近日，一场由懂车帝发起的智能驾驶测试在网络上引发了广泛讨论。测试中，特斯拉在没有使用中国本地训练数据的情况下，取得了优异成绩，这再次点燃了关于中国车企智能驾驶能力是否落后于特斯拉的争议。
测试涵盖了多种复杂场景，包括消失的前车、高速临时施工、遭遇卡车、事故车、野蛮加塞以及横穿道路的动物等。这些场景虽然属于智能驾驶中的边缘案例，但在现实生活中却时有发生，对智能驾驶系统的应对能力提出了严峻挑战。
有网友质疑懂车帝在测试中的“控制变量”做得不够严谨，但业内人士指出，智能驾驶测试要实现完全标准化和精准控制，是一项耗资巨大的工程。以车辆碰撞测试为例，为了保证测试的公允性，车辆本身并不具备动力，而是由测试轨道提供动力，以确保速度和碰撞角度的准确。然而，在智能驾驶测试中，许多动作只能依靠人工完成，因为目前市面上还没有对应的测试装置。
尽管如此，懂车帝仍然将测试做到了相当高的水平。测试结果显示，中国车企在高速NOA（导航辅助驾驶）这一被认为不是最难的场景中，智能驾驶水平确实出现了一定程度的倒退。这一结果引发了对中国智能驾驶技术发展的深刻反思。
特斯拉之所以在测试中表现更佳，原因在于其智能驾驶系统并没有使用中国本地数据进行训练。特斯拉FSD（完全自动驾驶）的能力是基于美国的驾驶思维和数据进行打造的。中美道路情况的差异，尤其是中国道路基建的随意性和复杂交通参与者的行为，使得中国车企在智能驾驶系统开发中需要构建完全不同的架构和底层，并根据现实情况不断调优。
近年来，中国车企将主要精力放在了城市NOA的开发上，因为城市中充满了各种不按规则行驶的汽车、行人和电动车。这些场景需要智能驾驶系统具备强大的“博弈”能力。所谓“博弈”能力，就是车辆在遇到突发情况时，能够像老司机一样灵活应对，不至于因为一点挑战就急刹退缩。然而，这种风格在懂车帝此次相对极限的测试场景中，却暴露了短板。
相比之下，特斯拉的智能驾驶系统虽然在中国已经架设了服务器，用本土数据进行训练调优，但其核心的智能驾驶大模型架构仍基于美国本土相对简单的版本。因此，在没有“强博弈”负担的情况下，特斯拉在高速这种“反应时间”比“优选路线”更优先的场景中，反而表现出了更优的性能。
懂车帝此次智能驾驶测试总计涵盖了15个场景，除了6个高速场景外，还有9个城市场景。在城市场景测试中，国产智能驾驶系统的表现已经有了大幅提升。这表明，中国车企在智能驾驶技术开发上并非全面落后，而是在不同场景下有着不同的优势和挑战。
此次测试的真正推手并非懂车帝，而是官方机构。公安部、科技部等部门在同一天发布了与智能驾驶相关的内容，强调了对车企的管理责任、驾驶人的安全责任以及智能驾驶技术研发的伦理要求。同时，懂车帝测试所用的道路全部为日常使用的真实道路，这进一步彰显了官方对智能驾驶安全问题的重视。
在官方看来，此次测试不仅是一次行业测评，更是一次国家级别的安全警示教育活动。通过测试，官方旨在集中破除消费者心目中因车企宣传、自我想象所形成的对智能驾驶的“盲目信任”，并明确智能驾驶下的责任归属。这一举措表明，官方已经将保证智能驾驶推广的风险可控作为了新的核心逻辑。
