1月1日，何小鵬宣布XNGP已覆蓋全國243座城市，2月2日，鴻蒙智行宣布，問界車型智駕系統升級，高階智駕實現覆蓋全國99%路段，大城市到小鄉村都能用。
春節期間，我體驗了小鵬G6的智駕功能，可用路段幾乎不用接管，車道線、紅綠燈等均能正確識別。能夠大幅提升出行體驗的智能駕駛，成長速度比我們想象中快得多。
高速路況簡單，問界、小鵬等車企已實現基本覆蓋，下一步車企競爭的重點，將是城區領航輔助駕駛。車企準備如何應對接下來的競爭，行業已傳出了不少風聲。
硬件「兩極分化」
均衡智駕級別與成本，是車企與自動駕駛企業需要謹慎對待的問題，如小鵬出于成本考慮，計劃未來持續減少激光雷達。不過現階段而言，高階智駕依然難以離開激光雷達。
去年12月26日發布的問界M9，搭載行業首顆量產的192線激光雷達，擁有長達250米識別距離、184萬點/秒成像能力、垂直分辨率達0.1°、雷達掃描頻率達20Hz，相較于目前市場上主流的96線~156線激光雷達，堪稱「遙遙領先」。
然而華為192線激光雷達官宣后不久，北醒光子就官宣旗下256線激光雷達投產，CES2024大會上，激光雷達巨頭禾賽科技更是推出了512線激光雷達——AT512，這款雷達探測距離可達300米，最遠測距可達400米，成像能力則達到了1288.8萬點/秒。
激光雷達線束越多，捕捉到的物體細節越豐富，建模輪廓越完整，形成的點云圖也會更加清晰，而且擁有更高的冗余度和抗干擾能力，能夠提升智駕安全性。不過線束太高隨之而來的便是成本上升與功耗提高，恐怕只有問界M9這種50萬元左右的豪車，才能用得上192線及以上線束的激光雷達?？紤]到車載激光雷達的功耗一般在50W以內，對于續航的影響不會很明顯。
卷硬件方面，中國企業經驗豐富，按照這個發展速度，相信用不了幾年，上千線束的激光雷達就會面世。
智駕對于芯片也有一定要求，國內地平線公司將于4月發布征程6芯片，算力高達560TOPS，之前NVIDIA發布的Thor芯片算力在達到了2000TOPS。不過相較于雷達等其他硬件的參數提升，算力提高并不困難，單顆算力不足，那就多來幾顆芯片就是了。
激光雷達+高算力芯片無疑可以提高智駕安全性，但高昂的成本并非每家車企都愿意接受，以特斯拉為首的部分車企，選擇了廉價的純視覺方案。當然，即便是特斯拉，也需要以高算力芯片作為基礎，國內部分企業則選擇更加極致的路線，低算力芯片+攝像頭+少量雷達，即可實現L2+級自動駕駛。
代表企業有商湯絕影、大疆車載等企業，商湯絕影與哪吒汽車聯合推出的智駕方案，僅需16TOPS算力芯片和5R11V（5顆毫米波雷達、11顆攝像頭）傳感器，就實現了高速、城市路段領航輔助駕駛。
大疆車載推出的方案，最低僅需32TOPS算力芯片，搭配7~9顆攝像頭，無需任何雷達，即可實現區域記憶行車。若想實現L2+級領航輔助駕駛，將芯片升級至80TOPS即可，這一套硬件成本還比不上一顆激光雷達。
汽車智駕硬件已呈現出兩大方向，高端車型追求硬件性能提升，成本次要考慮，激光雷達線束數量與芯片算力為主要競爭點。中低端車型則追求極致壓榨硬件潛能與低成本，以便于惠及購車預算較低的消費者，如此一來難免對于軟件算法提出更高要求。
軟件「大模型當先」
2023年下半年至今，不少車企宣布將AI大模型、生成式AI搬到汽車上，以求將汽車與智能助手、生產力掛鉤。如比亞迪的「璇璣架構」，分為云端AI與車端AI兩部分，車端AI大模型無需數據上傳，擁有更好的保密性，沒有網絡的情況下，也能執行用戶發出的指令。
相較于AI大模型與生成式AI，大模型在智駕領域的前景肉眼可見，去年毫末智行就發布了自動駕駛生成式預訓練Transformer大模型DriveGPT雪湖·海若，以DriveGPT作為云端測評模型，評測車端小模型的行駛表現。毫末智行將場景離散化處理，分割成數十萬個小場景，與實際駕駛環境進行匹配，系統可以根據相似的場景，作出智駕推導與判斷。
自動駕駛企業與車企正在嘗試車端部署智駕大模型，但上千億參數的智駕大模型，哪怕裁減到百億級參數，由于車載芯片算力問題，暫時反應速度也比不上云端大模型。堆芯片可以解決算力問題，取而代之的則是成本問題。
