?

在2024年到現(xiàn)在2025年初這一年多時(shí)間里，全球自動(dòng)駕駛技術(shù)真的發(fā)生了翻天覆地的變化。不管是硬件方案、算法架構(gòu)還是商業(yè)化落地，都和兩三年前完全不是一個(gè)量級(jí)了。今天就系統(tǒng)性地聊聊現(xiàn)在全球范圍內(nèi)自動(dòng)駕駛到底發(fā)展到什么程度了，各家都在用什么技術(shù)路線(xiàn)，哪些已經(jīng)真正能用了，哪些還在PPT階段。我盡量把技術(shù)細(xì)節(jié)和實(shí)際體驗(yàn)結(jié)合起來(lái)說(shuō)，這樣大家能更直觀(guān)地理解。

先說(shuō)說(shuō)感知硬件這塊的技術(shù)路線(xiàn)之爭(zhēng)

這個(gè)話(huà)題爭(zhēng)了好幾年了，到現(xiàn)在基本形成了兩大陣營(yíng)。特斯拉這邊堅(jiān)持純視覺(jué)方案，馬斯克一直說(shuō)激光雷達(dá)是拐杖，人類(lèi)開(kāi)車(chē)就靠眼睛，AI也應(yīng)該能做到。他們最新的FSD V12版本已經(jīng)完全轉(zhuǎn)向端到端神經(jīng)網(wǎng)絡(luò)了，不再用之前那種規(guī)則式的代碼。具體來(lái)說(shuō)就是把8個(gè)攝像頭的畫(huà)面直接喂給神經(jīng)網(wǎng)絡(luò)，讓AI自己學(xué)習(xí)怎么開(kāi)車(chē)，不再人為設(shè)定什么情況該減速、什么情況該變道這些規(guī)則。實(shí)際效果確實(shí)有明顯提升，特別是在處理復(fù)雜路口、無(wú)保護(hù)左轉(zhuǎn)這些場(chǎng)景時(shí)，比V11版本平滑很多，不會(huì)突然猶豫或者急剎車(chē)了。他們用的Occupancy Network技術(shù)挺有意思的，不再去識(shí)別這是車(chē)、那是人，而是直接預(yù)測(cè)3D空間中哪些格子被占用了，這樣對(duì)于一些不常見(jiàn)的物體，比如掉落的輪胎、推著購(gòu)物車(chē)的人，也能正確識(shí)別出來(lái)是障礙物。配合HW4.0硬件平臺(tái)，算力達(dá)到了2500 TOPS，處理能力比之前強(qiáng)了好幾倍。不過(guò)純視覺(jué)方案的問(wèn)題也很明顯，在夜間、大雨、濃霧這些極端天氣下，攝像頭性能會(huì)大幅下降，測(cè)距精度也不如激光雷達(dá)。另一邊的陣營(yíng)就是多傳感器融合派，以國(guó)內(nèi)的華為、小鵬、理想和海外的Waymo為代表。這些廠(chǎng)商都在用激光雷達(dá)+攝像頭+毫米波雷達(dá)的融合方案。拿華為ADS 2.0來(lái)說(shuō)，硬件配置真的很夸張，3顆激光雷達(dá)（前向一顆是192線(xiàn)的，側(cè)向兩顆），11個(gè)高清攝像頭覆蓋360度視野，還有6個(gè)毫米波雷達(dá)做補(bǔ)充。這套系統(tǒng)的算力平臺(tái)用的是MDC 810，達(dá)到400+ TOPS的算力。實(shí)際體驗(yàn)下來(lái)，在隧道進(jìn)出口、夜間無(wú)燈光路段、雨霧天氣這些場(chǎng)景，激光雷達(dá)的優(yōu)勢(shì)真的太明顯了。因?yàn)榧す饫走_(dá)是主動(dòng)發(fā)射激光測(cè)距，不依賴(lài)環(huán)境光線(xiàn)，測(cè)距精度能達(dá)到厘米級(jí)，這對(duì)于復(fù)雜路況下的緊急避障特別重要。而且激光雷達(dá)能直接生成3D點(diǎn)云，對(duì)于立體障礙物的識(shí)別比純視覺(jué)準(zhǔn)確太多。不過(guò)問(wèn)題也很現(xiàn)實(shí)，成本高啊，一顆192線(xiàn)的激光雷達(dá)現(xiàn)在還得幾千美金，雖然比前幾年便宜了很多，但相比攝像頭還是貴了一個(gè)量級(jí)。Waymo的第五代自動(dòng)駕駛系統(tǒng)更狠，用了4顆激光雷達(dá)加29個(gè)攝像頭，硬件成本估計(jì)得十幾萬(wàn)美金起步，這也是為什么Waymo的Robotaxi運(yùn)營(yíng)成本一直降不下來(lái)的原因。

4D毫米波雷達(dá)是今年特別值得關(guān)注的新技術(shù)

