自動駕駛行業(yè)方興未艾，從「終局思維」出發(fā)，玩家們應(yīng)該如何在行業(yè)尋找定位？

以特斯拉堅(jiān)持的 BEV+transformer 技術(shù)路線的出現(xiàn)為標(biāo)志，自動駕駛下一幕已經(jīng)來臨。

行業(yè)內(nèi)不少人開始思考，自動駕駛企業(yè)應(yīng)該具備什么樣的能力？

有觀點(diǎn)認(rèn)為，堅(jiān)持感知自研和數(shù)據(jù)驅(qū)動才是通往終局的有效路徑。

• 感知自研：意味著掌握產(chǎn)品定義能力，能夠從底層邏輯出發(fā)思考行業(yè)走向——行業(yè)前 5% 玩家有志于此；

• 數(shù)據(jù)驅(qū)動：打造閉環(huán)數(shù)據(jù)系統(tǒng)、盤活數(shù)據(jù)資源——L2 的裝車率已經(jīng)超過 50%，而目前大量裝配 L2 系統(tǒng)的車上的數(shù)據(jù)價(jià)值被浪費(fèi)掉了。

城市 NOA，可以視為自動駕駛 3.0 時(shí)代的首個(gè)大規(guī)模「會戰(zhàn)」，也正在成為自動駕駛的第二增長曲線。

此前，以實(shí)現(xiàn) L4級自動駕駛為目標(biāo)的企業(yè)，已經(jīng)開始降維切入低階自動駕駛，跨越式路線淪為邊緣路線。

隨著城市 NOA 的流行，以場景為核心，自動駕駛的漸進(jìn)式或跨越式路線玩家，都將掙脫 ADAS 場景變現(xiàn)日益卷化的競爭態(tài)勢，在一個(gè)新興的藍(lán)海市場（城市 NOA 場景）搏擊，以實(shí)現(xiàn)更廣闊商業(yè)價(jià)值，迎接城市泛化場景自動駕駛的最終落地

新一輪「開城潮」將至，新思路帶來新方案，一批「黑馬」玩家是否有機(jī)會殺出重圍？

01 逐鹿 BEV 自動駕駛時(shí)代，誰有機(jī)會拿到入場券？

在《笑傲江湖》里，華山派武學(xué)分「劍、氣」兩大宗派。

其中劍宗功夫易于速成，見效極快：

• 大家都練十年，定是劍宗占上風(fēng)；

• 各練二十年，那是各擅勝場，難分上下；

• 要到二十年之后，練氣宗功夫的才漸漸的越來越強(qiáng)；

• 而到了第三十年時(shí)，練劍宗功夫的便再也不能望氣宗之項(xiàng)背了。

像氣宗以慢功夫熬出來的，在自動駕駛行業(yè)也有一路高手：堅(jiān)持長期主義，經(jīng)過一番苦功夫，迎接自動駕駛終局之戰(zhàn)。

若以 2004 年的第一屆 DARPA 挑戰(zhàn)賽為起點(diǎn)，自動駕駛技術(shù)走過了 20 年。

從硬件主導(dǎo)的 1.0 階段，到軟件主導(dǎo)的 2.0 階段，如今自動駕駛正在進(jìn)入「BEV+Transformer」大模型統(tǒng)御的 3.0 階段。

1.0 階段，主導(dǎo)者主要是從 DARPA 挑戰(zhàn)賽走出來的一批美國科技公司，如 Waymo、Cruise、Aurora、Argo AI、Nuro 等。這一階段使用人工規(guī)則的方式來實(shí)現(xiàn)車輛控制，產(chǎn)品幾乎標(biāo)配價(jià)格高昂的車載激光雷達(dá)。

2.0 階段，在大算力支持下的以 CNN（卷積神經(jīng)網(wǎng)絡(luò)）技術(shù)為主導(dǎo)的深度學(xué)習(xí)路線登場。2014 年，特斯拉推出 Autopilot 智能駕駛系統(tǒng)；2015 年，英偉達(dá)進(jìn)軍車載計(jì)算平臺領(lǐng)域，發(fā)起算力革命。

