特斯拉的“純視覺(jué)”路線，不是所有人都學(xué)得來(lái)互聯(lián)網(wǎng)+
導(dǎo)讀
BEV+Transformer+占用網(wǎng)絡(luò)技術(shù)路線的大熱，再次將激光雷達(dá)推向風(fēng)口浪尖。
BEV+Transformer+占用網(wǎng)絡(luò)技術(shù)路線的大熱，再次將激光雷達(dá)推向風(fēng)口浪尖。
BEV+Transformer+占用網(wǎng)絡(luò)技術(shù)路線的大熱，再次將激光雷達(dá)推向風(fēng)口浪尖。
激光雷達(dá)該不該被拋棄？
對(duì)車(chē)企來(lái)說(shuō)，這是一個(gè)艱難的抉擇：是堅(jiān)定不移跟隨特斯拉走具有「性價(jià)比」的純視覺(jué)路線，還是采用看起來(lái)「成本稍高」的激光雷達(dá)融合方案？
要回答這個(gè)問(wèn)題并不難——尤其是當(dāng)你洞悉事情的真相是反常識(shí)的時(shí)候。
比如，去除激光雷達(dá)，看起來(lái)減掉的是智能駕駛系統(tǒng)的 BOM 成本，整車(chē)成本也隨之下降了，但冰山之下的隱性成本增加了多少，你計(jì)算過(guò)嗎？
再比如，占用網(wǎng)絡(luò)的白名單可以覆蓋包括機(jī)動(dòng)車(chē)、行人、兩輪車(chē)、錐桶、水馬、路面、樹(shù)木等十幾個(gè)常見(jiàn)的「道路物體」，但白名單之外的物體，它能看見(jiàn)嗎？
在城市 NOA 大規(guī)模落地前夕，整個(gè)智能駕駛行業(yè)需要重新審視純視覺(jué)方案背后的成本和技術(shù)難易程度，以及激光雷達(dá)的核心價(jià)值。
「抄特斯拉作業(yè)」是否是最佳選擇？在城市 NOA 落地浪潮下，車(chē)企如何集中優(yōu)勢(shì)發(fā)揮所長(zhǎng)？
這些都是需要被優(yōu)先考慮的問(wèn)題。
01 模仿特斯拉，不該忽略純視覺(jué)路線背后的「隱性成本」
「4 顆以下，請(qǐng)別說(shuō)話。」這可能是此前汽車(chē)行業(yè)「卷」激光雷達(dá)最出圈的表達(dá)。
到今天，激光雷達(dá)仍然是絕大部分頭部車(chē)企新車(chē)的標(biāo)配。從蔚小理，再到華為（問(wèn)界、阿維塔）、極氪、零跑，激光雷達(dá)在國(guó)內(nèi)能夠快速量產(chǎn)上車(chē)，很大程度上是由他們直接或間接推動(dòng)的。
激光雷達(dá)的風(fēng)靡，來(lái)自其帶給消費(fèi)者的科技感和安全感。
而當(dāng)「降本」的旋風(fēng)刮來(lái)，在特斯拉跑通純視覺(jué)方案之后，「去激光雷達(dá)」的聲音又此起彼伏。
短期看，拿掉激光雷達(dá)，「降本效果」立現(xiàn)。
然而從長(zhǎng)期看，車(chē)企需要為這一選擇投入更多的研發(fā)資源。
禾賽科技戰(zhàn)略負(fù)責(zé)人施葉舟認(rèn)為，「在考慮成本的時(shí)候，不能夠只看到硬件成本，實(shí)際上更要考慮背后所需要各種研發(fā)服務(wù)和資源投入，也就是『全成本』——除了冰山上面的顯性成本（硬件、BOM 成本），還有大量被忽視的隱性成本。」
這里所稱(chēng)的純視覺(jué)技術(shù)路線中的「隱性成本」，包括算法、路測(cè)、云計(jì)算、數(shù)據(jù)標(biāo)注、仿真訓(xùn)練和系統(tǒng)軟件等。
特斯拉前 AI 高級(jí)總監(jiān) Andrej Karpathy 曾在公開(kāi)演講時(shí)說(shuō)到：「純視覺(jué)能夠精準(zhǔn)感知深度、速度、加速度信息，實(shí)現(xiàn)純視覺(jué)是一件困難的事情，還需要大量數(shù)據(jù)。」
換句話說(shuō)，特斯拉作業(yè)并不好抄，門(mén)檻和壁壘極高。
