今年是智能駕駛技術(shù)的快速推進階段，芝能在追蹤行業(yè)發(fā)展的時候，明顯看到華為和小鵬兩家企業(yè)在推動智能駕駛技術(shù)的發(fā)展。不僅僅是產(chǎn)品的完善，在全國推行的運營范圍也在逐步擴大。

在小鵬G9的發(fā)布會上，展示了XNGP的當前實力 ：在高速路段能實現(xiàn)1000公里只需一次人工接管，而在城區(qū)場景下則可以實現(xiàn)150公里接管一次。

?

華為的自動駕駛系統(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。無論小鵬和華為，都顯示了通過技術(shù)投入以改變汽車購買者的決策的愿望。

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

Part 1

智能化的下半場

——算力是基礎(chǔ)設(shè)施

自動駕駛控制系統(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，負責(zé)處理車輛本地?zé)o法處理的任務(wù)，以進行自動駕駛訓(xùn)練，以便更好地解決問題。

在此方面，特斯拉的自動駕駛技術(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: 英偉達技術(shù)的過渡期。

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

實際應(yīng)用方面，特斯拉也投入了大量的工作：

◎?2021年: 引入了自動標注技術(shù)，這種技術(shù)可以自動為訓(xùn)練模型標注數(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，顯示了特斯拉不斷改善其自動駕駛系統(tǒng)核心算法的決心。

◎?2023年: 特斯拉計劃推出全新的車載芯片和云端超算平臺Dojo。

綜合對比來看，從算力和服務(wù)器兩個方面，國內(nèi)車企都在緊跟步伐。目前基本達成一致意見：

◎?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。

實際上，有意義的入門方案是具備100-200TOPS的算力，否則低配和高配之間的性能差異過大。

在云端算力方面，車企選擇與云計算服務(wù)商合作推進算力推演，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)，為自動駕駛場景提供安全合規(guī)、全棧自主創(chuàng)新、具有澎湃算力的云基礎(chǔ)設(shè)施。同時，華為云重磅發(fā)布自動駕駛開發(fā)平臺，將華為和伙伴在汽車行業(yè)的多年經(jīng)驗積累與盤古大模型等新技術(shù)進行深度結(jié)合，提供更加敏捷高效的自動駕駛?cè)鞒涕_發(fā)平臺，加速自動駕駛量產(chǎn)。

Part?2

智能化的下半場

算法和數(shù)據(jù)

●??算法

自動駕駛技術(shù)的進步不僅僅依賴于硬件和算力，算法的開發(fā)至關(guān)重要，包括傳統(tǒng)的計算機視覺算法，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）、自動標注技術(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)測和評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)，實現(xiàn)了在線構(gòu)建車道線矢量地圖，生成了帶有車道線拓撲結(jié)構(gòu)的稀疏車道線，為軌跡規(guī)劃提供了關(guān)鍵信息。還采用自動標注技術(shù)，通過高精度軌跡估計和多車多旅程的地圖重建，對新的旅程進行車道線的自動標注，提高了標注效率。利用視覺仿真技術(shù)生成各種測試場景，通過AI化的方法，大幅減少了仿真場景的設(shè)計和生成時間。這些技術(shù)的整合推動了特斯拉自動駕駛系統(tǒng)的發(fā)展。

自2023年起，國內(nèi)開始跟上算法的迭代，引進以視覺為核心的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，以實現(xiàn)例如輸出物體的3D檢測框或在俯視圖下的語義分割等功能。在實際應(yīng)用中，由于眾多團隊曾在L4自動駕駛領(lǐng)域有過嘗試，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。

國內(nèi)的自動輔助駕駛技術(shù)最初大多依賴高精地圖和激光雷達，目的在于彌補環(huán)境檢測的不足，以提供更優(yōu)質(zhì)的服務(wù)體驗。但隨著2023年的到來，業(yè)界共識開始傾向于減輕對高精地圖的依賴（轉(zhuǎn)向輕量級地圖），同時在降低成本的前提下，探討如何提升激光雷達的應(yīng)用價值，特別是在城市的NOA（Navigate on Autopilot，城市輔助領(lǐng)航）場景中如何更有效地利用激光雷達。

●??數(shù)據(jù)

數(shù)據(jù)被譽為自動駕駛的“大腦”之一。在這方面，由于技術(shù)門檻相對較低，國內(nèi)已經(jīng)形成了一套有效的數(shù)據(jù)迭代模式。這為自動駕駛團隊提供了豐富的數(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)和實時交通數(shù)據(jù)等。許多車企每天收集的數(shù)據(jù)量超過千萬公里，月數(shù)據(jù)量更是超過億公里級別。通過挖掘這些數(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，為自動駕駛算法的訓(xùn)練和優(yōu)化提供了強大支持。

小結(jié)

2023年，中國的車企普遍感受到電動汽車市場的競爭愈發(fā)激烈。展望未來3至5年，自動輔助駕駛技術(shù)成為各大車企爭相投資的焦點，被視為能夠創(chuàng)造價值的新領(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

?