這周在組會(huì)上被問(wèn)到一句很實(shí)在的話(huà)現(xiàn)在自動(dòng)駕駛?cè)ψ永镉懻摱茸罡叩膸讉€(gè)團(tuán)隊(duì)他們到底在做什么我該不該跟著選方向。我第一反應(yīng)就是去看某高校智能研究團(tuán)隊(duì)的年度工作盤(pán)點(diǎn)。這幾年做自動(dòng)駕駛研究的人其實(shí)都清楚學(xué)術(shù)圈的產(chǎn)出質(zhì)量和方向選擇往往比產(chǎn)業(yè)界早半年到一年透露出關(guān)鍵信號(hào)。這篇就順著這個(gè)團(tuán)隊(duì)的2025年公開(kāi)工作拆一拆背后哪些方向值得追、哪些只是虛火也聊聊我們做工程的該怎么從這些論文里挖出真正能用的東西。我會(huì)把全文分成四塊先是2025年自動(dòng)駕駛學(xué)術(shù)研究整體在卷什么接著按方向拆解幾類(lèi)代表性工作背后的技術(shù)邏輯再落到學(xué)術(shù)成果怎么和工程落地銜接最后給從業(yè)者一份自己的跟進(jìn)建議。文章里所有團(tuán)隊(duì)信息和人名都做了脫敏處理畢竟聊的是技術(shù)本身不是追星。1. 2025年自動(dòng)駕駛學(xué)術(shù)研究的主戰(zhàn)場(chǎng)從感知競(jìng)賽走向智能體決策1.1 年度盤(pán)點(diǎn)里透露出的三個(gè)轉(zhuǎn)向信號(hào)把2025年幾大自動(dòng)駕駛團(tuán)隊(duì)的工作放在一起對(duì)比一個(gè)很明顯的感受是單純刷感知精度的時(shí)代基本過(guò)去了。前幾年大家都在比檢測(cè)mAP、分割I(lǐng)oU或者BEVBird‘s Eye View鳥(niǎo)瞰視角下誰(shuí)的重建更準(zhǔn)但今年頭部團(tuán)隊(duì)的產(chǎn)出明顯往更高層的決策、預(yù)測(cè)、交互規(guī)劃上傾斜。第一個(gè)轉(zhuǎn)向信號(hào)是世界模型類(lèi)工作大規(guī)模出現(xiàn)。這個(gè)詞聽(tīng)起來(lái)玄說(shuō)白了就是讓自動(dòng)駕駛系統(tǒng)在腦子里建一個(gè)“模擬器”提前推演接下來(lái)幾秒甚至幾分鐘內(nèi)路上會(huì)發(fā)生什么。你開(kāi)車(chē)時(shí)能預(yù)判旁邊車(chē)會(huì)不會(huì)變道靠的是經(jīng)驗(yàn)現(xiàn)在學(xué)術(shù)界做的就是把這種預(yù)判能力用神經(jīng)網(wǎng)絡(luò)顯式建模出來(lái)。第二個(gè)信號(hào)是端到端路線從爭(zhēng)議變成了主流議程。2025年幾乎沒(méi)有哪家團(tuán)隊(duì)敢說(shuō)完全不碰端到端區(qū)別只是激進(jìn)程度不同。有的做純感知到控制的直接映射有的做模塊化端到端即保留部分中間結(jié)構(gòu)化輸出但整體用神經(jīng)網(wǎng)絡(luò)串起來(lái)。這個(gè)轉(zhuǎn)向不是學(xué)術(shù)圈自己拍腦袋而是因?yàn)楫a(chǎn)業(yè)界已經(jīng)在用實(shí)際路測(cè)數(shù)據(jù)驗(yàn)證這條路的可行性。第三個(gè)信號(hào)是多模態(tài)大模型開(kāi)始侵入駕駛決策鏈路。語(yǔ)言、視覺(jué)、語(yǔ)音統(tǒng)一建模車(chē)不再只是“看見(jiàn)”路還能“理解”周?chē)h(huán)境。