這主要體現(xiàn)在三個(gè)方面：
一是海量數(shù)據(jù)。
特斯拉的自動(dòng)駕駛算法是業(yè)內(nèi)公認(rèn)能力最強(qiáng)、投入最大、研發(fā)最早的。截至目前，特斯拉 FSD 累積行駛里程已超 5 億英里，Autopilot 使用里程已經(jīng)超過(guò) 90 億英里。
特斯拉的自動(dòng)駕駛系統(tǒng)每天可以接收到車(chē)隊(duì)回傳的 1600 億幀視頻數(shù)據(jù)，支持神經(jīng)網(wǎng)絡(luò)訓(xùn)練。眾所周知，數(shù)據(jù)積累取決于累計(jì)交付量和行駛里程，如此大的數(shù)據(jù)體量，也意味著需要投入大量的時(shí)間成本。
其次是自研芯片。
特斯拉自 2014 年開(kāi)始自研芯片之路，2019 年發(fā)布了 FSD 自研芯片。
為了提升數(shù)據(jù)處理能力，為進(jìn)一步的深度學(xué)習(xí)量身定制，2021 年 8 月，特斯拉發(fā)布了用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的自研芯片 D1，D1 芯片基于 7nm 工藝打造，算力可達(dá) 362TFLOPS。
D1 芯片具備較強(qiáng)的可擴(kuò)展性，25 個(gè)芯片可組成一個(gè)計(jì)算模塊，而 120 個(gè)計(jì)算模塊可以組成外界熟知的「Dojo ExaPOD」超級(jí)計(jì)算機(jī)。
第三是圍繞算法訓(xùn)練搭建的超算中心。
在特斯拉自建的大數(shù)據(jù)中心中，使用了 14,000 片 GPU 芯片，其中 10000 片用于 AI 訓(xùn)練的 H100，4000 片用于數(shù)據(jù)標(biāo)注。
據(jù)了解，一片 H100 芯片官方售價(jià) 3.5 萬(wàn)美元，盡管在黑市被炒到 30~40 萬(wàn)元人民幣，依然是「一片難求」。
特斯拉上線 H100 GPU 集群的同時(shí)，還激活了自研的超級(jí)計(jì)算機(jī)群組 Dojo ExaPOD，開(kāi)啟云端算力競(jìng)賽，以支持自動(dòng)駕駛技術(shù)的更新迭代。
Dojo 于 2023 年 7 月開(kāi)始生產(chǎn)部署，馬斯克曾表示，到 2024 年，特斯拉還將向 Dojo 再投資 10 億美元。預(yù)計(jì)到 2024 年 10 月，Dojo 算力會(huì)達(dá)到 100Exa-Flops。
從這個(gè)角度看，光是算法訓(xùn)練的芯片投入就十分驚人，達(dá)到數(shù)十億元。
基于這樣的數(shù)據(jù)，我們可以做一個(gè)簡(jiǎn)單的數(shù)學(xué)推算：
假設(shè)要開(kāi)發(fā)一個(gè)特斯拉式純視覺(jué)路線的高階智能駕駛系統(tǒng)，這個(gè)方案總投入大約在 200 億元。
試想一下，要壓低這個(gè)成本需要多大規(guī)模的銷(xiāo)量？
——當(dāng)汽車(chē)銷(xiāo)量到 2000 萬(wàn)輛時(shí)，每輛車(chē)的自動(dòng)駕駛成本可以降到 1000 元。
——而當(dāng)汽車(chē)銷(xiāo)量只有幾十萬(wàn)、上百萬(wàn)輛時(shí)，這筆投入該如何攤銷(xiāo)？
當(dāng)前，特斯拉累計(jì)銷(xiāo)量超過(guò) 400 萬(wàn)輛，其所釋放的規(guī)模效應(yīng)讓友商們難以企及。因此，特斯拉選擇視覺(jué)路線，不只是「算法能力強(qiáng)」，更是建立在巨大的保有量、車(chē)載芯片自研、數(shù)據(jù)回環(huán)和自動(dòng)化標(biāo)注、自建超算中心訓(xùn)練模型等一系列能力之上的綜合實(shí)力。
02 占用網(wǎng)絡(luò)不是「萬(wàn)能鑰匙」，激光雷達(dá)仍是「最佳助攻」
