作为自动驾驶行业公认的技术领先者，WAYMO CEO JOHN KRAFCIK 曾公开说到——
这真的真的很难，你如果没有真正去尝试过做这件事情（开发自动驾驶），你永远不知道它有多难。」
在当下，开发L4以上自动驾驶技术的企业大致分为两派，有一位资深的技术前辈曾跟我详细介绍了这两派技术的异同，我记得他有一个形象的比喻——
【「数据驱动」与「案例驱动」的技术路线竞争，就好比是华山派气宗和剑宗之争。】
在BCG发布的自动驾驶行业报告中，有一张图形象地展现了两种技术路线：
·前一种「直接开发L4」路线，即「案例驱动」（CORNER-CASE DRIVEN），这一路径以WAYMO、PONY.AI及各自动驾驶科技公司为代表，通过不断收集、训练自动驾驶车辆遭遇的边角案例（CORNER CASE），丰富自动驾驶车辆的算法，从而提升其ODD（OPERATIONAL DESIGN DOMAIN），使其可以适应更大区域的自动驾驶，通过案例的补充和完善，完成自动驾驶技术的开发。
·后一种「渐进」路线，即「数据驱动」（DATA DRIVEN），这一路径以特斯拉、小鹏及各强于自动驾驶技术的主机厂为代表的，通过低级别自动驾驶车辆（L2-L3级别）的感知系统，收集真实道路运行数据，通过L2-L3级别的实际部署软件改进，促进车辆的实际辅助驾驶功能迭代，再将所有数据放进一个面向L4以上自动驾驶的大熔炉（特斯拉所谓NEURAL NETWORK）进行训练，运行影子模式（SHADOW MODE），通过指数增长的数据促进L4以上算法的成熟。
上述两种路径，都具备其理论可行性，但实际难度却又相当明显—
·「案例驱动」路径，仿佛在解棋局，将所有的变化和拆招都囊括进来后，自然万物有解。然而，棋盘大小有限，变化可以通过AI胜过人力的算力来覆盖，但真实道路的运转则变化莫测，CORNER CASE可能本身是难以穷尽的。在道路上意外发生时（例如一辆火车脱轨轰鸣而来），人类总有本能进行瞬时的反应挽救自己的生命，但当这一情况并没有被纳入算法的时候，自动驾驶车辆则将束手无策。诚然，不断收集CORNER CASE让「案例驱动」的自动驾驶车辆性能表现越来越好，但什么时候是「准备好了」的那一天？在每个城市是否又能有同样的表现？至少在当下，很难给出答案。
·「数据驱动」路径，仿佛在炼金丹，最有效的收集工具莫过于量产车，万事万物都丢进丹炉，日月流转自然练出金丹。然而，我们并不知道量产车收集的是不是有效的素材。诚然，我们看到特斯拉MODEL 3的每一个FSD版本迭代都有所提升，但FSD至今运转的算法，都是重新OTA到车型上的L2辅助驾驶能力，与影子模式几无关联。而MODEL 3的硬件配置已经是几年前的了，它所收集的图像数据未必真正有助于影子模式炼丹。换言之，什么数据是对L4自动驾驶开发真正有用的数据，我们迄今还未必知道答案全集。
在前一种路线，所能做的是不断开发新的场景，不断拓宽车辆的ODD；在后一种路线，所值得尝试的，是将更多的传感器部署到车型上，收集更为全面的数据，尤其是激光雷达。
【激光雷达的搭载或许同时有助于L3以下辅助驾驶功能与L4以上的「炼丹」，来源：小鹏】
所以我们看到小鹏P5、华为HI、智己L7都选择将激光雷达量产上车。一方面是因为标杆功能「城市NGP」需要激光雷达数据辅助实现；另一方面是因为「数据驱动」的炼丹路径，需要激光雷达丰富而真实的数据——只有激光雷达产生的真值（GROUND TRUCH）才能真正让模型标注明确什么是正确的结果。因此，行业里有人认为：
当然，这恰是对特斯拉无激光雷达影子模式的最大质疑。
最后，无论是哪一种路径，在今天看，距离技术梦想的实现都尚需距离。人类其实很容易接受新事物，远比自己想象的容易改变——就在两年前，世界上还是对马斯克、李斌、何小鹏们的质疑，在今天，太多人已经习惯把车开上高速公路，然后放手交给NOA和NGP。
幸运的是，真正困难的只是技术本身而已——但不幸的是，最难突破的，也正是技术本身。