十八線小城市配不上自動駕駛？

　　在中國，智能電動車的競爭經(jīng)常表現(xiàn)為一場造詞比賽。

　　2020年，比亞迪刀片電池出鞘，而后麒麟電池、彈匣電池、魔方電池、神盾電池紛紛來襲。

　　同樣，在NoA(Navigate on Pilot)導航輔助駕駛的名字被特斯拉首發(fā)后，蔚來起名NoP，小鵬造詞NGP，沿用NoA名字的理想，還喜提過馬斯克的揶揄。

　　而在NoA從高速場景向城市滲透的2023年，新一輪智能駕駛造詞運動初現(xiàn)端倪：

　　理想集中訓練從北京望京到順義的城市通勤智駕，這一將擴展到其他地區(qū)的功能被稱為通勤模式;

　　小鵬則隨G6上市發(fā)布了AI代駕，計劃今年推送給50座城市的車主;

　　預計在9月上市的五菱云朵靈犀版，類似的功能則名為記憶領(lǐng)航(記憶行車);

　　智己即將上市的新車LS6，也會在明年搭載通勤模式。

　　不過，激烈的造詞競爭其實也意味著大批企業(yè)注意力與資源的集中投入。電池起名大戰(zhàn)后，中國新能源汽車突飛猛進，從少數(shù)一二線城市加速滲透至全國各地。

　　同樣，圍繞通勤模式的智駕造詞比賽，也預示著一場高階智駕走出北上廣深的智駕平權(quán)運動正在開啟。

　　01 脫圖中轉(zhuǎn)站

　　從某種程度上來說，通勤模式是車企追逐無高精地圖高階智駕的折中選擇。

　　今年，在智駕進城的競賽中，車企紛紛立下激進目標：華為的計劃是年底前在45城開通城市NoA功能，小鵬的目標是50城，理想則加碼到100城。但立Flag時豪情萬丈，功能落地卻略顯緩慢。離今年結(jié)束不到4個半月，但開通了城市NoA功能的城市還不到10座。

　　之所以開城進度緩慢，原因在于國內(nèi)已量產(chǎn)的城市NoA，都要依托于高精地圖基建先行。但高精地圖采集成本高、周期長、監(jiān)管嚴，在眾多非一線城市，高精地圖要么繪制困難，要么過審緩慢。

　　一個尷尬的局面由此產(chǎn)生：

　　眾多車企與供應商投入重金開發(fā)的城市高階智駕，明明正處亟需跨越鴻溝的階段，但卻僅是少數(shù)發(fā)達城市用戶的專屬功能。用戶規(guī)模不足，不僅會導致研發(fā)成本難以收回，也很難獲取海量數(shù)據(jù)促進算法迭代。

　　正是因為看到這樣的問題，特斯拉的FSD在規(guī)劃之初就拋開高精地圖，選擇不斷推高單車智能的上限。由于對基礎設施的依賴更少，這一技術(shù)方案的能力理論上更容易泛化，通俗一點解釋就是不挑城市，從北上廣深下沉到二三線城市的阻力更小。

　　然而理論歸理論，現(xiàn)實是FSD入華尚在籌備，而國內(nèi)玩家即使用上了高精地圖這根拐杖，市面上已有的城市高階智駕，在北上廣深的表現(xiàn)還時不時踉踉蹌蹌。丟開高精地圖直接在二三線全面落地城市NoA，目標過于宏大，后果也難以想象。

　　在僵局中，產(chǎn)品經(jīng)理們由移動互聯(lián)網(wǎng)錘煉出的場景思維，最終帶來了一個青春版的高階智駕產(chǎn)品：

　　如果餅畫得太大導致團隊做不了、用戶吃不下，那就先把餅畫小一點——既然在非核心城市不靠高精地圖很難做好完整版的城市NoA，那就先做一個城市NoA mini版，只在用戶最高頻的通勤場景做好智駕——通勤模式應運而生。

　　在通勤模式的功能設計中，車主將有機會化身AI駕校教練，解鎖“教車開車”的獨特體驗：用戶先沿著通勤路線開幾遍，車輛對路線一遍遍記憶、學習后，逐漸輕車熟路，最終無需高精地圖也能在固定路線上開啟高階智駕。