這東西可以說(shuō)是在純視覺(jué)和激光雷達(dá)之間找到了一個(gè)平衡點(diǎn)。傳統(tǒng)的毫米波雷達(dá)只能提供距離、速度、方位角這三個(gè)維度的信息，對(duì)于靜止物體識(shí)別很差，而且分辨率低，經(jīng)常把好幾個(gè)目標(biāo)當(dāng)成一個(gè)。4D毫米波雷達(dá)增加了高度信息，而且通過(guò)級(jí)聯(lián)技術(shù)把點(diǎn)云密度提升了10倍以上，現(xiàn)在一幀能輸出幾千個(gè)點(diǎn)，雖然還是比不上激光雷達(dá)的幾十萬(wàn)個(gè)點(diǎn)，但已經(jīng)能滿(mǎn)足很多場(chǎng)景需求了。像Arbe、Oculii、森思泰克這些公司的產(chǎn)品，已經(jīng)在一些量產(chǎn)車(chē)上開(kāi)始應(yīng)用。最關(guān)鍵是成本，一顆4D毫米波雷達(dá)的成本大概就幾百美金，只有激光雷達(dá)的十分之一。而且毫米波雷達(dá)不受天氣影響，大雨大霧照樣能正常工作，這點(diǎn)比攝像頭和激光雷達(dá)都強(qiáng)?，F(xiàn)在不少車(chē)企開(kāi)始采用”5R11V”的配置，就是5個(gè)4D毫米波雷達(dá)加11個(gè)攝像頭，不用激光雷達(dá)也能實(shí)現(xiàn)比較好的城市NOA功能。當(dāng)然，4D毫米波的問(wèn)題是對(duì)于小物體的識(shí)別能力還是不如激光雷達(dá)，比如路面的錐桶、掉落的小包裹這些，可能會(huì)漏檢。

算法層面的變化比硬件還要激進(jìn)

大模型技術(shù)徹底改變了自動(dòng)駕駛的技術(shù)范式。傳統(tǒng)的模塊化方案是把自動(dòng)駕駛分成感知、預(yù)測(cè)、規(guī)劃、控制幾個(gè)獨(dú)立模塊，每個(gè)模塊單獨(dú)設(shè)計(jì)單獨(dú)優(yōu)化。這種方案的問(wèn)題是信息損失嚴(yán)重，比如感知模塊輸出”前方20米有一輛車(chē)”，但實(shí)際上那輛車(chē)可能在踩剎車(chē)，尾燈亮著，這個(gè)細(xì)節(jié)信息在傳遞到規(guī)劃模塊時(shí)就丟失了。端到端方案就是用一個(gè)大神經(jīng)網(wǎng)絡(luò)，直接從傳感器數(shù)據(jù)學(xué)到控制指令，中間不需要人為設(shè)計(jì)的模塊劃分。英國(guó)的Wayve公司搞的GAIA-1模型特別有代表性，這是一個(gè)基于Transformer架構(gòu)的世界模型，可以生成未來(lái)駕駛場(chǎng)景的視頻預(yù)測(cè)，比如給定當(dāng)前畫(huà)面和轉(zhuǎn)向指令，它能預(yù)測(cè)出未來(lái)5秒車(chē)輛會(huì)開(kāi)到哪里、周?chē)?chē)輛會(huì)怎么運(yùn)動(dòng)。這種預(yù)測(cè)能力說(shuō)明模型理解了物理規(guī)律和駕駛常識(shí)，不是簡(jiǎn)單的模式匹配。特斯拉的團(tuán)隊(duì)在2024年的一次技術(shù)分享中透露，他們的端到端模型參數(shù)量已經(jīng)超過(guò)千億級(jí)別，訓(xùn)練數(shù)據(jù)來(lái)自全球數(shù)百萬(wàn)輛特斯拉車(chē)的實(shí)際行駛數(shù)據(jù)，相當(dāng)于幾十億英里的駕駛經(jīng)驗(yàn)。這種數(shù)據(jù)規(guī)模是任何一家傳統(tǒng)車(chē)企都沒(méi)法比的，這也是特斯拉敢走純視覺(jué)路線(xiàn)的底氣所在。

大語(yǔ)言模型被用在自動(dòng)駕駛上是2024年最有意思的技術(shù)趨勢(shì)

這個(gè)方向很多人可能覺(jué)得不靠譜，但實(shí)際上效果超出預(yù)期。傳統(tǒng)的自動(dòng)駕駛系統(tǒng)對(duì)于復(fù)雜場(chǎng)景的理解能力很弱，比如看到一個(gè)”前方施工繞行”的牌子，傳統(tǒng)系統(tǒng)只能識(shí)別出這是個(gè)牌子，但理解不了是什么意思，還得靠視覺(jué)識(shí)別錐桶、護(hù)欄這些物理障礙物才知道不能通行。但如果用上LLM，系統(tǒng)可以直接理解”施工”、”繞行”這些語(yǔ)義，推理出可能的交通組織方式，提前規(guī)劃繞行路線(xiàn)，而不是開(kāi)到跟前才發(fā)現(xiàn)被攔住。Waymo和谷歌DeepMind合作的研究顯示，在處理長(zhǎng)尾場(chǎng)景時(shí)，結(jié)合LLM的決策系統(tǒng)成功率提升了40%。具體的技術(shù)實(shí)現(xiàn)是把視覺(jué)感知結(jié)果轉(zhuǎn)換成文本描述，比如”前方30米紅綠燈路口，左側(cè)車(chē)道有兩輛車(chē)在排隊(duì)，右側(cè)車(chē)道空”，然后喂給LLM，讓它基于駕駛常識(shí)和交通規(guī)則生成決策建議”建議變道到右側(cè)車(chē)道通過(guò)路口”，最后再轉(zhuǎn)換成具體的控制指令。這種方法特別適合處理那些訓(xùn)練數(shù)據(jù)里沒(méi)見(jiàn)過(guò)的新場(chǎng)景，因?yàn)長(zhǎng)LM有推理能力，不是死記硬背。國(guó)內(nèi)的毫末智行、地平線(xiàn)也在搞類(lèi)似的研究，把他們訓(xùn)練的垂直領(lǐng)域LLM集成到自動(dòng)駕駛系統(tǒng)里。

