2021年10月25日，特斯拉市值站上萬(wàn)億美金，成為美股第五家市值破萬(wàn)億的企業(yè)，幾乎超過(guò)美股全部主要車企市值的總和。特斯拉在資本市場(chǎng)的成功，刺激著投資者的神經(jīng)，也促使市場(chǎng)再一次將視野聚焦在自動(dòng)駕駛領(lǐng)域，進(jìn)一步思考自動(dòng)駕駛技術(shù)路線的發(fā)展方向。

從技術(shù)角度客觀分析和回答以下問(wèn)題：自動(dòng)駕駛等級(jí)提升需要解決什么關(guān)鍵問(wèn)題？怎樣的自動(dòng)駕駛方案更加具有實(shí)現(xiàn)大規(guī)模無(wú)人駕駛的可能性？自動(dòng)駕駛作為現(xiàn)實(shí)世界的AI問(wèn)題，難點(diǎn)在哪里？以上問(wèn)題促使我們理性客觀地思考該如何去實(shí)現(xiàn)自動(dòng)駕駛——這一承載了太多期望、不斷挑撥大眾神經(jīng)的技術(shù)生產(chǎn)力變革，從而推動(dòng)行業(yè)冷靜且務(wù)實(shí)地向前發(fā)展。

01

自動(dòng)駕駛的眼睛：

基于高質(zhì)量圖像成像的視覺(jué)雷達(dá)

隨著自動(dòng)駕駛等級(jí)的不斷提高，控制權(quán)和責(zé)任主體逐漸從駕駛員轉(zhuǎn)換為車輛，智駕系統(tǒng)的定位也將由擴(kuò)增人的感知能力到接管車輛自主駕駛。由此對(duì)智駕系統(tǒng)之于物理世界環(huán)境理解的要求完全不同，將由對(duì)物理世界部分信息的提取提升到事無(wú)巨細(xì)的全面感知與理解。而這種變化，首要就是對(duì)2D圖像成像與3D建模的越來(lái)越高的要求：1）更高分辨率和環(huán)境適應(yīng)度的2D圖像成像；2）對(duì)物理世界準(zhǔn)確且稠密的實(shí)時(shí)3D建模。

amera是自動(dòng)駕駛感知物理世界最重要的傳感器，其分辨率的提升將極大的提升圖像的信息承載量，使得自動(dòng)駕駛系統(tǒng)能夠感知更加細(xì)節(jié)和更遠(yuǎn)距離的行車環(huán)境。當(dāng)前主流自動(dòng)駕駛前視攝像頭的分辨率已經(jīng)到800萬(wàn)像素以上，而更高的分辨率也是未來(lái)必然發(fā)生的事情。自動(dòng)駕駛汽車面臨的是一個(gè)開放性的外部環(huán)境，除了分辨率的提升，還需要提升自動(dòng)駕駛在各種行車路況下的圖像成像質(zhì)量，比如不同的光線環(huán)境，傍晚、夜晚等，不同的氣候環(huán)境，雨雪霧天等。相對(duì)于傳統(tǒng)汽車應(yīng)用的車載成像，自動(dòng)駕駛對(duì)于車載成像質(zhì)量的要求將極大提升，如何通過(guò)成像計(jì)算獲取更高質(zhì)量的圖像就成為一個(gè)要解決的關(guān)鍵性問(wèn)題。

自動(dòng)駕駛汽車在三維物理世界中運(yùn)行，必然要求對(duì)物理世界進(jìn)行更加深刻的三維理解。當(dāng)前的高級(jí)別輔助駕駛在道路上不斷出現(xiàn)各種各樣的事故，這些事故的發(fā)生很大程度上是由于沒(méi)有識(shí)別到未被樣本庫(kù)所覆蓋的異形、非標(biāo)等物體，比如一輛拉著一棵樹的貨車等，而這些corner case是無(wú)法被窮盡的。對(duì)于行車環(huán)境的實(shí)時(shí)稠密3D建模不僅可以識(shí)別異形和非標(biāo)等物體，還能判斷路面坑洼與起伏，這無(wú)疑將大大提升自動(dòng)駕駛的安全級(jí)別。當(dāng)前自動(dòng)駕駛的3D環(huán)境感知，主要依賴激光雷達(dá)等主動(dòng)投射測(cè)量裝置，但其在分辨率上遠(yuǎn)低于Camera，也不具備顏色信息。隨著深度學(xué)習(xí)的發(fā)展，單目深度估計(jì)、雙目立體視覺(jué)、SFM、MVS等問(wèn)題已經(jīng)可以被深度神經(jīng)網(wǎng)絡(luò)所建模，從而可以基于多目視覺(jué)通過(guò)AI的方法實(shí)時(shí)生成3D點(diǎn)云，其視覺(jué)點(diǎn)云天然與圖像對(duì)齊，并且其分辨率也能達(dá)到圖像分辨率的級(jí)別。因此，如何通過(guò)多目視覺(jué)實(shí)現(xiàn)高分辨率的實(shí)時(shí)稠密3D建模，即視覺(jué)雷達(dá)，是另外一個(gè)要解決的關(guān)鍵性問(wèn)題。

