智能駕駛技術(shù)快速發(fā)展，促使汽車行業(yè)經(jīng)歷巨大變革。從最初的概念驗(yàn)證階段，到現(xiàn)在的實(shí)際場(chǎng)景落地，智能駕駛逐漸從創(chuàng)新型行業(yè)向工程型行業(yè)轉(zhuǎn)型。特斯拉作為智能駕駛的先鋒，正引領(lǐng)了這一行業(yè)的發(fā)展，其“重算法、輕硬件”的路線對(duì)全球廠商產(chǎn)生了巨大影響。而隨著技術(shù)逐漸成熟，國(guó)內(nèi)廠商在感知系統(tǒng)、數(shù)據(jù)閉環(huán)及自動(dòng)駕駛功能商業(yè)化等方面不斷突破，推動(dòng)智能駕駛技術(shù)的逐步普及。

智能駕駛行業(yè)的演變

1.1 創(chuàng)新型行業(yè)階段

2010年至2020年，智能駕駛技術(shù)處于創(chuàng)新型行業(yè)的探索階段，特斯拉、Waymo等企業(yè)通過技術(shù)創(chuàng)新，不斷推動(dòng)自動(dòng)駕駛的進(jìn)步。特斯拉采用基于視覺感知的方案，主張通過視覺算法逐步實(shí)現(xiàn)全自動(dòng)駕駛功能。其FSD（全自動(dòng)駕駛）系統(tǒng)依賴于大量攝像頭、雷達(dá)以及高精度地圖，但此階段技術(shù)并未統(tǒng)一，廠商之間的路線分歧較大。部分廠商采用多傳感器融合技術(shù)，集成激光雷達(dá)、毫米波雷達(dá)、攝像頭等多個(gè)傳感器，試圖通過冗余感知和融合計(jì)算解決復(fù)雜場(chǎng)景下的障礙物識(shí)別和環(huán)境感知問題；而特斯拉則堅(jiān)持純視覺路線，依靠計(jì)算機(jī)視覺技術(shù)的不斷迭代來彌補(bǔ)感知系統(tǒng)的局限。

在這一階段，高精度地圖的應(yīng)用成為主流。高精度地圖通過提供詳細(xì)的道路拓?fù)?、車道信息、?a target="_blank">通信號(hào)等輔助駕駛系統(tǒng)進(jìn)行決策。然而，高精度地圖存在更新周期長(zhǎng)、覆蓋范圍有限、成本高昂等問題，使得其在復(fù)雜城市道路場(chǎng)景中難以滿足規(guī)?；瘧?yīng)用的需求。

1.2 向工程型行業(yè)過渡

時(shí)間來到2022年，智能駕駛技術(shù)開始趨于成熟，逐漸由創(chuàng)新型行業(yè)向工程型行業(yè)轉(zhuǎn)型。特斯拉在此過程中起到了重要的引領(lǐng)作用。特斯拉的“BEV+Occupancy”感知架構(gòu)，不僅通過鳥瞰視圖（BEV）來實(shí)現(xiàn)環(huán)境感知，還通過占用網(wǎng)絡(luò)（Occupancy Network）解決了異形障礙物的識(shí)別問題。這一技術(shù)突破使得智能駕駛系統(tǒng)對(duì)高精度地圖的依賴大大降低，同時(shí)增強(qiáng)了系統(tǒng)在城市復(fù)雜環(huán)境中的感知能力。

BEV感知技術(shù)大幅提高車端實(shí)時(shí)感知的精度

隨著感知技術(shù)的成熟，全球自動(dòng)駕駛行業(yè)逐漸走向技術(shù)收斂，感知模塊逐步趨于一致。國(guó)內(nèi)頭部廠商如小鵬、華為和理想等，也開始模仿特斯拉的技術(shù)路線，逐步減輕對(duì)高精度地圖的依賴，推動(dòng)智能駕駛從高速公路NOA功能向城市NOA功能的拓展。此過程中，感知系統(tǒng)的算法和硬件逐步收斂，智能駕駛行業(yè)的技術(shù)路徑趨向統(tǒng)一。

數(shù)據(jù)閉環(huán)在智能駕駛中的重要性

2.1 數(shù)據(jù)閉環(huán)的作用

智能駕駛系統(tǒng)的持續(xù)進(jìn)化離不開數(shù)據(jù)閉環(huán)的支持。數(shù)據(jù)閉環(huán)系統(tǒng)通過實(shí)時(shí)收集駕駛過程中的數(shù)據(jù)，標(biāo)注和訓(xùn)練新的模型，進(jìn)而不斷優(yōu)化感知和決策能力。特斯拉是早期實(shí)現(xiàn)數(shù)據(jù)閉環(huán)的典范，其通過影子模式（Shadow Mode）收集大量駕駛數(shù)據(jù)，并將數(shù)據(jù)反饋到云端進(jìn)行模型訓(xùn)練和優(yōu)化，使得其自動(dòng)駕駛系統(tǒng)迭代速度遠(yuǎn)超其他廠商。