比如路邊施工牌寫(xiě)得是“前方施工請(qǐng)繞行”傳統(tǒng)感知只能識(shí)別這是一塊牌子大模型做法是直接讀出文字含義并影響后續(xù)路徑規(guī)劃。這三個(gè)轉(zhuǎn)向背后其實(shí)是研究重心的遷移。過(guò)去十年自動(dòng)駕駛學(xué)術(shù)圈的核心矛盾是“機(jī)器看不看得見(jiàn)”現(xiàn)在的問(wèn)題是“機(jī)器看懂了之后該不該這么做”。感知問(wèn)題已經(jīng)被相機(jī)、激光雷達(dá)、大算力平臺(tái)解決得很成熟但“決策是否安全、是否符合交規(guī)、是否像人類(lèi)一樣懂得博弈”這些問(wèn)題才剛剛被擺上桌。注意這里說(shuō)的不是感知不重要而是感知已經(jīng)從一個(gè)“學(xué)術(shù)難題”變成了“工程問(wèn)題”。學(xué)術(shù)前沿往前走了從業(yè)者跟進(jìn)的時(shí)候別還盯著老地圖。1.2 頂尖團(tuán)隊(duì)選方向的底層邏輯為什么這類(lèi)頭部團(tuán)隊(duì)會(huì)在2025年集中布局這些方向背后有幾層很現(xiàn)實(shí)的考量。第一層是論文發(fā)表的可延續(xù)性。一個(gè)方向如果想持續(xù)產(chǎn)出必須有足夠深的坑可以挖。感知方向已經(jīng)卷到邊際收益很低再發(fā)一篇檢測(cè)精度提升0.3個(gè)點(diǎn)的論文審稿人自己都會(huì)問(wèn)“so what”。而世界模型、端到端交互決策這些方向從理論框架到評(píng)測(cè)標(biāo)準(zhǔn)都還在演化期每一年都能找到新問(wèn)題、新benchmark團(tuán)隊(duì)可以一個(gè)系列連續(xù)做三五年。第二層是和數(shù)據(jù)紅利綁定。自動(dòng)駕駛領(lǐng)域誰(shuí)掌握了高質(zhì)量數(shù)據(jù)誰(shuí)就掌握了研究主動(dòng)權(quán)。團(tuán)隊(duì)依托高校和產(chǎn)業(yè)平臺(tái)的聯(lián)合資源優(yōu)勢(shì)拿到的路采數(shù)據(jù)、閉環(huán)仿真數(shù)據(jù)、Corner Case場(chǎng)景數(shù)據(jù)都是普通研究者拿不到的。做世界模型、做仿真評(píng)測(cè)這類(lèi)方向數(shù)據(jù)規(guī)模就是護(hù)城河這也在一定程度上解釋了為什么這類(lèi)工作多出自資源充裕的頭部團(tuán)隊(duì)。第三層是成果能雙向轉(zhuǎn)化。高校團(tuán)隊(duì)的產(chǎn)出既要發(fā)論文也得對(duì)產(chǎn)業(yè)有反饋。世界模型可以被量產(chǎn)車(chē)用于仿真測(cè)試端到端模型的中間表征可以被部署到車(chē)端芯片多模態(tài)大模型能直接改善人機(jī)共駕體驗(yàn)。這些方向天然具備了“論文能發(fā)、代碼能跑、產(chǎn)品能用”的三重屬性選它們既有學(xué)術(shù)品位又有產(chǎn)業(yè)價(jià)值。但這恰恰是普通團(tuán)隊(duì)和頭部團(tuán)隊(duì)拉開(kāi)差距的地方。方向誰(shuí)都能看懂資源門(mén)檻卻是實(shí)打?qū)嵉摹Ｎ覀兛幢P(pán)點(diǎn)時(shí)心里要有數(shù)哪些成果依賴(lài)超大規(guī)模算力哪些成果依賴(lài)獨(dú)家數(shù)據(jù)哪些成果是算法創(chuàng)新驅(qū)動(dòng)、任何團(tuán)隊(duì)都有機(jī)會(huì)跟進(jìn)。分清這三類(lèi)才知道該學(xué)什么、不該盲目追什么。2. 