每经记者：段思瑶 每经编辑：裴健如

当智能驾驶从 " 野蛮生长 " 迈向 " 规范发展 "，中国智驾产业正经历一场深刻的转换。一边是 AI 技术以季度为单位快速迭代，端到端、世界模型、物理 AI 等概念加速 " 上车 "；另一边，国家与行业标准仍在逐步演进，代差之下，技术创新与安全监管的矛盾日益凸显。

与此同时，L3 责任认定难、伦理要求如何融入产品、全球标准如何协同等深层问题，正从学术讨论走向产业治理的核心议程。行业不仅要在技术突破与安全边界之间寻求动态平衡，还要在全球化竞争中实现规则互认、数据合规与本土化适配。

近期，《每日经济新闻》（以下简称 NBD）"AI 相对论 " 第四期独家对话中国生产力促进中心协会副理事长兼秘书长王羽和 Momenta 全球解决方案首席架构师饶庆。两位嘉宾围绕技术跃迁、安全伦理、全球协同与未来人才等热点议题，展开了一场兼具产业纵深与治理高度的深度讨论。

◼︎本期嘉宾：中国生产力促进中心协会副理事长兼秘书长王羽、Momenta 全球解决方案首席架构师饶庆

王羽（图片来源：受访者供图）

饶庆（图片来源：受访者供图）

要给技术划底线，为创新留沙盒

NBD：当前智驾技术的创新与行业规范的落地，最突出的不同步痛点是什么？这种不同步是否会制约产业高质量发展？

王羽：当前最大的痛点在于：在 AI 加持下，技术研发、产品应用和迭代速度极快，而标准法规的修订是有周期的（国标大约三年，行标一到两年，团标相对较快）。两者之间的代差会带来一个问题，就是技术的快速创新在市场应用上，得不到政策法规的有效响应和规范。

这种不同步会影响企业发展，企业既要通过技术竞争抢占市场优势，又缺乏有效的法规指引。至于是否制约高质量发展，需要分两层看，高质量发展并不等于技术快速迭代本身。快速迭代是产业转型的重要手段和技术支撑，但高质量发展还需要供给侧与需求侧的精准匹配，让产品与市场之间实现相对精准的匹配和满意度需求。

饶庆：有了更严格的法规之后，能够做到驱逐劣币、保持良币，这需要行业里的技术领先者在法规起草的阶段就参与，把行业领先经验传递至法律法规层面。我们正积极参与自动驾驶领域强标的起草，这既能促使企业将更好的技术以更快的速度推送给用户，也能够保证法规是安全的、可执行的。

NBD：当前行业应该如何平衡智能驾驶技术快速迭代的突破和安全边界的管控？

王羽：关于技术迭代的突破和安全边界的管控，涉及三个层面。第一个层面是在底线层，应该严管严控，按照强标来，保证涉及生命安全的所有智能驾驶功能的应用；第二个层面，应该加入敏捷治理体系，通过实验室测试、开放式测试、市场试验等，对不涉及生命安全的功能给予稍宽松的环境；第三个层面是在前沿探索上，通过沙盒制度，让最前沿的智驾技术得到有效的市场应用和验证。底线不能触碰，过程层面边监管边适应，前沿探索沙盒式应用。

这样既能保证技术创新不影响生命安全，又不阻碍技术发展，实现动态平衡。通过分层次的测试评价体系，底线层严管严控，过程层适度放开，前沿探索层提供先行先试环境，从封闭测试逐步过渡到市场，保证技术迭代与安全监管的动态平衡。

NBD：当前智驾事故的责任认定难是行业痛点，涉及开发者、车企、使用者。如何明确智驾事故的责任边界，行业规范应从哪些方面完善？

王羽：L1、L2 以人驾驶为主，按传统责任划分。L4 及以上以系统驾驶为主。最难的是 L3，人和车共驾的过渡阶段，不确定性极难界定。L3 车辆设置人接管边界，但微小边界很难清晰。

例如，车辆提醒了但驾驶员没反应，或系统识别不完善。L2 和 L4 标准相对清晰，L3 就像一块由甜到咸的面包，中间阶段甜咸难辨。越精细的划分越有利于责任认定。需要不断通过实践经验，对 L3 的人机交互阶段进行精细化责任划分。

但问题是，L3 可能还没经历多少年，L4 就会快速落地。是否投入这么细的责任划分，还是直接面向 L4，这又是另外一个方向的问题。

NBD：如何将伦理要求融入行业规范？监管方式如何适配，既不阻碍创新，又能有效防范伦理风险？

王羽：第一，设计伦理。研发设计环节应有标准和规范，包含伦理的逻辑性设计要求，在社会基本伦理道德框架下设计。不能只靠企业自发道德，需要在行业规范中提出伦理基准值。第二，监管方式。产品准入时应嵌入伦理的准入审查和评价。传统测试测功能、性能、可靠性、安全性，现在应加入伦理测试。伦理是智能化与人交互的重要内容，应作为车辆准入的重要审查指标。第三，创新与伦理的平衡。创新度和伦理适应度之间会产生撕裂，必须强调产品研发、使用、应用环节符合社会道德伦理，形成 " 智能向上、科技向善 " 的共识。从技术端、监管端、社会端三位一体，推进科技向上、智能向上、产品向上。

