从 Waymo 到完全自动驾驶：SAE 驾驶等级究竟意味着什么？
2026/8/24
Waymo 的无人出租车正在旧金山和菲尼克斯城市中运行，在没有人类驾驶员的情况下接送乘客。对许多人来说，这看起来像是自动驾驶技术的最终目标。但在工程师用来对自动驾驶汽车进行分类的官方框架中，Waymo 位于4 级——低于理论上的最高等级一步。那么 5 级是什么，为什么它如此难以实现？
SAE 等级制：快速入门
美国汽车工程师学会（SAE）定义了一个六层级框架（0–5 级）来描述车辆系统（而非人类驾驶员）在驾驶任务中的责任程度。以下是这个等级制的分解：
| 等级 | 名称 | 谁在控制？ |
|---|---|---|
| 0 | 无自动化 | 人类处理一切 |
| 1 | 驾驶员辅助 | 系统控制速度或转向，但不是两者 |
| 2 | 部分自动化 | 系统控制速度和转向；人类必须监督 |
| 3 | 条件自动化 | 系统驾驶；人类必须在被要求时准备接管 |
| 4 | 高度自动化 | 系统在没有人类备份的情况下驾驶——在定义的范围内 |
| 5 | 完全自动化 | 系统可在任何地方、任何时间、任何条件下驾驶 |
大多数配备自适应巡航控制和车道保持功能的新车介于 1 级到 2 级之间。尽管有营销宣传，特斯拉的 Autopilot 和 Full Self-Driving 仍处于 2 级——人类必须保持警觉。3 级已有有限的商业部署（梅赛德斯-奔驰在美国特定州获得了 3 级系统的监管批准）。而 4 级正是目前真正的行动发生地。
什么使 Waymo 成为 4 级——以及为什么这已经是非凡的
Waymo 车辆配备了完整的传感器套件——激光雷达、摄像机和雷达——以及足够强大的计算堆栈，能实时感知和应对城市交通。至关重要的是，没有人类安全驾驶员，也没有乘客会接管方向盘的预期。该系统真正负责每一个驾驶决策。
但这里有一个关键的条件：4 级在定义的运营设计域（ODD）内运行。ODD 是系统获得认证可以运行的条件集合——地理区域、天气、道路类型、速度限制、时间段。Waymo 的凤凰城服务在其映射的地理围栏内运行得非常好。将同一辆车开到下雪天的乡村土路上，它就不是为了应对这种情况而设计或验证的。
这种有边界的特性正是使 4 级无法成为 5 级的原因。这不是一个缺陷；这是对当前技术所处位置的诚实的工程认可。
5 级问题：无限的 ODD
5 级车辆没有运营设计域。它必须能够处理任何道路、任何天气、任何国家、任何人类驾驶员可能遇到的边界情况——以及许多他们可能不会遇到的情况。这是一个非常宽广的问题空间。
多个因素使 5 级如此难以实现：
1. 长尾边界情况
工程师谈论「长尾」这样稀有但关键的场景：卡车上掉下来的床垫、一个孩子追着球跑到马路上、道路工人临时搭建的交通灯。每个单独的事件都不太可能，但集体来看它们在大规模车队中不断发生。为所有这些事件进行训练和验证是一个组合上巨大的挑战。
2. 非结构化和未映射的环境
高清（HD）地图是 4 级系统的秘密武器。Waymo 和其同行以极其详细的方式预先映射其运营区域。5 级车辆必须自信地在没有地图存在的地方导航——偏远道路、灾区、新建小区——完全依靠实时感知。
3. 大规模恶劣天气
雨、雪、雾和眩光以难以在模拟中复制的方式降低传感器性能。激光雷达返回信号在大降水中散射难以预测。基于摄像机的系统在低对比度的冬季光线下会遇到困难。全球可靠地处理所有天气条件仍然是一个未解决的工程问题。
4. 社会和监管背景
驾驶不仅仅是一个物理问题。在胡志明市繁忙的市场街道导航所需的行为直觉与郊区美国十字路口不同。监管框架、道路规则和非正式的驾驶习俗因国家而异，5 级系统必须能够处理所有这些。
5. 计算和能源限制
无限域名驾驶所需的感知和决策算法在计算上花费很高。将这种能力封装在车辆的功率预算中——而不需要在后备箱里放一个数据中心大小的处理器——是一个持续的硬件挑战。诸如**NVIDIA Jetson AGX Orin 64GB**这样的边缘 AI 平台能够在设备上提供高达 275 TOPS 的推理性能，暗示了业界的发展方向，但专为汽车设计的硅仍在演进中。
为什么 4 级是实际地平线——目前
自动驾驶汽车领域的大多数研究人员和高管已经悄悄地达成了务实的观点：不断扩展 ODD 的 4 级是可实现的近期目标，它已经提供了巨大的价值。将无人出租车网络从一个城市扩展到十个，从干燥气候扩展到潮湿气候，从映射高速公路扩展到郊区街道——每次增量 ODD 扩展本身就是一项重大的工程成就。
5 级最终可能会到来，但它更可能随着 ODD 重叠和扩展而逐步出现，而不是作为突然的技术突破出现。
这对汽车以外意味着什么
0–5 级框架是为地面车辆设计的，但其基本概念——有边界的自动驾驶与无边界的自动驾驶、传感器融合、边界情况处理和安全失败行为——适用于整个机器人领域。像**Pudu BellaBot这样的自主送餐机器人使用双激光雷达和视觉 SLAM 在餐厅环境中导航，在明确理解的室内 ODD 内运行。像Unitree Go2这样的四足机器人通过更丰富的传感器集成和开放的软件开发不断扩展自己的运营域。而自动驾驶汽车面临的计算挑战正在诸如NVIDIA Jetson Orin Nano Super**这样的紧凑平台上进行解决，它能够在边缘实现 AI 推理，无需云依赖。
自动驾驶等级梯在整个前沿科技行业被一次次攀登——一次仔细验证的域。
想知道边缘 AI 计算和自主感知硬件如何融入你的机器人或自动化项目？联系 RobotWorld 团队以探索适合你用例的正确平台。
参考资源
本文是在 AI 辅助下起草，并在发布前进行了审查。