關(guān)鍵研究方向逐項(xiàng)拆解每篇工作背后到底在解決什么問(wèn)題2.1 世界模型讓車(chē)先“腦補(bǔ)”一遍再上路世界模型是2025年自動(dòng)駕駛學(xué)術(shù)圈最熱的關(guān)鍵詞之一。它要解決的本質(zhì)問(wèn)題是車(chē)輛在遇到?jīng)]見(jiàn)過(guò)的場(chǎng)景時(shí)能不能先在內(nèi)部模擬環(huán)境變化再做出合理決策。舉個(gè)例子。你開(kāi)車(chē)經(jīng)過(guò)一個(gè)路口有個(gè)行人站在路邊看手機(jī)。老司機(jī)的預(yù)判是這人可能在猶豫要不要過(guò)街所以會(huì)減速防備。傳統(tǒng)自動(dòng)駕駛呢要么靠識(shí)別到行人后觸發(fā)保守策略要么根本不會(huì)預(yù)判。世界模型的思路是先把當(dāng)前場(chǎng)景壓縮成一個(gè)內(nèi)部狀態(tài)然后用神經(jīng)網(wǎng)絡(luò)推演出未來(lái)3秒的多條可能演化路徑——行人可能在等車(chē)過(guò)去、可能突然起步、可能低頭繼續(xù)玩手機(jī)——在這幾條分支里做風(fēng)險(xiǎn)預(yù)估再規(guī)劃出最穩(wěn)的駕駛策略。團(tuán)隊(duì)今年在這條線上有幾篇工作很有代表性。一篇聚焦于如何讓模型在低算力條件下做多模態(tài)預(yù)測(cè)不是把圖生視頻那套重模型直接搬過(guò)來(lái)而是用輕量級(jí)的狀態(tài)空間建模壓縮計(jì)算量。另一篇?jiǎng)t從評(píng)測(cè)出發(fā)構(gòu)造了一套對(duì)抗性場(chǎng)景生成器專(zhuān)門(mén)找出世界模型預(yù)測(cè)失誤的邊界條件反過(guò)來(lái)倒逼模型迭代。我在跟進(jìn)這類(lèi)工作時(shí)最大的體會(huì)是世界模型現(xiàn)在的瓶頸早就不是“生成得逼不逼真”而是“預(yù)測(cè)得準(zhǔn)不準(zhǔn)、用不用得起”。很多論文展示的視頻效果非常夢(mèng)幻未來(lái)渲染一夜之間車(chē)輛穿梭但真到了車(chē)端芯片算力、延遲、顯存都極其受限。研究團(tuán)隊(duì)的這些工作如果不附上實(shí)時(shí)性評(píng)測(cè)工程價(jià)值就要打折扣?？催@類(lèi)論文時(shí)我會(huì)重點(diǎn)看三個(gè)數(shù)字單幀預(yù)測(cè)耗時(shí)、顯存占用、以及多模態(tài)預(yù)測(cè)的召回率。2.2 端到端駕駛從分模塊串聯(lián)到全局聯(lián)合優(yōu)化傳統(tǒng)自動(dòng)駕駛是流水線傳感器先出感知結(jié)果感知結(jié)果交給預(yù)測(cè)模塊預(yù)測(cè)再給規(guī)劃模塊規(guī)劃算完軌跡給控制執(zhí)行。每個(gè)模塊獨(dú)立優(yōu)化接口靠人工定義。問(wèn)題在于感知的小誤差會(huì)在流水線里逐級(jí)放大而且中間表示必然損失信息——感知模塊覺(jué)得“這是個(gè)障礙物”但這個(gè)障礙物是塑料袋還是石塊對(duì)規(guī)劃策略的影響天差地別傳統(tǒng)流水線很難傳遞這種細(xì)粒度信息。端到端路線的核心思想是不要分那么多段讓模型直接從傳感器數(shù)據(jù)學(xué)出控制指令。中間可以保留一些隱式表征但不做顯式模塊切分這樣信息流動(dòng)不損耗。