2016 年 1 月 20 日，在輔助駕駛狀態(tài)下，一輛特斯拉撞上了一堵靜止的水泥隔離墻上。這是特斯拉首起「自動(dòng)駕駛」事故。
當(dāng)時(shí)，對(duì)特斯拉的唱衰之聲不絕于耳。但經(jīng)過(guò) 7 年探索，特斯拉如今在自動(dòng)駕駛領(lǐng)域一騎絕塵。當(dāng)特斯拉跑通自動(dòng)駕駛之后，其他車(chē)企開(kāi)始轉(zhuǎn)向了「大模型」路線，沿著特斯拉從 BEV 向占用網(wǎng)絡(luò)迭代之路進(jìn)化。
不過(guò)，即便不惜成本投入堆起來(lái)的「占用網(wǎng)絡(luò)」，對(duì)于通用障礙物的識(shí)別仍然無(wú)法做到「天衣無(wú)縫」。
占用網(wǎng)絡(luò)，是一套基于神經(jīng)網(wǎng)絡(luò)的算法，是在時(shí)序?qū)R、多幀數(shù)據(jù)融合下構(gòu)建的 4D 網(wǎng)絡(luò)。
「因?yàn)槠唇恿撕芏嗨惴ǎ婕暗蕉鄮诤稀２豢杀苊饩蜁?huì)有一定程度的延時(shí)。」對(duì)于國(guó)內(nèi)車(chē)企來(lái)說(shuō)，在車(chē)端有限的算力之下，如何兼顧「高精度」和「低延時(shí)」存在諸多考驗(yàn)。
更重要的是，占用網(wǎng)絡(luò)技術(shù)會(huì)因視覺(jué)缺失 3D 信息而導(dǎo)致漏檢、誤檢。
為了視覺(jué)算法輸出結(jié)果比較準(zhǔn)確，需要源源不斷的數(shù)據(jù)輸入和迭代以提高精準(zhǔn)度。
在車(chē)輛覆蓋沒(méi)有到一定規(guī)模前，尚且無(wú)法獲得更多數(shù)據(jù)——這正是不少車(chē)企現(xiàn)階段對(duì)「去掉激光雷達(dá)」保持謹(jǐn)慎，而選擇「攝像頭+激光雷達(dá)」融合感知路線的原因。
相比于算法，激光雷達(dá)具備「硬件本能」，不需要經(jīng)過(guò)大量復(fù)雜的計(jì)算和假設(shè)，以及數(shù)據(jù)訓(xùn)練就可以得到純視覺(jué)方案需要的某些數(shù)值。
相比純視覺(jué)方案，激光雷達(dá)能夠應(yīng)對(duì)不易處理的 corner case（邊緣場(chǎng)景），彌補(bǔ)攝像頭可能出現(xiàn)的誤判。
在融合方案中，激光雷達(dá)存在多個(gè)公認(rèn)的核心優(yōu)勢(shì)：
一是「抗干擾」，不懼夜間環(huán)境。
據(jù) MIT 團(tuán)隊(duì) 2022 年的研究結(jié)果表明，配備了激光雷達(dá)的融合方法將夜間的感知精度提高 3 倍。
二是「真三維」，精度更高。
激光雷達(dá)基于三維坐標(biāo)，能精確到厘米級(jí)別為算法提供地面和物體的相對(duì)位置。地面上的高低不平的路況，一些低矮物體，激光雷達(dá)也能夠捕捉到。
三是「高置信度」，識(shí)別物體數(shù)量更多。
純視覺(jué)方案會(huì)建立覆蓋常見(jiàn)「道路物體」（機(jī)動(dòng)車(chē)、行人、兩輪車(chē)、錐桶、水馬、路面、樹(shù)木等）的白名單。白名單之外，可能「視而不見(jiàn)」。
通過(guò)激光雷達(dá)直接獲取實(shí)時(shí) 3D 數(shù)據(jù)后，車(chē)輛可以直接判斷障礙物是否存在，為占用網(wǎng)絡(luò)提供真值輸入，在融合方案里作有力補(bǔ)充，提升系統(tǒng)安全性。
此外，激光雷達(dá)的反應(yīng)速度更快。在中國(guó)城市內(nèi)存在復(fù)雜路況，比如鬧市區(qū)里車(chē)輛突然的加塞、變道等，激光雷達(dá)相比攝像頭的反應(yīng)速度更快，能夠準(zhǔn)確判斷對(duì)方移動(dòng)速度。
值得一提的是，在最近行業(yè)大熱的話題「如何降低 AEB 的誤觸發(fā)率」上，激光雷達(dá)也可以幫助避免一些常見(jiàn)的安全隱患。
