2022年，自動(dòng)駕駛領(lǐng)域依舊無(wú)比熱鬧。

隨著智能化普及，后疫情時(shí)代的到來(lái)，車企紛紛提前搶占未來(lái)產(chǎn)業(yè)制高點(diǎn)，加大對(duì)自動(dòng)駕駛技術(shù)研發(fā)和投資。與此同時(shí)，激光雷達(dá)與大算力芯片的技術(shù)不斷成熟且成本不斷下降，正越發(fā)促進(jìn)高階智能駕駛的量產(chǎn)加速。

在高階智能駕駛量產(chǎn)之際，智能駕駛公司從算法、算力、數(shù)據(jù)上的積累，以及技術(shù)和成本維度考慮，在前進(jìn)的道路上走向了不同的賽道，L2升維與L4降維之戰(zhàn)也逐漸呈現(xiàn)，不管是升維還是降維，量產(chǎn)之路依舊布滿荊棘。

智能駕駛公司需從需求與痛點(diǎn)深挖，以技術(shù)為核心、流程為保障、數(shù)據(jù)為驅(qū)動(dòng)，多平臺(tái)拓展，才能在量產(chǎn)之路上走的更順更遠(yuǎn)。

那么，高階智能駕駛的量產(chǎn)有什么特點(diǎn)？量產(chǎn)路線如何選擇？落地進(jìn)程又到了哪一階段？

圍繞高階智能駕駛量產(chǎn)的路線、痛點(diǎn)、落地等，中汽創(chuàng)智智能駕駛首席技術(shù)官?gòu)堈窳衷凇噶孔游?middot;視點(diǎn)」直播中分享了他的從業(yè)經(jīng)驗(yàn)和觀點(diǎn)。

以下根據(jù)分享內(nèi)容進(jìn)行整理：

感知路線及升維降維路線之爭(zhēng)的理解

根據(jù)國(guó)際認(rèn)可度相對(duì)較高的SAE美國(guó)汽車工程學(xué)會(huì)對(duì)自動(dòng)駕駛進(jìn)行的L0到L5分級(jí)，“高階智能駕駛”主要是指L3及以上級(jí)別。

L3及以上和L2最主要的區(qū)別在于駕駛的主體：L3的駕駛主體是系統(tǒng)而非人類，在個(gè)別情況下可能需要人類接管；而L2駕駛主體還是人類，系統(tǒng)僅作為輔助。

談到高階自動(dòng)駕駛的量產(chǎn)，我們先探討下現(xiàn)在的L3，大家都是怎么做的？

自動(dòng)駕駛的發(fā)展離不開(kāi)整個(gè)產(chǎn)業(yè)鏈的發(fā)展和成熟，其中有兩個(gè)最核心的點(diǎn)：一是感知，二是計(jì)算。

從感知側(cè)來(lái)看，800萬(wàn)像素相機(jī)以及車載激光雷達(dá)已快速發(fā)展并進(jìn)入前裝量產(chǎn)時(shí)代，4D成像雷達(dá)也為自動(dòng)駕駛提供了一些新的選擇。5年前，一款Velodyne 64線激光雷達(dá)價(jià)格是幾萬(wàn)美金，但今天，一些車規(guī)量產(chǎn)的激光雷達(dá)成本都已控制在萬(wàn)元以下。

從算力側(cè)看，幾年前的自動(dòng)駕駛更多采用的是X86 CPU+GPU的架構(gòu)，通過(guò)CPU+GPU的算力來(lái)為算法提供硬件上的支撐。但今天，大算力的車規(guī)SOC已紛紛上車，500Tops到1000Tops已不再遙不可及。除國(guó)際巨頭外，我們可以欣喜地看到許多中國(guó)自主研發(fā)的大算力平臺(tái)也已進(jìn)入上車搭載階段，比如華為的MDC系列，地平線的征程系列，黑芝麻的A1000等。

可以說(shuō)，整個(gè)自動(dòng)駕駛產(chǎn)業(yè)鏈已經(jīng)非常接近大規(guī)模量產(chǎn)的狀態(tài)，但在實(shí)現(xiàn)量產(chǎn)的具體方式上，自動(dòng)駕駛的發(fā)展路線也呈現(xiàn)出多樣化的特征。