團(tuán)隊(duì)今年有篇工作做的就是純視覺(jué)端到端輸入攝像頭數(shù)據(jù)、輸出方向盤(pán)轉(zhuǎn)角和加減速指令但他們沒(méi)有一刀切拋棄所有中間量而是在網(wǎng)絡(luò)內(nèi)部保留了可解釋的注意力圖方便安全員和工程師判斷模型到底在看哪里。這個(gè)設(shè)計(jì)非常務(wù)實(shí)。純端到端在學(xué)術(shù)輿論場(chǎng)特別“性感”但真正到了路測(cè)階段如果不知道模型為什么在某條匝道上突然減速安全團(tuán)隊(duì)根本不敢簽字。保留中間注意力是學(xué)術(shù)理想和工程安全之間的一個(gè)折中。做自動(dòng)駕駛設(shè)計(jì)的人真的應(yīng)該仔細(xì)體會(huì)這種“帶有安全剎車(chē)的端到端”思想。不過(guò)也要說(shuō)句實(shí)話(huà)端到端的評(píng)測(cè)仍是老大難問(wèn)題。感知做得好不好可以拿標(biāo)注框?qū)σ幌露说蕉讼到y(tǒng)開(kāi)得好不好你沒(méi)法用一個(gè)數(shù)字量化“像老司機(jī)一樣流暢”。這個(gè)團(tuán)隊(duì)今年也提出了一套分層次評(píng)測(cè)體系從道路偏移率、交互安全裕度、乘客舒適性感知三個(gè)維度拆解駕駛行為算是補(bǔ)了一塊短板。這套評(píng)測(cè)思路比模型本身更值得工程團(tuán)隊(duì)借鑒。2.3 數(shù)據(jù)閉環(huán)與仿真引擎自動(dòng)駕駛的“考試出題組”不少?gòu)臉I(yè)者拿到某個(gè)團(tuán)隊(duì)的算法包興沖沖跑一遍自測(cè)數(shù)據(jù)集發(fā)現(xiàn)效果不理想第一反應(yīng)是算法太弱。但真相往往出在數(shù)據(jù)側(cè)頭部團(tuán)隊(duì)手里握有海量真實(shí)路采數(shù)據(jù)更重要的是他們手里的仿真引擎能自動(dòng)挖掘出人一輩子都碰不到的極端場(chǎng)景。團(tuán)隊(duì)今年的數(shù)據(jù)閉環(huán)工作核心思路是“對(duì)抗式數(shù)據(jù)挖掘”。他們不是被動(dòng)收集路測(cè)時(shí)遇到的Corner Case而是訓(xùn)練了一個(gè)攻擊模型主動(dòng)搜索當(dāng)前駕駛策略的失效邊界。攻擊模型會(huì)在仿真環(huán)境里嘗試各種激進(jìn)的變道、逆行、非機(jī)動(dòng)車(chē)穿插一旦發(fā)現(xiàn)主車(chē)的決策不穩(wěn)就把這個(gè)場(chǎng)景截圖反饋給訓(xùn)練集。這套打法和做安全攻防的一模一樣你沒(méi)法靠猜來(lái)防御所有攻擊你得先假設(shè)自己是攻擊者系統(tǒng)地試出系統(tǒng)的弱點(diǎn)。做自動(dòng)駕駛的研發(fā)團(tuán)隊(duì)真該把這種對(duì)抗思維刻進(jìn)基因里。仿真引擎那邊團(tuán)隊(duì)重點(diǎn)做了“真實(shí)感穿越”這件事——他們說(shuō)仿真出來(lái)的傳感器數(shù)據(jù)和真實(shí)差距太大模型在虛擬世界里開(kāi)得好上路就抓瞎。因此他們?cè)谧龅氖率亲尫抡驿秩境龅募す饫走_(dá)點(diǎn)云和相機(jī)圖像在分布上逼近真實(shí)路采同時(shí)加入傳感器噪聲模型像磨刀一樣反復(fù)校準(zhǔn)這個(gè)分布差。這里要提醒一下做數(shù)據(jù)閉環(huán)的人最容易踩的坑是把挖掘到的難例直接塞進(jìn)訓(xùn)練集以為越多越好。實(shí)際上模型會(huì)被難例帶偏反而在正常場(chǎng)景上表現(xiàn)退化。