3.0 階段，以特斯拉 2021 年在 AI Day 上提出了 BEV+transformer 的技術(shù)路線為標(biāo)志，以大數(shù)據(jù)、大模型為特征，數(shù)據(jù)驅(qū)動的自動駕駛 3.0 時(shí)代開啟。

智駕科技 MAXIEYE 創(chuàng)始人周圣硯認(rèn)為，幾乎所有創(chuàng)業(yè)公司都號稱自己已經(jīng)走入 3.0，否則就融不到資。但真正能夠進(jìn)入的，中國可能不超過 5 家。在 1.0、2.0 時(shí)代大量積累感知技術(shù)，并實(shí)現(xiàn)量產(chǎn)交付的玩家才能拿到 3.0 時(shí)代的入場券。

BEV+transformer 大模型淘汰上一代基于規(guī)則的自動駕駛算法，已經(jīng)成為大勢所趨。

那么，具備什么樣的條件的公司，才有資格進(jìn)入自動駕駛 3.0 終局之戰(zhàn)？

在周圣硯看來，企業(yè)要進(jìn)入自動駕駛 3.0 需要 6 個(gè)核心能力：

一是，在 2.0 時(shí)代的佼佼者：在感知方面已經(jīng)實(shí)現(xiàn)量產(chǎn)，感受過 CNN 技術(shù)的天花板。

二是，打造 BEV+transformer 的技術(shù)架構(gòu)。比如真值系統(tǒng)的創(chuàng)建、4D 的場景還原。

三是，重感知，輕地圖，要追求「目中有圖」，即 BEV 模型做到高精度、長視距。

四是，在商業(yè)模式上，實(shí)現(xiàn)軟硬解耦。可以實(shí)現(xiàn)平臺層、應(yīng)用層功能在不同車型與硬件平臺上的復(fù)用，解決效率和成本問題以配合車廠的差異化戰(zhàn)略。

五是，整車架構(gòu)要向行泊一體轉(zhuǎn)。共享數(shù)據(jù)和算法以提升感知能力。

六是，數(shù)據(jù)驅(qū)動。打通 L2 的數(shù)據(jù)閉環(huán)，讓 L2 為更高階的 L2+提供數(shù)據(jù)支撐。

有行業(yè)玩家已經(jīng)陸續(xù)打出了自動駕駛 3.0 時(shí)代的旗幟。

特斯拉成為率先進(jìn)入自動駕駛 3.0 時(shí)代的代表。

即將上線的全新自動駕駛系統(tǒng) FSD V12，消除了超過 30 萬行此前控制車輛 FSD 功能的代碼，進(jìn)一步依賴神經(jīng)網(wǎng)絡(luò)。

馬斯克描述其為「端到端人工智能」，采用「視覺輸入、控制輸出」的方法。

小鵬 XNGP 智駕輔助系統(tǒng)，采用輕地圖方案，不受限于高精地圖的使用范圍、更新時(shí)效，手動駕駛一次后可生成記憶地圖。

自動駕駛 3.0 時(shí)代的「序章」已經(jīng)奏響。

在技術(shù)上，自動駕駛行業(yè)追求的不再是算法的簡單疊加、傳感器的堆料，而是產(chǎn)業(yè)鏈底層技術(shù)的重構(gòu)。

在產(chǎn)品上，低階（L2）正在向高階（L3、L4）進(jìn)軍；在場景上，城市 NOA、無圖 NOA 成為主流。

城市 NOA，成為自動駕駛當(dāng)下最火熱的關(guān)鍵詞，堪稱自動駕駛進(jìn)入 3.0 時(shí)代的首場「大會戰(zhàn)」。

車企、自動駕駛企業(yè)紛紛出招。

數(shù)據(jù)顯示，小鵬新 G9 高階智能駕駛選配比例高達(dá) 80%。問界新 M7 上市兩個(gè)半月內(nèi)，累計(jì)大定已突破 10 萬輛，其中智駕版占比達(dá) 60%，城區(qū) NCA 選裝率達(dá) 75%。