谷歌旗下的自動(dòng)駕駛公司W(wǎng)aymo采取以激光雷達(dá)為主的發(fā)展路線，特斯拉采用其代表性的純視覺(jué)自動(dòng)駕駛方案，以百度為代表的一些國(guó)內(nèi)公司試圖推進(jìn)以路側(cè)智能與車端智能互為補(bǔ)充的車路協(xié)同技術(shù)路線。我們認(rèn)為無(wú)論是激光派還是視覺(jué)派，無(wú)論是單車智能還是車路協(xié)同，從技術(shù)本身而言，它們沒(méi)有矛盾也不沖突。

對(duì)于智能駕駛，尤其是高階自動(dòng)駕駛來(lái)說(shuō)，“安全第一，成本可控”是量產(chǎn)落地的最核心目標(biāo)。結(jié)合自動(dòng)駕駛在算法、算力、數(shù)據(jù)上的積累，從技術(shù)和成本的維度綜合考慮，中汽創(chuàng)智提出以視覺(jué)感知為主、其他傳感器為輔的高階自動(dòng)駕駛前裝量產(chǎn)方案，同時(shí)兼顧中國(guó)特色協(xié)同式自動(dòng)駕駛的落地應(yīng)用，逐步實(shí)現(xiàn)安全、高效和平穩(wěn)的出行方式。

我們結(jié)合網(wǎng)上公開(kāi)的渠道信息分析中國(guó)自動(dòng)駕駛量產(chǎn)方面做得比較不錯(cuò)的智能駕駛公司及主機(jī)廠，可以看到，這些量產(chǎn)車型中搭載的攝像頭數(shù)目前最高已達(dá)到12個(gè)，毫米波雷達(dá)最多達(dá)6個(gè)，激光雷達(dá)最多達(dá)3~4個(gè)。采用的算力平臺(tái)覆蓋英偉達(dá)的Xavier、Orin系列、Mobileye、華為mdc810等。在軟件功能上，這些車型已具備L2甚至L2+應(yīng)用場(chǎng)景實(shí)現(xiàn)能力，功能包括ADAS、城市及高速NOP等行車功能，并且搭載了從APA、HPP到RPA甚至AVP的泊車功能。

但目前主流車企的新車型大部分采用超前硬件預(yù)埋和軟件迭代的量產(chǎn)方式，也就是說(shuō)，車輛已經(jīng)具備L2的軟件功能和成熟的L3的硬件。萬(wàn)事具備，只待OTA，但是誰(shuí)來(lái)提供一整套的解決方案和核心的算法？

其實(shí)，業(yè)內(nèi)也呈現(xiàn)出“升維”和“降維”兩種不同的聲音。其中，傳統(tǒng)ADAS或者說(shuō)L2級(jí)供應(yīng)商正采取的是升維的策略，而最近一些L4級(jí)供應(yīng)商更多采用了降維策略。供應(yīng)商之所以采取不同的路線，是因?yàn)槠渥陨淼膬?yōu)勢(shì)差異。ADAS供應(yīng)商的優(yōu)勢(shì)在于工程化能力，而L4供應(yīng)商優(yōu)勢(shì)更多在于算法能力。但實(shí)現(xiàn)量產(chǎn)其實(shí)要求我們既要有高階的算法能力，也要具備強(qiáng)大的工程能力，更重要的是具有大數(shù)據(jù)積累能力。

所以，不同的企業(yè)結(jié)合自身優(yōu)勢(shì)和發(fā)展路徑會(huì)采取不同的實(shí)現(xiàn)方式，但目前還沒(méi)有一家公司完成真正L3級(jí)別自動(dòng)駕駛的方案量產(chǎn)。

高階智能駕駛量產(chǎn)痛點(diǎn)解析

在這里，我想套用蘋(píng)果CEO庫(kù)克的一句話：“自動(dòng)駕駛是所有人工智能項(xiàng)目之母，它同時(shí)也是所有人工智能項(xiàng)目當(dāng)中最難的一個(gè)。”