　　形式上，這與早年間各種無人車演示有些類似。選定一條路線后，工程師會讓無人車在固定路線上日復一日地行駛，收集數(shù)據(jù)、微調(diào)算法，最終產(chǎn)生無人車在特定路線上超常發(fā)揮的效果，有點像驢拉磨，但行業(yè)稱之“過擬合”，即算法高度適配特定數(shù)據(jù)與場景。

　　可量產(chǎn)高階智駕最忌諱的又正是過擬合 。通勤模式面向海量用戶，車主選出來的路線可能有數(shù)萬至數(shù)十萬條，沒有企業(yè)有足夠的工程師和算力對每條線路都訓練一套特定算法。

　　要實現(xiàn)低線城市與北上廣深的智駕平權(quán)，光會造詞顯然遠遠不夠。

　　02 丟開“拐杖”

　　車企與智駕供應商眼下追捧的通勤模式，實質(zhì)上是將原本已經(jīng)做過切分的智駕場景(高速、城區(qū)、泊車)再一次進行切分，讓有限的技術(shù)與工程資源能夠針對性投入。

　　然而，雖然通勤模式是更輕量級的城市NoA，但其技術(shù)難度可能相較于使用高精地圖的城市高階智駕不減反增，原因也正是拋開了高精地圖這根拐杖。

　　以人類作參考，駕駛員在熟悉的城市道路中， 不用導航也能開得順暢，就是因為在多次駕駛后會將道路及周圍特征記下來，形成了先驗信息。而到了陌生城市，即使開著導航也容易出錯，問題就出在先驗信息不夠多、不夠細。

　　高精地圖的作用正是打開上帝視野，超視距、高密度地提供智駕所需的先驗信息。在其輔助下，智駕系統(tǒng)即使在場景復雜、物體遮擋、路口錯位的情況下，也能夠以更大概率選對正路，少走彎路。

　　因為這些優(yōu)點，即使是在去高精地圖進程中*的小鵬、華為，目前也仍遵循“有(高精地)圖用圖”的原則。

　　顯然，先驗信息越豐富，智駕的體驗上限就越高。通勤模式要甩開高精地圖，必須要解決的關(guān)鍵問題是：如何補上失去的先驗信息?

　　目前來看，行業(yè)至少已經(jīng)有三種不同的技術(shù)方案：

　　按圖索驥派，大疆;高維特征派，理想;硬懟感知派，小鵬。

　　在為車企提供的“成行“平臺智駕方案中，大疆車載會提供記憶行車(云朵靈犀版稱記憶領(lǐng)航)功能。

　　根據(jù)大疆車載官網(wǎng)的信息，記憶行車功能首先需要“路線記憶”，用戶主動記錄下一段路程的行車軌跡(軌跡中包含定位，橫縱向加速度等信息)。在使用功能時，定位到了駛?cè)胗洃浡肪�之內(nèi)就可以開啟“記憶行車”。

　　不過這一過程并沒有那么死板，而是會參考記憶的路線和實時感知，選擇更優(yōu)的車道，需要時作出過路口、避讓、繞行等動作。而這些新的行駛記錄也會不斷覆蓋之前的記憶路線，幫助車“越開越好”。

　　理想向早鳥用戶提供的測試版通勤模式，則選擇了NPN神經(jīng)先驗網(wǎng)絡解決先驗信息。

　　在車主進行路線訓練時，理想的智駕系統(tǒng)會將采集到的道路信息(尤其是路口等復雜場景)通過NPN網(wǎng)絡輸出為人類看不懂的高維特征，多次上傳、刷新后在云端聚合出特定道路的完整特征。

　　通勤模式啟用時，理想的智駕系統(tǒng)會從云端下載既定路線的高維特征數(shù)據(jù)，作為感知系統(tǒng)的重要參考，輔助輸出更穩(wěn)定可靠的感知結(jié)果。比如在過路口時，因為遮擋、光線問題智駕系統(tǒng)可能會看不全、看不清車道線、停止線，但引入了NPN網(wǎng)絡提供的先驗信息后，感知結(jié)果會更精確(雖然仍比不上高精地圖)。

　　相比大疆、理想，小鵬展示的則是一種大力出奇跡的方案：將車輛的感知能力做得更強、更遠，減少對先驗信息的依賴。

　　上周在北京進行的無圖城市NoA演示中，小鵬表示其XNet的感知范圍提升了2倍，達到1.8個標準足球場大小，此外小鵬的算法也擁有更強的“腦補”能力。這讓車輛能夠在百米距離就看到并記住紅綠燈、標志線，提高做出正確駕駛決策的概率。