視覺(jué)傳感器的信息承載量極高，目前遠(yuǎn)未被充分挖掘，但無(wú)論2D圖像成像還是實(shí)時(shí)稠密3D建模都需要強(qiáng)有力的算法和算力進(jìn)行支撐，這需要算法和算力進(jìn)行協(xié)同設(shè)計(jì)。視覺(jué)傳感器+算力+算法的傳感器計(jì)算模式，將更加本質(zhì)的推動(dòng)解決自動(dòng)駕駛當(dāng)前面臨的關(guān)鍵問(wèn)題，即從2D和3D層面對(duì)物理世界進(jìn)行事無(wú)巨細(xì)的感知與理解。

鑒智機(jī)器人核心團(tuán)隊(duì)擁有超過(guò)十年的圖像處理、AI算法和算力設(shè)計(jì)的行業(yè)經(jīng)驗(yàn)，將以視覺(jué)傳感器為核心，通過(guò)解決車載ISP、視覺(jué)雷達(dá)等視覺(jué)傳感器2D、3D成像的核心問(wèn)題，打造更加強(qiáng)大的自動(dòng)駕駛之眼，從而推動(dòng)自動(dòng)駕駛安全等級(jí)的提升。

1.1 從手機(jī)ISP到車載ISP

ISP（Image Signal Processor）是指通過(guò)一系列數(shù)字圖像處理算法完成對(duì)數(shù)字圖像的成像處理。在攝像機(jī)成像的整個(gè)環(huán)節(jié)中，ISP負(fù)責(zé)接收感光元件的原始信號(hào)數(shù)據(jù)，可以理解為整個(gè)攝像機(jī)圖像輸出的第一步處理流程。ISP在提高圖像質(zhì)量、增強(qiáng)數(shù)據(jù)的一致性等方面有著極其關(guān)鍵的作用。

得益于智能手機(jī)的發(fā)展和手機(jī)攝像頭像素越來(lái)越高，手機(jī)ISP在過(guò)去幾年得到了快速的發(fā)展和進(jìn)步，手機(jī)拍照和錄像的質(zhì)量也越來(lái)越高，甚至到了驚艷的地步。比如在夜晚等場(chǎng)景，可以拍到比人眼看到的更清晰、光照更充足、色彩更豐富的照片；比如在進(jìn)出隧道等光照變化劇烈的場(chǎng)景，也可以錄制出比人眼表現(xiàn)更穩(wěn)定、更清晰的視頻。這些效果除了源于手機(jī)攝像頭硬件上的升級(jí)，專門的AI ISP處理算法和處理芯片也起到了至關(guān)重要的作用。

隨著自動(dòng)駕駛對(duì)車載成像質(zhì)量的階躍式提升需求，車載ISP，特別是針對(duì)駕駛場(chǎng)景優(yōu)化的AI ISP處理算法和處理芯片，將迎來(lái)爆發(fā)式的發(fā)展。AI在車載ISP整個(gè)流程中將變得越來(lái)越重要，特別是在降噪、去模糊、HDR等問(wèn)題上，可以在夜晚、陽(yáng)光直射、進(jìn)出隧道等暗光、強(qiáng)光、高動(dòng)態(tài)場(chǎng)景得到遠(yuǎn)超人眼的成像效果，同時(shí)最大程度上解決由Sensor引起的噪點(diǎn)、模糊等問(wèn)題。將AI計(jì)算前置在ISP計(jì)算Pipeline中，通過(guò)流式計(jì)算，使得ISP的計(jì)算Pipeline不被打斷，也將大大提升AI ISP的性能功耗比。

鑒智機(jī)器人擁有全鏈路的芯片級(jí)ISP IP的設(shè)計(jì)能力，將解決ISP特別是AI ISP在車載場(chǎng)景的核心問(wèn)題，讓車載攝像頭成像更清晰，從而進(jìn)一步提高視覺(jué)雷達(dá)點(diǎn)云生成和圖像語(yǔ)義感知等后續(xù)任務(wù)的準(zhǔn)確性。