神經(jīng)渲染技術(shù)被用來(lái)做仿真測(cè)試是另一個(gè)重大突破

這個(gè)技術(shù)原本是搞3D重建和虛擬現(xiàn)實(shí)的，結(jié)果在自動(dòng)駕駛領(lǐng)域找到了完美應(yīng)用場(chǎng)景。傳統(tǒng)的仿真器比如Carla、LGSVL這些，雖然能模擬各種交通場(chǎng)景，但畫(huà)面不夠真實(shí)，光影效果假，自動(dòng)駕駛系統(tǒng)很容易就能分辨出這是仿真數(shù)據(jù)而不是真實(shí)數(shù)據(jù)，導(dǎo)致在仿真器里測(cè)試通過(guò)的算法，拿到真車(chē)上效果就不行。NeRF（神經(jīng)輻射場(chǎng)）技術(shù)徹底解決了這個(gè)問(wèn)題，它可以從多個(gè)角度拍攝的視頻中重建出照片級(jí)真實(shí)的3D場(chǎng)景，而且可以任意改變視角、光照、天氣。英偉達(dá)的Drive Sim平臺(tái)現(xiàn)在就是基于這個(gè)技術(shù)，可以把真實(shí)的道路場(chǎng)景掃描進(jìn)去，然后在里面測(cè)試各種極端情況，比如突然竄出來(lái)一個(gè)小孩、對(duì)向車(chē)輛失控沖過(guò)來(lái)這些。更厲害的是可以合成訓(xùn)練數(shù)據(jù)，比如系統(tǒng)在某個(gè)場(chǎng)景下表現(xiàn)不好，就用NeRF生成一堆類(lèi)似但稍有變化的場(chǎng)景，專(zhuān)門(mén)訓(xùn)練這種情況。Waymo公開(kāi)的數(shù)據(jù)顯示，他們現(xiàn)在99%的測(cè)試都在仿真環(huán)境里完成，只有1%需要真車(chē)路測(cè)，大大降低了測(cè)試成本和風(fēng)險(xiǎn)。

高精地圖的地位正在發(fā)生根本性變化

這個(gè)趨勢(shì)在2024年特別明顯。以前業(yè)內(nèi)普遍認(rèn)為L(zhǎng)3級(jí)以上的自動(dòng)駕駛必須依賴(lài)高精地圖，因?yàn)樾枰_知道車(chē)道線(xiàn)、紅綠燈、路口拓?fù)溥@些信息。但高精地圖有致命的問(wèn)題，首先是制作成本高，傳統(tǒng)方法需要專(zhuān)業(yè)測(cè)繪車(chē)帶著激光雷達(dá)去掃描，每公里成本要幾千元人民幣，全國(guó)高速公路加城市道路得幾十萬(wàn)公里，這是個(gè)天文數(shù)字。其次是更新頻率跟不上，道路施工、車(chē)道調(diào)整這些變化非常頻繁，但地圖更新可能要幾個(gè)月，導(dǎo)致自動(dòng)駕駛系統(tǒng)用的是過(guò)時(shí)數(shù)據(jù)。最致命的是法規(guī)限制，很多國(guó)家對(duì)高精度測(cè)繪有嚴(yán)格管控，不允許外國(guó)公司采集，這直接限制了自動(dòng)駕駛的全球化部署?，F(xiàn)在的技術(shù)趨勢(shì)是”輕地圖”或者”無(wú)圖”方案，就是降低對(duì)高精地圖的依賴(lài)，更多靠實(shí)時(shí)感知和在線(xiàn)建圖。Mobileye搞的REM（路網(wǎng)經(jīng)驗(yàn)管理）技術(shù)挺聰明的，利用量產(chǎn)車(chē)上的攝像頭眾包采集數(shù)據(jù)，自動(dòng)生成和更新地圖，成本幾乎為零，而且更新頻率可以做到準(zhǔn)實(shí)時(shí)。特斯拉更激進(jìn)，完全拋棄了高精地圖，純靠視覺(jué)神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)識(shí)別車(chē)道線(xiàn)、交通標(biāo)識(shí)、路口結(jié)構(gòu)這些信息，在北美和中國(guó)的城市NOA實(shí)測(cè)中已經(jīng)證明可行。華為ADS 2.0也宣稱(chēng)可以”全國(guó)都能開(kāi)，不需要高精地圖”，實(shí)際測(cè)試下來(lái)確實(shí)在沒(méi)有高精地圖覆蓋的路段也能正常工作，雖然偶爾會(huì)猶豫，但大部分情況是OK的。矢量化地圖表征是輕地圖方向的核心技術(shù)

