從跟隨到引領，如何跑好自動駕駛下半場？

閆海辰

2023年，中國汽車工業迎來70周年，這是幾代汽車人共同努力的結果。從1953年長春第一汽車制造廠奠基為開端，到如今連續14年汽車產銷量全球第一，連續8年新能源汽車銷量全球第一，幾代汽車人用大半個世紀的時間書寫了一部氣勢恢宏的產業發展史詩。

現階段，全球汽車產業已經從燃油機械化時代的上半場轉入了電動智能化時代的下半場，而中國汽車產業則從以量取勝的上半場進入了高質量發展的下半場。如何推進汽車智能化高質量發展，不辜負幾代中國汽車人的耕耘，不辜負這個時代為我們創造的變局與機遇，實現從“蹣跚學步”到“領航者”的身份轉變，已經成為我國汽車產業的重要議題。

為探索產業新路徑，領航汽車產業高質量發展，主題為“新時代、新使命、新動能——助力建設現代化產業體系”的2023中國汽車論壇于7月5日—7日在上海舉行。本屆論壇由中國汽車工業協會（CAAM）主辦，是世界汽車組織（OICA）唯一支持的國內頂級高端汽車論壇。其中，對于自動駕駛這一智能汽車重要發展方向，來自汽車產業不同領域的專家們為推動高階自動駕駛的落地建言獻策。

“自動駕駛”有名無實

事實上，以目前的技術水平來看，主流汽車智能化等級并不能夠稱之為“自動駕駛”。

國家標準GB/T 40429-2021和SAE J3016明確定義了汽車自動駕駛分級，將駕駛自動化分為0—5級。其中，國標規定L1和L2級自動化系統命名為“駕駛輔助系統”、L3—L5命名為“自動駕駛系統”，本質區別是出現事故之后的責任劃分。根據SAE J3016的定義，車輛出現事故后，在“駕駛輔助系統”干預下的責任在于駕駛員，而在“自動駕駛系統”干預下的責任在于車輛。

因此，現階段車企大力宣傳的“L2+級自動駕駛”和“L2.9級自動駕駛”只是接近了自動駕駛的“門檻”，并不是真正意義的“自動駕駛系統”。而對于“L3級自動駕駛”的落地，仍有技術和基礎設施方面的重重阻礙。

全棧自研or全棧可控？

目前，大多數車企，尤其是主流的新勢力品牌均在大力推廣全棧自研的理念，但是面臨自動駕駛研發中的種種“卡脖子”問題，想要在全棧自研的道路上有所突破絕非易事，人力、物力、財力缺一不可。

以新勢力“蔚小理”為例，三家公司2022年的研發投入分別達到108億元、52億元和67.8億元，而這些投入直觀體現在企業虧損上，這也意味著不是所有車企都能承受得住這種重資產的開發模式，畢竟不是誰都能從資本市場上獲得巨額輸血。

因此，全棧自研還有必要堅持下去嗎？東風技術中心首席總工程師邊寧坦言道：“從主機廠本身及商業模式來講，全棧自研的目的就是全棧可控，其實只要能做到全棧可控其實就可以。當下電動化、智能化和網聯化的發展，在哪里會迎來爆發式增長，現階段是看不清楚的。但是東風汽車作為央企，要考慮供應鏈安全問題，在‘卡脖子環節要有擔當，要引領技術發展。”

源代碼是保障供應鏈安全的根本。邊寧表示：“在對供應商方面，主機廠的強勢地位，方便其從供應商處獲得很多資源，例如要求供應商源代碼交付。主機廠是一定有辦法讓供應商全部交付的，因為現在的競爭相當激烈。如果可能，主機廠可以找20家供應商，就算有10家拒絕，還可以在剩下的5～10家里面再找。”

暢行智駕CEO屠科直言：“20家供應商中，只要有1家答應交付，剩下19家就也會交付的。”

但不可否認的是，全棧自研仍有其獨特的優勢所在。在算法方面，小鵬P5通過自研僅憑一塊算力30TOPS的Xavier芯片和兩顆激光雷達便實現城市NOA。在域控制器方面，蔚來在今年推出了自研的ICC智能底盤域控制器，實現了軟硬解耦，能夠更好地協調制動、轉向、空氣懸架以及CDC減震器等不同模塊，并可以通過后期的OTA來提升行駛質感。

因此，全棧自研和全棧可控并不是針鋒相對的選擇題，而是應通過適當融合實現“部分自研+部分可控”。自動駕駛核心功能部分可控可以有效減少人力和資產的投入，而根據企業資金狀況自研對自動駕駛有顯著提升的模塊可以為品牌打造差異化。

