今天小編分享的汽車經驗：10萬的車加1萬就能用城市NOA，這玩意靠譜嗎？，歡迎閲讀。
如果加 1 萬塊錢，讓 898 的秦 plus 多個 NOA ，你會買嗎？
什麼？不買？還嫌貴？
這裏面可包含了基礎 L2 和高速城區 NOA 。
要知道，比亞迪原本的車道居中輔助、偏離預警、主動刹車這些基礎 L2 配置加起來都要 1 萬塊，騰勢的高速 NOA 更是賣到 1.5 萬。
這麼看還覺得貴嗎？有時候多找找自己原因，有沒有認真工作。。。
好好好，不開玩笑。
事情其實是這樣的，最近，大疆車載收到了來自比亞迪和一汽抛來的橄榄枝。
以後的比亞迪的秦 plus 、宋 plus 、海鷗、海豚這些，甚至一汽的紅旗，説不定就能用上大疆的城市 NOA 了。
這裏不了解智駕的差友可能會問：
大疆什麼時候也開始做智駕了？憑啥要比車企自己做的還牛 X ？
其實咱們拿華為做對比就好理解了，這個大疆車載和華為汽車事業部（ 車 BU ）都是在 2019 年成立，它的資歷一點不比華為淺。
論技術和研發實力，大疆車載也完全有實力能和華為車 BU 掰手腕。
而另一邊，比亞迪、一汽等傳統車企離智駕第一梯隊還是有些距離，和這些跨界做智駕的相比，傳統車企的自研技術還真未必有優勢。
所以在智能車的下半場，比亞迪急需找人合作。
可是，大疆的智駕能力還沒有經過多少產品驗證，比亞迪它們為什麼不選擇更成熟的華為智駕呢？
還别説，比亞迪此前還真找過華為的車 BU 談合作，結果被華為婉拒。。。
這倒不是因為華為不給面子，主要是，華為到現在還沒做過 20 萬以内車型的高階智駕，如果要把它的那套系統落地到比亞迪，成本就太高了。
相比華為，大疆做智駕的思路從一開始就是追求性價比，降低成本、盡快普及，所以與比亞迪不謀而合。
比如在今年 CES 上，大疆就展示過自己的 " 成行平台 " ，它既沒有激光雷達，也沒有高精地圖，用的芯片是高通骁龍 Ride （ SA8650P ），僅提供 100 TOPS 的算力，确實是非常 " 丐版 " 。
不過，根據官方給出的測試視頻，這套系統不僅包含高速城區路況的超車繞行、自動避障，還有記憶泊車功能，大家有的它也基本都有。
如果換華為來做，先不説必備激光雷達，智駕芯片估計會用自家 MDC 810 ，算力達到 400 TOPS ，按照終端價格，一整套 ADS 2.0 大概需要花 1.8 萬。
而大疆這邊，根據已經搭載在寶駿雲朵上的靈犀智駕，總共用了 7 顆攝像頭， 1 顆毫米波雷達， 12 顆超聲波雷達，與普通版的差價只有 1 萬。
要知道，這 1 萬裏面還包含了普通 L2 級智駕，所以只論高階智駕的話，估計成本在 5000 左右。
可咱們最關心的還是用的問題，你這價格低會不會就不安全呢？
畢竟，連目前的主流智駕方案都不完美，那缺胳膊少腿的丐版 NOA ，估計就更難用了吧。
其實從車主的錄像來看，寶駿雲朵在高架上也能做到一鏡到底非常流暢，但在安全性上，還看不出它和其他智駕誰優誰劣。
大夥兒的争議在于，大疆為了降低成本選擇 " 純視覺 " 方案，取消激光雷達，會不會不太靠譜？
要知道，目前車企的智駕降本方案，基本都和這枚激光雷達有關，但智駕是否安全，可不僅僅由一枚激光雷達決定，還有各種算法和邏輯，這裏面牽扯的内容多了去了。
要解釋清楚這個的問題，我們就得從智駕的成本戰開始説起。
時間拉回到 2004 年，當時美國國防部為了打造無人駕駛的軍車，發起了 DARPA 無人駕駛挑戰賽，雖然參賽隊伍各顯神通，但沒有一支能完成比賽。
這時，一家名為 Velodyne 的音響公司，開始在車上搭載激光雷達，扭轉了局面。