施葉舟表示，「AEB 的誤觸發(fā)，背后的本質(zhì)原因是感知精度不夠高。在激光雷達(dá)加持下，周?chē)兄鹊奶嵘`觸發(fā)可以大大減少」。以搭載激光雷達(dá)的理想 L9 Max 為例，采用多傳感器融合方案之后，每 10 萬(wàn)公里的誤觸發(fā)次數(shù)遠(yuǎn)遠(yuǎn)低于行業(yè)均值。
綜合來(lái)看，占用網(wǎng)絡(luò)技術(shù)不是一個(gè)解鎖通用障礙物識(shí)別的萬(wàn)能鑰匙，而激光雷達(dá)在提升安全性的過(guò)程中，有著舉足輕重的作用。
03 激光雷達(dá)融合方案，高階智能駕駛落地的「助跑器」
城市 NOA 正在迎來(lái)一個(gè)高光時(shí)刻——問(wèn)界新 M7 累計(jì)大定已超過(guò) 8 萬(wàn)臺(tái)，其中超過(guò) 60% 用戶選擇了智駕版（激光雷達(dá)版）；小鵬新 G9 激光雷達(dá)版本選配比例高達(dá) 80%。
在此之前，一款車(chē)的智能駕駛搭載率只能達(dá)到 20%~30% 左右。問(wèn)界和小鵬新車(chē)的智能駕駛選配率，遠(yuǎn)遠(yuǎn)超過(guò)了行業(yè)預(yù)期。
城市 NOA 迅速落地的背后，給廣大的消費(fèi)者體驗(yàn)帶來(lái)根本變化是最主要的驅(qū)動(dòng)力。
要實(shí)現(xiàn)更大范圍的自動(dòng)駕駛的覆蓋，要切入真正的高頻和剛需場(chǎng)景，先走到距離用戶最近的地方。
數(shù)據(jù)顯示，汽車(chē)平均有 71% 的里程是在城市道路行駛，對(duì)應(yīng)時(shí)間占車(chē)主總駕車(chē)時(shí)長(zhǎng)的 90%。而華為和小鵬得以更快落地城市 NOA，激光雷達(dá)功不可沒(méi)。
智能駕駛權(quán)威測(cè)評(píng)機(jī)構(gòu) nuScences 的數(shù)據(jù)顯示：
截止 2023 年上半年，純視覺(jué)方案（攝像頭）和融合方案（激光雷達(dá)+攝像頭）對(duì)目標(biāo)物追蹤準(zhǔn)確度（AMOTA）上仍有較大差距：二者相差接近 20 個(gè)百分點(diǎn)（56% VS. 75%）。
預(yù)計(jì)到 2025 年，純視覺(jué)方案準(zhǔn)確度的均值會(huì)達(dá)到 70%~71%。這一數(shù)字相比配備激光雷達(dá)的融合方案在 22 年的準(zhǔn)確度落后了 3 年時(shí)間。
換個(gè)角度來(lái)看，激光雷達(dá)融合方案可以讓高階智能駕駛落地時(shí)間縮短 3 年。
輕舟智航產(chǎn)品負(fù)責(zé)人許諾直言，現(xiàn)階段單純依靠視覺(jué)方案，很難應(yīng)對(duì)中國(guó)城市道路中的各類(lèi) Corner Case。「激光雷達(dá)，是以投入換時(shí)間，加速城市 NOA 落地的捷徑。」
「當(dāng)你做視覺(jué)方案時(shí)，系統(tǒng)遇到未知或者通用障礙物識(shí)別時(shí)，激光雷達(dá)方案的優(yōu)勢(shì)是突出的。像路上突然掉下來(lái)的物體，例如紙箱、木箱等，通過(guò)激光雷達(dá)能夠感應(yīng)到。而且激光雷達(dá)可以告訴你，前面有障礙物，也會(huì)告訴你做分類(lèi)處理。」許諾說(shuō)道。
由此看來(lái)，激光雷達(dá)不僅是智能汽車(chē)?yán)锏摹鸽[形安全氣囊」，更是輔助車(chē)企量產(chǎn)落地城市 NOA 的捷徑。
在國(guó)內(nèi)市場(chǎng)，蔚來(lái)、理想、小鵬、仰望、智己、極氪、問(wèn)界、阿維塔等汽品牌，在已經(jīng)量產(chǎn)或即將上市的車(chē)型中，都配備了激光雷達(dá)。
