奔驰推点对点城市辅助驾驶,正面挑战特斯拉FSD

奔驰明年推出高速脱手与城市点对点辅助驾驶,正面挑战特斯拉FSD。
梅赛德斯-奔驰宣布将于明年推出高速公路脱手驾驶和点对点城市导航两项辅助驾驶功能,直接对标特斯拉FSD。高速脱手延续现有辅助驾驶思路,允许驾驶员在特定路段暂时脱手;城市点对点则需应对交叉路口、行人等复杂场景,是自动驾驶量产落地的最大难点。特斯拉凭借多年迭代和真实道路数据积累,目前在脱手驾驶领域处于行业领先。奔驰依托底盘控制、传感器冗余和功能安全体系积累,选择多传感器融合路线而非纯视觉方案。文章指出,城市点对点是区分自动驾驶能力层级的分水岭,但奔驰未披露功能可用范围、接管频率和安全冗余设计等关键细节。竞争焦点正从“谁先发布”转向“谁更可靠”,传统车企的保守安全策略与特斯拉的数据驱动快速迭代形成路线差异。
梅赛德斯-奔驰正式加入部分自动驾驶的竞争。据RSS来源报道,奔驰将于明年推出两项新功能:高速公路脱手驾驶和点对点城市导航系统。这一动作直接将矛头指向特斯拉——后者目前在脱手驾驶系统的开发上处于行业领先地位。