在 2007 年的另一屆 DARPA 中，有 7 支車隊成功過關，并且其中的 6 支用的都是它家的激光雷達，因此 Velodyne 也就一炮走紅，成了車載激光雷達的始祖。
那激光雷達為什麼這麼有用呢？
其實所有的傳感器，都存在不完美的地方，比如説，攝像頭只能捕捉 2D 影像，在夜晚、雨霧、逆光等情況下，識别能力非常有限。
而超聲波雷達的探測距離很短，對物體形狀幾乎沒有概念，只能用作倒車雷達。
毫米波雷達雖然可以探測目标的速度和距離，但對物體的形狀也很難區分，在復雜環境中很容易 " 謊報軍情 " 。
所以，融合方案最終還要加上激光雷達，它通過發射激光掃描周圍世界，可以測得每個方向的距離，精度和真實世界的 3D 打印差不多。
但問題就是這玩意兒比較貴。
到 2017 年， Velodyne 主銷的 16 線、 32 線、 64 線激光雷達，分别定價在 8 千、 4 萬和 8 萬美元，誰買的起搭載這玩意兒的車？
如果想要智駕能力更強，這裏的 " 線 " 還得更多。線束多一倍，價格就會翻一番，成本一直下不去的話，感知技術的發展也基本就卡在這兒了。
所以，為了避開激光雷達，馬斯克做了一個違背祖宗的決定：只用攝像頭。
按他的説法，人只靠雙眼就能駕駛汽車，憑啥 AI 還需要各種傳感器？
所以在 2022 年 Tesla AI Day 上，特斯拉介紹了占用網絡（ Occupancy Network ），将原本類似 " 即時戰略 " 的 BEV （鳥瞰圖）迭代成了《 Minecraft 》的草方塊世界，基本能達到激光雷達的效果。
然而，本來想着純視覺能省大錢，結果它在實踐層成本卻越來越高。
原因在于，特斯拉還要對這個純視覺感知的神經網絡進行訓練和維護。
首先，為了滿足算法所需的算力，就要對芯片開刀，特斯拉從 2014 年開始就自研芯片， 2019 發布了 FSD 自研芯片，算力高達 600 TOPS 。
而且在 2021 年，特斯拉還打造了專門用于訓練的自研芯片 D1 來構建 Dojo ExaPOD 超級計算機。
那做這玩意兒需要多少錢呢，馬斯克説：每年至少需要幾十億美元的投入。
可與此同時，在 2020 年，多傳感器融合方案這邊卻出現了轉機，由于激光雷達國產化，市面上激光雷達的價格被瞬間 " 抹零 " 。
華為車 BU 就在這年對外宣稱，他們的目标是 " 将激光雷達的成本降低至 200 美元，甚至是 100 美元。 "
過去， Velodyne 用的都是機械式激光雷達，價格貴不説，也容易壞。
而現在，華為和禾賽等國產供應商，采用的是半固态激光雷達，通過轉鏡技術，就可以達到過去旋轉的效果。
而且，更離譜的還有二維轉鏡， 1 根線還可以當作 100 根線來用，比如華為的等效 96 線激光雷達，把激光雷達的成本徹底打下去了。
所以現在的車載激光雷達，成本也就在千把塊錢左右。
以至于一些車企説， " 4 顆以下，請别説話 " 。看似财大氣粗，實則是搭了激光雷達國產化的順風車。。。
看到這裏，其實我們就清楚了大疆和華為的路線區别。
華為專攻多傳感器融合方案，擁有激光雷達就更容易解決智駕的感知問題，因此可以不斷挑戰智駕能力的極限。
而大疆的純視覺路線，用較低的上車成本解決實際問題，能更快普及，但問題在于它的難度更高，未來究竟能達到怎樣的效果尚未可知。
就算是純視覺的先驅者特斯拉，現階段遇到的問題也不少。
不過，大疆既然能将其搭載到實車上，并獲得許多車主認可，至少能説明，它的基本功能是成熟的。脖子哥也是很好奇，它能夠達到怎樣的高度。
畢竟不會有人在買一台秦的時候，選擇加兩三萬塊錢上智駕吧？