1.2 從2D感知到視覺(jué)雷達(dá)

面對(duì)大規(guī)模自動(dòng)駕駛，對(duì)3D點(diǎn)云的信息稠密程度、場(chǎng)景泛化性、性能可擴(kuò)展性方面提出了更高的要求?；谝曈X(jué)雷達(dá)，通過(guò)雙目或者多目立體視覺(jué)計(jì)算，產(chǎn)生實(shí)時(shí)稠密的3D點(diǎn)云是更優(yōu)的方式。

雙目立體視覺(jué)是機(jī)器視覺(jué)的一種重要形式，與人眼類似，它是基于視差原理，通過(guò)計(jì)算圖像對(duì)應(yīng)點(diǎn)間的位置偏差，來(lái)獲取物體三維幾何信息的方法，和基于TOF、結(jié)構(gòu)光原理的深度相機(jī)不同，它不對(duì)外主動(dòng)投射光源，完全依靠拍攝的兩張圖片（彩色RGB或者灰度圖）來(lái)計(jì)算深度。

傳統(tǒng)的雙目立體匹配算法針對(duì)弱紋理、反光等區(qū)域效果比較差，同時(shí)對(duì)于物體語(yǔ)義信息利用比較少，算法適用范圍具有局限性，點(diǎn)云效果上限比較明顯。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于CNN、Cost Volume、Transformer的立體匹配算法展現(xiàn)出來(lái)了極強(qiáng)的算法效果和潛力。目前知名自動(dòng)駕駛數(shù)據(jù)集KITTI上的立體匹配任務(wù)排名靠前的基本都是基于深度學(xué)習(xí)的算法?；谏疃葘W(xué)習(xí)的雙目立體匹配算法對(duì)于計(jì)算芯片的AI算力提出了比較高的要求，對(duì)于研發(fā)模式也提出了新的要求，需要從傳統(tǒng)的雙目相機(jī)研發(fā)模式變成以AI為核心、軟硬結(jié)合、數(shù)據(jù)驅(qū)動(dòng)的研發(fā)模式。

從雙目立體視覺(jué)更進(jìn)一步，充分利用相機(jī)的運(yùn)動(dòng)信息和多個(gè)相機(jī)間的幾何約束，通過(guò)相機(jī)姿態(tài)估計(jì)、深度估計(jì)、光流估計(jì)、MVS等算法，以及任務(wù)之間互相監(jiān)督的一系列自監(jiān)督算法，可以得到360度的點(diǎn)云數(shù)據(jù)，也就是視覺(jué)雷達(dá)，從而形成與圖像分辨率相匹配的稠密點(diǎn)云。同時(shí)，以攝像頭+算力+算法為核心的視覺(jué)雷達(dá)，還具有產(chǎn)業(yè)鏈成熟可控、成本可控、器件穩(wěn)定性有保證、滿足車規(guī)等優(yōu)勢(shì)，更容易實(shí)現(xiàn)大規(guī)模前裝量產(chǎn)上車使用。

02

純視覺(jué)與激光雷達(dá)之爭(zhēng)

根據(jù)集微咨詢預(yù)計(jì)到2030年，L3級(jí)別以上自動(dòng)駕駛滲透率有望達(dá)到30%以上。隨著自動(dòng)駕駛級(jí)別的提升，必然對(duì)汽車的感知、決策、執(zhí)行相關(guān)的技術(shù)進(jìn)行變革，其中感知側(cè)的變革尤為明顯。

2025年全球車用CIS市場(chǎng)規(guī)模預(yù)計(jì)達(dá)到32.7億美元，年復(fù)合增長(zhǎng)率達(dá)14%；激光雷達(dá)的銷售額將達(dá)到61.9億美元，年復(fù)合增長(zhǎng)率達(dá)36%，無(wú)論是車載攝像頭還是激光雷達(dá)其增速都非常快。自從馬斯克跑轟激光雷達(dá)走純視覺(jué)方案后，業(yè)內(nèi)對(duì)于這兩種方案的探討從未停止，其歸根結(jié)底在于該不該增用激光雷達(dá)作為在自動(dòng)駕駛感知層面的一種手段。