我最早看到這句話是在2017年左右，我相信當(dāng)時(shí)聽(tīng)聞庫(kù)克這句話的時(shí)候，蘋(píng)果應(yīng)該已經(jīng)開(kāi)展了相應(yīng)的自動(dòng)駕駛相關(guān)業(yè)務(wù)。但到幾年后的今天，蘋(píng)果的自動(dòng)駕駛汽車還是遲遲沒(méi)有露出真容，這背后的原因到底是什么？

結(jié)合自身經(jīng)驗(yàn)與行業(yè)分析，要實(shí)現(xiàn)自動(dòng)駕駛真正的量產(chǎn)落地，我們認(rèn)為要面對(duì)6大挑戰(zhàn)。

第一塊挑戰(zhàn)更多是從人工智能項(xiàng)目本身來(lái)看，包括了數(shù)據(jù)、算力和核心算法層面。其中的每一項(xiàng)都需要豐富的資源、優(yōu)秀的人才進(jìn)行持續(xù)投入和鉆研提升。

除了技術(shù)和算法問(wèn)題本身，要真正達(dá)到量產(chǎn)性的落地，工程化能力、成熟的政策法規(guī)以及成本和市場(chǎng)接受度都是自動(dòng)駕駛是否能夠?qū)崿F(xiàn)量產(chǎn)的核心挑戰(zhàn)。

高階智能駕駛量產(chǎn)落地思路

針對(duì)高階智能駕駛量產(chǎn)落地，中汽創(chuàng)智結(jié)合自身定位、業(yè)務(wù)以及過(guò)往的量產(chǎn)經(jīng)驗(yàn)，總結(jié)出一些思路。

首先，注重開(kāi)創(chuàng)未來(lái)汽車產(chǎn)業(yè)合作新格局。中汽創(chuàng)智團(tuán)隊(duì)不僅聚集了主機(jī)廠、零部件供應(yīng)商，同時(shí)還擁有大量從頭部自動(dòng)駕駛公司、科技公司、互聯(lián)網(wǎng)公司來(lái)的優(yōu)秀人才。我們?nèi)翰呷毫?、頭腦風(fēng)暴，確立了公司定位和智能駕駛業(yè)務(wù)規(guī)劃。在此，我來(lái)分享下中汽創(chuàng)智團(tuán)隊(duì)如何看待未來(lái)的汽車行業(yè)格局。無(wú)論自動(dòng)駕駛玩家多少，大家始終承認(rèn)主機(jī)廠仍是其中最重要的玩家之一，而傳統(tǒng)的Tier 1跟主機(jī)廠的合作模式在這個(gè)軟件定義汽車的新時(shí)代發(fā)生了一些變革。因此，中汽創(chuàng)智結(jié)合自身優(yōu)勢(shì)提出“Tier 0.5”的新角色，希望創(chuàng)造一種主機(jī)廠-供應(yīng)商和供應(yīng)商-供應(yīng)商之間的新型合作關(guān)系，并結(jié)合“產(chǎn)學(xué)研用”和國(guó)家戰(zhàn)略打造創(chuàng)新型企業(yè)。

此外，確保實(shí)現(xiàn)系統(tǒng)全棧自研。依托中國(guó)一汽、東風(fēng)、長(zhǎng)安三大主機(jī)廠，并結(jié)合三家主機(jī)廠的平臺(tái)優(yōu)勢(shì)，我們深度挖掘股東方們的共性與前瞻性需求。從自研的工具鏈、車規(guī)級(jí)協(xié)議適配、RTOS適配、核心模塊的算法交付，以及前裝高階AD控制器研發(fā)，中汽創(chuàng)智已擺脫對(duì)傳統(tǒng)Tier 1的依賴。中汽創(chuàng)智智能駕駛業(yè)務(wù)是基于全棧的系統(tǒng)自研能力，面向行業(yè)客戶提供多維度的智能駕駛量產(chǎn)解決方案以及技術(shù)服務(wù)，從域控制器到系統(tǒng)設(shè)計(jì)、工具鏈到場(chǎng)景數(shù)據(jù)、核心自研算法及軟件，中汽創(chuàng)智提供一種完全解耦的、完全開(kāi)放的、完全適配的Tier 0.5供應(yīng)商模式。這就是我們的業(yè)務(wù)邏輯，也是我們?cè)诤罄m(xù)量產(chǎn)過(guò)程中最強(qiáng)有力的保證。