技術路線如何抉擇？

目前，L3級及以上自動駕駛發展受阻，行業對未來自動駕駛如何發展陷入大論戰，存在純視覺與感知融合、重地圖與輕地圖、數據驅動與知識驅動、單車智能與車路協同、跨越式與漸進式、通用化與專用化六大路線之爭。而其中最熱門的討論話題便是純視覺與感知融合路線之爭、重地圖與輕地圖路線之爭和數據驅動與知識驅動路線之爭三大爭論。針對這三大熱門爭論，重慶長安汽車股份有限公司首席專家李偉給出了一些建議。

第一，純視覺與感知融合路線之爭，多傳感器融合是未來發展趨勢。

環境感知的未來形態是融合感知系統。純視覺對于光照不足、雜光影響、不常見物體、惡劣天氣等場景易出現感知失效，達不到全環境感知能力，多傳感器融合可以發揮不同傳感器之間的互補效應，快速解決問題。

與此同時，多傳感器融合不是無限度硬件“堆料”。在技術進步的驅動下，滿足感知要求的同時，還要不斷追求最低的成本，以此打造更加精益化、有生命力的硬件方案，適合大范圍推廣搭載。

隨著算法能力和數據閉環能力的提升，攝像頭為主，必要傳感器輔助的融合方案，在可以滿足全場景自動駕駛需求的同時，成本相對最優，或將是未來多傳感器融合的主力形態。

第二，重地圖與輕地圖路線之爭，企業可規模產業化的未來形態是輕地圖方案。

“重地圖”屬于遞增式投入，“輕地圖”屬于攤銷式投入，重地圖路線前期高速+少量城市數據采購成本不高，后期隨城市擴展，采購成本激增，長期還存在地圖鮮度不足、覆蓋不足的缺點，直接導致智駕系統魯棒性（robustness）差。

輕地圖路線前期研發投入高，形成規模后，單位成本可大幅度攤銷，具備環境認知實時性好，系統魯棒性高等優點。

第三，數據驅動與知識驅動路線之爭。知識、數據雙驅動，讓自動駕駛系統具有類人自進化功能，可從無到有快速迭代出高級別的智能駕駛。

數據驅動在表示類任務上占優，數據驅動模型具有更好的自學習表達能力，適合對外部環境進行感知。

知識驅動類比人的“理性、邏輯推斷”，在推理類任務上占優，適合于進行推斷與決策。

未來自動駕駛AI技術，需基于應用場景，結合自身的算法能力與數據積累量，在原有知識驅動的算法上，有節奏地融合數據驅動的范式，以提高整個系統性能、提升算法迭代效率。

總之，智能駕駛路線選取，離不開對安全可行、技術可行、成本可行、商業可行的綜合考量，未來將趨于輕地圖、有成本競爭力的融合感知、基于數據+知識雙驅動路線發展。

人工智能技術浪潮下，自動駕駛如何發展？

今年以來，伴隨著ChatGPT的爆火，人工智能再次涌入大眾視野，一時間基于AI大模型的延伸發展與應用的討論席卷整個互聯網。汽車行業一直是人工智能及交互科技商用的重要陣地。

“如果把自動駕駛和AI人工智能的發展聯系在一起，可以看到他們之間有很高的相關性。”在“主題論壇五：智能網聯汽車產業新趨勢與未來發展”上，小鵬汽車算法專家劉德浩表示：“前段時間在人工智能領域特別火的ChatGPT，讓我們看到了大模型去做端到端自動駕駛的曙光。以前的自動駕駛軟件都是分模塊做的，有很多模塊，比如感知、定位、規劃、控制等。感知告訴我周圍的動靜態環境是什么樣的，定位告訴我在哪里。如果將感知和定位合起來建立良好的車路模型，在車路模型里做決策預測，規劃出來一條運行軌跡，并通過控制沿著軌跡行走，在軟件復雜度上會更好。”

此外，重慶長安汽車股份有限公司首席專家李偉介紹道：“在智能駕駛領域，生成式AI有更加強大的場景庫生成能力，顛覆采集corner case的現狀，加速自動駕駛開發。大模型在云端算法訓練環節，生成各類真實路測場景下不常見的情境，為算法補充corner case，提升長尾場景下的決策能力，實現更高階的智能駕駛體驗。”

毫無疑問，如果能夠實現人工智能技術和自動駕駛技術的有效融合，基于AI大模型強大的自學習能力，將有機會更好地將自動駕駛各個模塊整合，并不斷提升不同場景下的決策能力，加速高階自動駕駛的落地。

結語

中國汽車工業的70年，是奮進的70年，也是不負期待的70年。正是有了前輩們的辛苦耕耘，中國才真正變為了汽車行業、汽車技術、汽車消費的沃土，一步步通過新能源道路走向全球汽車工業領軍位置。

行百里者半九十，汽車產業的競爭從來不是百米短跑，而是持久的馬拉松。站在新汽車時代的門口，面對這個百年未有之大變局，想要讓這片沃土持續保持活力，必須要堅持技術創新，加速高階自動駕駛的落地，推動我國汽車產業智能化高質量發展，以硬實力迎接未來的挑戰。