在海外，布局 L3 智能駕駛功能的頭部車(chē)企也都配備了激光雷達(dá)，包括已經(jīng)獲得 L3 監(jiān)管批準(zhǔn)的奔馳，以及正在布局的寶馬、沃爾沃等。
下一步，高階輔助駕駛?cè)粢虼蟊娛袌?chǎng)持續(xù)滲透，系統(tǒng)成本有望繼續(xù)下探。
施葉舟表示，禾賽正在通過(guò)核心零部件芯片化等技術(shù)降本手段，以及放大規(guī)模效應(yīng)的優(yōu)勢(shì)，為城市 NOA 持續(xù)落地服務(wù)。目前，禾賽已將激光雷達(dá)的價(jià)格從幾年前的幾十萬(wàn)元，降到了現(xiàn)在的幾千元，做到了十倍以下。
到那時(shí)，激光雷達(dá)的高成本，或許也不再是阻礙其大規(guī)模上車(chē)的門(mén)檻。
車(chē)企是否都要走特斯拉的純視覺(jué)方案，最終要量力而為。而從現(xiàn)階段來(lái)看，激光雷達(dá)不僅可以成為城市 NOA 落地的「助跑器」，在未來(lái)也能夠繼續(xù)發(fā)揮其獨(dú)特價(jià)值，做自動(dòng)駕駛領(lǐng)域的「最強(qiáng)助攻」。
禾賽科技戰(zhàn)略負(fù)責(zé)人施葉舟認(rèn)為，「在考慮成本的時(shí)候，不能夠只看到硬件成本，實(shí)際上更要考慮背后所需要各種研發(fā)服務(wù)和資源投入，也就是『全成本』——除了冰山上面的顯性成本（硬件、BOM 成本），還有大量被忽視的隱性成本。」
這里所稱(chēng)的純視覺(jué)技術(shù)路線中的「隱性成本」，包括算法、路測(cè)、云計(jì)算、數(shù)據(jù)標(biāo)注、仿真訓(xùn)練和系統(tǒng)軟件等。
特斯拉前 AI 高級(jí)總監(jiān) Andrej Karpathy 曾在公開(kāi)演講時(shí)說(shuō)到：「純視覺(jué)能夠精準(zhǔn)感知深度、速度、加速度信息，實(shí)現(xiàn)純視覺(jué)是一件困難的事情，還需要大量數(shù)據(jù)。」
換句話說(shuō)，特斯拉作業(yè)并不好抄，門(mén)檻和壁壘極高。
這主要體現(xiàn)在三個(gè)方面：
一是海量數(shù)據(jù)。
特斯拉的自動(dòng)駕駛算法是業(yè)內(nèi)公認(rèn)能力最強(qiáng)、投入最大、研發(fā)最早的。截至目前，特斯拉 FSD 累積行駛里程已超 5 億英里，Autopilot 使用里程已經(jīng)超過(guò) 90 億英里。
特斯拉的自動(dòng)駕駛系統(tǒng)每天可以接收到車(chē)隊(duì)回傳的 1600 億幀視頻數(shù)據(jù)，支持神經(jīng)網(wǎng)絡(luò)訓(xùn)練。眾所周知，數(shù)據(jù)積累取決于累計(jì)交付量和行駛里程，如此大的數(shù)據(jù)體量，也意味著需要投入大量的時(shí)間成本。
其次是自研芯片。
特斯拉自 2014 年開(kāi)始自研芯片之路，2019 年發(fā)布了 FSD 自研芯片。
為了提升數(shù)據(jù)處理能力，為進(jìn)一步的深度學(xué)習(xí)量身定制，2021 年 8 月，特斯拉發(fā)布了用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的自研芯片 D1，D1 芯片基于 7nm 工藝打造，算力可達(dá) 362TFLOPS。
D1 芯片具備較強(qiáng)的可擴(kuò)展性，25 個(gè)芯片可組成一個(gè)計(jì)算模塊，而 120 個(gè)計(jì)算模塊可以組成外界熟知的「Dojo ExaPOD」超級(jí)計(jì)算機(jī)。
第三是圍繞算法訓(xùn)練搭建的超算中心。
在特斯拉自建的大數(shù)據(jù)中心中，使用了 14,000 片 GPU 芯片，其中 10000 片用于 AI 訓(xùn)練的 H100，4000 片用于數(shù)據(jù)標(biāo)注。
