Shoot

車企走向同一條路

在城市這一復(fù)雜路況場景中，高精度地圖一度被“多傳感器感知派”認(rèn)為是自動駕駛得以實現(xiàn)的“拐杖”，不可或缺。然而，當(dāng)越來越多的車企和自動駕駛方案供應(yīng)商開始逐漸向“純視覺”路線靠攏，高精度地圖還有存在的必要嗎？

自動駕駛技術(shù)的目標(biāo)是取代人類，這需要一系列軟硬件配合：感知體系代替人的雙眼，決策體系代替大腦，執(zhí)行機構(gòu)代替手和腳。

在感知環(huán)節(jié)一直存在兩大派系，一派以長期孤軍奮戰(zhàn)的特斯拉為代表，主要依賴于攝像頭，輔以高性能計算，不使用激光雷達(dá)，甚至一度取消了毫米波雷達(dá)；另一派則是以主流研發(fā)機構(gòu)為代表，主要以激光雷達(dá)、毫米波雷達(dá)、攝像頭等多傳感器，組成多傳感器融合方案，實現(xiàn)自動駕駛系統(tǒng)的環(huán)境感知能力，國內(nèi)跟隨者眾。

在后者看來，純視覺路線中車輛采集到的都是二維圖像，不包括距離和速度，車輛僅靠這些信息并不能保證安全。所以不僅要輔以雷達(dá)增加感知能力，還要用高精度地圖彌補車輛“視力”上的不足。

然而隨著功能的迭代，特斯拉攝像頭的短板逐漸被補齊，還在苦苦尋求自動駕駛智能拐點出現(xiàn)的車企和自動駕駛服務(wù)商們來到了調(diào)整路線的關(guān)口。

在特斯拉工作五年后，卡帕斯（左）又回到了OpenAI

特斯拉早期Autopilot 輔助駕駛系統(tǒng)確實經(jīng)常出現(xiàn)誤判，但自從2017年，馬斯克將安德烈·卡帕斯 （Andrej?Karpathy）從OpenAI 挖來擔(dān)任人工智能和自動駕駛視覺主管后，先是重寫了自動駕駛算法，之后又在2019年發(fā)布了FSD（Full Self-Driving）自研芯片。至此，特斯拉自動駕駛輔助系統(tǒng)開始出現(xiàn)根本性變化。

FSD芯片經(jīng)過針對性設(shè)計，計算平臺上兩顆芯片的總算力為144TOPS（每秒鐘進(jìn)行1 萬億次運算），有效算力與兩顆總算力512TOPS 的英偉達(dá)高性能AI 芯片Orin 相當(dāng)。在車輛具備大規(guī)模數(shù)據(jù)處理能力的基礎(chǔ)上，特斯拉感知系統(tǒng)也有機會逐步以接近人類的方式觀察三維世界。

特斯拉在感知系統(tǒng)使用的是360度布置的攝像頭，卡帕斯曾在播客中解釋，這種模仿人類視覺的感知方式不一定要識別出路中間是什么物體再做決策，而是會像人類一樣，“雖然不知道是什么，但會先避開”。

而這樣的感知邏輯加上時間軸后，能夠預(yù)判處理更多交通參與者的行為。比如一個行人正在過馬路，中途被一輛類似公交的大型車輛遮擋，此時系統(tǒng)雖然“看”不到這個行人，但自動駕駛感知網(wǎng)絡(luò)的短時記憶能力能夠記住某一時間段的數(shù)據(jù)特征，從而推測出這個行人在穿過遮擋物后會重新出現(xiàn)。

卡帕斯認(rèn)為，整個感知系統(tǒng)加上“影子模式”提供的大規(guī)模數(shù)據(jù)訓(xùn)練反饋，特斯拉的視覺感知體系已經(jīng)可以實現(xiàn)局部地圖的實時構(gòu)建，通過融合多個局部地圖，理論上“可以得到任何一個區(qū)域的高精度地圖”。

從“必備”到“雞肋”

看著特斯拉在技術(shù)上形成閉環(huán)，并已經(jīng)開始取得規(guī)模效益，其他尚處于高投入階段、標(biāo)榜智能化的車企迅速轉(zhuǎn)換路線，第一步就是向高精度地圖“開刀”。

3月，理想、小鵬接連宣布將在今年年內(nèi)測試無高精度地圖的城市輔助駕駛方案；同月，AI 芯片企業(yè)地平線創(chuàng)始人余凱和華為終端BG CEO余承東先后表示，要推出不依賴高精度地圖的解決方案；專注于L4 級自動駕駛方案的元戎啟行也在3月23日正式發(fā)布了類似解決方案，成為業(yè)內(nèi)首個宣布徹底解綁高精度地圖的自動駕駛玩家。