這個(gè)技術(shù)簡(jiǎn)單說(shuō)就是不再存儲(chǔ)柵格圖像，而是用數(shù)學(xué)向量來(lái)表示道路元素。比如一條車(chē)道線(xiàn)，傳統(tǒng)地圖可能存儲(chǔ)為一串坐標(biāo)點(diǎn)的像素?cái)?shù)組，占用空間大，而且不方便編輯。矢量化表征就用貝塞爾曲線(xiàn)或者多項(xiàng)式來(lái)描述這條線(xiàn)，只需要幾個(gè)參數(shù)，占用空間小了幾十倍，而且可以方便地延伸、拼接、修改。更重要的是，神經(jīng)網(wǎng)絡(luò)可以直接輸出矢量化的地圖表征，比如從攝像頭圖像直接預(yù)測(cè)出車(chē)道線(xiàn)的貝塞爾曲線(xiàn)參數(shù)，這樣就實(shí)現(xiàn)了感知和建圖的統(tǒng)一。特斯拉在2023年的AI Day上展示過(guò)他們的Vector Lane Network，能實(shí)時(shí)輸出周?chē)?00米范圍內(nèi)的矢量化道路網(wǎng)絡(luò)，包括車(chē)道連接關(guān)系、路口拓?fù)溥@些信息。這種實(shí)時(shí)在線(xiàn)地圖和傳統(tǒng)的離線(xiàn)高精地圖相比，最大優(yōu)勢(shì)是永遠(yuǎn)不會(huì)過(guò)時(shí)，看到的就是當(dāng)前真實(shí)情況，哪怕道路臨時(shí)改道、車(chē)道線(xiàn)重新劃了，都能實(shí)時(shí)適應(yīng)。

計(jì)算架構(gòu)從分布式向集中式演進(jìn)是另一個(gè)大趨勢(shì)

以前一輛車(chē)可能有上百個(gè)ECU（電子控制單元），發(fā)動(dòng)機(jī)控制、剎車(chē)控制、燈光控制、娛樂(lè)系統(tǒng)各管各的，彼此之間通過(guò)CAN總線(xiàn)通信，帶寬很低，延遲也高?，F(xiàn)在逐步整合成幾個(gè)域控制器，把相關(guān)功能集中到一個(gè)強(qiáng)大的計(jì)算平臺(tái)上。自動(dòng)駕駛域控制器（ADCU）是算力要求最高的，因?yàn)橐幚矶鄠€(gè)攝像頭、雷達(dá)、激光雷達(dá)的數(shù)據(jù)流，還要跑深度學(xué)習(xí)模型。英偉達(dá)的Orin芯片現(xiàn)在基本是行業(yè)標(biāo)準(zhǔn)，單顆算力254 TOPS，一般配置是雙Orin或者四Orin，總算力達(dá)到500-1000 TOPS。他們下一代的Thor芯片更猛，單顆2000 TOPS，2025年就會(huì)在一些新車(chē)上量產(chǎn)。國(guó)內(nèi)的芯片像地平線(xiàn)征程6達(dá)到560 TOPS，雖然和英偉達(dá)還有差距，但考慮到價(jià)格和供應(yīng)鏈自主性，不少?lài)?guó)內(nèi)車(chē)企在用。黑芝麻的A2000芯片也到了196 TOPS，在商用車(chē)和低端乘用車(chē)市場(chǎng)有一定份額。算力提升帶來(lái)的好處是可以跑更復(fù)雜的模型，處理更多傳感器數(shù)據(jù)，決策延遲也能降下來(lái)。特斯拉自研的FSD芯片雖然只有144 TOPS，但因?yàn)槭嵌ㄖ苹O(shè)計(jì)，專(zhuān)門(mén)優(yōu)化了神經(jīng)網(wǎng)絡(luò)推理，實(shí)際性能不比Orin差。

車(chē)云協(xié)同是解決算力瓶頸的重要方向

單車(chē)智能再?gòu)?qiáng)也有上限，很多復(fù)雜的計(jì)算任務(wù)比如大模型訓(xùn)練、仿真測(cè)試、路徑優(yōu)化這些，不可能都在車(chē)上完成。所以現(xiàn)在的技術(shù)架構(gòu)是車(chē)端負(fù)責(zé)實(shí)時(shí)感知和快速?zèng)Q策，云端負(fù)責(zé)訓(xùn)練模型、更新算法、處理海量數(shù)據(jù)。小鵬的XNGP系統(tǒng)是個(gè)典型案例，他們每天從全國(guó)的車(chē)隊(duì)收集數(shù)億公里的行駛數(shù)據(jù)，上傳到云端進(jìn)行標(biāo)注和訓(xùn)練，然后通過(guò)OTA把新模型推送到車(chē)上。這種模式下，車(chē)隊(duì)規(guī)模本身就是競(jìng)爭(zhēng)力，車(chē)越多數(shù)據(jù)越多，模型迭代越快，形成正向循環(huán)。華為的”車(chē)云一體”方案更進(jìn)一步，云端不只是訓(xùn)練模型，還提供實(shí)時(shí)的路況信息、最優(yōu)路徑規(guī)劃、甚至在特殊情況下遠(yuǎn)程接管車(chē)輛。這種”云代駕”模式在Robotaxi場(chǎng)景特別有用，遇到車(chē)輛自己處理不了的情況，比如復(fù)雜施工路段，可以請(qǐng)求云端的人類(lèi)操作員遠(yuǎn)程操控通過(guò)，然后記錄這次操作數(shù)據(jù)用于后續(xù)訓(xùn)練。不過(guò)車(chē)云協(xié)同也帶來(lái)了新問(wèn)題，對(duì)網(wǎng)絡(luò)連接的要求很高，要保證低延遲和高可靠性，而且數(shù)據(jù)安全和隱私保護(hù)也是挑戰(zhàn)，用戶(hù)的駕駛數(shù)據(jù)上傳到云端，如何防止泄露是必須解決的問(wèn)題。