據(jù)了解，一片 H100 芯片官方售價(jià) 3.5 萬(wàn)美元，盡管在黑市被炒到 30~40 萬(wàn)元人民幣，依然是「一片難求」。
特斯拉上線 H100 GPU 集群的同時(shí)，還激活了自研的超級(jí)計(jì)算機(jī)群組 Dojo ExaPOD，開(kāi)啟云端算力競(jìng)賽，以支持自動(dòng)駕駛技術(shù)的更新迭代。
Dojo 于 2023 年 7 月開(kāi)始生產(chǎn)部署，馬斯克曾表示，到 2024 年，特斯拉還將向 Dojo 再投資 10 億美元。預(yù)計(jì)到 2024 年 10 月，Dojo 算力會(huì)達(dá)到 100Exa-Flops。
從這個(gè)角度看，光是算法訓(xùn)練的芯片投入就十分驚人，達(dá)到數(shù)十億元。
基于這樣的數(shù)據(jù)，我們可以做一個(gè)簡(jiǎn)單的數(shù)學(xué)推算：
假設(shè)要開(kāi)發(fā)一個(gè)特斯拉式純視覺(jué)路線的高階智能駕駛系統(tǒng)，這個(gè)方案總投入大約在 200 億元。
試想一下，要壓低這個(gè)成本需要多大規(guī)模的銷(xiāo)量？
——當(dāng)汽車(chē)銷(xiāo)量到 2000 萬(wàn)輛時(shí)，每輛車(chē)的自動(dòng)駕駛成本可以降到 1000 元。
——而當(dāng)汽車(chē)銷(xiāo)量只有幾十萬(wàn)、上百萬(wàn)輛時(shí)，這筆投入該如何攤銷(xiāo)？
當(dāng)前，特斯拉累計(jì)銷(xiāo)量超過(guò) 400 萬(wàn)輛，其所釋放的規(guī)模效應(yīng)讓友商們難以企及。因此，特斯拉選擇視覺(jué)路線，不只是「算法能力強(qiáng)」，更是建立在巨大的保有量、車(chē)載芯片自研、數(shù)據(jù)回環(huán)和自動(dòng)化標(biāo)注、自建超算中心訓(xùn)練模型等一系列能力之上的綜合實(shí)力。
02 占用網(wǎng)絡(luò)不是「萬(wàn)能鑰匙」，激光雷達(dá)仍是「最佳助攻」
2016 年 1 月 20 日，在輔助駕駛狀態(tài)下，一輛特斯拉撞上了一堵靜止的水泥隔離墻上。這是特斯拉首起「自動(dòng)駕駛」事故。
當(dāng)時(shí)，對(duì)特斯拉的唱衰之聲不絕于耳。但經(jīng)過(guò) 7 年探索，特斯拉如今在自動(dòng)駕駛領(lǐng)域一騎絕塵。當(dāng)特斯拉跑通自動(dòng)駕駛之后，其他車(chē)企開(kāi)始轉(zhuǎn)向了「大模型」路線，沿著特斯拉從 BEV 向占用網(wǎng)絡(luò)迭代之路進(jìn)化。
不過(guò)，即便不惜成本投入堆起來(lái)的「占用網(wǎng)絡(luò)」，對(duì)于通用障礙物的識(shí)別仍然無(wú)法做到「天衣無(wú)縫」。
占用網(wǎng)絡(luò)，是一套基于神經(jīng)網(wǎng)絡(luò)的算法，是在時(shí)序?qū)R、多幀數(shù)據(jù)融合下構(gòu)建的 4D 網(wǎng)絡(luò)。
「因?yàn)槠唇恿撕芏嗨惴ǎ婕暗蕉鄮诤稀２豢杀苊饩蜁?huì)有一定程度的延時(shí)。」對(duì)于國(guó)內(nèi)車(chē)企來(lái)說(shuō)，在車(chē)端有限的算力之下，如何兼顧「高精度」和「低延時(shí)」存在諸多考驗(yàn)。
更重要的是，占用網(wǎng)絡(luò)技術(shù)會(huì)因視覺(jué)缺失 3D 信息而導(dǎo)致漏檢、誤檢。
為了視覺(jué)算法輸出結(jié)果比較準(zhǔn)確，需要源源不斷的數(shù)據(jù)輸入和迭代以提高精準(zhǔn)度。
