最 Sexy 的事，終于發生在了自動駕駛

第一電動大牛作者汽車之心 2024-04-29 11:40

闊別 4 年，再次站在北京車展巨大的人潮中，往往不知所措——時不時傳出「雷總在那里」、「教主去了蔚來」，人群便像螞蟻炸開了鍋。人還沒過來，冒出來的手機就啪一下伸到了臉旁。

這場被流量裹挾的車展，是「糖衣炮彈」。外層的流量只是淺嘗輒止，炮彈攻擊力本源是技術。

有媒體調侃，如果雷軍是「流量扶貧」，那么出現在北京車展上，以華為為代表的 Tier1 就算是技術扶貧了。

前段時間，「華元魔」的「無圖」智駕格局在業界廣為流傳。需要強調，這里的無圖指去高精地圖，而非去掉所有地圖。

隨著華為高階智駕破圈，元戎啟行拿下三家主機廠項目、Momenta 悶聲趕路，華元魔坐穩「無圖」智駕前三把交椅。

對應的，華元魔在北京車展上，圍繞著智駕「如何更像人」，也有大動作。

華為車 BU 發布智駕新品牌「乾崑」，ADS2.0 升級為乾崑 3.0，技術轉向 GOD/PDP 網絡全新架構。相當于，讓系統的規劃和決策更像人。

元戎更直接，推出了首個使用端到端模型的量產智駕方案 DeepRoute IO，真「無圖」，能夠使得高快、城區全覆蓋，同時端到端模型使得整體駕駛風格人性化。據可靠消息，元戎的這套方案已經在長城某高端車型量產上車。

Momenta 則在車展前夕推出了基于 OrinX 的「無圖」高階智駕解決方案，官宣方案搭載了融合感知和規劃的端到端智駕大模型。

以北京車展分界線，華元魔正式打響了端到端自動駕駛第一槍。

01、「無圖」智駕，華元魔格局已定？

「無圖」，是智駕公認的技術趨勢。

2023 年，多家智駕公司都陸續表達過一個觀點：感謝華為和小鵬。

尤其是華為不僅讓消費者認識到了智駕價值，也讓「無圖」城區智駕徹底出圈。

當智駕走向城區，車企以新勢力為代表，方案商以華元魔為代表，清一色選擇了去高精地圖。

去年 3 月，元戎啟行也推出了不依賴高精度地圖的智能駕駛解決方案 DeepRoute-Driver 3.0，當時元戎拿著這套方案與深圳某「大廠」曾交流過技術細節。

去年 10 月，華為發布了「不依賴于高精地圖的高階城區智駕」，并喊出全國都能開。憑借驚人的號召力與領先的技術水平，華為徹底讓「無圖」城區智駕破圈。

類似的，Momenta 在 CVPR 2023 年自動駕駛研討會上也提出了量產的「無圖」智駕解決方案，在激烈的定點競爭中脫穎而出。

「無圖」，是智駕共識，但真·「無圖」，不一定是。

想要去高精地圖，就得另起爐灶，重新搭建一套新技術框架，這往往意味著丟棄過往的沉沒成本。

因此，有一種玩小聰明的營銷方式——只要不全用高精地圖，就被稱為「無圖」，但這并不是真「無圖」。

常見的有兩種方法，一種是在復雜路口打補丁。

比如在城區內遇到一個復雜路口，可以提前在系統中預埋小范圍高精地圖，到路口通過關鍵點匹配，可以讓系統跟著路口拓補結構行駛，但明顯行駛起來會有頓挫感、機械感。

另外一種是定制化地圖，采用動態圖層。

也就是說先通過多次采集車流數據，把軌跡、車流數據背下來輸送進系統，從而在大腦里生成一張隱形的地圖。這也是一種「去圖」的方法，但如果要采集出車流概率，意味著要采多遍才能統計準確，采集成本不亞于高精地圖。