商業(yè)化落地方面，Robotaxi無(wú)人出租車(chē)是最激進(jìn)的應(yīng)用場(chǎng)景

也是驗(yàn)證自動(dòng)駕駛技術(shù)成熟度的試金石。Waymo現(xiàn)在是全球領(lǐng)先的，他們?cè)谂f金山和鳳凰城的運(yùn)營(yíng)已經(jīng)完全去掉了安全員，車(chē)?yán)餂](méi)有人，用戶(hù)通過(guò)APP叫車(chē)，車(chē)自己開(kāi)過(guò)來(lái)，送到目的地。根據(jù)公開(kāi)數(shù)據(jù)，Waymo每周完成超過(guò)10萬(wàn)次訂單，運(yùn)營(yíng)時(shí)間覆蓋7×24小時(shí)，包括夜間和高峰時(shí)段。實(shí)際乘坐體驗(yàn)還不錯(cuò)，開(kāi)車(chē)風(fēng)格比較保守，但基本不會(huì)讓人感覺(jué)不安全。不過(guò)成本還是太高，Waymo一輛車(chē)的硬件成本估計(jì)要20萬(wàn)美金以上，加上運(yùn)維、充電、清潔這些，每英里成本還是比人類(lèi)司機(jī)貴。他們的策略是先在限定區(qū)域內(nèi)做到技術(shù)領(lǐng)先，積累足夠多的運(yùn)營(yíng)數(shù)據(jù)和口碑，然后等硬件成本下降再大規(guī)模擴(kuò)張。國(guó)內(nèi)的百度蘿卜快跑進(jìn)展也挺快，在武漢、深圳、重慶等城市開(kāi)展全無(wú)人化運(yùn)營(yíng)，累計(jì)訂單已經(jīng)超過(guò)600萬(wàn)次。他們用的是阿波羅Moon車(chē)型，硬件配置比Waymo簡(jiǎn)單一些，成本也低不少，單車(chē)成本據(jù)說(shuō)已經(jīng)降到了25萬(wàn)人民幣左右。蘿卜快跑的優(yōu)勢(shì)是中國(guó)的道路環(huán)境更復(fù)雜，如果能在武漢這種電動(dòng)車(chē)橫行、路況混亂的城市跑起來(lái)，技術(shù)魯棒性會(huì)更強(qiáng)。但他們目前還主要在特定區(qū)域運(yùn)營(yíng)，還沒(méi)有實(shí)現(xiàn)全城無(wú)限制開(kāi)放。

Cruise的案例值得特別說(shuō)一下，作為通用旗下的自動(dòng)駕駛公司，Cruise在2023年是風(fēng)光無(wú)限，在舊金山拿到了全無(wú)人運(yùn)營(yíng)許可，準(zhǔn)備大干一場(chǎng)。結(jié)果去年10月發(fā)生了一起事故，一個(gè)行人被另一輛車(chē)撞倒后，又被Cruise的無(wú)人車(chē)拖行了一段距離，雖然主要責(zé)任不在Cruise，但這個(gè)事情引發(fā)了巨大爭(zhēng)議。加州監(jiān)管部門(mén)吊銷(xiāo)了Cruise的運(yùn)營(yíng)許可，通用隨后暫停了所有的Robotaxi業(yè)務(wù)，進(jìn)行全面安全審查。這個(gè)事情說(shuō)明自動(dòng)駕駛技術(shù)再先進(jìn)，只要出了事故就是100%的責(zé)任，社會(huì)容忍度遠(yuǎn)低于人類(lèi)駕駛員。而且Cruise暴露出來(lái)的問(wèn)題不只是技術(shù)，還有對(duì)事故的處理方式，他們最初沒(méi)有如實(shí)向監(jiān)管部門(mén)報(bào)告拖行的細(xì)節(jié)，導(dǎo)致信任度嚴(yán)重受損。現(xiàn)在Cruise正在重組，砍掉了大量員工，戰(zhàn)略方向也在重新評(píng)估。這個(gè)案例給整個(gè)行業(yè)敲響了警鐘，技術(shù)只是一方面,安全冗余、測(cè)試驗(yàn)證、危機(jī)應(yīng)對(duì)這些同樣重要。

量產(chǎn)車(chē)的高速NOA功能已經(jīng)相對(duì)成熟，這是目前普通消費(fèi)者能真正用上的自動(dòng)駕駛功能。高速公路環(huán)境相對(duì)簡(jiǎn)單，車(chē)道線(xiàn)清晰，沒(méi)有行人和非機(jī)動(dòng)車(chē)，車(chē)速雖然快但都是同向行駛，預(yù)測(cè)起來(lái)容易很多。理想的L系列車(chē)型，高速NOA使用率已經(jīng)超過(guò)50%，意味著一半以上的高速駕駛時(shí)間用戶(hù)愿意開(kāi)啟自動(dòng)駕駛。蔚來(lái)的NOP+覆蓋了全國(guó)的高速路網(wǎng)，小鵬NGP累計(jì)行駛里程超過(guò)10億公里，這些都證明高速NOA技術(shù)已經(jīng)通過(guò)了大規(guī)模驗(yàn)證。實(shí)際體驗(yàn)下來(lái)，高速上的自動(dòng)變道、超車(chē)、跟車(chē)基本達(dá)到了人類(lèi)駕駛員的水平，甚至某些方面比人更平穩(wěn)，因?yàn)锳I對(duì)車(chē)距、速度的控制更精確。但上下匝道還是個(gè)難點(diǎn)，特別是一些匝道比較短、需要連續(xù)變道的情況，系統(tǒng)容易處理不過(guò)來(lái)，需要人接管。還有就是大貨車(chē)加塞、施工路段封閉車(chē)道這些突發(fā)情況,系統(tǒng)的應(yīng)對(duì)有時(shí)候會(huì)比較遲疑，不如人類(lèi)駕駛員果斷。不過(guò)總體來(lái)說(shuō)，高速NOA已經(jīng)可以大幅降低駕駛疲勞度，尤其是長(zhǎng)途駕駛，這個(gè)功能的價(jià)值是實(shí)實(shí)在在的。