在車(chē)輛覆蓋沒(méi)有到一定規(guī)模前，尚且無(wú)法獲得更多數(shù)據(jù)——這正是不少車(chē)企現(xiàn)階段對(duì)「去掉激光雷達(dá)」保持謹(jǐn)慎，而選擇「攝像頭+激光雷達(dá)」融合感知路線的原因。
相比于算法，激光雷達(dá)具備「硬件本能」，不需要經(jīng)過(guò)大量復(fù)雜的計(jì)算和假設(shè)，以及數(shù)據(jù)訓(xùn)練就可以得到純視覺(jué)方案需要的某些數(shù)值。
相比純視覺(jué)方案，激光雷達(dá)能夠應(yīng)對(duì)不易處理的 corner case（邊緣場(chǎng)景），彌補(bǔ)攝像頭可能出現(xiàn)的誤判。
在融合方案中，激光雷達(dá)存在多個(gè)公認(rèn)的核心優(yōu)勢(shì)：
一是「抗干擾」，不懼夜間環(huán)境。
據(jù) MIT 團(tuán)隊(duì) 2022 年的研究結(jié)果表明，配備了激光雷達(dá)的融合方法將夜間的感知精度提高 3 倍。
二是「真三維」，精度更高。
激光雷達(dá)基于三維坐標(biāo)，能精確到厘米級(jí)別為算法提供地面和物體的相對(duì)位置。地面上的高低不平的路況，一些低矮物體，激光雷達(dá)也能夠捕捉到。
三是「高置信度」，識(shí)別物體數(shù)量更多。
純視覺(jué)方案會(huì)建立覆蓋常見(jiàn)「道路物體」（機(jī)動(dòng)車(chē)、行人、兩輪車(chē)、錐桶、水馬、路面、樹(shù)木等）的白名單。白名單之外，可能「視而不見(jiàn)」。
通過(guò)激光雷達(dá)直接獲取實(shí)時(shí) 3D 數(shù)據(jù)后，車(chē)輛可以直接判斷障礙物是否存在，為占用網(wǎng)絡(luò)提供真值輸入，在融合方案里作有力補(bǔ)充，提升系統(tǒng)安全性。
此外，激光雷達(dá)的反應(yīng)速度更快。在中國(guó)城市內(nèi)存在復(fù)雜路況，比如鬧市區(qū)里車(chē)輛突然的加塞、變道等，激光雷達(dá)相比攝像頭的反應(yīng)速度更快，能夠準(zhǔn)確判斷對(duì)方移動(dòng)速度。
值得一提的是，在最近行業(yè)大熱的話題「如何降低 AEB 的誤觸發(fā)率」上，激光雷達(dá)也可以幫助避免一些常見(jiàn)的安全隱患。
施葉舟表示，「AEB 的誤觸發(fā)，背后的本質(zhì)原因是感知精度不夠高。在激光雷達(dá)加持下，周?chē)兄鹊奶嵘`觸發(fā)可以大大減少」。以搭載激光雷達(dá)的理想 L9 Max 為例，采用多傳感器融合方案之后，每 10 萬(wàn)公里的誤觸發(fā)次數(shù)遠(yuǎn)遠(yuǎn)低于行業(yè)均值。
綜合來(lái)看，占用網(wǎng)絡(luò)技術(shù)不是一個(gè)解鎖通用障礙物識(shí)別的萬(wàn)能鑰匙，而激光雷達(dá)在提升安全性的過(guò)程中，有著舉足輕重的作用。
03 激光雷達(dá)融合方案，高階智能駕駛落地的「助跑器」
城市 NOA 正在迎來(lái)一個(gè)高光時(shí)刻——問(wèn)界新 M7 累計(jì)大定已超過(guò) 8 萬(wàn)臺(tái)，其中超過(guò) 60% 用戶選擇了智駕版（激光雷達(dá)版）；小鵬新 G9 激光雷達(dá)版本選配比例高達(dá) 80%。
在此之前，一款車(chē)的智能駕駛搭載率只能達(dá)到 20%~30% 左右。問(wèn)界和小鵬新車(chē)的智能駕駛選配率，遠(yuǎn)遠(yuǎn)超過(guò)了行業(yè)預(yù)期。
城市 NOA 迅速落地的背后，給廣大的消費(fèi)者體驗(yàn)帶來(lái)根本變化是最主要的驅(qū)動(dòng)力。
要實(shí)現(xiàn)更大范圍的自動(dòng)駕駛的覆蓋，要切入真正的高頻和剛需場(chǎng)景，先走到距離用戶最近的地方。
