智能驾驶的竞争焦点已从算法转向体系效率。实现可规模化L4的关键，在于利用千万级量产车的真实数据闭环。这一核心洞察揭示了“智驾摩尔定律”的内在逻辑：软件体验每两年提升十倍，硬件成本则减半，为行业指明了清晰的技术演进路径。
智能速览
可规模化L4依赖千万级量产车数据闭环
数据驱动正取代规则驱动，强化学习是关键
端到端大模型已能处理无车道线等复杂场景
智驾行业遵循“摩尔定律”：两年体验升十倍，成本降一半
预计2028年可规模化的L4能力将真正形成
精华内容
如何实现可规模化的L4自动驾驶？答案并非依赖数千辆示范运营的RoboTaxi，而是扎根于千万级量产车的真实世界数据，驱动算法持续进化。
千亿公里的数据挑战
实现可规模化L4的核心前提是安全性，要达到“比人类安全10倍”的目标，系统必须在1000亿公里的数据中持续迭代性能。这些数据需覆盖真实世界的各种长尾问题，如轮椅穿越人行横道、高速掉落异物、节日期间路边火堆等。只有通过大规模量产数据的回流，才能有效识别并解决这些无穷尽的复杂场景。
数据飞轮与强化学习
基于“量产数据是关键”的洞察，形成了“飞轮体系”：量产数据回流算法，算法提升再反哺量产，形成闭环。算法已从规则驱动进化到数据驱动的第六代R6飞轮大模型，其核心是强化学习。模型通过在虚拟世界自我试错，依据奖惩机制优化驾驶行为，类似AlphaGo的自我对弈，从而逐步接近甚至超越人类老司机水平。
真实场景的驾驶能力
端到端大模型的能力已在真实世界得到验证。在无车道线、泥泞路面等环境下，系统能生成符合人类习惯的路径；在ETC通行中，能自动判断通道并与其他车辆博弈协调，实现丝滑通行；在停车场到城市道路的衔接上，也能提供完整的智能驾驶体验。海外落地方面，已在慕尼黑完成超200场城市环线展示，实现零接管。
智驾摩尔定律的预言
行业演进将遵循“智驾摩尔定律”：软件体验每两年提升十倍，硬件成本每两年减半。预测2024年的体验接近滴滴专车司机水平，2026年将达到国宾级司机，到2028年前后，可规模化的L4能力将真正形成。硬件成本也在快速优化，当前L2++系统成本约1万元，未来有望通过芯片进化和去激光雷达等方式降至四五千元。
“智驾摩尔定律”为自动驾驶的未来描绘了一幅清晰蓝图。技术的指数级进步与成本的结构性下降，正加速L4时代的到来。这不仅是技术突破，更是体系与信任的胜利。当技术能力媲美甚至超越人类司机时，出行将迎来怎样的变革？
