第二屆中國智駕大賽杭州站的余波未消，搭載華為ADS 2.0智駕四車阿維塔12、智界S7、極狐阿爾法S、問界M7均有參戰，反響巨大。

在《“全國都能開”的華為智駕為什么過不了環島？》一文中，有第一電動網友對華為的“無圖”智駕策略進行生動形容，稱華為為唯一“做題家”，其余家或多或少在“抄答案”，此回應生動且富有爭議。

于是，今天我們帶著此話題來繼續探討：華為ADS 2.0“無圖”智駕到底有多強？

▍余承東喊的“全國都能開”、“有路就能開”，真實情況是啥？

作為智駕報道前沿媒體，第一電動邀請十分熱心的華為智駕用戶與我們分享他們的智駕經歷以及感受。

一位現問界M5智駕版車主、準問界M7 Ultra版車主向我們表示，他出門幾乎必開華為ADS智駕，幾乎做到了“全國都能開，有路就能開”。

比如，他去洛陽白馬寺時，即使是在附近的田間小路開啟華為ADS智駕，都是高度可用的。

但不可用的場景具體有3個：

第一，   道路狀況比較惡劣的路段，比如坑坑洼洼的泥濘路段；

第二，   無車道線山路+大曲率發卡彎；

第三，   下雪天、風吹雪天。

這位大哥表示，華為智駕更注重“綜合安全性”，相比小米高速NOA、極氪007高速NOA、小鵬XNGP智駕來說，華為的智駕策略并不是根據“路線”而行動，會更綜合考量附近所有車輛的類別。

舉個例子，若是高速上大車較多，那么華為ADS的變道超車策略就會顯得相對保守，而其余車企NOA的駕駛節奏幾乎一致，要么保守、要么激進，有縫就鉆、不分車型。

這位問界M5智駕版車主還向第一電動表示，華為的ADS智駕好就好在“更注重細節”。

我們還咨詢了一位極狐阿爾法S 華為HI版車主，他給出的回答相當專業：

一、目前華為ADS做的比較優秀的地方有哪些？包括高速、城區、鄉村道路

1、高速/高架場景

1.1、全國所有高速高架均可開啟NCA，覆蓋率99.9%；

1.2、GOD網絡可以識別99%的障礙物，無論遇到任何實體障礙物，只要高于車身底盤，均可以識別，并按照具體場景，做出策略，不會碰撞；

1.3、全向撞擊智能躲避，這里包涵的場景會比較多，其中最常見的，如社會車輛（就算是加長型的拖車）近距離cut in，可以做到精準識別，且按照具體場景，做出策略規避風險。

再比如側后方車輛快速逼進，會快速逃離躲避，或者雙閃給后車預警……場景還有很多，具體防碰撞策略是根據當時的情況而定。

1.4、施工路段智能繞行；

1.5、超車；

1.6、自主切換匝道等等場景；

2、城區、鄉村道路場景

2.1、全國所有城市、鄉村道路均可開啟NCA，覆蓋率99.9%；

2.2、根據導航指引，RCR道路拓撲網絡，實時生成前方路線。無論是直行選道、左右轉選道、掉頭選道，都可以自主彎成……實際場景還有很多。

二、目前不能解決的場景是什么？包括高速、城區、鄉村道路

1、高速/高架場景

1.1、由于華為是真正的純無圖智駕，所以在選擇路口時，有概率選錯，在匝道口選擇時，概率性選錯車道（目前經過幾個版本迭替后，概率已經非常低了）；

1.2、高速收費站出入口需要人為接管；

1.3、高速上如果需要切換匝道或者下高速，大概會提前1.5km左右，開始有向最右側變道傾向；如果此時車輛較多，變道變不過去，會隨著與匝道口距離更加接近，而變道策略更加激進；如果還是變不過來，需要人為接管。高架大概是提前1km左右，同上；

1.4、如果碰到極端天氣，比如下雪天氣，激光雷達如果被雪覆蓋，會啟動不了NCA......實際場景還有很多。

2、城區、鄉村道路場景

2.1、同1.1，但由于中國城區、鄉村道路比較復雜，且需要執行變道轉彎等指令數量呈指量級提升，走錯車道概率性增加；

2.2、施工區域，此處場景非常的多且復雜；

首先要知道華為這套ADS2.0是想做L2級別最好用的智駕，所以他是做不出L4級別的動作，所以并不是所有的路都能去繞行通過；

2.3、單車道行車時，對于前方行人、電動車會比較保守，超車意向不太積極；

2.4、道路較窄時，會貼中間開（目的是給予駕駛者一定安全感），所以會車時，對向車輛也比較中間行使，會對駕駛者產生較大的壓迫感；

2.5、存在部分壓實線場景，特別是在路口，還是那個原因，因為做的是純無圖，不存在對地圖提前采集，所以這些都是正常的……實際場景還有很多。 

▍華為ADS為什么要堅持“無圖”？

兩位華為智駕車主給出的實際場景非常豐富且生動，那么，華為堅持做“無圖”的理由又是什么呢？

實際上，華為在2022年就開始采用高精地圖算法，也很早就開城，然而，高精地圖方案其實對車端的道路結構認知的要求降低了，此外，高精地圖的繪制復雜且低效。中國的城改速度依舊飛快，華為也不是地圖專精，要實現全國開城，就得另尋出路。

還有一個地方值得注意：高精地圖方案雖然精準，但如果一旦變更就會很危險，因為它要求車端不斷的識別出它的變更。

綜上所述，華為解散高精地圖團隊，開始做“無圖”。

此外，基于安全考量，華為ADS選擇和激光雷達進行深度綁定，強化安全屬性；選擇走多傳感器融合的技術路線，一開始就采用了激光雷達、視覺和毫米波雷達融合的方式，方便黑夜環境下的探測。

