今天小编分享的汽车经验：激光雷达开年大战，让智驾的2024更有火药味，欢迎阅读。
图片来源 @视觉中国
文 | 电车通
1 月 1 日，何小鹏宣布 XNGP 已覆盖全国 243 座城市，2 月 2 日，鸿蒙智行宣布，问界车型智驾系统更新，高阶智驾实现覆盖全国 99% 路段，大城市到小乡村都能用。
春节期间，我体验了小鹏 G6 的智驾功能，可用路段几乎不用接管，车道线、红绿灯等均能正确识别。能够大幅提升出行体验的智能驾驶，成长速度比我们想象中快得多。
高速路况简单，问界、小鹏等车企已实现基本覆盖，下一步车企竞争的重点，将是城区领航辅助驾驶。车企准备如何应对接下来的竞争，行业已传出了不少风声。
硬體「两极分化」
均衡智驾级别与成本，是车企与自动驾驶企业需要谨慎对待的问题，如小鹏出于成本考虑，计划未来持续减少激光雷达。不过现阶段而言，高阶智驾依然难以离开激光雷达。
去年 12 月 26 日发布的问界 M9，搭载行业首颗量产的 192 线激光雷达，拥有长达 250 米识别距离、184 万点 / 秒成像能力、垂直分辨率达 0.1 °、雷达扫描频率达 20Hz，相较于目前市场上主流的 96 线 ~156 线激光雷达，堪称「遥遥领先」。
然而华为 192 线激光雷达官宣后不久，北醒光子就官宣旗下 256 线激光雷达投产，CES2024 大会上，激光雷达巨头禾赛科技更是推出了 512 线激光雷达—— AT512，这款雷达探测距离可达 300 米，最远测距可达 400 米，成像能力则达到了 1288.8 万点 / 秒。
激光雷达线束越多，捕捉到的物体细节越丰富，建模轮廓越完整，形成的点云图也会更加清晰，而且拥有更高的冗余度和抗干扰能力，能够提升智驾安全性。不过线束太高随之而来的便是成本上升与功耗提高，恐怕只有问界 M9 这种 50 万元左右的豪车，才能用得上 192 线及以上线束的激光雷达。考虑到车载激光雷达的功耗一般在 50W 以内，对于续航的影响不会很明显。
卷硬體方面，中国企业经验丰富，按照这个发展速度，相信用不了几年，上千线束的激光雷达就会面世。
智驾对于芯片也有一定要求，国内地平线公司将于 4 月发布征程 6 芯片，算力高达 560TOPS，之前 NVIDIA 发布的 Thor 芯片算力在达到了 2000TOPS。不过相较于雷达等其他硬體的参数提升，算力提高并不困难，单颗算力不足，那就多来几颗芯片就是了。
激光雷达 + 高算力芯片无疑可以提高智驾安全性，但高昂的成本并非每家车企都愿意接受，以特斯拉为首的部分车企，选择了廉价的纯视觉方案。当然，即便是特斯拉，也需要以高算力芯片作为基础，国内部分企业则选择更加极致的路线，低算力芯片 + 摄像头 + 少量雷达，即可实现 L2+ 级自动驾驶。
代表企业有商汤绝影、大疆车载等企业，商汤绝影与哪吒汽车联合推出的智驾方案，仅需 16TOPS 算力芯片和 5R11V（5 颗毫米波雷达、11 颗摄像头）传感器，就实现了高速、城市路段领航辅助驾驶。
大疆车载推出的方案，最低仅需 32TOPS 算力芯片，搭配 7~9 颗摄像头，无需任何雷达，即可实现区網域记忆行车。若想实现 L2+ 级领航辅助驾驶，将芯片更新至 80TOPS 即可，这一套硬體成本还比不上一颗激光雷达。
汽车智驾硬體已呈现出两大方向，高端车型追求硬體性能提升，成本次要考虑，激光雷达线束数量与芯片算力为主要竞争点。中低端车型则追求极致压榨硬體潜能与低成本，以便于惠及购车预算较低的消费者，如此一来难免对于軟體算法提出更高要求。
軟體「大模型当先」