算法、數(shù)據(jù)、工程化上的思考與實(shí)踐

要實(shí)現(xiàn)前裝量產(chǎn)以及量產(chǎn)中不同的車型搭載必然會(huì)受到產(chǎn)品的定位、成本以及價(jià)格的約束，需要考慮到車型的傳感器選型、數(shù)量、域控制器的算力大小和功能個(gè)性化等各種因素。

面對(duì)此類復(fù)雜場(chǎng)景，中汽創(chuàng)智開(kāi)發(fā)了一套統(tǒng)一的算法框架——可按照原子化組件化的開(kāi)發(fā)模式，滿足多場(chǎng)景可復(fù)用的特點(diǎn)。從底層的跨硬件平臺(tái)、跨操作系統(tǒng)、跨原子化組件、到算法及工程組件，再到上層的應(yīng)用軟件，這一框架兼容多個(gè)硬件平臺(tái)，可實(shí)現(xiàn)動(dòng)態(tài)編排，提高部署效率。把算法模塊化部署到設(shè)備端進(jìn)行工作流的編排、算法布置、文件解析，通過(guò)中間件接口的抽象和信息接口的統(tǒng)一，可自動(dòng)生成所面臨的硬件平臺(tái)和功能場(chǎng)景以及所需要的軟件系統(tǒng)。

在統(tǒng)一的自動(dòng)駕駛系統(tǒng)框架下，核心的感知算法模塊也在進(jìn)行相應(yīng)創(chuàng)新，其中值得一提的是從經(jīng)典感知到下一代感知算法的迭代。經(jīng)典感知常基于二維的圖像感知算法，即數(shù)據(jù)端結(jié)合二維的單幀圖像做相應(yīng)識(shí)別，標(biāo)注端更多采用人工標(biāo)注方式。

為此，我們提出“下一代感知算法”，即從算法上結(jié)合視頻流感知、多相機(jī)BEV融合、相機(jī)-激光雷達(dá)前融合以及多模態(tài)感知，通過(guò)多種方式提供端到端更高精度的感知算法。在數(shù)據(jù)端，不僅依靠單幀數(shù)據(jù)，還結(jié)合包括相機(jī)、激光雷達(dá)和定位等多傳感器的視頻數(shù)據(jù)。此外，我們研發(fā)出長(zhǎng)尾數(shù)據(jù)挖掘系統(tǒng)以擴(kuò)展數(shù)據(jù)挖掘能力，還提出在標(biāo)注端采用4D標(biāo)注方式并提取豐富的時(shí)空序列信息。

端到端的感知模型設(shè)計(jì)方案的最大亮點(diǎn)是共享主干極大地降低了訓(xùn)練資源的開(kāi)銷，并節(jié)省模型嵌入式部署算力。此外，通過(guò)引入自注意力機(jī)制及對(duì)全局特征和局部特征的深層融合，模型特征表征能力得以提高。結(jié)合相關(guān)的網(wǎng)絡(luò)設(shè)計(jì)和訓(xùn)練技巧，我們?cè)赮OLOP基礎(chǔ)之上提出融入YOLOPV2的概念，該方案的性能和精度在BDD100k公開(kāi)數(shù)據(jù)集三項(xiàng)感知任務(wù)中均達(dá)到了SOTA級(jí)別。

另外，中汽創(chuàng)智3D端到端的感知方案能夠直接輸出目標(biāo)位置、大小和朝向，利用激光雷達(dá)的深度監(jiān)督訓(xùn)練提升遠(yuǎn)距離目標(biāo)檢測(cè)精度。這一方案結(jié)合視覺(jué)3D和激光3D，共用一體化目標(biāo)級(jí)后融合方案，實(shí)現(xiàn)多傳感器融合、感知輸出互補(bǔ)，目前我們能感知的距離已達(dá)到最高200米的可用范圍。

我們采取的BEV前融合感知算法是以BEV特征編碼和特征融合模塊為核心，開(kāi)發(fā)出多源異構(gòu)輸入下的大一統(tǒng)多模態(tài)前融合感知算法。它是一種松耦合算法，可以結(jié)合不同的傳感器配置，如Camera-Lidar、Camera-Radar以及Camera-Lidar-Radar等多種傳感器的融合方式。此套感知算法直接支持端到端的輸出，利用Transformer Decoder操作來(lái)直接預(yù)測(cè)目標(biāo)3D候選集，省略掉非常繁瑣的后處理過(guò)程。