正確的做法是先做難例聚類(lèi)分析它們是否覆蓋某個(gè)未見(jiàn)過(guò)的語(yǔ)義類(lèi)別或空間布局再?zèng)Q定是增量訓(xùn)練還是單獨(dú)建一個(gè)修正分支。這方面團(tuán)隊(duì)的方法對(duì)樣本取舍講得很細(xì)值得專(zhuān)門(mén)拉出代碼細(xì)讀。2.4 多模態(tài)大模型讓車(chē)“看懂路牌”也“聽(tīng)懂人話(huà)”2025年自動(dòng)駕駛和通用大模型的交叉明顯從概念討論走向了具體落地。團(tuán)隊(duì)這邊做了一個(gè)很有意思的項(xiàng)目語(yǔ)言-視覺(jué)對(duì)齊的駕駛感知助手。傳統(tǒng)感知模型可以識(shí)別出前方有一個(gè)限速牌、內(nèi)容是白色圓形加黑色數(shù)字但要它理解“這個(gè)牌子意味著接下來(lái)幾百米要減速到60”就不行了。他們的做法是引入一個(gè)跨模態(tài)對(duì)齊層把檢測(cè)到的文本語(yǔ)義與高精地圖上的路段信息融合然后生成帶原因的駕駛決策建議。這背后有一個(gè)很關(guān)鍵的技術(shù)點(diǎn)怎么把語(yǔ)言模型的推理能力約束到駕駛這個(gè)強(qiáng)安全敏感的領(lǐng)域里。通用大模型可以天馬行空回答“前方撞車(chē)了怎么辦”但車(chē)端系統(tǒng)絕對(duì)不能輸出一句模棱兩可的建議。團(tuán)隊(duì)做了一個(gè)決策約束頭把語(yǔ)言模型的token輸出限制在一個(gè)預(yù)定義的可執(zhí)行動(dòng)作集內(nèi)同時(shí)附上置信度。這個(gè)設(shè)計(jì)很見(jiàn)功力等于給自由發(fā)揮的大模型焊了一條安全護(hù)欄。對(duì)工程團(tuán)隊(duì)來(lái)說(shuō)大模型上車(chē)目前最大的問(wèn)題還不是效果而是推理延遲和成本。一個(gè)幾十億參數(shù)的模型跑一遍要幾百毫秒在高速場(chǎng)景下這個(gè)時(shí)間足夠車(chē)沖出去幾十米了。所以現(xiàn)在學(xué)術(shù)界的做法普遍是“大模型在云端當(dāng)教練、小模型在車(chē)端做執(zhí)行”。云端模型負(fù)責(zé)復(fù)雜場(chǎng)景推理和給駕駛策略打分選出一個(gè)最優(yōu)方案后壓縮成指令下發(fā)車(chē)端只跑一個(gè)幾百萬(wàn)參數(shù)的輕量化模型負(fù)責(zé)快速執(zhí)行。團(tuán)隊(duì)在這個(gè)部署鏈條上的工作是做通信壓縮和策略蒸餾雖然不如“大模型開(kāi)車(chē)”聽(tīng)起來(lái)驚艷但反而是量產(chǎn)最需要的東西。提示當(dāng)你在論文里看到“大模型賦能自動(dòng)駕駛”之類(lèi)的標(biāo)題先別急著興奮。先看它跑在云端還是車(chē)端端到端延遲多少模型參數(shù)多少。如果沒(méi)有這些數(shù)字那就是概念視頻不是工程方案。3. 從論文標(biāo)題到工程落地學(xué)術(shù)成果怎么變成技術(shù)資產(chǎn)3.1 復(fù)現(xiàn)論文時(shí)的誤區(qū)和正確打開(kāi)方式過(guò)去兩年我沒(méi)少干復(fù)現(xiàn)論文的活也踩了不少坑。最典型的誤區(qū)是拿到論文開(kāi)源代碼就開(kāi)跑跑了結(jié)果不達(dá)預(yù)期就懷疑作者造假。