以小鵬新 G9、問界新 M7 為代表，舒適、便利、安全的體驗(yàn)顛覆了消費(fèi)者對高速 NOA 刻板印象的認(rèn)知，高階智駕買單意愿逐漸加強(qiáng)，市場邏輯正在改變。

用戶需求仍然掌握著自動駕駛落地進(jìn)程的「方向盤」。

2023 年年初，麥肯錫的一份調(diào)研顯示：

電動汽車消費(fèi)者最關(guān)心的是電池續(xù)航里程和充電時(shí)間，其次是車輛駕駛表現(xiàn)、用車成本等，自動駕駛功能排在第九。

而某車企內(nèi)部調(diào)研最新數(shù)據(jù)顯示，自動駕駛對消費(fèi)者購車決策的影響力已經(jīng)升至第 4 位。

這意味著，L2、L2+、L2++逐漸進(jìn)化的漸進(jìn)式發(fā)展之路，自動駕駛從低階智能駕駛到高階智能駕駛的躍遷的前景更加明朗。

一個(gè)值得思考的命題擺在眼前：當(dāng)完全無人自動駕駛，哪家自動駕駛企業(yè)能夠占得勝負(fù)手？

在 BEV+transformer 主導(dǎo)的自動駕駛 3.0 時(shí)代，堅(jiān)持感知自研和數(shù)據(jù)驅(qū)動，或許才是通往終局的有效路徑。

02 以「快」取勝，推動城市 NOA 加速落地

以華為、小鵬為代表的頭部玩家在算法、算力、數(shù)據(jù)方面的積累，隨著城市 NOA 的落地，讓消費(fèi)者率先體驗(yàn)到最前沿的自動駕駛技術(shù)，在宣傳上也形成指數(shù)級的擴(kuò)散效應(yīng)。

這為其他玩家降低了教育用戶的門檻，但隨之而來的是：

一方面，水大魚大，大量自動駕駛公司涌入行業(yè)。

另一方面，大浪淘沙，自動駕駛公司正在出現(xiàn)了 95% VS 5% 的局面：

• 占多數(shù)的前者是尚未構(gòu)建起核心技術(shù)壁壘，找一家上游企業(yè)采購一套擁有核心技術(shù)，加上 ODM 公司的硬件，只做工程調(diào)試環(huán)節(jié)；

• 后者則是實(shí)現(xiàn)了技術(shù)和方法論閉環(huán)，能夠去定義產(chǎn)品。

從自動駕駛技術(shù)角度來說，在成本、高性能、安全三者之間尋找平衡，很難做出本質(zhì)化的差異。

大部分廠商在基于成熟的芯片、綁定視覺算法打造 L2 方案，市面上出現(xiàn)了產(chǎn)品「同質(zhì)化」嚴(yán)重的現(xiàn)象。

BEV+transformer 的技術(shù)天花板很高，打破了過往基于規(guī)則的算法，把自動駕駛各個(gè)核心要素都深度學(xué)習(xí)化了。它能重構(gòu)空間和時(shí)序，完成「時(shí)空合一」的端到端自動駕駛系統(tǒng)。

按照周圣硯的話說，這給了自動駕駛向上突圍一把鑰匙。

只有掌握核心技術(shù)棧自研，在感知、規(guī)劃、決策和控制上做出獨(dú)特性，才能夠真的可以去定義更多產(chǎn)品，重構(gòu)刷新產(chǎn)品體驗(yàn)，打破「同質(zhì)化」現(xiàn)象。

是成為 Leader，還是亦步亦趨的 Follower？兩條路出現(xiàn)在自動駕駛企業(yè)面前。

11 月 29 日，智駕科技 MAXIEYE 發(fā)布了 BEV 平臺架構(gòu)——青云 Hyperspace 和海市 MAXI-DI 數(shù)據(jù)智能體系。

早在 7 年前，MAXIEYE 成立之初，便走上自研核心棧技術(shù)之路。

從 2020 年開始，用 BEV+Transformer 重構(gòu)了自己的全部技術(shù)體系，打造了依托感知技術(shù)、真值系統(tǒng)、數(shù)據(jù)智能和仿真系統(tǒng)形成的整個(gè)技術(shù)底座「護(hù)城河」。

