首先，视频是构建交通场景感知的重要技术和方法，却不存在一款能够适应全部环境的摄像机产品，也不存在能认知所有目标行为的泛智能。然而，针对细分场景进行业务目标和环境模型的提炼是完全可以做到的，辅以合适的产品以及智能建模，就能达成预期目标，但与此同时也必须放弃非目标的智能或业务。
那么，在目前的技术基础上，如何进一步对智能驾驶迭代升级，达成真正意义上的“车路协同”，从而更好地保障安全呢？交通问题是复杂的系统问题，这已经是行业共识，无论是高速发展的智能交通业务，当前如火如荼的车联网或车路协同，包括数字交通，都不是单一产品或单一技术能够覆盖或解决的。那么，对于复杂的交通问题，是不是就没有单一的解决之道？根据我们十余年在智能交通领域的项目落地经验，虽然没有一招制敌的产品或技术，但可以提炼出一个万变不离其宗的分析方法——场景化。
根据这两大标准，公众想象中的“坐在车上什么都不用管”的场景要在L5级才能实现。然而当下，即便是行业先AutoPilot（自动辅助驾驶）功能也仅属于L2级，国内蔚来的NOP（辅助驾驶）、理想的AD（辅助驾驶）以及NGP（自动导航辅助驾驶）均属于L2级。在这一等级，无论何时使用驾驶辅助功能，驾驶员都必须处于驾驶状态，必须时刻观察各种情况。其实，这也是目前可以在量产车上搭载的技术上限。