过去十年，高级驾驶辅助系统（ADAS）从小众功能变为标配，自适应巡航、自动泊车等功能已覆盖不同车型。然而，技术发展下一阶段不再遵循以往轨迹。随着系统性能提升，功能迭代难度增大、成本升高、验证流程更复杂，当下关键是解决现实场景中最后10%的问题，这也是行业最艰难的挑战。
“最后10%”指的是在不确定场景下系统难以稳定运行的问题，如黄昏无照明道路的杂物、行人不明意图的行动等。这些场景棘手并非传感器无法探测物体，而是系统需解读上下文、预判目标行为并在信息不完整时做安全决策，这对自动驾驶系统来说是复杂问题。
仅增加传感器无法解决问题，如今的高级驾驶辅助系统集成多种传感器，但每种都有优缺点，增加传感器会带来成本、复杂度和数据处理量的提升。研究重点正转向传感技术更紧密集成，实现数据智能融合，以应对复杂场景。
真正的瓶颈在于验证，现代高级驾驶辅助系统依赖机器学习模型，难以用传统方法验证，导致演示效果与实际道路效果有差距。开发流程正转向大规模虚拟测试和仿真，以弥补这一差距。
高级驾驶辅助系统的未来发展，不再取决于传感器数量或功能列表，而在于系统各环节的高效协同。攻克“最后10%”难题需坚守工程严谨性，具备支持深度数据融合的架构、承载海量验证工作的流程以及系统安全设计理念。这决定了该技术能否从特定场景拓展到更广泛市场，成为可靠且可量产的成熟功能。当下行业面临的最大挑战，归根结底在于边缘场景处理、系统集成和规模化验证。