英博超算創(chuàng)始人、總經(jīng)理 田鋒表示，純視覺(jué)路線主要挑戰(zhàn)在于攝像頭分辨率與算法提升，而激光雷達(dá)在于可靠性、成本及可嵌入性。激光雷達(dá)的加入對(duì)控制系統(tǒng)的可靠性提供了更多的信息，例如車輛在行進(jìn)過(guò)程中的抖動(dòng)對(duì)視覺(jué)測(cè)距跟蹤尤其是遠(yuǎn)距離會(huì)產(chǎn)生一些跳變，這些影響需要后期通過(guò)算法糾正，而激光雷達(dá)完全不存在這個(gè)問(wèn)題。總體而言，視覺(jué)是未來(lái)自動(dòng)駕駛感知技術(shù)的一條主線，會(huì)不斷增強(qiáng)，但激光雷達(dá)的使用短期來(lái)看收益明顯，長(zhǎng)期來(lái)看取決于各個(gè)廠商對(duì)其的認(rèn)知，或是消費(fèi)者對(duì)于激光雷達(dá)的隱蔽性喜好程度如何。

北醒光子CEO 李遠(yuǎn)表示，無(wú)論是激光雷達(dá)也好毫米波雷達(dá)也罷，或是走純視覺(jué)攝像頭路徑，其本質(zhì)是挑戰(zhàn)人類視覺(jué)極限。如今，產(chǎn)業(yè)所追求的視覺(jué)技術(shù)是逐步趨近于人眼，但這樣一種2D的傳感器本身就有邊界。激光雷達(dá)的加入就是在彌補(bǔ)這樣一種缺陷，它能夠超出生物傳感的特點(diǎn)包括直接探測(cè)反射率，可以全天候運(yùn)行同時(shí)還能保證1%的精度等。如果以長(zhǎng)遠(yuǎn)的目光去看待現(xiàn)階段感知技術(shù)的發(fā)展，未來(lái)必會(huì)接觸到激光雷達(dá)所帶來(lái)的意義。當(dāng)前激光雷達(dá)存在供應(yīng)鏈不成熟及成本高等問(wèn)題需要時(shí)間進(jìn)行沉淀，如同汽車替代馬車時(shí)的汽車那樣，總有這么一個(gè)過(guò)程。

包括IEEE的專家在內(nèi)，對(duì)于視覺(jué)路徑成為自動(dòng)駕駛技術(shù)的一條主線是基本的判斷，誠(chéng)如上文所說(shuō)的那樣，2D傳感器有其天然的缺陷，而對(duì)于汽車這種對(duì)安全性和可靠性要求嚴(yán)苛的終端而言，能夠讓視覺(jué)技術(shù)支撐起自動(dòng)駕駛的落地，必然是對(duì)其背后的軟件算法提出了更高的要求。在此情況下，純視覺(jué)的技術(shù)路徑會(huì)對(duì)軟硬件提出怎樣的要求？它的落地難度與挑戰(zhàn)又是如何？

福田汽車智能控制副總工程師 錢國(guó)平指出，從技術(shù)角度看，現(xiàn)階段的純視覺(jué)方案不太可能成功。一方面，攝像頭需要解決“雨霧污”（雨天、大霧天、污垢）的問(wèn)題。惡劣的環(huán)境會(huì)使攝像頭拍到的圖像變形，會(huì)導(dǎo)致測(cè)速測(cè)距的精度下降。另一方面，目前自動(dòng)駕駛積累的數(shù)據(jù)不足以覆蓋所有場(chǎng)景，所有路況，無(wú)法解決不斷出現(xiàn)的新情況。攝像頭的分辨率不斷提升，對(duì)算力的要求也在不斷提升，市場(chǎng)上可供選擇的大算力芯片廠商寥寥無(wú)幾。除了算力芯片外，負(fù)責(zé)圖像處理的ISP等其他芯片性能需求也在不斷上漲。短期內(nèi)，視覺(jué)、毫米波雷達(dá)、激光雷達(dá)融合的方案能夠各自發(fā)揮其優(yōu)勢(shì)，提高可靠性。

田鋒表示，純視覺(jué)路線并不靠譜。以人類駕駛員為例，其開車過(guò)程中并不僅依靠視覺(jué)信息，交規(guī)、前后車?yán)?、路況信息積累等都是保障汽車平穩(wěn)運(yùn)行的信息來(lái)源。如果要讓純視覺(jué)技術(shù)成為可能，這背后也必須有V2X、高精度地圖等技術(shù)的加持。如果在成本可接受的情況下，要盡可能綜合使用這些傳感器來(lái)為自動(dòng)駕駛技術(shù)落地帶來(lái)正向的促進(jìn)作用，反之，也可利用傳感器性能差異來(lái)滿足不同級(jí)別自動(dòng)駕駛技術(shù)路線，打造差異化。

