辅助驾驶“续命”小马？

高阶自动驾驶赛道，如今汇聚了来自各个赛道的“精英主义”。

作者| 宇多田

封面|电影《让子弹飞》

掐指一算，现在国内仅剩一家L4公司没有“回归现实”了。

2020年便成立POV辅助驾驶事业部的小马智行，在2022年底显性化，原因不言而喻。

在上卷下效的汽车产业，能否有小马一席之地，将按照成本、效果与服务做逐一较量。

当然，小马不可能放弃Robotaxi。但成立最晚的POV事业部，将是小马口中“三条业务主线（无人出租车、卡车与辅助驾驶）里，能在中短期为公司带来较大营收的板块”，得到资源倾斜。

“如果我们认为场景方向可行，内部会先建一支小团队与垂直项目组，利用现有技术栈搭建prototype，接触客户并证明技术可行性。”

小马说，内部会在不同时间点做小规模验证，以判断是否投入更大人力资源。

至此，工具链、域控以及辅助驾驶方案，成了包括小马在内绝大多数原L4选手向乘用车市场递交的三件套入场券；而“轻地图”“BEV算法结构”与“数据闭环”，则统一了自动驾驶算法界的研发风向。

如今，有效预测OEM每个时间点的具体功能投放与“心理活动”，既是小马这类辅助驾驶新玩家的必备能力，也是主机厂以“降本”为核心，在2023~2025年对高阶能力做增减、修补的必要条件。

譬如，高精地图以“年”为周期的千万服务费用；譬如，数据标注带来的亿元成本；再譬如，芯片算力与价格的正相关关系。

“硬件不足，软件来补”。对于从L4时代过渡来的高阶玩家，他们的倚仗，皆来自于算法。

01

用算法释放成本

小马智行CFO兼商业化负责人王皓俊没有否定“成本压缩”的大趋势，譬如只靠纯视觉方案，再譬如压缩域控算力。但是，他认为任何压缩都有其底线。

“我们本质是做2C2B的生意，牺牲大部分性能而保证价格，糟糕反馈最后会反噬我们自己。”他说小马要守住性能和质量要求，这是产品底线。

“所以，我们解决方案已经压缩到7个摄像头外加毫米波雷达，只是无论如何都要符合C-NCAPE-NCAP的安全测试标准。”

“如果完全不计成本，那么对我们整条产品线品牌也会有很大损害。”

他认为，如CTO楼天城所说，真正的成本压缩空间，来自于算法迭代后整套方案边际成本的降低，而非放弃真实效果。

譬如，到底是不是该去掉地图？

“去地图”并不是一个新概念。多年前，高精地图这个元素，就是一直作为除摄像头与激光雷达的第三层“冗余”而存在。

“高精地图同时解决了三个问题：感知不够准，感知被遮挡，感知不够远。”小马工程师说。

况且，那时候数据量还不像今天这么庞大，融合算法也并不成熟，因此，高精地图甚至还曾被视为一个百亿规模创业赛道。

但感知已今非昔比。除了不够远与被遮挡问题需导航地图做到“超视距规划”，大算力芯片、激光雷达与算法开始挤兑高精地图的位置。

当然，后来国内市场证明，这件事情掺杂了更多非技术因素，最核心的仍然是成本。

一方面，采集制图成本，决定了更新及时性不可能很高；另一方面，高精地图服务费与高精度定位模块对应的费用总共要耗费一千多块钱/车的成本。

“对于很多OEM来说，一个方案能节省几十块都是很有吸引力的。”王皓俊说。

因此，包括新势力在内，大家都在尝试抹除高精地图的存在感。而小马采取的策略是，不止在“感知”这一个部分做提升——利用“前融合”等方式更准确识别道路元素；

而是分别在“感知、预测与规控算法”三个部分，同时做“取代高精地图”的训练工作。

“预测模块是否可以在识别距离不够远时，依然能预测准确？答案是可以。”楼天城说，团队的规控算法是具备Free Space通行能力的。

譬如，一个道路标识残缺的大型施工路段，算法是可以不看车道线，根据车流情况动态来选择路线通行的。

“这些算法，天然就可以在无高精地图时使用。”他特别指出，把地图“消灭”后，规控算法需要被重新设计，才能保持有地图时的相同水准。”

重新设计规控架构——Navigation Link Path Planning，简称NLPP架构。Link是电子地图中的专业术语，表示一段道路的数据结构

其次，小马再次提到了“技术复用”，也就是L4与L2++底层算法，具有高复用率。

楼天城说，传统ADAS厂商是爬坡式做法——先有基础的ACC、LCC功能再研发NOA（高速自动驾驶）；而L4，则同时研发三种能力。

“譬如，在ACC模式下，规划算法是和LCC、NOA保持一致的；而在LCC的模式下，则都使用同一套横向规划算法。比如，前方有施工需绕行，车辆行为是与NOA一致的。”

