自動駕駛，曙光正現

張澤華

在汽車電動化滲透率不斷提高的背景下，汽車智能化較大可能成為下一個紅海競爭的破局點。相比上半場新能源的競爭態勢，汽車在智能化、網聯化變革涉及的領域更多，程度更深，可以想象的空間也更大。

在7月份召開的2023中國汽車論壇期間，一眾專家、學者圍繞自動駕駛汽車產業發展相關議題展開了一場含金量十足的探討，其中一個觀點被反復提及，那就是現在可能是智能汽車商業化應用的關鍵一環。

那為什么會是現在呢？

技術是最根本的驅動

這就不得不提自動駕駛之濫觴了。

20世紀60年代出現了第一個無人車項目——Stanford Cart，這是第一輛能夠通過攝像頭和早期“學習系統”實現自動駕駛的產品，具備了一定程度上的自主避障、自主尋路的功能，雖然走得很慢，但就像是打開了潘多拉魔盒，引發人們前仆后繼地狂熱研究。當然，Stanford Cart最重要的意義，是為后來者搭建了一個一直沿用至今的自動駕駛基本架構，即機器學習和硬件設備的結合。 就像黎明之前需等待的漫長黑暗，在之后相當長的一段時間里，自動駕駛的發展陷入瓶頸，其背后的人工智能、深度神經網絡的發展也是一波三折，尤其是在上世紀90年代證明淺層神經網絡不具備處理簡單異或問題的能力，使得相關方面的研究進入“至暗時刻”。

直到2012年，首個真正意義上的深度卷積神經網絡Alex Net出現了，它有力證明了深度神經網絡在視覺領域很好的應用能力，這為強烈依賴于計算機視覺技術的自動駕駛產業帶來了春天的氣息。在這之后，基于深度神經網絡技術的視覺為主的自動駕駛方案發展非常之快，比如特斯拉、小鵬、華為等等，都在這條道路上加速飛馳。

“高階自動駕駛實現大規模商用是目前汽車行業難度最大、復雜度最廣的重大技術領域事情”，東風技術中心首席總工程師邊寧在論壇上感嘆道。“從上海車展來看，高速領航、城區領航以及特定場景的擁堵領航為代表的高階自動駕駛在未來2-3年內會迎來高峰期，卷到這個地方去了。” 有機構專門統計過車展上的484款新車，其中L2級別以上的有373款，具備高速NOA以上的有52款，中高端的新能源車L2+級別基本上已經成為標配。

成本是關鍵因素

今年伊始，業界關于降本的論調層出不窮，一方面競爭加劇促使各大主機廠被動選擇降價保量，另一方面智能化硬件成本居高不下，車企寄托于大規模量產來攤平成本。由于高級別自動駕駛方案對于感知要求更高，大多數車企采用激光雷達+毫米波+攝像頭等多種傳感器融合方案支持相關算法，這無疑帶來了成本端的大幅增加。

華泰研究曾基于市面上主流高級別輔助駕駛的硬件配置進行成本測算，結果顯示各品牌旗艦車型智能駕駛硬件的平均總成本達14，181元，其中激光雷達占 41%、攝像頭占 20%、芯片占 15%、毫米波雷達占 10%、高精度地圖與定位占8%，V2X 占 5%、超聲波雷達占2%。

特斯拉可以持續降價的能力，關鍵就在于其始終堅持的純視覺感知方案，即基于攝像頭的高級別智能駕駛，加上通過Transformer大模型帶來的感知算法效率提升，這使得其對于激光雷達等高成本傳感器的依賴性大幅度降低。可以預見的是：基于Transformer大模型驅動的 BEV+占據網絡算法將成為主流車企下一代自動駕駛算法技術方向。

此外，特斯拉運用的中央集中控制的電子電氣構架也非常具有性價比。同濟大學教授朱西產指出現在國內智能汽車在域控方面的缺陷，比如兩個域控制器里面重復放兩張地圖。“我們過去把這一代的自動駕駛系統叫做‘堆料，堆了很多東西，使成本居高不下。”未來中央集成式電子電氣架構的廣泛運用，能有效降低汽車的生產成本與后期維護成本。