事實(shí)上學(xué)術(shù)項(xiàng)目里大量的性能增益來(lái)自實(shí)驗(yàn)過(guò)程中的數(shù)據(jù)預(yù)處理細(xì)節(jié)、訓(xùn)練時(shí)長(zhǎng)、隨機(jī)種子和多卡并行策略這些通常不會(huì)寫(xiě)在論文里但會(huì)陰差陽(yáng)錯(cuò)地優(yōu)化到論文濾鏡之下。以團(tuán)隊(duì)的端到端駕駛工作為例開(kāi)源repo里有個(gè)很不起眼的配置文件定義了一個(gè)“先冷啟動(dòng)預(yù)訓(xùn)練3個(gè)epoch再用真值損失微調(diào)10個(gè)epoch”的流程。如果你不做這個(gè)預(yù)訓(xùn)練直接正式訓(xùn)練最終駕駛成功率會(huì)掉10個(gè)點(diǎn)不止。這種“隱性調(diào)參”不是作者故意坑你而是學(xué)術(shù)實(shí)驗(yàn)和工程復(fù)現(xiàn)本身存在天然的信息損耗。對(duì)策是復(fù)現(xiàn)前先花半小時(shí)讀一下這個(gè)團(tuán)隊(duì)同系列的前幾篇工作弄清楚他們的訓(xùn)練哲學(xué)再看代碼倉(cāng)庫(kù)的issue列表很多調(diào)參玄學(xué)早就有人替你踩出來(lái)了。第二個(gè)常見(jiàn)誤區(qū)是維度錯(cuò)位。學(xué)術(shù)評(píng)測(cè)用的是特定路測(cè)集采集天氣、道路類(lèi)型、交通密度和你手里的數(shù)據(jù)完全不同。模型在波士頓的雨夜表現(xiàn)好不代表在成都的早高峰就好。復(fù)現(xiàn)成果時(shí)先建立一套自己的“最小驗(yàn)證集”包含光明路、高架匝道、擁堵蠕行、夜間雨霧四類(lèi)場(chǎng)景跑完框架級(jí)的對(duì)比才有意義。3.2 學(xué)術(shù)成果與量產(chǎn)體系的對(duì)接點(diǎn)在哪里學(xué)術(shù)工作和量產(chǎn)系統(tǒng)之間隔著一層“評(píng)測(cè)指標(biāo)體系”的鴻溝。學(xué)術(shù)界習(xí)慣用一個(gè)大盤(pán)平均指標(biāo)衡量模型好壞量產(chǎn)工程則要求每個(gè)子場(chǎng)景都過(guò)安全閾值。你可以在論文里說(shuō)“整體接管率下降30%”但量產(chǎn)團(tuán)隊(duì)必須回答“這個(gè)下降是靠?jī)?yōu)化城區(qū)場(chǎng)景還是高速場(chǎng)景拉平的如果高速場(chǎng)景反而變差了這個(gè)模型就不準(zhǔn)上車(chē)”。所以工程團(tuán)隊(duì)在對(duì)接學(xué)術(shù)成果時(shí)不建議直接拿整套算法替換線上系統(tǒng)。更務(wù)實(shí)的做法是切塊吸收從世界模型工作里提取出預(yù)測(cè)分支復(fù)用到現(xiàn)有預(yù)測(cè)模塊中做多模態(tài)軌跡假設(shè)生成。從端到端工作的注意力可視化里設(shè)計(jì)出針對(duì)感知置信度的監(jiān)控指標(biāo)把“模型不自信但人不知道”的情況暴露出來(lái)。從數(shù)據(jù)閉環(huán)工作里移植對(duì)抗場(chǎng)景挖掘管線接到自家仿真平臺(tái)。這個(gè)團(tuán)隊(duì)好幾篇工作思路都是“不破不立但只立必要的那塊”。比如他們并沒(méi)有把整個(gè)規(guī)劃模塊換成黑盒神經(jīng)網(wǎng)絡(luò)而是保留原有采樣基線和兜底邏輯只是在失效場(chǎng)景下切入備用策略分支。這種模塊化吸收方式既降低了安全回歸的風(fēng)險(xiǎn)也給了系統(tǒng)量產(chǎn)放行的信心。