人類開車，百公里可能消耗一個饅頭，但如果讓車輛自動駕駛開100公里，復雜的算法就需要消耗大量的能量和算力。

兩者為什么差異如此之大？

按照能量守恒定律，人類開車要遠比自動駕駛更“省錢、省力”，一直號稱比人類駕駛更安全的的自動駕駛，究竟怎么才能做到真正的類人駕駛？

最近奔馳中國智駕負責人王忻 ，就和諾貝爾生理學或醫學獎得主梅·布里特-莫澤（May-Britt Moser）進行了一次深入對談。莫澤教授因發現了大腦里的網格細胞而榮獲諾貝爾獎，網格細胞相當于大腦中的定位系統，可以為你在空間環境中提供方向感知。

這和目前火熱的自動駕駛概念不謀而合，所謂智能駕駛，就是從A點到B點，人類具備這種識路辨路的能力，智能汽車如果具備“認路細胞”，似乎也可以具備人類的能力，但受限于傳感器和算力，目前智能駕駛尚未達到人類的駕駛水平。

好消息是，不少企業開始在發力“端到端”大模型技術，試圖從底層邏輯再造一個“人腦”駕駛。前不久，梅賽德斯-奔馳的端到端“無圖” L2++ 全場景高階智能駕駛，剛剛完成了首秀，這也讓奔馳成為首家采用端到端技術的國際豪華車企。

奔馳L2++似乎具備了“人腦”的要素，比如不依賴激光雷達采用純視覺方案 、不需要高精地圖、強悍的云端算力、更強的泛化能力…

一邊是多年專注智能駕駛領域的研發專家，一邊是探索人腦定位系統的諾貝爾科學家，兩者碰撞注定會有行業火花。

自動駕駛要向人學習什么？

回答文章開篇提出的問題，先了解人和機器開車的基本邏輯。

人類開車，需要眼睛、手、腳以及大腦等協同工作。如果你剛開始學，就得有更多專注力，比如你會把座位盡可能調到靠前，這時候視覺、聽覺甚至還有觸覺都在給你加油，新手司機一頓操作下來，額頭手心止不住冒汗，心臟也跟著撲通直跳。

老司機當然會更從容，加速、超車等行云流水，甚至只憑借肌肉記憶就能完成這些操作。

更深層次來說，無論是新手還是老司機，開車的過程都是大腦給予的電信號，Moser教授解釋稱，在開車時，大腦中有特定的細胞幫助定位方向，比如“頭方向細胞”告訴我們當前的行駛方向，“邊界細胞”告訴我們周圍的邊界。

最重要的是，憑借這些細胞，能讓我們具有“空間感知能力”。Moser教授曾做過一個實驗，把小白鼠放到一個虛擬環境中，重復完成同一個尋路任務，最終小白鼠完成了進化，自己找到了一個最短的途徑，通過研究發現，幫助小白鼠完成矢量導航的就是網格細胞。

網格細胞就像一個坐標系，能把整個空間環境分成蜂窩狀的六邊形網格，指導著我們選擇方向。除了提供方向感知，也有研究者提出，網格細胞也會參與矢量計算，幫助人類規劃路徑。

這些細胞基本在大腦海馬區及其周圍，正是這個負責短時記憶、存儲轉換以及定向等功能的神奇區域，幫助我們完成了開車認路。

所以人開車，只要大腦是清醒的，就能通過視覺記住位置后，在大腦形成一種想象中的邊界，并隨時更新這個想象中的地圖。這個過程當然不會消耗太多能量，大腦的能耗只相當于一個20瓦的燈泡，有時候吃一頓飽飯，就能開上一整天。

汽車就不一樣了，一輛機器想要實現自動駕駛，需要依靠太多傳感器，像前攝像頭、后攝像頭、毫米波雷達甚至得用上激光雷達等。

處理這些傳感器的數據，需要借助大量的算力，這種復雜的算法也需要能源供給。即便是一個簡單的避障動作，都需要運算大量的數據。

以ChatGPT為例，其每天要響應大約2億個請求，在此過程中消耗超過50萬度電力，也就是說，ChatGPT每天用電量相當于1.7萬個美國家庭的用電量，這個能耗相當驚人。

從汽車自動駕駛的發展歷史來看，也經歷了很多種階段，前兩年主要是靠手寫規則，比如具體場景實行具體指令，但這個工作量堪稱巨大，因為總會有應付不完的場景和寫不完的代碼。

怎么才能讓汽車像人類一樣，用一個通用的范式去解決各種路況？

王忻在訪談中表示，梅賽德斯-奔馳采用最新的端到端大模型技術。

顧名思義，端到端是指通過一個AI模型，輸一個原始數據，就能輸出最終結果，這種方式依賴深度學習模型，特別是神經網絡，可以自動從數據中學習到復雜特征。其結果就是類似于人腦的決策邏輯，學習數據從少到多的過程，就是新手變身老司機的過程。