标准想共轨，数据难出境

NBD：R7 强化学习世界模型已实现 " 上车 "，Momenta 能率先做到量产落地的核心优势是什么？

饶庆：技术迭代飞速，但将新技术应用到自动驾驶工业场景，靠的是研发体系和企业文化。

Momenta 从 2016 年创业就提出 " 一个飞轮两条腿 " 战略，一条腿 L2（量产）辅助驾驶，一条腿 L4 全自动驾驶，通过数据驱动海量数据与闭环自动化，不断迭代产品性能。

今年推出 R7，本质是世界模型加强化学习。在世界模型中对真实世界采集的数据不断迭代，让模型在虚拟世界中自主进化。真实世界中危险场景无法通过实际碰撞学习，因此用仿真，虚拟世界中出现碰撞就会有负反馈，生成安全舒适的轨迹就有正反馈，通过奖励和惩罚让模型达到甚至超越人类 " 老司机 " 水平。

NBD：自动驾驶为什么是物理 AI 的序章？

饶庆：当前 AI 正从数字 AI 转向物理 AI。数字 AI 从网络文字提取知识，产生文本理解和对话能力。物理 AI 是把真实世界采集的数据压缩到世界模型，理解物体属性（塑料袋可压过，石墩不能撞）、运动因果关系（自行车冲出需急刹）、潜在交互（皮球滚出可能后面有小孩）。这三点是 R7 的技术突破。

自动驾驶正是物理 AI 的直接应用场景，因为它需要对周围环境交互、对未来预测。比如试车场景，窄路旁有停车、对向来车，需预判开门、鬼探头、宽度能否通过等。这些鲜活场景正是物理 AI 率先应用的领域，所以我们率先将物理 AI 应用到自动驾驶。

NBD：我国正主动参与全球自动驾驶标准治理，推动国内标准与国际规则协同。当前国内智驾规范与国际规则衔接的重点和难点是什么？如何通过规范协同助力我国智驾企业加快走出去，提升国际竞争力？

饶庆：最先进的智驾体验在中国，中国市场和技术已领先全球 2 — 3 年。我们观察国际法规，要求产品在国内一落地就能满足欧洲法规。另外，中国智驾市场、产品都走在前列，可通过国内产品的快速反馈和市场数据，通过中国相关协会带到欧洲法规起草小组，积极影响和推动国际法规，我们拿到海外后补采当地数据（欧洲特殊交通牌、小环岛、礼让驾驶习惯等），对模型进行微调和泛化处理。

王羽：重点是标准共轨、规则互认。难点在于地图、数据涉及主权国家间的交互，数据比较敏感。要实现协同，首先要在技术上通过优质产品和强大技术支撑，让产品既适应中国市场，也能在国际市场接受 " 地狱级 " 测试；其次，通过各国局部优化（数据、地图、人文和驾驶习惯）弥补技术底座。此外，要加快标准国际化工作，中国企标委已向联合国标准法规论坛输送多项中国标准，形成全球通用型标准。虽然各国在数据地图上不一定能完全交互，但应建立规则体系，尊重各主权国家的检测和认证结果，实现 " 一证同行 "，加速产品和企业走出去、引进来。

NBD：如何看待现在人才回流的变化？

王羽：每个时代工具和技能不同。新质生产力发展产生了三类新的劳动者，包括创新型人才、应用型人才、企业领军人才。经济时代产生了五类劳动者，包括农耕、工业、信息、数字、智能等领域。比如，底特律时代是工业化时期，人才擅长机械设计、工程化管理。现在是从数字经济向智能经济迭代，需要善于运用和开发 AI、让 AI 成为科研、生产、生活助手的复合型前沿人才。传统工业和信息化人才已成为基础性人才，现在的领军人才是懂数据和 AI 的人才。

NBD：Momenta 在技术发展方面的愿景和使命，以及未来业务重要规划。

饶庆：Momenta 将 AI 应用于自动驾驶领域，有三个愿景：十年挽救百万生命、十年解放百分百时间、十年物流出行效率翻倍。通过强化学习世界模型不断迭代，提高安全性，避免事故，挽救生命。解放百分百时间即达到 L3/L4 全自动驾驶，每个人都是乘客，通勤时间可开会、看手机、看报纸等。物流出行方面，物理 AI（R7 强化学习世界模型）不仅用于乘用车，还可用于商用车。R7 是物理 AI 的第一步，后续将更广泛应用到除自动驾驶之外的领域。