3.3 高校研究與產(chǎn)業(yè)研發(fā)的分工邏輯有從業(yè)者問(wèn)我高校團(tuán)隊(duì)做的這些成果是不是太超前了我們這些做量產(chǎn)的人看了除了焦慮還有什么用。我的答案是高校團(tuán)隊(duì)做的是“證明有路”產(chǎn)業(yè)研發(fā)做的是“把路修平”。兩者分工完全不一樣不必互相羨慕也不必互相看輕。高校研究適合做高風(fēng)險(xiǎn)探索比如端到端這條線能不能走通世界模型能不能真正提升決策水平。這類(lèi)問(wèn)題的特點(diǎn)是不確定性極高、反饋周期極長(zhǎng)、而且很難被短期商業(yè)KPI度量。如果放在量產(chǎn)團(tuán)隊(duì)里可能三個(gè)月沒(méi)有指標(biāo)提升就被砍掉了但在學(xué)術(shù)環(huán)境里可以慢慢積累。產(chǎn)業(yè)研發(fā)適合做工程收斂比如多傳感器標(biāo)定增效、邊緣場(chǎng)景泛化、系統(tǒng)級(jí)安全冗余、算力優(yōu)化細(xì)節(jié)。這些工作單看沒(méi)有論文亮點(diǎn)但組合在一起決定了一輛車(chē)能不能安全交付。更現(xiàn)實(shí)地說(shuō)高校成果進(jìn)入量產(chǎn)中間至少要過(guò)三道坎數(shù)值穩(wěn)定性、邊界泛化、實(shí)時(shí)資源占用。論文只需證明平均有效量產(chǎn)必須證明處處可控。所以正確的姿勢(shì)是把年度盤(pán)點(diǎn)當(dāng)成一份行業(yè)風(fēng)向標(biāo)和人才名錄來(lái)讀把其中和自家業(yè)務(wù)最相關(guān)的兩三篇深入復(fù)現(xiàn)剩下的方向知道它存在、知道它解決什么問(wèn)題就夠了。4. 從業(yè)者視角怎么從年度盤(pán)點(diǎn)里挖出真東西4.1 看盤(pán)點(diǎn)不是看熱鬧而是做方向判斷我認(rèn)為一份高質(zhì)量的方向盤(pán)點(diǎn)不僅是論文列表更是投資決策參考。無(wú)論你是技術(shù)決策者、算法工程師還是剛?cè)腴T(mén)的學(xué)生都要學(xué)會(huì)把年度盤(pán)點(diǎn)當(dāng)成“技術(shù)雷達(dá)”來(lái)使用。第一步先看每個(gè)方向這一年是否產(chǎn)生了分代式進(jìn)步。比如世界模型如果只是生成視頻更真那是量的改進(jìn)如果能反向驅(qū)動(dòng)駕駛策略提升那才是質(zhì)的變化。第二步看目標(biāo)場(chǎng)景是否收斂。2025年這些工作全部在往“城區(qū)復(fù)雜路口”和“中高速匯入博弈”兩個(gè)場(chǎng)景集中說(shuō)明行業(yè)已經(jīng)找到了最痛的坎。第三步看底層支撐技術(shù)是否成熟。團(tuán)隊(duì)大量工作依賴(lài)大算力訓(xùn)練說(shuō)明輕量化部署是下一個(gè)缺口這里就有工程從業(yè)者的機(jī)會(huì)。我給自己定的規(guī)則是每年從盤(pán)點(diǎn)上挑一個(gè)主攻方向深入研究配套一個(gè)輔助方向持續(xù)關(guān)注其余方向只看摘要和結(jié)論。因?yàn)槿说木τ邢薏荒苊總€(gè)方向都撲進(jìn)去。比如今年我會(huì)重點(diǎn)研究數(shù)據(jù)閉環(huán)的對(duì)抗挖掘因?yàn)楹褪诸^的仿真平臺(tái)建設(shè)強(qiáng)相關(guān)世界模型則作為輔助方向跟進(jìn)保持技術(shù)敏感度。4.2 值得跟蹤的評(píng)測(cè)體系與思考框架除了論文本身團(tuán)隊(duì)工作里最值得產(chǎn)業(yè)界學(xué)習(xí)的是他們構(gòu)建評(píng)測(cè)體系的思路。