BEV 平臺架構(gòu)「青云 Hyperspace」，采用一站式融合道路拓?fù)洹⒛繕?biāo)軌跡、占用空間三大網(wǎng)絡(luò)，直擊高階自動駕駛產(chǎn)品開發(fā)需求和場景痛點(diǎn)。

丟掉傳統(tǒng) CNN 圖像檢測框架的包袱，通過 BEV 新范式的嶄新理解，對底層技術(shù)重構(gòu)的跨越式思想，打造了通向自動駕駛下一幕的差異化路徑。

值得注意的是，青云 Hyperspace 的一大獨(dú)特性在于能實(shí)現(xiàn)「目中有圖」——精度高、視距長：

• BEV 模型橫向精度達(dá)到 5 厘米，縱向精度在 100 米范圍內(nèi)達(dá)到 10 厘米；

• 視距最長可達(dá) 150 米。

海市 MAXI-DI 數(shù)據(jù)智能架構(gòu)，全維覆蓋量產(chǎn)數(shù)據(jù)閉環(huán) MAXI-DATA、真值系統(tǒng) MAXI-TRUTH SYSTEM、MET-TOOL 全流程閉環(huán)測試開發(fā)工具鏈，以及仿真極限場景構(gòu)建。

只有將技術(shù)和方法論做到閉環(huán)，走到量產(chǎn)前夜。

自動駕駛行業(yè)走到新的階段，留下來的將是懂感知、懂 BEV 的玩家，接下來比拼的核心是對產(chǎn)品的定義和實(shí)現(xiàn)的速度。

而規(guī)模化商業(yè)落地的節(jié)奏，決定一家自動駕駛科技公司能夠走多快。

東風(fēng)汽車技術(shù)中心首席總工程師邊寧指出：

隨著智能電動車的發(fā)展，中國車輛開發(fā)周期不斷壓縮，從 60 個(gè)月壓縮到 48 個(gè)月，36 個(gè)月，20 個(gè)月，12 個(gè)月，現(xiàn)在還有人挑戰(zhàn)更短，整體效率在不斷提升。

在商業(yè)模式上，傳統(tǒng)高度耦合的軟硬件顯然限制了產(chǎn)品的迭代。實(shí)現(xiàn)軟硬解耦，是提升速度的一大利器。

比如，MAXIEYE 于行業(yè)首度提出的 BEV 感知標(biāo)準(zhǔn)件，支持軟硬解耦，可支持在 6 個(gè)月內(nèi)實(shí)現(xiàn)高效跨平臺開發(fā)需求。

軟硬解耦，意味著更加靈活、平臺化的開發(fā)模式，可以實(shí)現(xiàn)標(biāo)準(zhǔn)化工具鏈、標(biāo)準(zhǔn)化規(guī)控接口、標(biāo)準(zhǔn)化 ISP，滿足面向不同場景應(yīng)用的高效跨平臺移植，加速高階智能化產(chǎn)品的應(yīng)用。

開發(fā)工具鏈的效率，決定了整個(gè)系統(tǒng)開發(fā)的效率。MAXIEYE 推出的 MET-TOOL 全流程閉環(huán)開發(fā)工具鏈，可助力客戶量產(chǎn)項(xiàng)目研發(fā)效率提高 20 倍，測試效率提升至少 10 倍，縮短項(xiàng)目量產(chǎn)上線周期。

到了 3.0 階段，一家自動駕駛企業(yè)，既要有技術(shù)，還要有收入規(guī)模，具備獨(dú)立造血能力；既要有第一曲線，還要有第二曲線。

2023 年，多個(gè)汽車品牌先后推出城市 NOA 功能。

11 月 28 日，小鵬城市 NOA 開啟全量推送，覆蓋 25 城的城市智駕正式開城。

在智己 S7 發(fā)布會上，華為宣布年底實(shí)現(xiàn)全國都能開的無圖方案城市 NCA，覆蓋 261 個(gè)城市。

大疆車載與寶駿汽車合作，此前宣布年底將提供記憶領(lǐng)航選裝，定制通勤路線上實(shí)現(xiàn)輕地圖的城區(qū) NOA，最長記憶距離可達(dá) 100km。