城市NOA是2024-2025年度最大的技術(shù)突破，難度比高速NOA高了不止一個(gè)量級(jí)。城市環(huán)境太復(fù)雜了，紅綠燈、路口、行人、非機(jī)動(dòng)車(chē)、臨時(shí)變道、違章停車(chē)、施工圍擋，每一個(gè)都是挑戰(zhàn)。華為ADS 2.0在這方面確實(shí)做得不錯(cuò)，他們宣稱(chēng)可以實(shí)現(xiàn)”全國(guó)都能開(kāi)”，不依賴(lài)高精地圖。實(shí)際測(cè)試下來(lái)，在深圳、上海這些一線(xiàn)城市，系統(tǒng)確實(shí)能夠處理大部分情況，紅綠燈識(shí)別準(zhǔn)確率99%以上，無(wú)保護(hù)左轉(zhuǎn)成功率也能達(dá)到95%以上。但遇到一些極端情況還是會(huì)出問(wèn)題，比如電動(dòng)車(chē)突然變道插隊(duì)，系統(tǒng)會(huì)緊急制動(dòng)，動(dòng)作比人類(lèi)駕駛員更急，有時(shí)候坐著會(huì)不太舒服。還有就是在一些小路口，交通標(biāo)識(shí)不清楚或者沒(méi)有的情況，系統(tǒng)會(huì)變得很保守，寧可多等一會(huì)也不敢走，這時(shí)候人類(lèi)駕駛員其實(shí)可以根據(jù)經(jīng)驗(yàn)判斷能通過(guò)。特斯拉FSD V12在北美城市的表現(xiàn)也不錯(cuò)，尤其是灣區(qū)這種復(fù)雜環(huán)境，處理起來(lái)比較從容。但右轉(zhuǎn)讓行人這塊，系統(tǒng)現(xiàn)在調(diào)得太保守了，有時(shí)候行人離得還很遠(yuǎn)就開(kāi)始減速等待，影響通行效率。小鵬的城市NGP正在快速迭代，他們的優(yōu)勢(shì)是中國(guó)用戶(hù)的反饋很及時(shí)，系統(tǒng)改進(jìn)速度快，現(xiàn)在已經(jīng)可以在很多二三線(xiàn)城市使用，不只是一線(xiàn)城市。

安全冗余設(shè)計(jì)是高等級(jí)自動(dòng)駕駛的基礎(chǔ)要求

這個(gè)話(huà)題聽(tīng)起來(lái)枯燥但極其重要。自動(dòng)駕駛系統(tǒng)比人類(lèi)駕駛員對(duì)安全的要求高得多，因?yàn)闄C(jī)器不能出錯(cuò)，出錯(cuò)就是系統(tǒng)性問(wèn)題。硬件冗余是最基本的,比如傳感器要有備份,一個(gè)攝像頭壞了，其他的能頂上；計(jì)算平臺(tái)要有雙芯片甚至三芯片，一個(gè)算力模塊故障了，另一個(gè)立刻接管；制動(dòng)系統(tǒng)要有獨(dú)立的冗余，電子制動(dòng)失效了，機(jī)械制動(dòng)能緊急剎停。奔馳的Drive Pilot是全球第一款獲得L3認(rèn)證的量產(chǎn)車(chē)，它的硬件冗余做得最完善，雙轉(zhuǎn)向系統(tǒng)、雙制動(dòng)系統(tǒng)、雙電源系統(tǒng)，保證任何單點(diǎn)故障不會(huì)導(dǎo)致系統(tǒng)完全失效。軟件冗余也很重要，比如感知算法要有多種備份方案，視覺(jué)識(shí)別失敗了，激光雷達(dá)能頂上；決策算法要有fallback機(jī)制，主算法輸出異常時(shí)，備用的簡(jiǎn)單算法保證車(chē)輛能安全停下來(lái)。除了硬件和軟件冗余，功能降級(jí)策略也是關(guān)鍵，系統(tǒng)發(fā)現(xiàn)自己處理不了的情況，要能平滑降級(jí)，給駕駛員足夠的反應(yīng)時(shí)間接管，而不是突然撒手不管。這需要精心設(shè)計(jì)人機(jī)交互，提前多久提示、用什么方式提示、駕駛員多長(zhǎng)時(shí)間沒(méi)響應(yīng)算失效，這些都要經(jīng)過(guò)大量測(cè)試驗(yàn)證。