03

自動(dòng)駕駛的大腦：

全流程數(shù)據(jù)驅(qū)動(dòng)的強(qiáng)單車智能

自動(dòng)駕駛的大腦負(fù)責(zé)從感知到?jīng)Q策的駕駛?cè)鞒?，也是自?dòng)駕駛最復(fù)雜、最核心和難度最高的部分。傳統(tǒng)的以規(guī)則為核心的軟件1.0工程化系統(tǒng)，在可維護(hù)性、擴(kuò)展性和進(jìn)化性上都具有一定的局限性。以AI和軟件2.0為核心，全流程數(shù)據(jù)驅(qū)動(dòng)的感知、預(yù)測(cè)、規(guī)控算法和強(qiáng)單車智能的解決方案，無(wú)疑是實(shí)現(xiàn)大規(guī)模無(wú)人駕駛更可行的方案。

鑒智機(jī)器人核心團(tuán)隊(duì)在AI算法和應(yīng)用、軟件2.0的基礎(chǔ)設(shè)施、數(shù)據(jù)驅(qū)動(dòng)的大規(guī)模實(shí)踐上擁有豐富的經(jīng)驗(yàn)，將通過(guò)全流程數(shù)據(jù)驅(qū)動(dòng)的自動(dòng)駕駛大腦，建立強(qiáng)單車智能，從而降低對(duì)外部基礎(chǔ)設(shè)施的依賴，更加利于自動(dòng)駕駛的復(fù)制與推廣。

2.1 深度學(xué)習(xí)帶來(lái)的2D感知技術(shù)突破

感知是自動(dòng)駕駛獲取信息的第一步, 所謂感知是指通過(guò)攝像頭或其他傳感器識(shí)別所看到的物體并理解該物體是什么，這對(duì)自動(dòng)駕駛是至關(guān)重要的環(huán)節(jié)。自動(dòng)駕駛車輛首先是要識(shí)別車道線，然后還要識(shí)別紅綠燈、標(biāo)志牌，除此之外就是識(shí)別障礙物比如前后左右有沒(méi)有車輛，有沒(méi)有行人，才能夠進(jìn)一步規(guī)劃行駛路線。

過(guò)去十年是人工智能技術(shù)的黃金十年，深度學(xué)習(xí)改變了計(jì)算機(jī)視覺(jué)整個(gè)領(lǐng)域，也帶來(lái)了2D感知各個(gè)方向技術(shù)的突破。2D感知主要有圖像分類、圖像（物體）識(shí)別、細(xì)粒度識(shí)別（人臉識(shí)別）等方向，所采用的技術(shù)也從最早的模板匹配、線性分類到現(xiàn)在所廣泛使用的深層卷積神經(jīng)網(wǎng)絡(luò)，再到最近刷新各大視覺(jué)任務(wù)榜單的Transformer。隨著硬件計(jì)算能力的不斷提升、算法范式的不斷改進(jìn)、可利用數(shù)據(jù)資源的不斷增長(zhǎng)，基于攝像頭的2D感知已經(jīng)成為了乘用車智能駕駛的主流方案，同時(shí)也成為了很多解決方案的核心差異點(diǎn)。

鑒智機(jī)器人核心團(tuán)隊(duì)在國(guó)內(nèi)最早基于深度學(xué)習(xí)在2D視覺(jué)感知各個(gè)方向開展系統(tǒng)性研究和大規(guī)模落地應(yīng)用，在眾多全球最具影響力的2D感知AI比賽和評(píng)測(cè)中獲得冠軍，發(fā)表頂級(jí)會(huì)議和期刊論文幾十余篇，在多個(gè)業(yè)務(wù)領(lǐng)域?qū)崿F(xiàn)了人工智能2D感知技術(shù)的大規(guī)模應(yīng)用落地。

2.2 從2D感知到4D感知

如果說(shuō)2D感知還是在平面上檢測(cè)、識(shí)別、分割物體，那么加入深度信息后，基礎(chǔ)的2D感知即轉(zhuǎn)化為3D感知。如果進(jìn)一步在3D的基礎(chǔ)上加入時(shí)間這一維度，進(jìn)化得到的則是4D感知。在自動(dòng)駕駛領(lǐng)域，4D感知可以完整且連續(xù)的探測(cè)車輛周圍的物體。