數(shù)據(jù)閉環(huán)的關(guān)鍵在于原始數(shù)據(jù)的收集、標(biāo)注、仿真測(cè)試和模型訓(xùn)練。在特斯拉的系統(tǒng)中，通過量產(chǎn)車收集到的數(shù)據(jù)被上傳至云端，通過大量的計(jì)算和訓(xùn)練，模型不斷調(diào)整并更新，最終反饋到車端。這個(gè)過程確保了系統(tǒng)在不斷變化的駕駛環(huán)境中，能夠保持較高的適應(yīng)性和準(zhǔn)確性。

2.2 國(guó)內(nèi)廠商的數(shù)據(jù)閉環(huán)能力

主機(jī)廠數(shù)據(jù)閉環(huán)能力對(duì)比

在國(guó)內(nèi)，智能駕駛廠商如小鵬、華為、理想等也逐漸構(gòu)建起了自己的數(shù)據(jù)閉環(huán)體系。以小鵬為例，2022年小鵬汽車建立了自動(dòng)駕駛AI智算中心，通過與阿里云的合作，利用超算資源進(jìn)行大規(guī)模仿真與數(shù)據(jù)訓(xùn)練。小鵬通過量產(chǎn)車的數(shù)據(jù)采集系統(tǒng)，不斷收集各類駕駛數(shù)據(jù)，并通過云端仿真和深度學(xué)習(xí)優(yōu)化模型，確保其智能駕駛系統(tǒng)能夠快速應(yīng)對(duì)各種復(fù)雜駕駛場(chǎng)景。

華為則在智能駕駛的數(shù)據(jù)閉環(huán)中占據(jù)了重要地位。作為國(guó)內(nèi)唯一具備全棧能力的公司，華為不僅在硬件上自主研發(fā)了車端芯片，還在云端構(gòu)建了強(qiáng)大的算力平臺(tái)，支持海量數(shù)據(jù)的處理與分析。華為的超算中心每秒鐘可以處理數(shù)百萬公里的駕駛數(shù)據(jù)，并在五天內(nèi)完成一次模型迭代，這使得華為在智能駕駛的研發(fā)中處于領(lǐng)先地位。

智能駕駛技術(shù)路徑的收斂與標(biāo)準(zhǔn)化

3.1 感知模塊的收斂

智能駕駛技術(shù)的收斂表現(xiàn)主要體現(xiàn)在感知模塊的標(biāo)準(zhǔn)化上。特斯拉的“BEV+Occupancy”模型成為行業(yè)的典范，基于純視覺的算法架構(gòu)減少了對(duì)激光雷達(dá)等昂貴硬件的依賴，并通過深度學(xué)習(xí)技術(shù)不斷優(yōu)化感知精度。隨著技術(shù)的發(fā)展，國(guó)內(nèi)廠商如小鵬、華為等也逐漸采用類似的技術(shù)架構(gòu)，并加快了智能駕駛系統(tǒng)的本地化開發(fā)和應(yīng)用。

3.2 高精度地圖與輕量化地圖的應(yīng)用

盡管高精度地圖在智能駕駛早期階段發(fā)揮了重要作用，但隨著技術(shù)的成熟，輕量化地圖逐漸成為新的方向。輕量化高精度地圖（如高德的HQ LIVE MAP）基于眾源數(shù)據(jù)進(jìn)行制圖，具有天級(jí)更新頻率，大大提高了地圖的實(shí)時(shí)性和適應(yīng)性。相較于傳統(tǒng)的高精度地圖，其不僅更新頻率大幅提升，而且成本也顯著降低。這一變化使得輕量化地圖成為城市NOA和通勤NOA等高階駕駛輔助功能的理想選擇。

輕量化高精度地圖可以提供道路拓?fù)湫畔?/p>

主機(jī)廠的智能駕駛戰(zhàn)略

4.1 自研與供應(yīng)商依賴的分化

隨著智能駕駛技術(shù)的推進(jìn)，主機(jī)廠在智能駕駛領(lǐng)域的布局也出現(xiàn)了分化。一些頭部廠商，如小鵬、理想等，已經(jīng)具備了較強(qiáng)的自研能力，并通過技術(shù)創(chuàng)新和持續(xù)投入，逐步實(shí)現(xiàn)智能駕駛功能的量產(chǎn)。小鵬的自動(dòng)駕駛團(tuán)隊(duì)通過強(qiáng)化數(shù)據(jù)閉環(huán)和高效的仿真訓(xùn)練，大幅提高了系統(tǒng)的感知能力和決策速度，成為行業(yè)的佼佼者。