預(yù)期功能安全SOTIF是個(gè)容易被忽視但很致命的問(wèn)題

這個(gè)概念說(shuō)的是即使硬件不壞、軟件沒(méi)bug，算法也可能犯錯(cuò)，因?yàn)锳I本質(zhì)上是概率模型，不可能100%準(zhǔn)確。歷史上發(fā)生過(guò)幾起嚴(yán)重的自動(dòng)駕駛事故，都是因?yàn)樗惴ㄗR(shí)別失敗，比如特斯拉的早期版本曾經(jīng)把白色貨車(chē)誤認(rèn)為天空，因?yàn)橛?xùn)練數(shù)據(jù)里白色車(chē)輛側(cè)翻的場(chǎng)景太少了；還有把路邊廣告牌上的車(chē)道線(xiàn)圖案誤認(rèn)為真實(shí)車(chē)道線(xiàn)，導(dǎo)致車(chē)輛偏離。解決SOTIF的關(guān)鍵是海量場(chǎng)景測(cè)試，把各種極端情況都覆蓋到，這需要百億公里甚至千億公里級(jí)別的仿真測(cè)試加實(shí)際路測(cè)。Waymo公開(kāi)的數(shù)據(jù)顯示，他們?cè)诜抡姝h(huán)境里跑了幾百億英里，相當(dāng)于人類(lèi)駕駛幾千年的經(jīng)驗(yàn)。另一個(gè)重要技術(shù)是Out-of-Distribution檢測(cè)，讓AI能識(shí)別自己不確定的情況，比如遇到訓(xùn)練數(shù)據(jù)里從沒(méi)見(jiàn)過(guò)的物體，系統(tǒng)知道自己識(shí)別不了，就降級(jí)處理或者請(qǐng)求人類(lèi)接管，而不是瞎猜。這個(gè)技術(shù)現(xiàn)在還在研究階段，難度很大，因?yàn)椴淮_定性本身就很難量化。人機(jī)共駕的接管策略也很有講究，提前多久提示駕駛員接管，用什么方式提示，如果駕駛員不響應(yīng)怎么辦，這些都需要大量的用戶(hù)研究和測(cè)試。特斯拉因?yàn)榻庸軙r(shí)間太短導(dǎo)致事故的案例不少，現(xiàn)在他們把提示時(shí)間延長(zhǎng)了，還增加了方向盤(pán)震動(dòng)這種更強(qiáng)烈的提醒方式。

各國(guó)政策法規(guī)差異對(duì)自動(dòng)駕駛發(fā)展影響很大

這是個(gè)很現(xiàn)實(shí)的問(wèn)題。美國(guó)總體上相對(duì)開(kāi)放，聯(lián)邦層面沒(méi)有統(tǒng)一的自動(dòng)駕駛法規(guī)，主要由各州自己決定，加州、亞利桑那這些州允許完全無(wú)人車(chē)上路測(cè)試，但也有一些州限制比較嚴(yán)。Cruise的事故發(fā)生后，NHTSA（美國(guó)國(guó)家公路交通安全管理局）加強(qiáng)了監(jiān)管，要求所有自動(dòng)駕駛公司報(bào)告事故和接管數(shù)據(jù)，透明度提高了很多。中國(guó)采取的是試點(diǎn)先行、逐步推廣的策略，北京、上海、深圳、武漢這些城市開(kāi)放了測(cè)試，但大部分Robotaxi還是要求配備安全員，只有在特定區(qū)域才允許完全無(wú)人。2024年開(kāi)始，中國(guó)正式允許L3級(jí)自動(dòng)駕駛上高速，這是個(gè)重大突破，意味著量產(chǎn)車(chē)可以實(shí)現(xiàn)有條件的自動(dòng)駕駛，駕駛員在某些情況下可以完全不管車(chē)。歐洲最謹(jǐn)慎，L3級(jí)需要通過(guò)非常嚴(yán)格的型式認(rèn)證，整個(gè)流程要好幾年，奔馳是目前唯一獲得認(rèn)證的量產(chǎn)車(chē)。歐洲對(duì)數(shù)據(jù)隱私保護(hù)要求極高，GDPR法規(guī)限制了很多數(shù)據(jù)收集和使用，這對(duì)需要海量數(shù)據(jù)訓(xùn)練的自動(dòng)駕駛來(lái)說(shuō)是個(gè)挑戰(zhàn)。日本的策略比較獨(dú)特，他們更重視V2X車(chē)路協(xié)同技術(shù)，在基礎(chǔ)設(shè)施上投入更多，比如路口安裝傳感器、信號(hào)燈聯(lián)網(wǎng)，輔助車(chē)輛決策。日本還在一些偏遠(yuǎn)地區(qū)推進(jìn)無(wú)人巴士，解決老齡化社會(huì)的出行問(wèn)題，這個(gè)方向挺有意思的。