基于深度學(xué)習(xí)和三維視覺(jué)技術(shù)不斷發(fā)展，隨著Cost Volume、Optical Flow、differentiable Homography、Transformer等技術(shù)的成熟，以及多傳感器融合、眾包重建、稠密重建、自動(dòng)標(biāo)注等方向不斷發(fā)展，可以高效率的提供高質(zhì)量、大規(guī)模的4D場(chǎng)景數(shù)據(jù)，端到端的4D感知正在成為技術(shù)趨勢(shì)。相比于傳統(tǒng)的2D感知+后融合的方案，端到端的4D感知擁有很多優(yōu)勢(shì)，可以解決測(cè)距抖動(dòng)較大、多攝像頭拼接不準(zhǔn)確、時(shí)序結(jié)果不穩(wěn)定、迭代效率較低等一系列問(wèn)題。

更進(jìn)一步，基于端到端的4D感知，可以進(jìn)行更好的4D預(yù)測(cè)，一方面可對(duì)于交通參與者進(jìn)行更優(yōu)的運(yùn)動(dòng)軌跡預(yù)測(cè)，從而實(shí)現(xiàn)性能更加優(yōu)異的規(guī)劃控制；另一方面可對(duì)于道路行駛區(qū)域預(yù)測(cè)更加精細(xì)的3D結(jié)構(gòu)化信息，在線生成局部實(shí)時(shí)3D地圖，降低對(duì)高精地圖等基礎(chǔ)設(shè)施的依賴。

04

單車智能和車路協(xié)同

單車智能和車路協(xié)同的本質(zhì)是技術(shù)和成本在車側(cè)和路側(cè)的分配。

雖然L4-L5級(jí)的自動(dòng)駕駛最理想模式是實(shí)現(xiàn)“車端-路端-云端”的高度協(xié)同，智能的車配合聰明的路，車端智能和路側(cè)智能協(xié)同呼應(yīng)，但車端智能和路端智能的發(fā)展不完全是同步的關(guān)系，自動(dòng)駕駛路線的選擇面臨感知能力、決策能力（算力）等不同能力在車側(cè)和路側(cè)分配的問(wèn)題，所對(duì)應(yīng)的自動(dòng)駕駛成本也不同。由于單車智能的成本高昂，若用路側(cè)設(shè)備代替部分技術(shù)，讓路“變聰明”，可降低不少車載成本，這樣一來(lái)，就衍生出了自動(dòng)駕駛的兩大方向：?jiǎn)诬囍悄芎蛙嚶穮f(xié)同。

以車載傳感器為例，激光雷達(dá)價(jià)格昂貴，尤其是用于遠(yuǎn)距離、大范圍探測(cè)的L4/L5級(jí)別自動(dòng)駕駛主雷達(dá)。例如Velodyne銷售的64線激光雷達(dá)售價(jià)高達(dá)7.5萬(wàn)美元，曾是Waymo和百度等自動(dòng)駕駛公司測(cè)試車的標(biāo)配3，后來(lái)Waymo開始自研激光雷達(dá)，并于2017年宣布將激光雷達(dá)成本降低90%，達(dá)到7,500美元，2019年3月Waymo開始對(duì)外出售自主研發(fā)的激光雷達(dá)Honeycomb4，以攤薄成本。我國(guó)國(guó)產(chǎn)的激光雷達(dá)因高性價(jià)比日益受到市場(chǎng)的認(rèn)可，價(jià)格有所下探但仍比較昂貴，例如禾賽科技在2020    CES上發(fā)布的64線超廣角激光雷達(dá)PandarQT零售價(jià)為4,999美元5。

如果在路側(cè)安裝攝像頭、毫米波雷達(dá)和激光雷達(dá)等感知設(shè)備，例如路燈桿進(jìn)化為多合一路燈桿，安裝各類傳感器，探測(cè)周圍環(huán)境的三維坐標(biāo)，進(jìn)行信息融合，由于安裝高度高，擁有“上帝視野”，不容易被遮擋，視距條件更好，可最大化減少盲區(qū)，提高數(shù)據(jù)獲取的準(zhǔn)確性，并實(shí)時(shí)發(fā)送到ITS中心（智能交通系統(tǒng)）以及車端，那么車側(cè)的部分激光雷達(dá)成本可以被節(jié)省下來(lái)，從而大幅降低車載成本。

同理，在路側(cè)安裝計(jì)算設(shè)備，通過(guò)邊緣計(jì)算單元為車輛提供決策依據(jù)甚至指令，與車載計(jì)算平臺(tái)協(xié)同處理數(shù)據(jù)，可以降低車載計(jì)算平臺(tái)對(duì)算力的要求，對(duì)功耗和散熱性能的要求也會(huì)隨之下降，從而降低自動(dòng)駕駛汽車對(duì)高性能車載芯片的依賴。