城市 NOA，當(dāng)屬當(dāng)前智能駕駛最熱門的落地場景。

以 MAXIEYE 為代表的自動駕駛解決方案商，開辟了以城市 NOA 主導(dǎo)的第二增長曲線。

所謂「第二增長曲線」，即從 ADAS 的紅海市場進(jìn)入到 ADS（高階智能駕駛）的藍(lán)海市場。

以實(shí)現(xiàn) L4 級自動駕駛為目標(biāo)的企業(yè)，已經(jīng)降維切入了 ADAS 市場，下一步瞄準(zhǔn)了 ADS 市場——這意味著，跨越式路線淪為邊緣路線。

無論是此前的漸進(jìn)式或跨越式路線玩家，都將掙脫 ADAS 市場日益卷化的競爭態(tài)勢。

而城市 NOA 普及，意味著汽車能夠在更復(fù)雜的場景下自主駕駛，向 L3 等級自動駕駛持續(xù)推進(jìn)。

這標(biāo)志著，汽車智能駕駛真正從高階輔助駕駛逐步邁向自動駕駛。

03 打造 3.0 時(shí)代的「數(shù)據(jù)閉環(huán)」，難點(diǎn)何在？

自動駕駛的 1.0 時(shí)代的數(shù)據(jù)積累在數(shù)百公里的水平，2.0 實(shí)現(xiàn)了數(shù)千公里，3.0 階段擁有以億計(jì)的數(shù)據(jù)量已不足為奇。

主流的感知系統(tǒng)網(wǎng)絡(luò)架構(gòu)是基于 BEV+Transformer 模型，為了讓模型效果得到提升，采用數(shù)據(jù)閉環(huán)來驅(qū)動算法迭代，幾乎已經(jīng)被公認(rèn)為是提升自動駕駛能力的必由之路。

數(shù)據(jù)驅(qū)動，確切來說是 AI 算法和數(shù)據(jù)共同驅(qū)動。AI 算法解決了學(xué)習(xí)效率，數(shù)據(jù)解決了學(xué)習(xí)內(nèi)容，二者是共生關(guān)系。

那么，自動駕駛公司如何獲取大量數(shù)據(jù)？

同濟(jì)大學(xué)教授、汽車安全技術(shù)研究所所長朱西產(chǎn)曾指出：

「數(shù)據(jù)閉環(huán)主要作用是解決未知的不安全場景。現(xiàn)在公司需要自己去采集數(shù)據(jù)，拿來做 AI 的訓(xùn)練以及回放的測試，但是數(shù)據(jù)采集費(fèi)用非常高，這個(gè)場景庫到底要跑多少公里，才能夠覆蓋全場景呢？我們希望是 10 億公里，但 1 億公里的采集費(fèi)用企業(yè)都無法承受，所以我們最終還是要建立用戶數(shù)據(jù)閉環(huán)。」

只有基于大規(guī)模真實(shí)的人機(jī)共駕數(shù)據(jù)的乘用車輔助駕駛，才有能力積累到足夠規(guī)模、多類型的數(shù)據(jù)，進(jìn)而提升模型的泛化能力，實(shí)現(xiàn)場景打通的目標(biāo)。

持續(xù)穩(wěn)定、高質(zhì)量的場景數(shù)據(jù)，決定一個(gè)自動駕駛科技公司能夠走多遠(yuǎn)。自動駕駛行業(yè)必須面臨的現(xiàn)實(shí)是：真正能夠依靠用戶數(shù)據(jù)，規(guī)模化量產(chǎn)的數(shù)據(jù)閉環(huán)的企業(yè)，仍然少之又少。

與數(shù)據(jù)獲取「難」并存的是，大量數(shù)據(jù)在被「浪費(fèi)」。

實(shí)際上，L2 的裝車率已經(jīng)超過 50%，這個(gè)數(shù)據(jù)并不低。但是，車企高中低配智駕產(chǎn)品方案缺乏技術(shù)平臺的連貫性，自動駕駛系統(tǒng)相對割裂。