當然，受益于國內在產業鏈各環節產品性能的提升與下游自主品牌的崛起，零部件國產替代也成為“降本”的有效途徑。比如智能駕駛芯片領域，國內玩家地平線、黑芝麻等與國外先行者距離逐步縮短；在域控制器及解決方案方面，德賽西威、經緯恒潤等均已實現規模化上車；在激光雷達領域，國產供應商禾賽、圖達通、速騰等在量產節奏明顯加快……這些都為“智能降本”做出明顯貢獻。

只有成本降下來，智能汽車才有條件脫離特定場景，開始出入于大街小巷，“飛入尋常百姓家”了。

政策是先行條件

近年來從國家部委到地方政府對高級別自動駕駛發布了一系列政策和法規，從基礎建設、測試標準、數據安全、高精地圖、商業運營等方面進行完善。但國內L3 級別商業化落地的主要難點在于相關責任定義的缺失（L3屬于自動駕駛，L2+屬于輔助駕駛），在實際操作中較難界定駕駛員和車企的責任。

“L3-、L3+是東風2019年里提出來的，L3-最終停留在輔助駕駛范疇，發生交通事故還是人負責，L3+在某一類場景下如果發生安全事故，要系統來承擔責任。” 邊寧談及責任認定時說道。清晰的責任認定劃分能夠有效地識別車企在智能化維度的能力邊界，從而更加明確地推動智能化進程。

從全球范圍看，全球的汽車產業大國都在通過創新監管措施，力圖消除政策法規對自動駕駛發展的障礙，各國法律法規均致力于明確交通事故的責任劃定，要求其和人類駕駛員一樣嚴格遵守交通法規。目前歐盟關于L3級別的法規ECE R157已經發布，并已經有兩款車通過了驗證。

中國的L3標準和法規認證工作，實際上已經啟動了。此前工信部會同公安部組織起草了《關于開展智能網聯汽車準入和上路通行試點工作的通知（征求意見稿）》，將遴選符合條件的和具備量產條件的搭載自動駕駛功能（L3-L4級別）的智能網聯汽車產品，開展準入試點，并在試點城市的限定公共道路區域內開展上路通行試點；在試點過程中，自動駕駛系統功能激活狀態下，試點使用主體為責任方，但保留其對其余重要相關主體的追償權，試點車輛的車身應當以醒目標識別以保證安全，在完成測試與安全評估后，方可向工信部提交準入申請。

現在與將來

曙光雖然初現，長路依舊漫長。對自動駕駛賽道的“選手”們而言，他們也才剛剛沖過起跑線。小鵬汽車算法專家劉德浩認為，現下自動駕駛已經到了從上半場到下半場的拐點 ：“自動駕駛的上半場是冷啟動的階段，是從 0 到 1 把功能做出來，在這個階段里拼的是爆發力，是算法的突破。而下半場需要從 1 到 10 做細節迭代，拼的是體系和效率 ， 量產的城市輔助駕駛的能力，以及全棧閉環能力解決長尾問題。”體系與效率，是進入下半場的“入場券”。

業內做自動駕駛一般有兩條路徑 ：第一條是自下而上，通過充分的量產和經營低等級的自動駕駛能力，過程中通過積累大量數據，實現數據閉環與技術迭代，從而逐漸向更高級別的能力演進。這其中的關鍵詞就是“量產”，如果沒有量產就無從積累大量的數據解決長尾問題。第二條是自上而下，直接定位到 L4 級別甚至 L5 級別，開始就做無人駕駛，其最大關鍵詞是“無人”，這種方式的商業化途徑是特定運營場景，或者封閉或半封閉的場景。

但車企最適用的，還是通過量產自下而上的方式，用低成本、高魯棒性的硬件架構實現更好的功能。在這一過程中，應集合行業優勢資源，堅持技術創新，加快關鍵核心技術攻關。同時，相 關 行 業 組 織 還 要 聯合好產業鏈上下游企業共同發展，克服困難，著力 解 決 行 業 發 展 面 臨 的共性問題，實現產業鏈、供應鏈安全可控，推進我國汽產業現代化體系建設，助力汽車產業高質量發展。