可見，路側(cè)安裝設(shè)備的方案擁有更低的單車成本和邊際成本，路側(cè)智能是車側(cè)智能的有益補(bǔ)充。例如，奇瑞雄獅已實(shí)現(xiàn)固定區(qū)域的30Km/h以下的L4級(jí)“一鍵召還車”功能，如果只依靠車側(cè)智能，車載傳感器成本高達(dá)10萬(wàn)元/車，而借助5G和V2X技術(shù)，室內(nèi)外的定位精度偏差小于15厘米，單車成本低于萬(wàn)元。這僅是車路協(xié)同在停車場(chǎng)等低速限定場(chǎng)景的應(yīng)用，大規(guī)模L4級(jí)的量產(chǎn)還需要覆蓋更多場(chǎng)景，例如半封閉的高速公路和一級(jí)公路，以及路況更為復(fù)雜的城市開放道路。在5G基站和V2X設(shè)備尚未鋪設(shè)的路段，單車智能仍是重要的自動(dòng)駕駛實(shí)現(xiàn)方式。

車路協(xié)同的前提是公路的智能化改造和基礎(chǔ)設(shè)施投資。目前交通部已重點(diǎn)在北京、河北、廣東三省進(jìn)行公路的智能化改造試點(diǎn)，根據(jù)天風(fēng)證券和中銀國(guó)際證券的測(cè)算，高速公路的單公里智能化改造成本是100萬(wàn)左右，包含了RSU (RoadSideUnit)、邊緣計(jì)算、攝像頭等設(shè)備，考慮到中國(guó)的高速公路里程14.96萬(wàn)公里，一級(jí)公路11.17萬(wàn)公里，高速公路和一級(jí)公路的智能化改造市場(chǎng)規(guī)模約為2,613億元。而對(duì)于二級(jí)公路和更低等級(jí)的公路，由于其路況更為復(fù)雜，更多機(jī)動(dòng)車與非機(jī)動(dòng)車和行人的混行情況，場(chǎng)景更為開放，需在十字路口、匝道口、事故易發(fā)路段等關(guān)鍵場(chǎng)景鋪設(shè)更多路側(cè)設(shè)備，不同路況的單公里智能化改造投資差異較大，難以進(jìn)行估算。

對(duì)于高速公路和一級(jí)公路的智能化改造，更多通行車次、更為繁忙的路段可更早實(shí)現(xiàn)盈虧平衡，考慮到中國(guó)的人口和經(jīng)濟(jì)活動(dòng)主要集中在東部地區(qū)，且東部地區(qū)地勢(shì)相對(duì)平坦，急彎和陡坡較少，路況更簡(jiǎn)單，在東部鋪設(shè)路側(cè)設(shè)備具有更高的經(jīng)濟(jì)效益，尤其是物流密集的點(diǎn)對(duì)點(diǎn)固定運(yùn)輸路線，貨運(yùn)的空駛率更低，無(wú)人運(yùn)輸車隊(duì)的優(yōu)勢(shì)明顯，車隊(duì)管理者付費(fèi)意愿更強(qiáng)。自動(dòng)駕駛不僅可節(jié)省司機(jī)成本，還可降低油耗，以卡車的編隊(duì)行駛為例，由于跟車距離縮短（車距10m），前車可以為后車“擋風(fēng)”，減少空氣阻力，降低10-15%的燃油消耗10。假設(shè)貨車百公里油耗35升，6元/升，編隊(duì)行駛可節(jié)省10%油耗，則單公里可節(jié)省油耗0.21元，另外，假設(shè)一輛貨車每年運(yùn)營(yíng)里程17.5萬(wàn)公里，司機(jī)年收入7.8萬(wàn)11，則單公里司機(jī)成本約0.45元，匯總后每公里可為車隊(duì)節(jié)省0.66元，如果車路協(xié)同收取服務(wù)費(fèi)0.4元/公里，考慮到初始投資100萬(wàn)/公里的改造費(fèi)用，則使用車路協(xié)同服務(wù)的單公里通行車次達(dá)到250萬(wàn)輛車時(shí)，可實(shí)現(xiàn)盈虧平衡。如果10%的通行車輛使用車路協(xié)同服務(wù)，則總通行車次達(dá)到2,500萬(wàn)輛時(shí)盈虧平衡，也就意味著部分繁忙路段最短可在1年內(nèi)收回成本。