在注重效率和自動化的前提下，讓不同模塊之間的集成度增加，數(shù)據(jù)流轉(zhuǎn)的時(shí)效性、數(shù)據(jù)挖掘的能力才會上去。

因此，打通低階車和高階智能駕駛的數(shù)據(jù)通路，成為自動駕駛公司推動規(guī)模化量產(chǎn)數(shù)據(jù)的新路徑。

通過在場景覆蓋度更廣的量產(chǎn)車上部署數(shù)據(jù)采集系統(tǒng)，在遇到當(dāng)前的自動駕駛系統(tǒng)處理不夠好的情形時(shí)，觸發(fā)數(shù)據(jù)回傳，以搜集更多 corner case 場景。

照此思路，一些自動駕駛企業(yè)試圖打通 L2 產(chǎn)品的數(shù)據(jù)閉環(huán)，并且定義很多 L2+場景的觸發(fā)事件，進(jìn)一步地把這些場景數(shù)據(jù)觸發(fā)回來，用于支撐 L2++的產(chǎn)品開發(fā)。

大量有效的數(shù)據(jù)形成閉環(huán)，成為推動城市 NOA 大規(guī)模量產(chǎn)的關(guān)鍵一步。

一方面，城市 NOA 存在「開城慢」痛點(diǎn)。

數(shù)據(jù)顯示，截至 2023 年上半年，高階智駕中國區(qū)市場滲透率僅為約 5%，其中城市 NOA 滲透率和使用率占比更低。

另一方面，擁有最顯著端上數(shù)據(jù)優(yōu)勢的整車廠，卻在城區(qū) NOA 開發(fā)中成為被動的一方。

周圣硯稱，「若要使大量數(shù)據(jù)不被浪費(fèi)，激發(fā)城市 NOA 潛力，應(yīng)該極致利用當(dāng)下搭載量最大的 L2 性價(jià)比方案、打通 L2 到 L2+系統(tǒng)數(shù)據(jù)的通路。」

通過設(shè)置觸發(fā)機(jī)制，用低階車的數(shù)據(jù)建圖，高階車來用圖——這是智駕科技 MAXIEYE 提出「記憶共享=城市 NOA」解題思路。

在 MAXIEYE 推出的智能駕駛?cè)诞a(chǎn)品中，MAXIPILOT 2.0 Lite 也是行業(yè)內(nèi)唯一支持 BEV 部署的前視一體機(jī)高性價(jià)比算力平臺方案，定位覆蓋日常行車 70% 以上場景的千元級別產(chǎn)品。

這意味著，入門級配置即可支持城區(qū)建圖。

據(jù)了解，MAXIEYE 的量產(chǎn)數(shù)據(jù)閉環(huán)系統(tǒng)，包含功能觸發(fā)、駕駛行為觸發(fā)、系統(tǒng)觸發(fā)、感知觸發(fā)四大模塊-30 余種觸發(fā)機(jī)制。目前，已積累超兩年前裝部署經(jīng)驗(yàn)，擁有 3 億公里的場景數(shù)據(jù)，且已經(jīng)打通了低階車和高階車的數(shù)據(jù)通路。

這被認(rèn)為是一條更經(jīng)濟(jì)的商業(yè)路徑，也是通向城市 NOA 高效能開城的路徑。

在 BEV+transformer 主導(dǎo)的自動駕駛新時(shí)代，堅(jiān)持感知自研、有能力重構(gòu)自動駕駛產(chǎn)品的玩家們，以更完善的數(shù)據(jù)閉環(huán)系統(tǒng)，在下一輪的城市 NOA 落地中占得先機(jī)。

在未來的終局之戰(zhàn)，誰有實(shí)力脫穎而出？

一城一地之爭，即便決出勝負(fù)或許并非最大贏家。堅(jiān)守正道、腳踏實(shí)地，共同迎接自動駕駛的朝陽。

返回第一電動網(wǎng)首頁 >