到2025年，將隨梅賽德斯-奔馳模塊化（MMA）平臺推出“無圖”L2++全場景高階智駕系統，該系統應用端到端大模型技術，不依賴高精地圖，可實現點到點的高階智駕體驗。

自動駕駛領域資深玩家

讓AI比真人更會開車

端到端到今年已經成為行業內最熱門的智駕技術路線，在這場比拼中，小鵬、華為、理想以及蔚來等選手在端到端領域的研究競賽，已經從一年前的開城速度，到如今的OTA更新頻率。

而端到端的投入非常大，最稀缺的就是人才，作為新興的技術領域，一個技術大牛甚至趕得上一個研發團隊。同時端到端對數據和算力的需求也提升到了巨大量級，理想汽車就曾在內部估算，每年投入到訓練上的費用就達到10億人民幣，未來甚至會漲到10億美元，這還不包括人員和其他成本。

不成比例的投入產出比，研究端到端顯然不是一筆劃算的買賣。

但奔馳顯然不會這么想。

過去5年，奔馳在華累積研發投入總計達105億人民幣，一年的時間完成國內的自研L2+高速導航輔助功能落地。

如今研發端到端，在整個合資品牌中也是為數不多的激進者。

奔馳的L2++是不依賴高精地圖，基于中國的數據訓練，投喂了大量國內老司機駕駛的素材，所以能適應中國路況的博弈邏輯。而且只要有導航，哪兒都能開，有導航規劃的路段均可啟用L2++。

從王忻和Moser的實際體驗來看，奔馳的這套L2++，在應對無保護路口左轉、無保護路口右轉、右轉主動避讓行人等場景時可以做到擬人化駕駛。

如果遇到其他道路參與者，比如行人或公交車，也會提前避讓，同時會提醒司機提高注意力。

除此之外，L2++還可以完成路口無保護掉頭以及環島等場景，整個功能體驗已經達到了第一梯隊。

奔馳L2++也可以實現“車位到車位”，也就是從出發車位泊出、途經城區/高速/城區、到目的地車位泊入，車輛自主處理全場景的路況問題，這可以說是目前端到端玩家能達到的最高水平。

而且不只是純電車型，奔馳對燃油車型也會一視同仁，明年會通過OTA實現L2+智能駕駛輔助系統的自動上下匝道功能。針對未來產品，包括燃油車型，奔馳也會逐步搭載高階智駕系統。

這意味著未來有“端味兒”的產品，再也不局限于新能源車了。

百年奔馳的自我更迭

傳統語境下，新勢力品牌對智能化有著更大的話語權，但作為百年豪華品牌，奔馳對于智能化的探索早就已經開始，甚至是親歷了智能座艙、智能駕駛的從無到有。

1978年，奔馳推出了世界上第一輛擁有防抱死制動系統（ABS）的汽車。

1986年，奔馳通過“普羅米修斯”計劃，開啟了對自動駕駛的探索。

到了2018年，奔馳又發布第一代MBUX座艙交互系統。

奔馳還是全球首個獲得L3級有條件自動駕駛國際認證，并在歐美量產的車企。去年年底，奔馳成為首批在北京獲批開展L3級有條件自動駕駛系統測試的車企之一。

時至今日，奔馳對于智能化的投入仍在不斷加大，并自主研發了MB.OS全新域控制架構。

這套智能架構相當于“中樞神經”，覆蓋智駕、智艙、車身舒適和通信模塊的全部底層邏輯。

和傳統分布式EEA架構不同，MB.OS架構采用域控架構，可以實現軟、硬件解耦，分別由4大功能域和1個通信模塊組成。功能域則分為智能座艙域、 自動駕駛域、車身控制域、行車與充電域等，各個域之間車載以太網通信速度提高到了10Gbps。

一套組合拳下來，讓MB.OS徹底打破了平臺和動力形式限制，可以實現整車OTA，讓每一輛奔馳都能實現“軟件定義汽車”。

基于MB.OS，除了“無圖” L2++ 全場景高階智駕，還有就是下一代車機系統——有著全新的語音交互和全新UI設計和導航系統。

其語音交互系統基于生成式 AI、2-3 倍數據訓練提升的大語言模型打造，具備3D圖形渲染技術，奔馳將單純的“語音助手”定位升級為“奔馳虛擬助理”，這個虛擬助理除了體現數字豪華，還能為用戶提供情緒價值。

這一切技術距離我們并不遠，MB.OS將于2025年隨MMA平臺車型推出，屆時我們也會真實感受到，這個百年品牌如何用數字智能去定義豪華。

和中國新興汽車品牌相比，奔馳對智能駕駛的追求或許不是最快的，但一定是最穩的。從早期初步探索，到如今厚積薄發，百年奔馳仍在引領著汽車行業的創新。