2022年辅助驾驶聚焦数据战 “特小长”三国局面已现雏形

北京冬奥会如火如荼进行中 , 不仅让“冰墩墩”成为顶流 , 也让“无人化”成功出圈 , 从无人餐厅到无人汽车 , “科技”冬奥名不虚传 。 2022年 , 科技重塑生活 , 汽车也向着无人化进击 , 辅助驾驶正进入快车道 。
当下 , 车界翘楚无不在辅助驾驶领域下功夫 , 搭载辅助驾驶系统的汽车迅速增长 , 去年搭载组合辅助驾驶系统的乘用车新车市场占比已达到20% 。
并且 , 辅助驾驶技术在不断更新、场景不断扩大 , 今年小鹏的城市NGP功能有望分批分地区落地、搭载高算力芯片四颗高通骁龙Ride的魏牌摩卡算力可达1440TOPS、特斯拉号称年底迎来FSD全自动版本……这一切新技术的突破与实现令人期待 。
2022年辅助驾驶聚焦数据战 “特小长”三国局面已现雏形
文章图片
中金公司在《人工智能十年展望(三):AI视角下的自动驾驶行业全解析》报告中指出 , 深度学习是数据驱动的AI , 需要海量数据“喂养” 。 数据是决定量产能力的胜负手 。 无论是特斯拉的摄像头路线还是其他车企的多传感器融合方案 , 数据量是两类方案竞争的核心要素 。 而数据方面 , 特斯拉和长城+毫末为首的规模化车企 , 将在数据规模以及数据体系的自动化和效率层面保持领先优势 。
今年 , 辅助驾驶技术将加快上车节奏 , 由此带动智能汽车向汽车产业头部加速聚集 。 曾经的智能手机市场也经历了从“倒三角型”到“T字形”的市场形态的转变 , 随着市场激烈竞争加剧 , 头部效应非常明显 。
毫末智行董事长张凯预测 , 2022年将是智能汽车充分竞争时代的开始 , 而智能驾驶技术将会加速智能汽车充分竞争时代的到来 。
浪潮席卷而来 , 汽车智能化像是一把开刃利剑 , 攥在车企的手里 。
辅助驾驶上车实况:竞争焦点趋向量产和数据
智能驾驶的终极目标还有多远 , 没人能给出准确的判断 , 但现实情况是辅助驾驶已经进入快车道 。 正如小马智行在最新发布L4软硬系统时说的那样 , 辅助驾驶正逐渐成为车企的宣传卖点 , 从L2到L4的落地场景也更多样 。
目前已经启动的智能驾驶功能包括车道保持、自动泊车、刹车辅助、倒车辅助和行车辅助功能 。 今年 , 辅助驾驶将进入下半场 , 即由高速场景扩展到城市城市开放道路场景 , 复杂多变的道路环境更加考验辅助驾驶能力 。
去年1月 , 小鹏推出高速导航辅助驾驶;11月理想、魏牌相继推出高速导航辅助驾驶;12月 , 小鹏发布城市导航辅助驾驶预热 , 计划今年落地 。 今年上半年魏牌摩卡搭载的HPilot智能驾驶系统将推出城市NOH功能 。
目前毫末城市NOH正处于测试阶段 , 一段测试视频显示:一共11公里的城市道路 , 24个路口 , 27个人行横道 , 5个无保护人行横道 , 22个红绿灯 , 2个四岔环岛 , 毫末城市NOH实现了全程34分钟无接管 。
尽管自动驾驶行业一直存在一条鄙视链 , 做L4的看不上做L2的 , 并且认为 , L2、L3和L4之间存在一条无法跨越的鸿沟 。
然而 , 现实状况却让这些站在技术鄙视链顶端的人有些打脸 。
多数车企走的是从L2向L4进阶的路线 , 也许更为现实 。 这一点 , 特斯拉是最早的行动派 。 大多数自动驾驶技术公司是利用相对较少的测试车队来收集数据 , 并测试其系统 , 而特斯拉则是利用数十万辆配备了自动驾驶系统的用户汽车来收集道路和驾驶数据 , 并在“影子模式”下对其自动驾驶进行迭代 。
2022年辅助驾驶聚焦数据战 “特小长”三国局面已现雏形
文章图片
特斯拉为纯视觉方案代言人 , 通过“影子模式”训练与迭代算法进行开发自动驾驶 , 这对软件提出非常高的要求 。 特斯拉的FSD软件基本上是利用视觉算法和神经网络做到自动驾驶 , 因此为部署FSD , 需要将视觉算法和神经网络以数字的形式重建起来 , 提升摄像头性能 , 同时神经网络在芯片之中 。