除了感知側(cè)外，可能在實(shí)際行車中遇到的問(wèn)題更多涉及的是決策側(cè)。經(jīng)過(guò)實(shí)踐，我們認(rèn)為不僅要結(jié)合傳統(tǒng)的基于規(guī)則的決策，即按照?qǐng)鼍暗姆诸惼?，還要結(jié)合最新的學(xué)習(xí)與強(qiáng)化學(xué)習(xí)算法，比如說(shuō)POMDP等。將兩種決策方法和策略融合起來(lái)，一方面用傳統(tǒng)的方法來(lái)保證它的魯棒性，另一方面針對(duì)特殊的corner-case場(chǎng)景，用大量人類“老”司機(jī)的駕駛行為作為訓(xùn)練數(shù)據(jù)，使得自車在不同路況下的決策更加智能，更加魯棒，最終大幅提高系統(tǒng)的行為決策能力。

在人工智能時(shí)代，如果將算法比喻成發(fā)動(dòng)機(jī)的話，那數(shù)據(jù)就像燃料，其重要性不言而喻。數(shù)據(jù)方面的核心問(wèn)題是數(shù)據(jù)量，針對(duì)此，中汽創(chuàng)智有著得天獨(dú)厚的優(yōu)勢(shì)——結(jié)合股東方一汽、長(zhǎng)安、東風(fēng)和兄弟單位T3出行，我們具備一個(gè)數(shù)據(jù)生態(tài)聯(lián)盟來(lái)共同支撐數(shù)據(jù)的獲取。目前，大部分車企都具備大量的數(shù)據(jù)，但如何利用好海量數(shù)據(jù)、提高數(shù)據(jù)的使用率是值得思考的問(wèn)題。中汽創(chuàng)智結(jié)合標(biāo)注、采集、多模態(tài)融合、序列提取，用4種串行方式來(lái)實(shí)現(xiàn)1個(gè)融合的自動(dòng)標(biāo)注，從而降低80%以上的人工標(biāo)注成本。

在技術(shù)工程學(xué)會(huì)的支持下，中汽創(chuàng)智也正在計(jì)劃和推動(dòng)結(jié)合相關(guān)股東方以及核心合作伙伴建立一個(gè)數(shù)據(jù)共建、共享的生態(tài)聯(lián)盟，通過(guò)聯(lián)盟形成統(tǒng)一的開(kāi)發(fā)流、統(tǒng)一的標(biāo)注標(biāo)準(zhǔn)，以及合理合規(guī)的數(shù)據(jù)共享交易機(jī)制。為實(shí)現(xiàn)此生態(tài)聯(lián)盟，我們應(yīng)更好地推動(dòng)數(shù)據(jù)建設(shè)，特別是結(jié)合專用采集車和可能量產(chǎn)搭載的車輛，以及像T3出行這樣的網(wǎng)約車、Robotaxi。

中汽創(chuàng)智有一套非常成熟的數(shù)據(jù)采集方法——收集不同感知設(shè)備的原始數(shù)據(jù)（包括車輛行為的總線數(shù)據(jù)、環(huán)境信息數(shù)據(jù)等），通過(guò)開(kāi)發(fā)分類器自動(dòng)篩選自動(dòng)觸發(fā)的方式，來(lái)采集Corner-case以及結(jié)構(gòu)化信息。同時(shí)，我們還利用數(shù)據(jù)壓縮的技術(shù)進(jìn)行抽幀裁剪等，通過(guò)物理方式實(shí)現(xiàn)數(shù)據(jù)的交換，最終實(shí)現(xiàn)數(shù)據(jù)閉環(huán)和平臺(tái)共享。數(shù)據(jù)會(huì)也同時(shí)反饋到量產(chǎn)車和T3出行的車輛上，通過(guò)OTA不斷升級(jí)自動(dòng)駕駛算法，也不斷地對(duì)數(shù)據(jù)采集進(jìn)行針對(duì)性的重新思考和界定。