技術(shù)挑戰(zhàn)和未來(lái)方向方面，Corner Case長(zhǎng)尾場(chǎng)景處理仍然是最大難題

自動(dòng)駕駛系統(tǒng)在常見(jiàn)場(chǎng)景下表現(xiàn)已經(jīng)很好了，但總有些罕見(jiàn)情況處理不好。比如路面上一個(gè)漏氣的氣球在滾，到底要不要躲？軋過(guò)去沒(méi)事，但如果躲的話(huà)可能影響其他車(chē)。再比如前方有個(gè)人推著梯子橫穿馬路，系統(tǒng)能正確識(shí)別嗎？這種場(chǎng)景在訓(xùn)練數(shù)據(jù)里可能只有幾個(gè)樣本，模型很難學(xué)到。解決長(zhǎng)尾問(wèn)題沒(méi)有銀彈，只能靠持續(xù)積累數(shù)據(jù)、改進(jìn)算法、增加冗余。有些公司在搞合成數(shù)據(jù)生成，用AI制造各種極端場(chǎng)景的訓(xùn)練數(shù)據(jù)，但效果還有待驗(yàn)證。惡劣天氣適應(yīng)性也是個(gè)大問(wèn)題，大雨、大雪、沙塵暴這些情況下，攝像頭和激光雷達(dá)性能都會(huì)大幅下降，現(xiàn)在主要靠毫米波雷達(dá)頂著，但精度不夠。未來(lái)可能需要新的傳感器技術(shù)，比如太赫茲雷達(dá)、量子雷達(dá)這些還在實(shí)驗(yàn)室階段的東西。多車(chē)協(xié)同和車(chē)路協(xié)同是長(zhǎng)期方向，單車(chē)智能再?gòu)?qiáng)也有上限，如果車(chē)和車(chē)之間、車(chē)和路側(cè)設(shè)施之間能實(shí)時(shí)通信，共享感知數(shù)據(jù)，系統(tǒng)的決策會(huì)更準(zhǔn)確更安全。中國(guó)在車(chē)路協(xié)同方面投入比較大，很多城市在建智能路側(cè)單元，但標(biāo)準(zhǔn)不統(tǒng)一、建設(shè)成本高，短期內(nèi)很難大規(guī)模部署。

成本下降和產(chǎn)業(yè)鏈成熟是商業(yè)化的關(guān)鍵

現(xiàn)在自動(dòng)駕駛系統(tǒng)的成本還是太高了，一套完整的L3-L4級(jí)系統(tǒng)，硬件成本可能要幾萬(wàn)到十幾萬(wàn)人民幣，這對(duì)于十幾二十萬(wàn)的車(chē)來(lái)說(shuō)，占比太高了。隨著激光雷達(dá)、芯片這些核心部件的量產(chǎn)規(guī)模擴(kuò)大，成本會(huì)快速下降。國(guó)產(chǎn)激光雷達(dá)現(xiàn)在已經(jīng)降到了幾千元一顆，雖然線(xiàn)數(shù)少一些，但對(duì)于量產(chǎn)車(chē)來(lái)說(shuō)夠用了。芯片方面，國(guó)產(chǎn)替代進(jìn)展很快，地平線(xiàn)、黑芝麻這些公司的產(chǎn)品在逐步上車(chē)，價(jià)格比英偉達(dá)便宜不少。軟件算法的開(kāi)發(fā)成本也在降低，因?yàn)橛辛烁嗟拈_(kāi)源工具和預(yù)訓(xùn)練模型，不需要從頭開(kāi)始開(kāi)發(fā)。產(chǎn)業(yè)鏈分工也在細(xì)化，有專(zhuān)門(mén)做傳感器的、做芯片的、做算法的、做測(cè)試的，整車(chē)廠(chǎng)可以像搭積木一樣組合，不用什么都自己干。特斯拉是個(gè)例外，他們堅(jiān)持全棧自研，從芯片到算法到數(shù)據(jù)標(biāo)注工具全部自己做，這樣效率更高，但對(duì)技術(shù)能力要求極高，普通車(chē)企學(xué)不來(lái)。更現(xiàn)實(shí)的路徑是像華為、小鵬這樣，核心算法自己掌握，硬件部分外采或者合作開(kāi)發(fā)。

保險(xiǎn)和法律責(zé)任問(wèn)題也需要解決，L3級(jí)以上的自動(dòng)駕駛，如果出了事故責(zé)任歸誰(shuí)？是車(chē)主、車(chē)企還是軟件供應(yīng)商？現(xiàn)在各國(guó)還沒(méi)有明確的法律框架，這也限制了技術(shù)的大規(guī)模應(yīng)用。奔馳在推Drive Pilot時(shí)承諾，開(kāi)啟L3模式時(shí)如果發(fā)生事故，責(zé)任由奔馳承擔(dān)，這是個(gè)很大膽的決定，也倒逼他們把系統(tǒng)做得更可靠。總的來(lái)說(shuō)，全球自動(dòng)駕駛技術(shù)在2024-2025這兩年取得了突破性進(jìn)展，但離真正的L4-L5級(jí)完全自動(dòng)駕駛還有不小距離。高速和城市的輔助駕駛已經(jīng)比較成熟，能實(shí)實(shí)在在提升駕駛體驗(yàn)。Robotaxi在限定區(qū)域運(yùn)營(yíng)也初步成功，證明技術(shù)可行性。但要實(shí)現(xiàn)全場(chǎng)景、全天候、無(wú)安全員的完全自動(dòng)駕駛，可能還需要5-10年時(shí)間。技術(shù)上的挑戰(zhàn)還很多，法規(guī)和商業(yè)模式也在探索中。不過(guò)趨勢(shì)是明確的，自動(dòng)駕駛一定會(huì)實(shí)現(xiàn)，只是時(shí)間早晚的問(wèn)題。對(duì)于普通消費(fèi)者來(lái)說(shuō)，未來(lái)幾年能用上的主要還是L2+到L3級(jí)的輔助駕駛功能，真正的無(wú)人駕駛可能要到2030年前后才能普及。但這個(gè)過(guò)程中會(huì)有很多創(chuàng)新涌現(xiàn)，整個(gè)汽車(chē)產(chǎn)業(yè)也在重構(gòu)，還是很值得期待的。

文章轉(zhuǎn)載自：https://www.key-iot.com.cn/drive/776.html

審核編輯 黃宇