大模型的主要優勢之一，就在于可以降低智駕生態建設成本。截至2023年11月國內公路里程已達535萬公里，而且還在不斷變動，全部高精度繪制所需要的成本無法想象。當前雖然擺脫了對高精度地圖的依賴，但依然需要「輕量級地圖」或「去高精度地圖」。
華為已打破了這一傳統，不是一城一城的開通，而是直接全國覆蓋。華為所采用的方案與毫末智行相似，智駕大模型收集到了足夠的數據，并離散化處理，成為道路拓撲推理的依據，結合普通導航地圖便可實現領航輔助駕駛。
車企都在擺脫高精度地圖的依賴，但依然需要輕量級地圖，這就導致領航輔助駕駛覆蓋速度不夠快。況且國內公路一直在變化，部分地區可能需要反復繪制，小鄉鎮等落后地區，恐怕2030年都等不到車企的地圖繪制團隊。
通過大模型、離散場景與道路推理，實現領航輔助駕駛乃至自動駕駛，對于算力和數據量的要求更高，整體成本低一些，擁有大量數據后，效率提升較為明顯。有了華為作為先例，2024年或許我們就能看到其他車企采用相同方案實現全國智駕。
自動駕駛腳步漸快
從近年來各類智駕法律法規的制定、路測牌照的發放，我們能看到相關部門正有條不紊推動自動駕駛商用。
2024年2月8日，全國首個智能汽車智駕表現數據開放平臺亮相蘇州。該平臺由車控CHEK打造，目的是解決智能汽車信息不對稱問題，國內問界、小鵬、蔚來等眾多車企已加入該平臺，將通過該平臺披露智駕接管次數、避障能力等數據。
電車通·2024-02-18 19:44
關注
硬件、軟件都要卷。
1月1日，何小鵬宣布XNGP已覆蓋全國243座城市，2月2日，鴻蒙智行宣布，問界車型智駕系統升級，高階智駕實現覆蓋全國99%路段，大城市到小鄉村都能用。
春節期間，我體驗了小鵬G6的智駕功能，可用路段幾乎不用接管，車道線、紅綠燈等均能正確識別。能夠大幅提升出行體驗的智能駕駛，成長速度比我們想象中快得多。
高速路況簡單，問界、小鵬等車企已實現基本覆蓋，下一步車企競爭的重點，將是城區領航輔助駕駛。車企準備如何應對接下來的競爭，行業已傳出了不少風聲。
硬件「兩極分化」
均衡智駕級別與成本，是車企與自動駕駛企業需要謹慎對待的問題，如小鵬出于成本考慮，計劃未來持續減少激光雷達。不過現階段而言，高階智駕依然難以離開激光雷達。
去年12月26日發布的問界M9，搭載行業首顆量產的192線激光雷達，擁有長達250米識別距離、184萬點/秒成像能力、垂直分辨率達0.1°、雷達掃描頻率達20Hz，相較于目前市場上主流的96線~156線激光雷達，堪稱「遙遙領先」。
然而華為192線激光雷達官宣后不久，北醒光子就官宣旗下256線激光雷達投產，CES2024大會上，激光雷達巨頭禾賽科技更是推出了512線激光雷達——AT512，這款雷達探測距離可達300米，最遠測距可達400米，成像能力則達到了1288.8萬點/秒。
激光雷達線束越多，捕捉到的物體細節越豐富，建模輪廓越完整，形成的點云圖也會更加清晰，而且擁有更高的冗余度和抗干擾能力，能夠提升智駕安全性。不過線束太高隨之而來的便是成本上升與功耗提高，恐怕只有問界M9這種50萬元左右的豪車，才能用得上192線及以上線束的激光雷達?？紤]到車載激光雷達的功耗一般在50W以內，對于續航的影響不會很明顯。
卷硬件方面，中國企業經驗豐富，按照這個發展速度，相信用不了幾年，上千線束的激光雷達就會面世。
智駕對于芯片也有一定要求，國內地平線公司將于4月發布征程6芯片，算力高達560TOPS，之前NVIDIA發布的Thor芯片算力在達到了2000TOPS。不過相較于雷達等其他硬件的參數提升，算力提高并不困難，單顆算力不足，那就多來幾顆芯片就是了。
激光雷達+高算力芯片無疑可以提高智駕安全性，但高昂的成本并非每家車企都愿意接受，以特斯拉為首的部分車企，選擇了廉價的純視覺方案。當然，即便是特斯拉，也需要以高算力芯片作為基礎，國內部分企業則選擇更加極致的路線，低算力芯片+攝像頭+少量雷達，即可實現L2+級自動駕駛。
代表企業有商湯絕影、大疆車載等企業，商湯絕影與哪吒汽車聯合推出的智駕方案，僅需16TOPS算力芯片和5R11V（5顆毫米波雷達、11顆攝像頭）傳感器，就實現了高速、城市路段領航輔助駕駛。