真「無圖」，準確的概念是僅依靠標準的導航地圖（SD Map）的輸入來實現高階智駕。

一個認定的方法是，高精地圖接口。元戎的 IO 方案在上量產時，沒有為高精地圖預留接口。

「無圖」對自動駕駛解決方案商要求極高，現在跑出來的華元魔三家其實都有著各自特點：

（1）華為車 BU：強聲量與強研發節奏。

此前，華為車 BU 也在用高精地圖，而后依靠著強研發投入去高精地圖，在 ADS2.0 時初有成效。目前，華為車 BU 累計投入超過 300 億元，研發規模 7000 人。還有一個問題是，華為的「無圖」智駕并不便宜，據可靠消息，華為智駕系統成本近 2 萬元。

余承東在問界新 M5 發布會上說過，售價低于 30 萬的車型，華為高階智駕都是虧本銷售。

無疑，憑借著過往積累的 TO C 經驗與品牌聲量，華為帶領智駕破圈。也是從問界開始，車企們有了對外公布智駕版本銷量占比數據的習慣。

（2）Momenta：強量產節奏。

在被傳出與華為、豐田合作之前，Momenta 沉默了很久，一直在悶聲干量產，看起來其服務的量產項目主要是上汽智己，但其實其不同程度參與或交流的車企數量眾多，比如比亞迪、廣汽、長城、豐田、奔馳、通用等。

因此 Momenta 的「無圖」智駕優勢，在于其豐富的量產經驗以及車企對其的信任。

（3）元戎：強技術驅動。

相比其他兩家，元戎少了一些量產經驗。

據可靠消息，今年元戎在極短時間內就拿到了三家車企的定點項目。業內有一種說法是，如果車企想要快速晉升自動駕駛第一梯隊，就找元戎。

元戎可能是國內最早把端到端模型測試車跑在城市公開道路一家公司。

2023 年年初元戎開始著手端到端，到現在，元戎推出的 IO 方案實際上將在長城的車型上應用。

一個有意思的細節是，前不久長城 CEO 魏建軍親自上陣直播智駕，或許就是從端到端架構上車獲得了技術自信。

02、向端到端開炮

不去高精地圖，談何到端到端？

華元魔進軍「無圖」智駕的底層邏輯，不止是為了降本增效，而是為了全面進軍端到端模型。

高精地圖與端到端是兩套完全不同的邏輯。

前者就是一堆精確的三維表征，密密麻麻堆起的結構化數據。

后者則是神經網絡。兩者最大的區別是，高精地圖是給計算機輸入的信息，而端到端則是一套類人腦的神經網絡系統。

想象一下，靠圖像理解道路與提前輸入一堆三維坐標，神經網絡顯然更擅長記住非結構化數據。這就更像一個小朋友更容易記住音樂、圖片，而不是無規律的數字。

因此，真「無圖」是端到端模型的前提。

尤其是在看到特斯拉 FSD V12 端到端大規模應用效果后，在國內引發了多米諾骨牌式的熱潮，相比于以前受人工規則驅動的傳統自動駕駛系統，端到端用數據驅動邏輯證明了智駕可以真·類人。

本質上，行業對端到端的投入并不是單純對特斯拉的技術崇拜，而是自動駕解決方案商和車企紛紛意識到了進入復雜城區，再依靠傳統自動駕駛系統，是行不通的。

傳統自動駕駛是感知、預測、規劃三個模塊獨立開發訓練。

在這種分裂的模塊化架構下，信息傳遞會出現減損，而且人為定義規則，僅能通過有限的規則處理有限場景。

端到端自動駕駛，是將感知、規劃、決策、控制等多個環節融合成神經網絡模型, 從而實現一端輸入感知數據、一端輸出決策的效果，由于采用了人腦決策方式，使得駕駛更具有整體化思維，更類人。

目前，端到端模型主要指感知規劃一體化，像自動泊車這種涉及到控制模塊的功能，就沒有必要使用端到端來處理。

有行業人士解釋，泊車是一件純控制行為，這件事機器做會比「人」做得更好。

這是因為神經網絡不擅長做精細化處理，在確定性的環境中就越不需要端到端，尤其是車輛控制的精準程度利用規則算法可以控制到厘米級，所以相比于費時費力用端到端做控制環節、做泊車，直接用記憶泊車背路線、SLAM 建圖的效果會更好。