我盤(pán)點(diǎn)今年他們提出的幾個(gè)關(guān)鍵評(píng)測(cè)維度做成一個(gè)便于對(duì)照的框架評(píng)測(cè)維度傳統(tǒng)做法團(tuán)隊(duì)思路工程啟示駕駛成功性是否安全到達(dá)終點(diǎn)拆分為路徑偏移率、違規(guī)率、碰撞率分指標(biāo)才能定位模塊瓶頸交互合理性距離障礙物最小多少米引入博弈安全裕度為主觀“開(kāi)車(chē)像不像人”提供量化工具預(yù)測(cè)可靠性平均位移誤差做對(duì)抗性邊界場(chǎng)景壓力測(cè)試好的預(yù)測(cè)模塊必須知道自己的盲區(qū)系統(tǒng)實(shí)時(shí)性單幀推理耗時(shí)全鏈路延遲預(yù)算表模型再準(zhǔn)超時(shí)就是不可用這套表格內(nèi)部用起來(lái)很順手。質(zhì)量團(tuán)隊(duì)拿到一個(gè)新模型時(shí)不再只用單一指標(biāo)一票否決而是讓各模塊對(duì)號(hào)入座看是哪一塊拖了后腿。沿用這個(gè)框架你也可以為自己負(fù)責(zé)的系統(tǒng)畫(huà)一張類(lèi)似的評(píng)測(cè)表。4.3 個(gè)人建議的跟進(jìn)路線圖這里給三條實(shí)操建議按我自己的經(jīng)驗(yàn)排序精讀論文時(shí)只精讀方法和實(shí)驗(yàn)設(shè)計(jì)不要逐行讀代碼。先跑通再回頭改關(guān)鍵模塊否則會(huì)陷進(jìn)復(fù)現(xiàn)泥潭。團(tuán)隊(duì)開(kāi)源庫(kù)文檔里多半有魔改指南但注意那些魔改往往是適配他們自己數(shù)采車(chē)的換到你自己的數(shù)據(jù)上不一定有效保持懷疑。每個(gè)季度固定跑一個(gè)和業(yè)務(wù)相關(guān)的基線實(shí)驗(yàn)。比如你在做預(yù)測(cè)模塊那就選一篇預(yù)測(cè)類(lèi)的最新論文用自己的測(cè)試集重測(cè)一次。成本不高但對(duì)判斷方向的成熟度極有價(jià)值。多留意這些團(tuán)隊(duì)招聘和開(kāi)放崗位的說(shuō)明上面的技術(shù)棧羅列往往比論文提煉更直白地指向能力需求。如果你做工程看到所需技能是CUDA優(yōu)化、推理加速而不是刷榜調(diào)參那說(shuō)明單位很務(wù)實(shí)值得參考他們的技術(shù)沉淀方式。最后再說(shuō)個(gè)小經(jīng)驗(yàn)。我現(xiàn)在看任何一篇自動(dòng)駕駛論文都會(huì)問(wèn)三個(gè)問(wèn)題這個(gè)算法在傳感器掉線時(shí)還能撐幾秒、這個(gè)模型最怕什么場(chǎng)景、以及它有沒(méi)有考慮過(guò)算力墻。前兩個(gè)問(wèn)題關(guān)乎安全底線第三個(gè)問(wèn)題關(guān)乎能否真正落地。能用這三個(gè)問(wèn)題問(wèn)倒的論文不少但能扛住這三問(wèn)的成果通常就是能沉淀成技術(shù)資產(chǎn)的好東西。說(shuō)實(shí)話(huà)看年度盤(pán)點(diǎn)這件事最忌諱的就是抱著追星心態(tài)看誰(shuí)家又發(fā)了多少篇頂會(huì)。真正的價(jià)值在于通過(guò)這些工作的分布和走向看清整個(gè)行業(yè)的技術(shù)水位在往上抬。我們自己手里的活既是在踩在巨人的肩膀上補(bǔ)一塊磚也是在為下一年度的工作盤(pán)點(diǎn)留一個(gè)注腳。