然而，另一些傳統(tǒng)主機(jī)廠在智能駕駛領(lǐng)域的自研能力較弱，更多依賴于第三方供應(yīng)商提供技術(shù)支持。例如，華為與長(zhǎng)安汽車的合作，結(jié)合華為的智能駕駛技術(shù)與長(zhǎng)安的整車能力，共同推出了智能駕駛解決方案。這種合作模式既保證了主機(jī)廠在智能駕駛領(lǐng)域的技術(shù)更新，又能夠借助供應(yīng)商的強(qiáng)大研發(fā)力量加快技術(shù)落地。

4.2 數(shù)據(jù)閉環(huán)能力與主機(jī)廠競(jìng)爭(zhēng)力

主機(jī)廠在智能駕駛領(lǐng)域的競(jìng)爭(zhēng)力直接受限于其數(shù)據(jù)閉環(huán)能力。智能駕駛的性能不僅僅依賴于感知硬件，更依賴于如何通過數(shù)據(jù)優(yōu)化感知算法和決策模型。未來，具備成熟數(shù)據(jù)閉環(huán)體系和高效迭代能力的主機(jī)廠，將在市場(chǎng)中占據(jù)更多優(yōu)勢(shì)。小鵬通過建立超算中心和加強(qiáng)數(shù)據(jù)采集，使其智能駕駛系統(tǒng)能夠更快地迭代和優(yōu)化，成為行業(yè)內(nèi)領(lǐng)先的廠商。

NOA功能的商業(yè)化與市場(chǎng)滲透

5.1 NOA功能的推廣

預(yù)計(jì)到2024年，城市NOA和通勤NOA的滲透率將分別達(dá)到4.2%和6.9%。這些功能的推廣將首先集中在20-30萬元價(jià)格帶的車型中，這一價(jià)格區(qū)間的車型已經(jīng)成為新能源車的主戰(zhàn)場(chǎng)。隨著智能駕駛功能的逐步普及，越來越多的主機(jī)廠將會(huì)在此價(jià)格帶車型中搭載高階智能駕駛功能，以提高整車的競(jìng)爭(zhēng)力。

預(yù)計(jì)2023年H2至2024年大量20-30萬價(jià)格帶的新車型將搭載城市/通勤NOA功能

5.2 市場(chǎng)滲透與主機(jī)廠策略

隨著智能駕駛技術(shù)的逐步成熟，廠商的競(jìng)爭(zhēng)焦點(diǎn)將從技術(shù)領(lǐng)先轉(zhuǎn)向如何通過產(chǎn)品的差異化獲得銷量紅利。未來，頭部廠商將通過在車型中普及城市NOA功能，借此提高市場(chǎng)份額，并通過優(yōu)化智能駕駛功能的定價(jià)、營(yíng)銷等策略，提高消費(fèi)者對(duì)品牌的認(rèn)同感和粘性。

供應(yīng)商在智能駕駛中的機(jī)會(huì)

6.1 Tier 1與Tier 2供應(yīng)商的角色

隨著智能駕駛技術(shù)的推進(jìn)，Tier 1和Tier 2供應(yīng)商的角色愈加重要。Tier 1供應(yīng)商，如英偉達(dá)、德賽西威等，正在通過提供集成的解決方案和完整的系統(tǒng)，幫助主機(jī)廠實(shí)現(xiàn)智能駕駛功能的落地。Tier 2供應(yīng)商則在降低成本和提高國(guó)產(chǎn)化率方面發(fā)揮著重要作用，特別是在MCU、傳感器等核心元件的國(guó)產(chǎn)化替代方面，未來有望充分受益于這一趨勢(shì)。

結(jié)論

智能駕駛行業(yè)正在由創(chuàng)造型行業(yè)向工程型行業(yè)過渡。數(shù)據(jù)閉環(huán)能力、技術(shù)收斂、感知系統(tǒng)的標(biāo)準(zhǔn)化以及主機(jī)廠自研能力的提升，成為行業(yè)發(fā)展的關(guān)鍵驅(qū)動(dòng)力。隨著2024年智能駕駛技術(shù)的快速推廣和商業(yè)化，OEM和供應(yīng)商都將面臨前所未有的挑戰(zhàn)和機(jī)會(huì)。未來，智能駕駛不僅僅是一項(xiàng)技術(shù)創(chuàng)新，更是影響汽車產(chǎn)業(yè)競(jìng)爭(zhēng)格局的戰(zhàn)略性力量。

審核編輯 黃宇