總結來看，越是復雜的地方就越需要端到端，尤其是城區。

除了真的「無圖」，還要達到真正好開的無人駕駛。端到端自動駕駛，已經正式進入城區大考。

特斯拉無疑是進展最快的，這個月特斯拉正在大規模向北美用戶推動 FSD V12.3.3 版本，且去掉了「Beta」標識。

這意味著特斯拉先一步來到全民大考時刻，實踐下來效果不錯。

一位北美車主測試視頻顯示，即便在駕駛的鄉村道路上遇到 4 只鵝「橫穿馬路」，系統也能在大約 5m 外的位置剎停。

在國內，華元魔端到端節奏也非常快，三家都采用了不同程度端到端架構：

華為 ADS3.0 將預決策、規劃模塊融合至 PDP 網絡。

Momenta 官宣自己為端到端智駕大模型，融合了感知和規劃，但進一步技術細節沒有再公開透露。

元戎啟行 IO 方案應該是其中上車最快的，據汽車之心了解，前段時間長城汽車魏建軍直播全場景 NOA 用的應該就是 IO 方案，一個小時在保定市區內跑了 17 公里，在保定這種極為復雜的三線城市中，IO 的端到端智駕能力確實有驚喜。

看完整場智駕直播，場景可歸為三個難度層級，從考驗系統基礎的腦補能力再到泛化能力，再到理解能力，難度層層疊加。

第一層級挑戰，車輛遇到車道線，系統腦補車道線穩穩開過路口。
第二層級挑戰，面對靜態環衛車這種異形障礙物，系統更加具備泛化識別能力，提前避讓；
第三層級挑戰，地獄難度的六岔路口，路口到對面路口距離超過 200 米，要理解道路結構并且與復雜車流博弈是非常大的挑戰，但 IO 端到端智駕系統順利通過路口。據悉，IO 智駕路口通行成功率近 98%，特殊路口轉向成功率近 90%。

甚至，端到端還會展現出一些讓人驚喜的推理能力。

在一個分岔路口，車輛為了跟前車保持距離，留出了安全空間，但系統察覺到后車有過閘道的動作后，系統為后車讓出了閘道口。區別于過去傳統駕駛的「利己」動作，這完全是一個「利他」的行為。

這種「驚喜」展現的是端到端神經網絡中的黑盒能力，但黑盒的不可解釋性也會存在危險。

安全必須有保障，因此，端到端自動駕駛都要有對應的兜底系統。

像特斯拉的 FSD V12 和 FSD V11，兩套不同規則驅動的系統同時存在，即便端到端遇到不可控情況，也能夠激活人工規則來兜底。

據業內人士介紹，一個用 CPU、一個用 GPU，并不沖突，類似的元戎也是將基于規則的兜底安全策略和 IO 整合在同一個系統中，為系統「約法三章」。

另外還有感知兜底。目前，華元魔三家的量產上車方案都用了激光雷達，有行業人士解釋道：「純視覺和激光雷達做端到端都可以，但激光雷達現階段仍然是安全底線。」

03、端到端，通往 AGI 的唯一路徑

馬斯克說過：「與其說特斯拉是一家車企，倒不如說是一家人工智能/機器人公司。」

目前國內也有人提過類似說法，元戎啟行 CEO 周光認為，端到端自動駕駛大規模上車，是通向 AGI 的唯一路徑。

周光認為，AI 邁向 AGI 可以分為三個階段：

AI 1.0 時代：以人工規則為內核的簡單智能駕駛系統。
AI 2.0 時代：大語言模型、視覺語言模型爆發，同時在端到端模型的撬動下，將會打開 2.0 新世界大門。
AI 3.0 時代：誕生 AGI 通用人工智能，AI 不僅僅應用在汽車上，還可以用到更多智能機器上，讓機器成為人類的伙伴與助手。也可能有馬斯克所描述的「類人甚至超人智能」的存在。