今天小編分享的汽車經驗：激光雷達開年大戰，讓智駕的2024更有火藥味，歡迎閲讀。
圖片來源 @視覺中國
文 | 電車通
1 月 1 日，何小鵬宣布 XNGP 已覆蓋全國 243 座城市，2 月 2 日，鴻蒙智行宣布，問界車型智駕系統更新，高階智駕實現覆蓋全國 99% 路段，大城市到小鄉村都能用。
春節期間，我體驗了小鵬 G6 的智駕功能，可用路段幾乎不用接管，車道線、紅綠燈等均能正确識别。能夠大幅提升出行體驗的智能駕駛，成長速度比我們想象中快得多。
高速路況簡單，問界、小鵬等車企已實現基本覆蓋，下一步車企競争的重點，将是城區領航輔助駕駛。車企準備如何應對接下來的競争，行業已傳出了不少風聲。
硬體「兩極分化」
均衡智駕級别與成本，是車企與自動駕駛企業需要謹慎對待的問題，如小鵬出于成本考慮，計劃未來持續減少激光雷達。不過現階段而言，高階智駕依然難以離開激光雷達。
去年 12 月 26 日發布的問界 M9，搭載行業首顆量產的 192 線激光雷達，擁有長達 250 米識别距離、184 萬點 / 秒成像能力、垂直分辨率達 0.1 °、雷達掃描頻率達 20Hz，相較于目前市場上主流的 96 線 ~156 線激光雷達，堪稱「遙遙領先」。
然而華為 192 線激光雷達官宣後不久，北醒光子就官宣旗下 256 線激光雷達投產，CES2024 大會上，激光雷達巨頭禾賽科技更是推出了 512 線激光雷達—— AT512，這款雷達探測距離可達 300 米，最遠測距可達 400 米，成像能力則達到了 1288.8 萬點 / 秒。
激光雷達線束越多，捕捉到的物體細節越豐富，建模輪廓越完整，形成的點雲圖也會更加清晰，而且擁有更高的冗餘度和抗幹擾能力，能夠提升智駕安全性。不過線束太高随之而來的便是成本上升與功耗提高，恐怕只有問界 M9 這種 50 萬元左右的豪車，才能用得上 192 線及以上線束的激光雷達。考慮到車載激光雷達的功耗一般在 50W 以内，對于續航的影響不會很明顯。
卷硬體方面，中國企業經驗豐富，按照這個發展速度，相信用不了幾年，上千線束的激光雷達就會面世。
智駕對于芯片也有一定要求，國内地平線公司将于 4 月發布征程 6 芯片，算力高達 560TOPS，之前 NVIDIA 發布的 Thor 芯片算力在達到了 2000TOPS。不過相較于雷達等其他硬體的參數提升，算力提高并不困難，單顆算力不足，那就多來幾顆芯片就是了。
激光雷達 + 高算力芯片無疑可以提高智駕安全性，但高昂的成本并非每家車企都願意接受，以特斯拉為首的部分車企，選擇了廉價的純視覺方案。當然，即便是特斯拉，也需要以高算力芯片作為基礎，國内部分企業則選擇更加極致的路線，低算力芯片 + 攝像頭 + 少量雷達，即可實現 L2+ 級自動駕駛。
代表企業有商湯絕影、大疆車載等企業，商湯絕影與哪吒汽車聯合推出的智駕方案，僅需 16TOPS 算力芯片和 5R11V（5 顆毫米波雷達、11 顆攝像頭）傳感器，就實現了高速、城市路段領航輔助駕駛。
大疆車載推出的方案，最低僅需 32TOPS 算力芯片，搭配 7~9 顆攝像頭，無需任何雷達，即可實現區網域記憶行車。若想實現 L2+ 級領航輔助駕駛，将芯片更新至 80TOPS 即可，這一套硬體成本還比不上一顆激光雷達。
汽車智駕硬體已呈現出兩大方向，高端車型追求硬體性能提升，成本次要考慮，激光雷達線束數量與芯片算力為主要競争點。中低端車型則追求極致壓榨硬體潛能與低成本，以便于惠及購車預算較低的消費者，如此一來難免對于軟體算法提出更高要求。
軟體「大模型當先」