▍華為ADS目前還解決不了的復雜場景，問題出在哪？

猜測主要體現在對通用障礙物的檢測和判斷方面。華為GOD 2.0 網絡里面深度使用了激光雷達，通過多傳感器的融合做通用障礙物的檢測，雖然不能識別出障礙物具體是什么，但是它能夠告知系統，做出反應動作。

然而，要讓激光雷達深度參與并發揮好作用其實并不容易，這涉及到如何消除激光雷達的各種干擾，涉及到大量的軟件和傳感器硬件的協同。

▍華為ADS 2.0與XNGP、百度Apollo智駕的區別在哪？

小鵬XNGP在硬件方面，智駕芯片采用2顆英偉達Orin-X，芯片算力達到508TOPS，攝像頭13個，超聲波雷達12個，毫米波雷達5個，激光雷達2個。

百度Apollo系統采用的是純視覺方案在硬件方面智駕芯片采用2顆英偉達Orin-X，芯片算力達到508TOPS，攝像頭11個，超聲波雷達12個，毫米波雷達5個，無激光雷達。

華為系車型的智駕系統均搭載的是HUAWEI ADS 2.0，但硬件配置分為3種。

極狐阿爾法S智駕芯片采用MDC810，芯片算力達到400TOPS，攝像頭13個，超聲波雷達12個，毫米波雷達6個，激光雷達3個（96線）。

阿維塔智駕芯片采用MDC610，芯片算力達到200TOPS，攝像頭11個，超聲波雷達12個，毫米波雷達3個，激光雷達3個（96線）。

問界、智界的智駕芯片采用MDC610，芯片算力達到200TOPS，攝像頭11個，超聲波雷達12個，毫米波雷達3個，激光雷達1個（最新版本192線）。

融合感知算法對比方面，華為ADS2.0采用BEV+GOD2.0+RCR2.0算法。

GOD網絡，通用障礙物檢測，即使前方障礙物在BEV的白名單之外，在GOD網絡的幫助下，智能駕駛系統依然可以識別和規避它，并充分利用了激光雷達的探測能力，輕松獲取空間的信息。

RCR2.0道路拓撲推理網絡，匹配導航地圖與顯示網絡，與特斯拉FSD車道視覺識別路線相似，能夠實現復雜道路環境實時推理。

小鵬的XNGP采用XBrian（相當于大腦，負責意圖推測）+XNet（基于BEV+Transformer架構，相當于眼睛）深度視覺感知神經?絡2.0+XPlanner（相當于小腦）是基于神經?絡的規劃控制?模型。XNet2.0融合動態、靜態和占用?絡，三?合?。

百度Apollo采用BEV+Transformer+OCC算法。

OCC占用網絡全稱為純視覺OCC占用網絡感知模型，其核心在于通過多視角相機生成BEV，它能夠對道路上的各種障礙物進行準確識別和定位，為駕駛者提供更加精準的駕駛輔助信息。BEV是一種從上方觀看對象或場景的視角，就像鳥在空中俯視地面一樣。在自動駕駛領域，通過傳感器（如激光雷達和攝像頭）獲取的數據通常會被轉換成BEV格式，以便更好地進行物體檢測、路徑規劃等任務。BEV能夠將復雜的三維環境簡化為二維圖像，這對于在實時系統中進行高效的計算尤其重要。

Transformer模型在自動駕駛的感知階段可以用于提取多模態數據中的特征，如激光雷達點云、圖像、雷達數據等。通過對這些數據進行端到端的訓練，Transformer能夠自動學習到這些數據的內在結構和相互關系，從而有效地識別和定位環境中的障礙物。

利用Transformer模型對BEV數據進行特征提取，實現障礙物的檢測和定位。將這些BEV格式的數據疊加在一起，形成一個多通道的BEV圖像。

▍對于華為乾崑ADS 3.0的展望

乾崑ADS 3.0進一步去掉了BEV網絡，用一個GOD（通用障礙物識別）網絡打通 “理解駕駛場景”；此外，乾崑ADS 3.0全新架構采用PDP（預測決策規控）網絡實現預決策和規劃一張網，從而實現類人化的決策和規劃，行駛軌跡更類人。

極狐汽車智能駕駛部科長王孔龍在第二屆智駕大賽杭州站直播時表示，ADS 3.0會支持AVP，支持機械車位泊車，并且對城市NOA做了很多優化（當然，此次智駕大賽所規劃的環島路線是否能徹底搞定，還得看后續發展）。

簡單說，乾崑ADS 3.0的核心升級，是會將公開道路和非公開道路完全整合，實現從車位到車位的無縫智駕。

至于即將來華的特斯拉FSD V13在技術方案上的區別，FSD相較傳統環境感知、決策規劃、控制執行分離的模塊化方案最具革新性，且邊緣側也即車端算力要求相對較小，系統復雜度低，能夠避免累積任務誤差。

然而，FSD“黑盒”架構的安全性，目前仍無令人信服的根本解決方法。此外，模型訓練所用的是全部數據的“平均”控制信號，但由于駕駛行為具有維度高、數據分布不均勻的特點，因此在特定場景下“平均”信號有可能不是正確控制信號，增加不確定性的危險性風險。

總的來說，華為乾崑ADS 3.0方案采用GOD網絡負責感知，PDP網絡負責預決策規劃，更強調AEB的安全屬性，系統硬件更復雜、算法更復雜、但安全冗余會更高。

返回第一電動網首頁 >