　　這種方式選擇武裝自身，受約束較少，但可能最耗費腦細胞：XNet采用的BEV+Transformer感知技術(shù)框架雖然上限高，但提升BEV感知消耗的算力會隨距離增加成倍增長。

　　行業(yè)提出的應對方案是對BEV算法進行稀疏化改造，即通過設計讓算法去算那些更該被感知的物體，比如地平線的Sparse4D、圖森的稀疏BEV。不過，落地到高階智駕量產(chǎn)中的稀疏化BEV尚不多。

　　如何在芯片算力、內(nèi)存不變的條件下，讓感知距離成倍提升而不損失感知精度，是對智駕團隊技術(shù)與工程實力的重大考驗。

　　03 規(guī)劃擬人

　　要批量落地通勤模式，解決先驗信息問題只是*個重大問題，如何做好無高精地圖狀態(tài)下的智駕決策規(guī)劃，則是第二個。

　　小鵬自動駕駛副總裁吳新宙此前在接受采訪時認為，智能駕駛后續(xù)的主要技術(shù)挑戰(zhàn)來自決策規(guī)劃。在他離職后，其職責由小鵬智駕規(guī)控負責人李力耘接手，多少能說明主要矛盾的變化。

　　在去高精地圖后，智駕車輛對靜態(tài)物體(包括紅綠燈、車道線、停止線、路沿等)的感知精準度與穩(wěn)定性都會下降，此時規(guī)控算法需要更加靈活、更能應對不確定性，為系統(tǒng)兜底。

　　典型的例子是，在不依賴高精地圖的智駕中，算法不像此前那樣將車道線作為不可動搖的參照物，而是會更多地結(jié)合對周圍環(huán)境和其他交通參與者的感知輸出一個“可行駛區(qū)域”，并在預測其他物體運動軌跡的基礎上，計算并執(zhí)行*行駛路線。

　　在復雜交通流下，能支持越多的目標軌跡預測、越高頻的路徑搜索，決策規(guī)劃的效果通常就越好，但同樣也會大量消耗算力與內(nèi)存資源。

　　而在真實的交通場景下，車輛的決策規(guī)劃可能還需要考慮到視野之外。

　　在被山體遮擋的山路彎道，老司機會習慣性地鳴笛提醒對向車道來車;在有盲區(qū)的路口，有經(jīng)驗的司機常常會減速防止鬼探頭。智駕要平安落地到更多城市，也需要學習這些“直覺”。

　　有高階智駕量產(chǎn)經(jīng)驗的企業(yè)，已經(jīng)著手在決策規(guī)劃算法中模擬人類的經(jīng)驗。

　　即將搭載于云朵靈犀版的大疆車載“成行”平臺智駕方案，其決策規(guī)控采用的是 OSP(Open Space Planning，開放空間規(guī)劃)技術(shù)，減少對道路環(huán)境的假設，采用搜索+優(yōu)化的方式，達成防御性駕駛的效果。

　　小鵬的無圖智駕在規(guī)劃上已經(jīng)摒棄了“嚴格居車道線中心”行駛的策略，會根據(jù)交通流適當?shù)刈笥移�移，這既符合人類習慣，也有助于降低潛在風險。

　　特斯拉則在今年的CVPR上展示了能夠賦予智駕車輛“常識”的世界模型，如果它搭載于FSD入華，可能會又一次改變智能駕駛潮水的方向——當然，特斯拉在自動駕駛上吹的牛，通常都會跳票一段時間。

　　04 平權(quán)之路

　　盡管不同智駕團隊在技術(shù)上的各種嘗試，為各級城市智駕平權(quán)創(chuàng)造了可能，但通勤模式要落地到更多二三線城市，需要的不僅僅是技術(shù)的努力。

　　將高階智駕能力移植到低線城市， 實質(zhì)上是一個多目標聯(lián)合優(yōu)化問題：合規(guī)要求、開城速度、用戶體驗、使用成本，這些本是此消彼長的訴求，必須同時滿足。