2023 年下半年至今，不少车企宣布将 AI 大模型、生成式 AI 搬到汽车上，以求将汽车与智能助手、生产力挂钩。如比亚迪的「璇玑架构」，分为云端 AI 与车端 AI 两部分，车端 AI 大模型无需数据上传，拥有更好的保密性，没有网络的情况下，也能执行用户发出的指令。
相较于 AI 大模型与生成式 AI，大模型在智驾领網域的前景肉眼可见，去年毫末智行就发布了自动驾驶生成式预训练 Transformer 大模型 DriveGPT 雪湖 · 海若，以 DriveGPT 作为云端测评模型，评测车端小模型的行驶表现。毫末智行将场景离散化处理，分割成数十万个小场景，与实际驾驶环境进行匹配，系统可以根据相似的场景，作出智驾推导与判断。
自动驾驶企业与车企正在尝试车端部署智驾大模型，但上千亿参数的智驾大模型，哪怕裁减到百亿级参数，由于车载芯片算力问题，暂时反应速度也比不上云端大模型。堆芯片可以解决算力问题，取而代之的则是成本问题。
大模型的主要优势之一，就在于可以降低智驾生态建设成本。截至 2023 年 11 月国内公路里程已达 535 万公里，而且还在不断变动，全部高精度绘制所需要的成本无法想象。当前虽然摆脱了对高精度地图的依赖，但依然需要「轻量级地图」或「去高精度地图」。
华为已打破了这一传统，不是一城一城的开通，而是直接全国覆盖。华为所采用的方案与毫末智行相似，智驾大模型收集到了足够的数据，并离散化处理，成为道路拓扑推理的依据，结合普通导航地图便可实现领航辅助驾驶。
车企都在摆脱高精度地图的依赖，但依然需要轻量级地图，这就导致领航辅助驾驶覆盖速度不够快。况且国内公路一直在变化，部分地区可能需要反复绘制，小乡镇等落后地区，恐怕 2030 年都等不到车企的地图绘制团队。
通过大模型、离散场景与道路推理，实现领航辅助驾驶乃至自动驾驶，对于算力和数据量的要求更高，整体成本低一些，拥有大量数据后，效率提升较为明显。有了华为作为先例，2024 年或许我们就能看到其他车企采用相同方案实现全国智驾。
自动驾驶脚步渐快
从近年来各类智驾法律法规的制定、路测牌照的发放，我们能看到相关部门正有条不紊推动自动驾驶商用。
2024 年 2 月 8 日，全国首个智能汽车智驾表现数据开放平台亮相苏州。该平台由车控 CHEK 打造，目的是解决智能汽车信息不对称问题，国内问界、小鹏、蔚来等众多车企已加入该平台，将通过该平台披露智驾接管次数、避障能力等数据。
该平台的建立，一方面能够反映出车企的不足之处，为车企指明技术优化方向，另一方面则可以作为消费者买车时的参考，智驾好不好不能只看车企宣传，数据才能说明真实情况。
软硬體的持续研发与更新，成本的不断降低，都令 15 万元以内车型看到了普及高阶智驾的曙光。高端车与低价车型的可靠性，我们都能在车控 CHEK 的平台看到数据，若是高端车型的接管频率高于低价车，恐怕会对车企名声产生一定影响。不过目前智驾硬體成本偏高，短时间内我们无法看到太多成果，也难以做出对比。
高速 NOA 较为成熟，今年有可能实现全面覆盖，城区 NOA 则是今年车企竞争的重点。更高线束激光雷达、更高算力智驾芯片的应用，能够强化汽车的智驾能力。极氪 001 改款被曝或将成为首款正式搭载 NVIDIA Thor 芯片的车型，北醒光子 256 线激光雷达已投产，相信首款搭载该产品的汽车距离上市也不远了。
大模型的加入则可以大幅提升智驾训练效率，加速智驾算法完善，并且令智驾系统驾驶逻辑更像老司机。
何小鹏曾表示，2024 年是自动驾驶元年。从车企、自动驾驶企业、供应链企业的动作来看，这个元年的火药味格外足。
