速腾|割韭菜最快的刀，叫激光雷达( 五 )

在1024科技日上，小鹏展示了城市NGP在P5上的实测视频：路线全长15公里，从停车场出发，经过广州闹市区，最终到达另一个停车场。这基本上，已经可以理解为“城市自动驾驶”了，但考虑到法规和用户安全等问题，在宣传时，自觉的企业还是会适可而止的。
很多车企都在说的“DOOR TO DOOR门到门”自动驾驶功能，包括搭载华为自动驾驶技术的极狐阿尔法S Hi版也是如此。但到今天能够拿出车辆实测视频的屈指可数，虽然大家都在批判特斯拉的自动驾驶不靠谱，但最起码人家在美国地区，通过OTA升级让车辆实现了城市自动驾驶的能力。
“特斯拉一直就是如此，他先装的非常强大的硬件，然后软件再做迭代。这个行业就是如此，硬件迭代周期非常慢，你现在不装，可能一、两年之后就落后了。但是，软件随时可以OTA。”上述自动驾驶供应商内部人士表示。其实，很多传统车企只学到了特斯拉的前半部分，学不到后半部分。
回到自动驾驶实现路径上来看，最核心的是解决三个问题：“我在哪？”、“我要去哪”、“我要如何去”。
按照行话来说就是：感知、决策与执行。更形象的来说，感知层就相当于人的五官，感知周围的环境，搜集数据传输到决策层；决策层相当于人的大脑，处理感知层传输的数据，输出相应的操作指令给执行层；执行层相当于人的四肢，执行大脑给出的指令。
激光雷达，因为具有可准确获取目标的三维信息、分辨率高、抗干扰能力强、探测范围广、近全天候工作等优点，在智能驾驶环境感知系统中占据了重要地位。但激光雷达仅仅只是一个数据收集的传感器，并不具备决策和执行的能力。换句话说，激光雷达只是承担了“眼睛”的角色。
有了千里眼还不够，关键还得靠利用好激光雷达所产生的数据，也就是靠算法。本质上，各类自动驾驶功能均依靠特定的应用算法开发实现。自动驾驶的环境复杂多变，从庞杂的激光雷达点云数据中准确快速地提取有效数据，并正确理解与分析有用信息是激光雷达应用算法开发的终极目标。
但还是会有不少问题。比如目前，自动驾驶激光雷达应用算法尚没有统一的框架和评判标准，具有较强的针对性和一定的特殊性。往往是精度越高、适应性越差，使用范围相当有限。面对各类复杂多变的自动驾驶场景，使算法具有扩展性和可移植性，提升算法的自适应性尤为必要。
另外还有数据驱动的功能迭代，也是考验车企的一道坎。
“感知和规划全都是由数据驱动。数据驱动的优势在于，智能驾驶系统中，遇到的corner case的数量级是超过百万级，这仅靠工程师去优化是不可能的。因此真正强大的智能驾驶一定要靠数据驱动，把大量概率小但会碰到的场景，通过数据化的方式去迭代和优化。”智己汽车联席CEO刘涛告诉虎嗅。
不过现在好了，传统汽车企业没有软件能力没关系，有钱就行。
“很多车企甚至自己没有软件的能力，直接跟激光雷达的供应商说，干脆你把算法直接给我捎里面完了。然后激光雷达供应商可能也没有算法，最后可能来找我们。”上述自动驾驶供应商内部人士表示。
这其实并不奇怪，在ADAS辅助驾驶领域，英特尔旗下的自动驾驶公司Mobileye曾一度占据了75%的市场份额。之所以成功，是因为它不只是做视觉传感器的普及者，而且是“视觉传感器+计算芯片+智能算法”的一整套解决方案商，这种接近于“即插即用”的合作模式备受车企喜爱。

文章插图

在2021年GTC大会，英伟达发布了完全自主设计的智能驾驶解决方案——NVIDIA DRIVE Hyperion 8，这是一款用于全自动驾驶系统的计算机架构和传感器组，它配备了英伟达自研芯片、英伟达推荐的摄像头、英伟达推荐的雷达，甚至还有英伟达标准的开发套件。