　　典型如合規(guī)問題。高精地圖之所以被頭部智駕企業(yè)“嫌棄”，一個主要原因就在于高精地圖的合規(guī)需要高門檻的測繪資質(zhì)與審核時間成本。

　　而在邁向無圖智駕的道路上，合規(guī)問題依然需要解決，車企有一些曲線救國的方法。

　　比如理想的NPN神經(jīng)先驗網(wǎng)絡，選擇將道路信息由神經(jīng)網(wǎng)絡加密成高維特征，其表達形式與傳統(tǒng)意義上的地圖測繪有明顯區(qū)別，理論上不能被其他企業(yè)使用，可以保護數(shù)據(jù)安全。不過，NPN網(wǎng)絡在運行時會較多與云端交互，上傳下發(fā)數(shù)據(jù)，在監(jiān)管政策上仍會面臨一些不確定性。

　　即使要大費周章地用各種方法曲線推進，也阻擋不了行業(yè)參與者帶著鐐銬狂奔。

　　在今年，由于激烈的市場競爭，以及特斯拉FSD入華消息的刺激，華為、小鵬、理想都制定了各自的無圖城市高階智駕開城計劃，目標激進：從45城、50城、100城。

　　但“開城”這個詞本身就意味著，即使是輕量級的通勤智駕，落地時也依然會有大量臟活、累活。各個智駕團隊需要派駐人手進駐不同的城市，額外采集先驗信息，一個接一個地攻堅克難。

　　小鵬自動駕駛產(chǎn)品總監(jiān)劉毅林在微博上解釋，只有這樣才能既快速擴展到不同城市，也保障用戶體驗。

　　隨著通勤模式、無圖智駕向更多城市滲透，車企智能駕駛部門的運營職能將明顯加重，智駕運維團隊也將迎來新一輪擴張并駐守在各個城市——至少在眼下的技術(shù)范疇中，智駕落地沒有輕模式的捷徑可走。

　　高階智駕的落地之重，也將更考驗企業(yè)的成本控制能力。

　　今年，有企業(yè)的3萬元城市NoA功能訂閱數(shù)寥寥，最近都被迫降價，而標配XNGP的小鵬G6 Max版賣成爆款，充分說明人民群眾并不是不想用高階智駕，而是不想用太貴的高階智駕。

　　但目前，國內(nèi)能夠?qū)崿F(xiàn)城市高階智駕的車型，清一色搭載英偉達Orin芯片或華為MDC計算平臺+激光雷達，成本居高不下，整車售價30萬+是常態(tài)，20萬+已是驚喜。

　　大疆車載是其中例外。在大疆車載的測算中，車企愿意為智能駕駛付出的成本集中在5000-15000元。而由于立足雙目立體視覺方案，大疆*限度地避開了昂貴的大算力AI芯片與激光雷達，走出了一條用低成本硬件實現(xiàn)高階智駕的路徑。

　　在云朵靈犀版上，大疆車載配置7枚攝像頭，和32T算力的德儀TDA4 VH。這些精簡的硬件選擇，將會使云朵靈犀版在今年上市后成為*在20萬以下搭載通勤模式功能的產(chǎn)品，如果定價合理，它有希望激活20萬以下高階智駕市場。

　　在國內(nèi)新能源汽車市場中，20萬以下車型銷量占比超過50%，且占比將進一步提高。在20萬以下車型實現(xiàn)高階智駕，將收獲一個巨量市場，也是智駕平權(quán)的必經(jīng)之路，這決定了必然會有更多企業(yè)涌入。前兩天剛發(fā)布了財報的小鵬表示，到明年將實現(xiàn)自動駕駛硬件成本50%降本，后續(xù)將在15萬級市場推出自動駕駛車型。

　　何小鵬兩年前曾有觀點，15萬的車型做不好智能化。但如今20萬以下車型市場，正加速靠向高階智駕的主戰(zhàn)場。

　　在頭部玩家的帶動效應下，智駕的降本戰(zhàn)火會愈演愈烈，并將影響進一步傳導至供應鏈：4D毫米波雷達向激光雷達發(fā)起挑戰(zhàn)，中等算力的智駕芯片在蓄勢待發(fā)，高集成化的硬件受到更多的青睞···

　　眼下，當智能電動汽車從電動化上半場轉(zhuǎn)入智能化下半場，一些經(jīng)驗可能是相通的。

　　新能源汽車從高端市場走向中低端市場，見證了國產(chǎn)新能源汽車品牌和中國三電供應鏈的崛起。智能駕駛的平權(quán)，大概率也會帶來另一場汽車品牌與供應鏈的權(quán)力更迭。