大疆車載推出的方案，最低僅需32TOPS算力芯片，搭配7~9顆攝像頭，無需任何雷達，即可實現區域記憶行車。若想實現L2+級領航輔助駕駛，將芯片升級至80TOPS即可，這一套硬件成本還比不上一顆激光雷達。
汽車智駕硬件已呈現出兩大方向，高端車型追求硬件性能提升，成本次要考慮，激光雷達線束數量與芯片算力為主要競爭點。中低端車型則追求極致壓榨硬件潛能與低成本，以便于惠及購車預算較低的消費者，如此一來難免對于軟件算法提出更高要求。
軟件「大模型當先」
2023年下半年至今，不少車企宣布將AI大模型、生成式AI搬到汽車上，以求將汽車與智能助手、生產力掛鉤。如比亞迪的「璇璣架構」，分為云端AI與車端AI兩部分，車端AI大模型無需數據上傳，擁有更好的保密性，沒有網絡的情況下，也能執行用戶發出的指令。
相較于AI大模型與生成式AI，大模型在智駕領域的前景肉眼可見，去年毫末智行就發布了自動駕駛生成式預訓練Transformer大模型DriveGPT雪湖·海若，以DriveGPT作為云端測評模型，評測車端小模型的行駛表現。毫末智行將場景離散化處理，分割成數十萬個小場景，與實際駕駛環境進行匹配，系統可以根據相似的場景，作出智駕推導與判斷。
自動駕駛企業與車企正在嘗試車端部署智駕大模型，但上千億參數的智駕大模型，哪怕裁減到百億級參數，由于車載芯片算力問題，暫時反應速度也比不上云端大模型。堆芯片可以解決算力問題，取而代之的則是成本問題。
大模型的主要優勢之一，就在于可以降低智駕生態建設成本。截至2023年11月國內公路里程已達535萬公里，而且還在不斷變動，全部高精度繪制所需要的成本無法想象。當前雖然擺脫了對高精度地圖的依賴，但依然需要「輕量級地圖」或「去高精度地圖」。
華為已打破了這一傳統，不是一城一城的開通，而是直接全國覆蓋。華為所采用的方案與毫末智行相似，智駕大模型收集到了足夠的數據，并離散化處理，成為道路拓撲推理的依據，結合普通導航地圖便可實現領航輔助駕駛。
車企都在擺脫高精度地圖的依賴，但依然需要輕量級地圖，這就導致領航輔助駕駛覆蓋速度不夠快。況且國內公路一直在變化，部分地區可能需要反復繪制，小鄉鎮等落后地區，恐怕2030年都等不到車企的地圖繪制團隊。
通過大模型、離散場景與道路推理，實現領航輔助駕駛乃至自動駕駛，對于算力和數據量的要求更高，整體成本低一些，擁有大量數據后，效率提升較為明顯。有了華為作為先例，2024年或許我們就能看到其他車企采用相同方案實現全國智駕。
自動駕駛腳步漸快
從近年來各類智駕法律法規的制定、路測牌照的發放，我們能看到相關部門正有條不紊推動自動駕駛商用。
2024年2月8日，全國首個智能汽車智駕表現數據開放平臺亮相蘇州。該平臺由車控CHEK打造，目的是解決智能汽車信息不對稱問題，國內問界、小鵬、蔚來等眾多車企已加入該平臺，將通過該平臺披露智駕接管次數、避障能力等數據。
該平臺的建立，一方面能夠反映出車企的不足之處，為車企指明技術優化方向，另一方面則可以作為消費者買車時的參考，智駕好不好不能只看車企宣傳，數據才能說明真實情況。
軟硬件的持續研發與升級，成本的不斷降低，都令15萬元以內車型看到了普及高階智駕的曙光。高端車與低價車型的可靠性，我們都能在車控CHEK的平臺看到數據，若是高端車型的接管頻率高于低價車，恐怕會對車企名聲產生一定影響。不過目前智駕硬件成本偏高，短時間內我們無法看到太多成果，也難以做出對比。
高速NOA較為成熟，今年有可能實現全面覆蓋，城區NOA則是今年車企競爭的重點。更高線束激光雷達、更高算力智駕芯片的應用，能夠強化汽車的智駕能力。極氪001改款被曝或將成為首款正式搭載NVIDIA Thor芯片的車型，北醒光子256線激光雷達已投產，相信首款搭載該產品的汽車距離上市也不遠了。
大模型的加入則可以大幅提升智駕訓練效率，加速智駕算法完善，并且令智駕系統駕駛邏輯更像老司機。
何小鵬曾表示，2024年是自動駕駛元年。從車企、自動駕駛企業、供應鏈企業的動作來看，這個元年的火藥味格外足。
本文來自微信公眾號“電車通”（ID：dianchetong233），作者：失魂引
