今年是智能駕駛技術(shù)的快速推進(jìn)階段，芝能在追蹤行業(yè)發(fā)展的時(shí)候，明顯看到華為和小鵬兩家企業(yè)在推動(dòng)智能駕駛技術(shù)的發(fā)展。不僅僅是產(chǎn)品的完善，在全國(guó)推行的運(yùn)營(yíng)范圍也在逐步擴(kuò)大。

在小鵬G9的發(fā)布會(huì)上，展示了XNGP的當(dāng)前實(shí)力 ：在高速路段能實(shí)現(xiàn)1000公里只需一次人工接管，而在城區(qū)場(chǎng)景下則可以實(shí)現(xiàn)150公里接管一次。

?

華為的自動(dòng)駕駛系統(tǒng)在高速路段每1000公里需接管一次，在城區(qū)每200公里接管一次。無(wú)論小鵬和華為，都顯示了通過(guò)技術(shù)投入以改變汽車購(gòu)買(mǎi)者的決策的愿望。

自動(dòng)輔助駕駛技術(shù)的進(jìn)步首要還是人才。不論是華為還是小鵬的自動(dòng)輔助駕駛團(tuán)隊(duì)，都在正確的方向上努力深耕，推動(dòng)算法、算力、數(shù)據(jù)三大要素在車載系統(tǒng)中的應(yīng)用——這被視為自動(dòng)駕駛技術(shù)發(fā)展的核心因素。

Part 1

智能化的下半場(chǎng)

——算力是基礎(chǔ)設(shè)施

自動(dòng)駕駛控制系統(tǒng)算力方面，現(xiàn)在技術(shù)路徑已經(jīng)清楚：算力的需求分為兩部分，一部分集中在車內(nèi)，主要負(fù)責(zé)數(shù)據(jù)收集和推理；另一部分則位于車外的服務(wù)器，負(fù)責(zé)處理車輛本地?zé)o法處理的任務(wù)，以進(jìn)行自動(dòng)駕駛訓(xùn)練，以便更好地解決問(wèn)題。

在此方面，特斯拉的自動(dòng)駕駛技術(shù)發(fā)展是值得學(xué)習(xí)的方向：

◎?2016年之前: 依賴于Mobileye的技術(shù)。

◎?2016-2017年: 英偉達(dá)技術(shù)的過(guò)渡期。

◎?2018年至今: 特斯拉實(shí)現(xiàn)了FSD軟硬件的全棧自研，包括自主開(kāi)發(fā)的硬件和軟件。

實(shí)際應(yīng)用方面，特斯拉也投入了大量的工作：

◎?2021年: 引入了自動(dòng)標(biāo)注技術(shù)，這種技術(shù)可以自動(dòng)為訓(xùn)練模型標(biāo)注數(shù)據(jù)，顯著提高了數(shù)據(jù)處理效率。

◎?2021-2022年: 算法持續(xù)升級(jí)，顯示了特斯拉不斷改善其自動(dòng)駕駛系統(tǒng)核心算法的決心。

◎?2023年: 特斯拉計(jì)劃推出全新的車載芯片和云端超算平臺(tái)Dojo。

綜合對(duì)比來(lái)看，從算力和服務(wù)器兩個(gè)方面，國(guó)內(nèi)車企都在緊跟步伐。目前基本達(dá)成一致意見(jiàn)：

◎?高配系統(tǒng): 兩顆Orin X，具備512TOPS的算力。

◎?低配系統(tǒng): 一顆Orin X，或者采用Orin N和地平線J5作為替代方案。

實(shí)際上，有意義的入門(mén)方案是具備100-200TOPS的算力，否則低配和高配之間的性能差異過(guò)大。

在云端算力方面，車企選擇與云計(jì)算服務(wù)商合作推進(jìn)算力推演，比如2022年8月小鵬汽車宣布與阿里云合作投入20億元建設(shè)位于烏蘭察布的“扶搖”智算中心并已投入使用。

而像華為這樣的全棧選手，則圍繞華為云正式發(fā)布烏蘭察布汽車專區(qū)，為自動(dòng)駕駛場(chǎng)景提供安全合規(guī)、全棧自主創(chuàng)新、具有澎湃算力的云基礎(chǔ)設(shè)施。同時(shí)，華為云重磅發(fā)布自動(dòng)駕駛開(kāi)發(fā)平臺(tái)，將華為和伙伴在汽車行業(yè)的多年經(jīng)驗(yàn)積累與盤(pán)古大模型等新技術(shù)進(jìn)行深度結(jié)合，提供更加敏捷高效的自動(dòng)駕駛?cè)鞒涕_(kāi)發(fā)平臺(tái)，加速自動(dòng)駕駛量產(chǎn)。

Part?2

智能化的下半場(chǎng)

算法和數(shù)據(jù)