前面陳述了算法和數(shù)據(jù)的量產(chǎn)實(shí)踐，但規(guī)?；慨a(chǎn)這件事的難度不僅在于技術(shù)問(wèn)題，更重要的還有工程化問(wèn)題。

在此方面，以前我在做L4的創(chuàng)業(yè)公司時(shí)，發(fā)現(xiàn)我們的同事和團(tuán)隊(duì)對(duì)于車企V模式了解并不多。但在實(shí)際開(kāi)發(fā)過(guò)程中，為了更好地跟結(jié)合車企現(xiàn)有流程并融入其體系，量產(chǎn)車規(guī)級(jí)的系統(tǒng)開(kāi)發(fā)流程是必不可少的。以領(lǐng)航輔助功能為例，在需求挖掘、功能定義、需求分析、系統(tǒng)設(shè)計(jì)、軟件開(kāi)發(fā)的不同階段，通過(guò) V模式從需求到實(shí)踐到集成到反饋形成相應(yīng)的閉環(huán)。通過(guò)用這套方法可以更好地適應(yīng)現(xiàn)在整車廠頻繁發(fā)現(xiàn)的問(wèn)題需求變更，來(lái)更好地實(shí)現(xiàn)對(duì)于車企自動(dòng)駕駛量產(chǎn)需求。

另外，在包括前面提到的算法和感知等整體的開(kāi)發(fā)過(guò)程當(dāng)中，功能安全應(yīng)該是貫穿到整個(gè)開(kāi)發(fā)流程的體系當(dāng)中的。中汽創(chuàng)智也結(jié)合 ISO26262中功能安全模塊的要求，增加到現(xiàn)有的ASPICES開(kāi)發(fā)流程當(dāng)中，從設(shè)計(jì)、從頂層的架構(gòu)到后期的具體的代碼、開(kāi)發(fā)接口的設(shè)計(jì)等提出新的流程和體系，來(lái)確保開(kāi)發(fā)質(zhì)量和產(chǎn)品可靠性。除了開(kāi)發(fā)流程，我們也認(rèn)為在高階的自動(dòng)駕駛中，既然系統(tǒng)要承擔(dān)駕駛的主體任務(wù)，那么安全冗余的架構(gòu)也是必不可少的。

冗余方面也有不同的階段，第一代實(shí)踐之初是通過(guò)一個(gè)個(gè)相對(duì)來(lái)說(shuō)較小較輕的智能前視的控制器再連接智能駕駛域控實(shí)現(xiàn)的，它是一個(gè)非對(duì)稱的安全冗余架構(gòu)。當(dāng)自動(dòng)駕駛域控制器失效時(shí)，智能控制器應(yīng)具備獨(dú)立控制能力，可以讓車安全停下或者說(shuō)避障等。但是，從成本的角度和實(shí)際的操作來(lái)看，這一架構(gòu)還有很大的提升空間。針對(duì)高階的系統(tǒng)、針對(duì)ASIL-D級(jí)的需求，我們提出物理級(jí)的安全冗余架構(gòu)，即當(dāng)前研發(fā)的對(duì)稱表決邏輯架構(gòu)，當(dāng)SOC1和MCU1失效的時(shí)候，SOC2和MCU2會(huì)進(jìn)行take over 安全冗余進(jìn)階，同時(shí)配合冗余的一個(gè)電源和傳感器方案，可以實(shí)現(xiàn)剛提到的物理級(jí)安全冗余和系統(tǒng)ASIL-D的等級(jí)。

在這方面，中汽創(chuàng)智可以比較自豪地說(shuō)，目前整套的開(kāi)發(fā)體系已經(jīng)在2021年獲得了相應(yīng)的ASIL-D級(jí)認(rèn)證。

最后，我給大家播放下中汽創(chuàng)智的實(shí)踐視頻，拍攝點(diǎn)是在南京江寧區(qū)的核心路段，時(shí)間是在7月底的晚高峰，是隨機(jī)抓拍了一段路測(cè)視頻。如視頻所見(jiàn)，這套算法目前已能在相對(duì)繁忙的公開(kāi)城市道路上，自由地實(shí)現(xiàn)跟車變道，以及紅綠燈的識(shí)別等。畫(huà)面右上角是傳感器視角所看到的實(shí)時(shí)畫(huà)面。