经典的L0-L1-L2和以TJP为代表的可以脱手脱眼的L3，采用典型的瀑布式的开发，清晰的功能边界，集成化的软硬件架构，可通过数学方法验证的测试验证理论，深度结合整车质量体系，功能场景、驾驶策略、安全概念都是could be defined, could be designed, could be verificated and validated，所以更多的是一个人function pack的形式，不在功能设计范围内的feature很难在这一代技术栈上通过OTA的形式再做交付。
而伴随着AI在视觉领域突破而进入自动驾驶行业的伙伴，大家反而是从L4开始理解自动驾驶，系统架构上基于当前有的传感器能力寻求均布感知的最优解，能够实现落地的高性能的计算平台。小步快跑，敏捷开发，持续集成，长城对技术的理解一直是一个以平台的形式持续开发的概念。从功能场景上L4自动驾驶希望系统能够无限接近于道路真实场景（例如复杂的道路拓扑、异形交通标识标志交通灯，博弈和绕行为主的场景，各种道路交通参与者的异常驾驶行为），ODD（非ODC）更多以地理围栏的形式出现而非功能边界（无论是限定区域还是干线），对于ODD之外的问题，L4系统需要有完整的风险迁移方案。对于不能解决的问题，不仅仅需要检测到，还需要保障绝对的安全（调度和运营能力）。
所以怎么理解这一代量产高阶智能驾驶系统，从整车系统架构角度、智能驾驶安全理论的角度（特别是功能安全）、MRC和MRM的定义的角度，这一代系统开发沿用了很多传统ADAS的方法论，但是从软件架构特别是核心模块的算法架构上，从主线软件的开发、集成、交付形式上，从车端-云端的架构统一性和数据驱动基础设施的角度上，这一代系统又很接近现在的L4技术栈。
回到今天的题目“高阶自动驾驶量产”，2022年大家谈了很多L2和L4的飞轮、数据闭环以及它们之间的关系，所以站在今天去看待这样的L2.9的高阶端到端智能驾驶辅助系统的量产问题，是一个非常有趣的时间点。
回到驾驶自动化的问题上，L3比L2.9需要更多的硬件感知能力吗？不一定，因为L3的场景更少，也更容易去通过枚举定义场景和风险。L3比L2.9需要更多的算力吗？也不一定，因为算力更多反映的是算法架构的需求，L3反而是更多以逻辑计算的形式表达的。L3比L2.9需要更多的系统冗余吗？是的，因为安全、特别是功能安全在方法论层面尚未因为机器学习而发生本质变化。所以，驾驶自动化问题，他更愿意看做是一个系统设计、安全设计、功能设计、算法架构、测试验证、开发和交付方式的方法论层面的理解和表达。
所以长城从整车企业的角度和自动驾驶本身的技术角度，达到了这一代非常有趣又非常先进又真正第一次toC的时间节点，长城把端到端的具备完整架构的L2.9高级智能驾驶辅助系统给了用户。
二、智能驾驶提升明显 仍需要持续迭代
从整车角度，应该怎么样看待高阶系统的量产？
长城和大部分的整车企业伙伴们一样，都走过一些类似的路，通过发展侧重的不断调整来满足自动驾驶系统的升级与完善。
到第三代智能驾驶系统交付给用户的时候，智能驾驶系统已经是一个能够长期的迭代和成长的平台。所以从2020年或2019年到现在，自动驾驶从一个软硬一体的配置型产品变成了可成长平台型产品，长城认为它是一个要伴随着用户的全生命周期在硬件和软件架构上不断开发和迭代的平台。