2023 年下半年至今，不少車企宣布将 AI 大模型、生成式 AI 搬到汽車上，以求将汽車與智能助手、生產力挂鈎。如比亞迪的「璇玑架構」，分為雲端 AI 與車端 AI 兩部分，車端 AI 大模型無需數據上傳，擁有更好的保密性，沒有網絡的情況下，也能執行用户發出的指令。
相較于 AI 大模型與生成式 AI，大模型在智駕領網域的前景肉眼可見，去年毫末智行就發布了自動駕駛生成式預訓練 Transformer 大模型 DriveGPT 雪湖 · 海若，以 DriveGPT 作為雲端測評模型，評測車端小模型的行駛表現。毫末智行将場景離散化處理，分割成數十萬個小場景，與實際駕駛環境進行匹配，系統可以根據相似的場景，作出智駕推導與判斷。
自動駕駛企業與車企正在嘗試車端部署智駕大模型，但上千億參數的智駕大模型，哪怕裁減到百億級參數，由于車載芯片算力問題，暫時反應速度也比不上雲端大模型。堆芯片可以解決算力問題，取而代之的則是成本問題。
大模型的主要優勢之一，就在于可以降低智駕生态建設成本。截至 2023 年 11 月國内公路裏程已達 535 萬公裏，而且還在不斷變動，全部高精度繪制所需要的成本無法想象。當前雖然擺脱了對高精度地圖的依賴，但依然需要「輕量級地圖」或「去高精度地圖」。
華為已打破了這一傳統，不是一城一城的開通，而是直接全國覆蓋。華為所采用的方案與毫末智行相似，智駕大模型收集到了足夠的數據，并離散化處理，成為道路拓撲推理的依據，結合普通導航地圖便可實現領航輔助駕駛。
車企都在擺脱高精度地圖的依賴，但依然需要輕量級地圖，這就導致領航輔助駕駛覆蓋速度不夠快。況且國内公路一直在變化，部分地區可能需要反復繪制，小鄉鎮等落後地區，恐怕 2030 年都等不到車企的地圖繪制團隊。
通過大模型、離散場景與道路推理，實現領航輔助駕駛乃至自動駕駛，對于算力和數據量的要求更高，整體成本低一些，擁有大量數據後，效率提升較為明顯。有了華為作為先例，2024 年或許我們就能看到其他車企采用相同方案實現全國智駕。
自動駕駛腳步漸快
從近年來各類智駕法律法規的制定、路測牌照的發放，我們能看到相關部門正有條不紊推動自動駕駛商用。
2024 年 2 月 8 日，全國首個智能汽車智駕表現數據開放平台亮相蘇州。該平台由車控 CHEK 打造，目的是解決智能汽車信息不對稱問題，國内問界、小鵬、蔚來等眾多車企已加入該平台，将通過該平台披露智駕接管次數、避障能力等數據。
該平台的建立，一方面能夠反映出車企的不足之處，為車企指明技術優化方向，另一方面則可以作為消費者買車時的參考，智駕好不好不能只看車企宣傳，數據才能説明真實情況。
軟硬體的持續研發與更新，成本的不斷降低，都令 15 萬元以内車型看到了普及高階智駕的曙光。高端車與低價車型的可靠性，我們都能在車控 CHEK 的平台看到數據，若是高端車型的接管頻率高于低價車，恐怕會對車企名聲產生一定影響。不過目前智駕硬體成本偏高，短時間内我們無法看到太多成果，也難以做出對比。
高速 NOA 較為成熟，今年有可能實現全面覆蓋，城區 NOA 則是今年車企競争的重點。更高線束激光雷達、更高算力智駕芯片的應用，能夠強化汽車的智駕能力。極氪 001 改款被曝或将成為首款正式搭載 NVIDIA Thor 芯片的車型，北醒光子 256 線激光雷達已投產，相信首款搭載該產品的汽車距離上市也不遠了。
大模型的加入則可以大幅提升智駕訓練效率，加速智駕算法完善，并且令智駕系統駕駛邏輯更像老司機。
何小鵬曾表示，2024 年是自動駕駛元年。從車企、自動駕駛企業、供應鏈企業的動作來看，這個元年的火藥味格外足。
