新能源汽车产业高质量发展有关情况。特别强调了：启动智能网联汽车准入和上路通行试点，组织开展城市级“车路云一体化”示范应用，支持有条件的自动驾驶。这里面讲的是L3级，及更高级别的自动驾驶功能商业化应用。

市场上，更多的汽车推出了自己的城市NOA功能，并且相继开展L3测试。

· 23年7月21日，比亚迪在深圳市获得高快速路段有条件自动驾驶（L3级）测试牌照，成为拿到全国第一张有条件自动驾驶（L3级）测试牌照的车企。
· 23年11月17日长安汽车就成功拿到17张高快速路的L3级自动驾驶道路测试牌照。
· 23年12月14日，宝马集团宣布，搭载L3级别自动驾驶功能的车辆，在上海市正式获得高快速路自动驾驶测试牌照。
· 奔驰、极狐汽车、深蓝汽车、阿维塔等国内知名汽车品牌也纷纷宣布，成功获得高快速路有条件自动驾驶（L3级）测试牌照。

可以说，23年到现在，自动驾驶正处于L3的导入期。

自动驾驶发展如火如荼，正当时！但是，如果一定要找到一些困难，还是有的：

第一个问题就是：软件覆盖场景的挑战——长尾问题

自动驾驶有个绕不过的问题，就是长尾问题。这个问题的解决程度，也是评价各家车企自动驾驶能力的标志。

我们都知道，现如今的自动驾驶都是基于“预训练大模型”的，其本质就是类似于婴儿，不断接受外界的刺激，训练出合理的反应（结果）。其成熟度的评价，最重要的就是“长尾问题”的解决能力。其关键点在于“数据量”。可以说自动驾驶软件的成熟度，能处理更多的场景问题，是考验其安全性很重要的方面，最大的点在于长尾问题（低概率场景）的处理能力。

现如今，越来越多的自动驾驶车辆行驶在路上，自动驾驶“影子模式”可以收集更多的长尾问题数据，反向促进模型本身的能力的提高。随着时间的推移，完全自动驾驶必将实现。

特斯拉是最早采用影子模式的公司。在特斯拉的系统中，影子模式允许Autopilot系统收集统计数据，改进软件的问题。在影子模式下，特斯拉的自动驾驶系统虽然处于开启状态，但不会采取任何主动行动或干预驾驶员的操作。系统会在后台运行，模拟决策，当遇到和车主决策结论不一致的情况时，会触发数据采集及回传，对机器做出的决策进行训练“纠正”。

但是现在的实际效果并不好，比如前一阵发生的一起事故：一位湖北襄阳的理想L9车主称，在高速上开启了辅助驾驶系统，车辆在行驶中检测到高处广告牌上的小货车图片，突然急刹导致追尾。这起事故中的问题就是，现如今的软件还无法覆盖处理这些长尾场景。