奔驰的双线布局:高速脱手 + 城市点对点
奔驰的新功能分为两个层级。高速公路脱手驾驶延续了现有驾驶辅助系统的思路,允许车辆在特定高速路段接管转向和速度控制,驾驶员可以暂时将手离开方向盘。而更具挑战性的是点对点城市导航系统——车辆需要在城市道路环境中完成从起点到终点的连续辅助驾驶,涉及交叉路口、行人、非机动车等复杂场景。
这两项功能的同时推出,意味着奔驰不再满足于只在高速场景提供辅助驾驶,而是将战场扩展到了特斯拉FSD(Full Self-Driving)长期深耕的城市道路。从技术路线上看,城市点对点导航对感知、决策和规控的实时性要求远高于高速场景,也是目前自动驾驶量产落地的最大难点之一。
脱手驾驶的法规与分级背景:脱手驾驶并非字面意义上的“自动驾驶”,其技术前提是车辆仍处于L2级辅助驾驶范畴,驾驶员需保持注意力并随时准备接管。根据SAE J3016分级标准,L2系统可同时控制转向和速度,但驾驶员必须持续监控环境;而脱手功能的核心在于通过驾驶员监控系统(DMS)——通常采用红外摄像头追踪视线和头部姿态——来确保驾驶员未脱离监管。各国法规对脱手驾驶的许可条件差异显著:联合国R79法规修订版允许在特定条件下脱手,但要求系统具备车道保持和事件响应能力;中国、欧盟和美国各州对脱手功能的上路测试与量产审批各有细则。奔驰此前已在德国获批L3级Drive Pilot系统,允许在特定高速路段脱手并转移注意力,但本次提到的“高速公路脱手驾驶”更可能定位为L2+级别,与特斯拉FSD的监督式脱手处于同一竞争区间。
特斯拉FSD的领先地位与奔驰的追赶逻辑
原文明确指出,特斯拉目前在脱手驾驶系统的开发上"领先汽车行业"。特斯拉FSD经过多年迭代,已经积累了大规模的真实道路数据,并在城市导航辅助驾驶方面建立了用户认知和品牌标签。奔驰作为传统豪华品牌,在底盘控制、传感器布置和功能安全体系上有深厚积累,但在软件迭代速度和数据闭环规模上,与特斯拉存在明显差异。
奔驰选择此时入局,反映出一个行业趋势:部分自动驾驶正从"高端选装"向"品牌标配"演进。当特斯拉用FSD建立起技术标签后,传统车企如果不跟进,就可能在智能化竞争中被边缘化。奔驰的应对策略不是直接复制特斯拉的纯视觉路线,而是依托自身在感知硬件和系统冗余上的经验,推出符合自身安全标准的脱手和点对点功能。
数据闭环与影子模式:特斯拉FSD的领先在很大程度上源于其“数据闭环”能力。所谓数据闭环,是指车辆在真实道路行驶中持续采集感知与决策数据,通过“影子模式”(Shadow Mode)在后台静默运行自动驾驶算法,将人类驾驶行为与算法输出进行比对,自动筛选出算法表现不佳的“难例”场景回传云端,用于模型再训练和迭代。这一机制使特斯拉能够以极低边际成本获取大规模长尾场景数据,形成“采集—标注—训练—部署”的循环。相比之下,传统车企的辅助驾驶数据采集往往依赖项目制测试车队,规模有限且闭环周期较长。奔驰若要缩小差距,需在量产车上部署类似的数据回传机制,同时兼顾欧洲严格的隐私法规(如GDPR)对数据采集的限制。
城市点对点为何是分水岭
城市道路的复杂度决定了点对点辅助驾驶是区分自动驾驶能力层级的关键场景。高速脱手驾驶主要处理车道保持、自适应巡航和变道,场景相对结构化;城市点对点则要应对无保护左转、加塞、施工路段、突发障碍物等长尾问题。
奔驰将点对点城市导航作为新功能的核心卖点,说明其对自己在城市场景的感知和决策能力有一定信心。但需要注意的是,原文并未披露该功能的具体可用范围、接管频率或安全冗余设计。这些细节将决定它究竟是"可用的辅助驾驶"还是"营销层面的对标"。
长尾问题与最小风险策略:“长尾问题”指自动驾驶中那些出现频率极低但种类无穷的边缘场景——例如路边突然滚出的球、逆向行驶的电动车、被遮挡的交通标志等。城市点对点辅助驾驶的难点不在于处理常见场景,而在于以足够低的接管频率覆盖这些长尾。行业通常用“平均接管里程”(MPI)衡量系统可靠性,但该指标受路况和定义差异影响较大,难以横向比较。与之配套的“最小风险策略”(Minimal Risk Maneuver, MRM)则是系统在驾驶员未响应接管请求或自身故障时,自动执行减速、靠边停车等安全动作的能力。MRM的设计直接关系到脱手功能能否合规上路——监管机构通常要求系统在失效时能将车辆置于安全状态。奔驰未披露其MRM的具体设计,而这一细节恰恰是判断其城市点对点功能是“可交付产品”还是“技术演示”的关键依据。
竞争格局:从功能竞赛到安全验证
奔驰与特斯拉在城市辅助驾驶上的正面交锋,会把竞争焦点从"谁先发布"推向"谁更可靠"。脱手驾驶涉及驾驶员注意力监测、系统失效后的最小风险策略、法规合规等一系列工程问题。传统车企通常在这类安全体系上更为保守,而特斯拉则倾向于用数据驱动的方式快速迭代。
两种路径各有代价:保守策略可能牺牲功能上线速度和体验边界,激进策略则要面对更复杂的长尾场景和监管审视。奔驰明年同时推出高速脱手和城市点对点两项功能,等于在两条战线上同时接受市场检验。对消费者而言,这意味着城市辅助驾驶的选择不再只有特斯拉一家,但对车企而言,真正的考验在于功能交付后的实际表现和用户信任。
奔驰的入局不会立刻改变特斯拉FSD的领先位置,但它释放了一个明确信号:部分自动驾驶的竞争已经进入城市道路的深水区,传统豪华品牌开始用量产功能而非概念演示来参与这场竞赛。
纯视觉与多传感器融合的路线之争:特斯拉FSD坚持纯视觉方案,依赖摄像头加神经网络完成感知,其论点是人类仅凭双眼即可驾驶,且纯视觉硬件成本更低、数据规模更容易扩展。奔驰则延续多传感器融合路线,在摄像头之外保留毫米波雷达和超声波传感器,部分车型还配备激光雷达。多传感器融合的优势在于冗余性:不同物理原理的传感器在雨雾、逆光等条件下互为补充,便于满足功能安全(ISO 26262)对冗余的要求;代价是硬件成本更高、传感器融合算法更复杂,且不同传感器的数据同步与标定增加了工程难度。两条路线并无绝对优劣,但折射出不同的安全哲学——特斯拉相信数据规模能弥补感知短板,传统车企则倾向于用硬件冗余兜底。奔驰在城市点对点功能上的实际表现,将成为检验多传感器融合路线在城市场景中竞争力的一次重要观察。
相关推荐

OpenAI 11月30日关停Agent Builder等三项服务,开发者需紧急迁移
OpenAI 将于 11 月 30 日关停 Agent Builder、evals 仪表盘和可复用提示三项开发者功能,evals 已转为只读。本文梳理受影响范围、OpenAI 官方给出的迁移路径(Agent SDK、PromptFu、自有代码)以及开发者本周应完成的导出与重建动作。

RankSpot:按次付费的SEO与AI搜索执行层,让Agent替你写文、发布、换外链
RankSpot 是面向 AI Agent 的 SEO 与 AI 搜索执行层,通过 MCP 接入 Claude 或 ChatGPT,让 Agent 完成写文、发布和外链获取。按次付费,每篇文章 3 美元,读数据免费,支持 100 多种语言。

Appxiom:给AI编程助手装上生产环境上下文
Appxiom为AI编程Agent提供生产环境上下文,覆盖崩溃、卡顿、内存泄漏与失败的网络调用,支持Android、iOS、Flutter、KMP和Web,并通过Goal Friction Impact按业务目标排序Bug。