數(shù)據(jù)顯示，汽車(chē)平均有 71% 的里程是在城市道路行駛，對(duì)應(yīng)時(shí)間占車(chē)主總駕車(chē)時(shí)長(zhǎng)的 90%。而華為和小鵬得以更快落地城市 NOA，激光雷達(dá)功不可沒(méi)。
智能駕駛權(quán)威測(cè)評(píng)機(jī)構(gòu) nuScences 的數(shù)據(jù)顯示：
截止 2023 年上半年，純視覺(jué)方案（攝像頭）和融合方案（激光雷達(dá)+攝像頭）對(duì)目標(biāo)物追蹤準(zhǔn)確度（AMOTA）上仍有較大差距：二者相差接近 20 個(gè)百分點(diǎn)（56% VS. 75%）。
預(yù)計(jì)到 2025 年，純視覺(jué)方案準(zhǔn)確度的均值會(huì)達(dá)到 70%~71%。這一數(shù)字相比配備激光雷達(dá)的融合方案在 22 年的準(zhǔn)確度落后了 3 年時(shí)間。
換個(gè)角度來(lái)看，激光雷達(dá)融合方案可以讓高階智能駕駛落地時(shí)間縮短 3 年。
輕舟智航產(chǎn)品負(fù)責(zé)人許諾直言，現(xiàn)階段單純依靠視覺(jué)方案，很難應(yīng)對(duì)中國(guó)城市道路中的各類(lèi) Corner Case。「激光雷達(dá)，是以投入換時(shí)間，加速城市 NOA 落地的捷徑。」
「當(dāng)你做視覺(jué)方案時(shí)，系統(tǒng)遇到未知或者通用障礙物識(shí)別時(shí)，激光雷達(dá)方案的優(yōu)勢(shì)是突出的。像路上突然掉下來(lái)的物體，例如紙箱、木箱等，通過(guò)激光雷達(dá)能夠感應(yīng)到。而且激光雷達(dá)可以告訴你，前面有障礙物，也會(huì)告訴你做分類(lèi)處理。」許諾說(shuō)道。
由此看來(lái)，激光雷達(dá)不僅是智能汽車(chē)?yán)锏摹鸽[形安全氣囊」，更是輔助車(chē)企量產(chǎn)落地城市 NOA 的捷徑。
在國(guó)內(nèi)市場(chǎng)，蔚來(lái)、理想、小鵬、仰望、智己、極氪、問(wèn)界、阿維塔等汽品牌，在已經(jīng)量產(chǎn)或即將上市的車(chē)型中，都配備了激光雷達(dá)。
在海外，布局 L3 智能駕駛功能的頭部車(chē)企也都配備了激光雷達(dá)，包括已經(jīng)獲得 L3 監(jiān)管批準(zhǔn)的奔馳，以及正在布局的寶馬、沃爾沃等。
下一步，高階輔助駕駛?cè)粢虼蟊娛袌?chǎng)持續(xù)滲透，系統(tǒng)成本有望繼續(xù)下探。
施葉舟表示，禾賽正在通過(guò)核心零部件芯片化等技術(shù)降本手段，以及放大規(guī)模效應(yīng)的優(yōu)勢(shì)，為城市 NOA 持續(xù)落地服務(wù)。目前，禾賽已將激光雷達(dá)的價(jià)格從幾年前的幾十萬(wàn)元，降到了現(xiàn)在的幾千元，做到了十倍以下。
到那時(shí)，激光雷達(dá)的高成本，或許也不再是阻礙其大規(guī)模上車(chē)的門(mén)檻。
車(chē)企是否都要走特斯拉的純視覺(jué)方案，最終要量力而為。而從現(xiàn)階段來(lái)看，激光雷達(dá)不僅可以成為城市 NOA 落地的「助跑器」，在未來(lái)也能夠繼續(xù)發(fā)揮其獨(dú)特價(jià)值，做自動(dòng)駕駛領(lǐng)域的「最強(qiáng)助攻」。
1.TMT觀察網(wǎng)遵循行業(yè)規(guī)范，任何轉(zhuǎn)載的稿件都會(huì)明確標(biāo)注作者和來(lái)源；
2.TMT觀察網(wǎng)的原創(chuàng)文章，請(qǐng)轉(zhuǎn)載時(shí)務(wù)必注明文章作者和"來(lái)源：TMT觀察網(wǎng)"，不尊重原創(chuàng)的行為T(mén)MT觀察網(wǎng)或?qū)⒆肪控?zé)任；
3.作者投稿可能會(huì)經(jīng)TMT觀察網(wǎng)編輯修改或補(bǔ)充。