種種跡象表明，拋開高精度地圖這根“拐杖”已經(jīng)成了業(yè)內(nèi)不約而同的選擇。

高精度地圖是給汽車看的地圖，一般要達(dá)到分米級甚至厘米級，包含有道路類型、曲率、車道線位置等道路信息，以及路邊基礎(chǔ)設(shè)施、障礙物、交通標(biāo)志等環(huán)境對象信息，同時包括交通流量、紅綠燈狀態(tài)信息等實時動態(tài)信息。

在車企原來的設(shè)想中，高精度地圖可以納入智慧道路硬件設(shè)施的交互信息，如同車輛的“上帝之眼”，提高車輛的規(guī)劃能力，保障車輛在算法的輔助下實現(xiàn)更安全的自動駕駛功能，也就是業(yè)內(nèi)俗稱的“AI 弱智能+ 激光雷達(dá)強感知+ 高精度地圖”解決方案。

不過在應(yīng)用中，高精度地圖建圖和后期維護(hù)所需的時間成本和經(jīng)濟成本實在太過高昂，以至于難以形成大規(guī)模上車應(yīng)用。

在采集環(huán)節(jié)，圖商需要采用專業(yè)繪制車輛進(jìn)行測繪，測繪車輛通常搭載大量傳感器，單車成本動輒上百萬元；車隊每天掃描的里程又是有限的，平均成本在1000元/公里，采集完了一個城市還要保證地圖“鮮度”，要求圖商不斷上街掃描，跟上實際路況變化。

而國內(nèi)城市道路系統(tǒng)極其復(fù)雜多變，對更新頻率有著極高的要求。此前華為很重視高精度地圖，2021年時曾表示華為高精度地圖的更新頻率分兩種，高速公路一星期采一次，城區(qū)道路一個月采一次。

盡管如此，依然很難保證地圖“鮮度”。余承東在3月23 日的發(fā)布會后曾吐槽城市道路的復(fù)雜性：“中國道路天天改，你今天走了這條路，夜里可能就改了。”值得一提的是，至今還沒有一家圖商能把全國范圍內(nèi)的高精度地圖全部做出來。

新一輪軍備競賽

向純視覺路線靠攏，除了砍掉高精度地圖，部分車企還一直在考慮甩掉激光雷達(dá)，以降低硬件成本。不過考慮到國內(nèi)激光雷達(dá)如今價格已經(jīng)平民化，占整車成本并不高，是否保留已經(jīng)不再單純是出于成本考慮，而是要考慮技術(shù)安全。

激光雷達(dá)能夠直接獲取前方物體的速度和距離信息，哪怕在夜間依然可以正常運轉(zhuǎn)，這一優(yōu)勢恰恰可以彌補攝像頭的缺陷。但是在業(yè)內(nèi)技術(shù)人員看來，使用雷達(dá)傳感器導(dǎo)致探測系統(tǒng)冗雜，也會對數(shù)據(jù)引擎造成壓力。

“每個傳感器的功能不盡相同，全部上車會造成感知系統(tǒng)過度膨脹?！币晃蛔詣玉{駛企業(yè)工程人士指出這樣一種情況：兩種傳感器結(jié)果發(fā)生沖突，決策系統(tǒng)該聽誰的？如果相信攝像頭，那為什么還要會干擾攝像頭判斷的激光雷達(dá)？

需要明確的是，追趕特斯拉并不是一個單純?nèi)シ本秃喌倪^程，車企需要投入另一場軟硬件的軍備競賽。

吉利汽車、毫末智行等自動駕駛企業(yè)都已經(jīng)宣布建立超算中心

純視覺路線意味著系統(tǒng)要處理大量視頻圖像信息，數(shù)據(jù)量龐大，對車端和云端的算力要求很高；大量標(biāo)注后數(shù)據(jù)用于算法模型訓(xùn)練，再部署到車端驗證改進(jìn)，這一過程需要的不僅是天才工程師，還需要超級AI的參與，不然海量的數(shù)據(jù)很難完成標(biāo)注處理。

在車端算力上，國內(nèi)車企已經(jīng)走在領(lǐng)先地位，但是為了能更匹配自身算法，自研芯片、自建云端超算中心已經(jīng)成了必選項。

況且自研芯片也是未來降低自動駕駛輔助系統(tǒng)硬件成本的關(guān)鍵，李想在今年3月曾提到過特斯拉自動駕駛硬件的低成本，“特斯拉自動駕駛輔助系統(tǒng)的傳感器和計算平臺的成本大約是1500美元，我們打造類似的系統(tǒng)，光傳感器和高算力芯片加起來就要4000美元，差距很明顯”。

總的來說，頭部車企想要在新一輪淘汰賽中活下去并保有優(yōu)勢，皈依純視覺路線已經(jīng)是大概率事件，高精度地圖可能只是第一顆棄子。