●??算法

自動(dòng)駕駛技術(shù)的進(jìn)步不僅僅依賴于硬件和算力，算法的開(kāi)發(fā)至關(guān)重要，包括傳統(tǒng)的計(jì)算機(jī)視覺(jué)算法，還包括深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)等復(fù)雜技術(shù)。

以特斯拉為例，主要算法包括感知技術(shù)（Occupancy Network）、規(guī)劃技術(shù)交互搜索（Interaction Search）、地圖構(gòu)建技術(shù)（Lanes Network）、自動(dòng)標(biāo)注技術(shù)（Autolabeling）和仿真技術(shù)（Simulation）。

◎?Occupancy Network技術(shù)能夠精確了解復(fù)雜環(huán)境中的障礙物，包括不尋常的、異形的，以及未知類別的物體。

◎?規(guī)劃方面，使用了交互搜索模型，可以幫助車輛預(yù)測(cè)和評(píng)估與其他車輛和行人的交互，從而制定最佳駕駛策略。

◎?Lanes Network技術(shù)，實(shí)現(xiàn)了在線構(gòu)建車道線矢量地圖，生成了帶有車道線拓?fù)浣Y(jié)構(gòu)的稀疏車道線，為軌跡規(guī)劃提供了關(guān)鍵信息。還采用自動(dòng)標(biāo)注技術(shù)，通過(guò)高精度軌跡估計(jì)和多車多旅程的地圖重建，對(duì)新的旅程進(jìn)行車道線的自動(dòng)標(biāo)注，提高了標(biāo)注效率。利用視覺(jué)仿真技術(shù)生成各種測(cè)試場(chǎng)景，通過(guò)AI化的方法，大幅減少了仿真場(chǎng)景的設(shè)計(jì)和生成時(shí)間。這些技術(shù)的整合推動(dòng)了特斯拉自動(dòng)駕駛系統(tǒng)的發(fā)展。

自2023年起，國(guó)內(nèi)開(kāi)始跟上算法的迭代，引進(jìn)以視覺(jué)為核心的BEV（Bird's Eye View，俯視圖）感知技術(shù)。該技術(shù)依賴于多個(gè)視角的圖像序列，算法需將這些不同的透視圖轉(zhuǎn)換成BEV特征，以實(shí)現(xiàn)例如輸出物體的3D檢測(cè)框或在俯視圖下的語(yǔ)義分割等功能。在實(shí)際應(yīng)用中，由于眾多團(tuán)隊(duì)曾在L4自動(dòng)駕駛領(lǐng)域有過(guò)嘗試，從基于L4的思路轉(zhuǎn)向新的視角，往往意味著需要徹底的思考和重新構(gòu)建。

國(guó)內(nèi)的自動(dòng)輔助駕駛技術(shù)最初大多依賴高精地圖和激光雷達(dá)，目的在于彌補(bǔ)環(huán)境檢測(cè)的不足，以提供更優(yōu)質(zhì)的服務(wù)體驗(yàn)。但隨著2023年的到來(lái)，業(yè)界共識(shí)開(kāi)始傾向于減輕對(duì)高精地圖的依賴（轉(zhuǎn)向輕量級(jí)地圖），同時(shí)在降低成本的前提下，探討如何提升激光雷達(dá)的應(yīng)用價(jià)值，特別是在城市的NOA（Navigate on Autopilot，城市輔助領(lǐng)航）場(chǎng)景中如何更有效地利用激光雷達(dá)。

●??數(shù)據(jù)

數(shù)據(jù)被譽(yù)為自動(dòng)駕駛的“大腦”之一。在這方面，由于技術(shù)門(mén)檻相對(duì)較低，國(guó)內(nèi)已經(jīng)形成了一套有效的數(shù)據(jù)迭代模式。這為自動(dòng)駕駛團(tuán)隊(duì)提供了豐富的數(shù)據(jù)資源，支持了學(xué)習(xí)和決策的需求，包括傳感器數(shù)據(jù)、地圖數(shù)據(jù)和實(shí)時(shí)交通數(shù)據(jù)等。許多車企每天收集的數(shù)據(jù)量超過(guò)千萬(wàn)公里，月數(shù)據(jù)量更是超過(guò)億公里級(jí)別。通過(guò)挖掘這些數(shù)據(jù)中的特殊信息，不斷優(yōu)化數(shù)據(jù)的數(shù)量和質(zhì)量，為自動(dòng)駕駛算法的訓(xùn)練和優(yōu)化提供了強(qiáng)大支持。

小結(jié)

2023年，中國(guó)的車企普遍感受到電動(dòng)汽車市場(chǎng)的競(jìng)爭(zhēng)愈發(fā)激烈。展望未來(lái)3至5年，自動(dòng)輔助駕駛技術(shù)成為各大車企爭(zhēng)相投資的焦點(diǎn)，被視為能夠創(chuàng)造價(jià)值的新領(lǐng)域。這也是Apple曾經(jīng)想要涉足但未能取得顯著成功的智能駕駛領(lǐng)域。

編輯：黃飛

?