車側(cè)智能和路側(cè)智能的分配和發(fā)展受到諸多因素的影響，例如政府對(duì)公路智能化改造的支持力度、不同區(qū)域的路況、交通參與者特征、地圖與定位的精度、高性能激光雷達(dá)的價(jià)格變化、車隊(duì)用戶和個(gè)人消費(fèi)者付費(fèi)意愿與轉(zhuǎn)換成本等因素。這些因素共同決定了不同方案初始投資的高低、投資回報(bào)期的長(zhǎng)短，以及投資的經(jīng)濟(jì)性，從而影響了技術(shù)和成本在車側(cè)和路側(cè)的分配方案與演進(jìn)路線。

05

未來(lái)自動(dòng)駕駛技術(shù)的發(fā)展

毋庸置疑，增加傳感器種類可以提高對(duì)環(huán)境感知的精確度及信息豐富度，但目前激光雷達(dá)等存在成本過(guò)高，供應(yīng)鏈不成熟等問(wèn)題，這也或許成為了廠商對(duì)自動(dòng)駕駛技術(shù)發(fā)展路徑再三斟酌的原由，但多傳感器融合的路徑是目前主要采取的方案，而未來(lái)自動(dòng)駕駛的發(fā)展又如何？

李遠(yuǎn)表示，美國(guó)與日本占據(jù)全球無(wú)人駕駛視覺(jué)相關(guān)專利70%以上，而中國(guó)僅占7%左右，由此可看出在視覺(jué)技術(shù)上與全球領(lǐng)先國(guó)家能有十倍的差距。而激光雷達(dá)在中國(guó)發(fā)展的速度很快，放眼全球差距比視覺(jué)技術(shù)要小很多。

發(fā)展激光雷達(dá)對(duì)于中國(guó)而言，就如同大力發(fā)展電動(dòng)汽車一樣，都在尋找下一代技術(shù)來(lái)彎道超車。激光雷達(dá)比起攝像頭成本高、工藝復(fù)雜、良率低并且都是些新公司，不如攝像頭供應(yīng)鏈成熟，但從沒(méi)有人否認(rèn)過(guò)激光雷達(dá)本身具有的優(yōu)勢(shì)，它絕對(duì)是高階無(wú)人駕駛技術(shù)必備的傳感器。短期內(nèi)，行業(yè)還是會(huì)以多傳感器融合為基礎(chǔ)，同時(shí)也會(huì)推進(jìn)成本控制，良率提升等問(wèn)題，作為新一代傳感器，激光雷達(dá)的上升空間相當(dāng)廣闊。

錢國(guó)平表示，無(wú)論是攝像頭還是激光雷達(dá)，甚至毫米波雷達(dá)都在不斷的發(fā)展，也有各自相對(duì)應(yīng)的挑戰(zhàn)與痛點(diǎn)。一個(gè)自動(dòng)駕駛解決方案也必然不可能僅靠感知層面，背后也有單車智能化、V2X的邊緣計(jì)算等去協(xié)同感知側(cè)的發(fā)展。只要能達(dá)到自動(dòng)駕駛的目的，任何解決方案都是最優(yōu)、最有效的，也就成為了未來(lái)的趨勢(shì)。

最后

自動(dòng)駕駛被認(rèn)為是目前最重要的硬科技創(chuàng)新之一。在汽車行業(yè)百年未有之大變革的歷史性時(shí)刻，中國(guó)由于在電動(dòng)汽車領(lǐng)域的提前布局、全面開花，以及完整產(chǎn)業(yè)鏈的巨大優(yōu)勢(shì)，國(guó)內(nèi)企業(yè)在自動(dòng)駕駛方向擁有非常好的機(jī)會(huì)和產(chǎn)業(yè)優(yōu)勢(shì)，有機(jī)會(huì)通過(guò)電動(dòng)化和智能化實(shí)現(xiàn)百年汽車工業(yè)這一最重要的支柱產(chǎn)業(yè)的超車和領(lǐng)先。但自動(dòng)駕駛的發(fā)展速度仍然低于大眾和市場(chǎng)的預(yù)期，這里存在若干影響自動(dòng)駕駛等級(jí)提升的關(guān)鍵性問(wèn)題亟待解決，鑒智機(jī)器人基于自身在AI算法、AI算力層面的積累，致力于解決自動(dòng)駕駛成像計(jì)算和下一代自動(dòng)駕駛方案的關(guān)鍵性問(wèn)題，從而推動(dòng)自動(dòng)駕駛的創(chuàng)新發(fā)展。