地平线苏菁：端到端技术将统一L2与L4，重塑自动驾驶格局

近期，在地平线举办的生态大会上，地平线智能驾驶业务负责人苏菁阐述了一项前瞻性观点：

“借助统一的开发范式、标准化的传感器配置以及一致的ODD（运行设计域）区域，我们可以打通从L2辅助驾驶到L4高度自动驾驶的壁垒，最终通过海量数据的积累，让L2与L4系统实现同样安全、高效且丝滑的驾乘体验。”

用当下流行的说法来概括，即利用L2的架构和传感器来实现L4级功能。按照苏菁的逻辑，在这种框架下，L2与L4不再有本质区别，它们只是同一技术架构下针对不同商业场景的两种呈现形态。

如果这一逻辑成立，那么L4级Robotaxi企业长期以来构建的护城河可能在一夜间崩塌。

长久以来，L4级Robotaxi公司引以为傲的核心优势在于：通过严格限定ODD区域、部署高成本的传感器组合来构建安全冗余——既包括硬件层面的物理备份，也包括软件架构的容错设计。

争论的焦点在于：辅助驾驶与Robotaxi真的能共用同一套技术架构吗？

在全球范围内，这场争论最知名的对立双方当属特斯拉与Waymo。

Waymo的核心策略是依托“高精地图+多传感器融合+强规则约束+限定ODD”的路径，打造安全可控的强运营模式，但这一模式也带来了成本高昂、难以快速复制和扩张的短板。

而特斯拉则主张将辅助驾驶与Robotaxi的底层技术范式和传感器配置统一起来，以此实现灵活且低成本的部署，尽管短期内其安全性表现尚不及Waymo。

为了获得理想的MPI（平均接管里程），Waymo需要投入大量额外工作，包括搭载极为昂贵的传感器、利用高精地图解决静态环境缺陷、将ODD划定得足够小以控制复杂场景等，整个过程涉及诸多繁琐且高强度的工程部署。

在苏菁看来，这种模式在商业逻辑上并不可行。

特斯拉的立场与苏菁不谋而合：通过低成本的数据驱动方式来换取高体验。而Waymo阵营则一直对外强调，Robotaxi与辅助驾驶属于不同维度，试图用L2与L4的分野来维持其技术壁垒的神秘感。

此前，特斯拉几乎是孤军奋战，全球多数Robotaxi玩家仍沿袭Waymo的思路：强调感知能力、划分ODD区域。

但苏菁认为，随着端到端新范式的到来，技术路线终于迎来统一。沿着当前路径再深耕两到三年，就有极大机会将MPI提升至5万甚至10万英里级别，同时保持类人化的驾驶行为，并在所有区域实现自动泛化。

届时，L4系统不仅能以极低的部署成本落地，还能实现近乎无限制的规模化扩张，并且将同时服务于乘用车和Robotaxi两种模式。

苏菁进一步表示：“我始终不理解为什么Robotaxi只能固化为单一形态？为什么不能用L4技术来驾驶私人乘用车？我认为每个人都希望以合理价格拥有一辆这样的车。无论是作为大玩具、移动生活空间，还是个人能拥有的最昂贵的机器，它都有独特的价值。”

按照这一逻辑，所谓的L3也不过是过渡阶段——它本质上是在L2++基础上限定运行区域，通过增加传感器和工程优化来提升安全上限。

一旦这一逻辑被验证，那些依赖重感知路线的Robotaxi玩家将遭受沉重打击，意味着他们多年积累的优势可能瞬间归零。

在一段式端到端技术范式的推动下，越来越多玩家开始转向特斯拉阵营。今年年中，地平线与哈啰出行旗下的Robotaxi项目签署战略合作，计划未来几年在该领域重点投入。

今年以来，Momenta和元戎启行也纷纷采用类似路径切入Robotaxi市场。

千里科技与吉利集团则签订战略框架，计划在全球10座城市启动商业化运营，目标是在每座城市部署1000辆规模的Robotaxi车队。

如此一来，Robotaxi的竞争格局将发生根本性转变：核心竞争力将不再是堆砌传感器来构建安全冗余，而是比拼数据积累的规模与效率。在这一逻辑下，最具优势的选手将是数据的拥有者和使用者——即主机厂与其合作的算法公司。

有趣的是，尽管双方理念对立，但都在疯狂扩张。

据外媒报道，截至2025年12月，Waymo的Robotaxi服务在全美部署车辆已达2500辆；而特斯拉同样在加速推进，其Robotaxi注册量在短短4个月内从不足百辆飙升至超过1000辆。

摩根士丹利近期一份报告援引NHTSA数据估算，Waymo的平均无事故里程约为36万英里，而特斯拉Robotaxi在奥斯汀的数据约为5万英里。

规则与高精地图本质上依赖人力和传感器的大量堆砌，而数据驱动则是一种能获取规模化收益的架构。

两种路径的特性差异决定了：随着数据积累，特斯拉的成长速度将远超Waymo，当两者的性能曲线相交时，便可能成为Waymo体系全面崩塌的转折点。

当然，这一天或许永远不会到来。但统一路线的支持者们对此充满信心。苏菁表示，希望通过3到5年努力，让L2辅助驾驶达到与L4级Robotaxi同等的安全水平。

最后还有一个未经证实的消息：据称Waymo内部已经开始向特斯拉倡导的数据驱动方向进行技术转向。