“当然，这里面仍有差别，譬如具体功能、行驶范围、测试标准等等。”

王皓俊指出，如果要做高阶辅助驾驶，主机厂也希望他们把“AEB”这样的基础ADAS功能一起做完。但做Robotaxi时，他们自己并不会直接把AEB作为一个功能。

“不过，AEB本质是要检测出路上出现的物体并做紧急避让，这里面可以通过L4数据里的Corner Case做大量验证。”

此外，L4的车本身都在跑“影子模式”（特斯拉当年提出，Autopilot关闭后，其传感器仍能追踪现实世界的相关数据），他认为，这可用来验证AEB模块能否达到想要的性能指标。

不过，小马对待硬件的态度追随了最主流要求。

目前，无论是感知算法公司、中间件厂商、还是Tier1，无一不是自动驾驶域控硬件的玩家。这个约莫一张A4纸体积大小的硬件，外接各类传感器，用“自动驾驶计算平台”来形容更为贴切。

其中，长板为软件的企业，除了“算法差异”，可靠性与车规仍然是绕不过的议题。

楼天城说，为模拟十五年使用时限，他们要给域控做75天高负荷的寿命老化试验。“我们选用国际标准中最严苛的测试条件，用加速老化模型让域控工作上万小时。”

“目前，我们组建的质量团队按照APQP、PPAP等汽车行业质量管理流程，完成了主机厂看重的车规体系认证。”

当然，从量产角度，小马依然采取供应链成熟的代工模式。此外，介于有研发能力的车厂不愿意对“域控+算法”买单，小马做出了不绑定算法的承诺。

但域控的实战应用问题只多不少。

譬如有自动驾驶研发工程师指出，目前市面上的域控在车上应用时，会因电磁干扰而丢失数据，特别是传输图像时的丢帧和黑图问题让人头疼。

小马指出，一方面可以通过电磁仿真软件来解决这类问题；另一方面，可以考虑在屏蔽、孔隙、波导以及良导体垫圈等方面做工程优化。

此外，因成本考量域控多选择“低算力芯片”，但接入的传感器（包括高路数摄像头与激光雷达）却越来越高性能。在这种趋势下，对自动驾驶研发挑战会变大。

因此，小马认为这需要有一个“边界”。

“芯片算力与传感器的性能错配，必然在一个合理的区间范围内。我们自己采用的多是有一定算力的芯片。但在低算力芯片上，适当减少复杂场景，做算法深度优化是更好的选择。”

02

“数据”修正思路

“工具链”曾是2022年自动驾驶公司最火的产品线之一。楼天城把这个产品力爆发的原因归咎于“基础ADAS向高阶能力的进化，催化了研发模式的彻底改变”：

首先，算法从“规则驱动”过渡到“数据驱动”，那么重点便成了挖掘高价值数据；其次，应对更复杂、更广泛场景的高阶能力，自然需要更为高效的测试。

譬如，ACC测试可以用穷举，但“变道”却受车速和两车相对关系的影响，很难穷举。

因此，两者都指向了主机厂对真实、高质数据收集工作的诉求。

此言非虚。一位主机厂人士指出，由于过去一直采购Tier1的产品，但由于多为黑盒交付，问题修复缓慢；

此外，Tier1的工具链多为平台件，没有不能满足定制化需求，产生了很多冗余无用的代码，编码效率大打折扣。

“这些原因导致激进的新势力会参与工具链与操作系统的自研，而传统OEM这一块研发相对较弱且缓慢，都是看别人做了自己再去尝试。”

因此，工具链新产品的出现有其存在的市场意义，此前也一直被国外大厂垄断。当然，对于兼容性问题，小马工程师说取决于数据格式与系统架构等多种因素。

据另一位主机厂人士解释，目前由于各家“工具链”包含的具体应用太多，其实从采购角度，主机厂会先判断是否需要自研，再确定采购级别。

“通常来说，‘仿真’能力是必然要用的，但也是最卷的。”

小马工具链产品“苍穹”，面向自动驾驶研发，可按需搭配

03

写在最后

对于主机厂究竟是“自研”还是“借助外力”，3年来市场的主流声音无疑是斩钉截铁指向前者的。但2023年，以“降本增效”为核心的部分车厂开始对此保持沉默。新势力的相关部门也是动荡不断。

王皓俊说，市面上“回归理性”的呼吁，也应该包括，重新思考“究竟是自研还是与第三方合作”。

“很明显，自研这条路是一个非常坎坷以及曲折的过程，需要投入非常大的财力才能去支撑。”他认为，无论是博世还是大陆，作为几十年屹立不倒的Tier1，在提供ADAS产品过程中，都经历了漫长的研发历程。

“要考虑投入的资源，到底是不是能换来销量和钱。”

END

你好，我是傅博，关注汽车智能供应链，感谢关注。加微信产业交流，请务必备注身份，谢谢。