自动驾驶，难有降维打击( 二 ) 自2021年以来

向内， L4级自动驾驶技术商业变现困难，需寻变通之道；向外，市场需求旺盛，强敌气势减弱。自动驾驶公司研发L2级辅助驾驶系统，似乎一切自然而然。
更为重要的是，智能汽车的算力提升及传感器数量增多的同时，整体成本大幅度下降，为智能辅助驾驶系统的低成本量产应用提供条件。
在生存危机中， L4级自动驾驶公司借势改道，找到了一条可能的求生之路。
真的是降维打击吗？这条道路是否平缓，没人知道，也并不重要。重要的是，部分自动驾驶公司们知道，沿着这条道路前行似乎有着一线生机。
真能如此吗？
自动驾驶从业者王华（化名）对新智驾表示， L2-L3级系统的辅助驾驶系统，与L4-L5级全无人系统两者不存在必然的联系，辅助驾驶能升级成自动驾驶，但自动驾驶系统不能直接降维成辅助驾驶。
如果双方不存在必然联系， L4级自动驾驶公司研发L2-L3级辅助驾驶系统，将面临哪些困难？
技术难题是一道绕不过的坎。
其一，自动驾驶公司乘用车量产经验相对不足。
多位ADAS供应商人士对新智驾表示，大多数L4级自动驾驶公司对技术研发不计成本，并且通常使用大算力芯片，不太关注量产的技术路线。如果他们转做L2级辅助驾驶，可能“由奢入俭难” ，比如在产品研发上会束手束脚。更重要的是，降维并不代表着算法可以复用，很多东西需要推倒重建。
过去，自动驾驶公司将基于深度学习的软件算法作为护城河，比拼自动驾驶系统的稳定性与先进性，较少关注如何将自动驾驶系统前装于量产汽车内，从而导致自动驾驶公司对汽车制造认识不足。
智己软件高级经理殷玮告诉新智驾，主机厂与自动驾驶公司合作也可以说是彼此互相学习。自动驾驶公司在处理整车产品时碰到的问题，会向主机厂学习如何解决；主机厂也会向自动驾驶公司学习不错的方法论，强化软件开发能力。
其二，自动驾驶公司的部分场景数据积累相对不足。
某自动驾驶供应商技术负责人告诉新智驾，低速场景及高速场景的自动驾驶在应用层有所区别。
自动驾驶需要长期测试以收集数据进而迭代系统，低速场景和高速场景的不同，导致自动驾驶在两个不同场景下收集的数据不一样，最终两者的实践方式也有差异。
过去，自动驾驶公司注重在高速场景下收集不同类型的数据，泛用性较广，而从辅助驾驶功能起步研发的公司更多注重低速场景。
完全不同的场景，数据当然也完全不一样。
因此， L4级自动驾驶公司研发低速场景的功能如自主泊车等，并不占据优势。

文章图片
魔视智能自主泊车场景
其三，在算力大幅度减少的情况下开发自动驾驶系统，如同在螺蛳壳里做道场。
不少自动驾驶公司过往宣传自动驾驶汽车反应灵敏时，时常提到其算力之高，上千甚至超2000Tops的算力似乎成为自动驾驶系统的标配，然而量产汽车出于成本考量，目前无法配置较高算力的芯片。
对于习惯了在大算力条件下研发的自动驾驶公司来说，如何在极为有限的算力下完成L2/L3级自动驾驶系统开发是一个巨大的挑战，曾有人对新智驾将其形象地比喻为“由奢入俭难” 。
自动驾驶公司降维之路，道阻且长。
自动驾驶公司的非技术难题如果自动驾驶公司解决了技术问题，辅助驾驶系统上车过程也不见得轻松。