上週我們發佈了一篇寫給小白的激光雷達科普文章，在評論區裏我們收穫了大量好評，也有很多朋友希望我們有更多相關的分析。

那不如讓我們從最近熱度最高的蔚來開始說起。

1 月 9 日 NIO Day 上，李斌不緊不慢地說出「今天，我們讓智能電動汽車再近一步，從輔助駕駛到自動駕駛」之後，我明白蔚來這次要放大招了。

01

量產車感知硬件的新高度

先從名字說起，目前蔚來的輔助駕駛名爲 NIO Pilot，而發佈會上的這套自動駕駛系統叫 NAD，即 NIO Autonomous Driving。在宣傳層面明示「自動駕駛」已經可以看出蔚來對這套系統有着很高預期，而蔚來這番自信的底氣很大一部分源於 NAD 史無前例的硬件配置。

ET7 上搭載了大量智能駕駛傳感器，常規項目包含 11 個 800 萬像素高清 ADAS 攝像頭、5 個毫米波雷達、12 個超聲波雷達、2 個定位單元（GPS + IMU） 、1 個增強主駕感知、1 個 V2X 車路協同感知單元。

其中 800 萬像素的 ADAS 攝像頭爲全球首發，蔚來表示這一攝像頭比特斯拉目前採用的 120 萬像素攝像頭擁有更高的分辨率，具備更遠的視覺感知距離，若參考發佈會 PPT 上的數據，其感知距離提升近 3 倍。

而且這次蔚來將攝像頭佈置在了車頂，相比 B 柱的攝像頭擁有更高更廣的視野，盲區也相應減少，在車多視野差的場景能有效提高系統安全性。

然而在上述 6 類共 32 個傳感器的加持下，蔚來依然覺得不夠，伴隨李斌緩緩說出「自動駕駛需要激光雷達」，大屏幕給到 ET7 的車頂特寫：蔚來 ET7 用上激光雷達了。

02

爲什麼李斌說「自動駕駛需要激光雷達」

目前智能駕駛主要的道路環境傳感器包括攝像頭與各類雷達，而廠家之所以會用不同種類的傳感器，關鍵的原因還是因爲它們都並非全能。

攝像頭：信息最多，測距最難

視覺是信息量很大的感知方式，形狀、顏色、物體類型、運動狀態等信息都可以通過視覺得知，人類駕駛也是基於視覺信息。

但機器和人不一樣，攝像頭雖然可以捕獲圖像的信息，但是要從圖像中去理解上述更高階的形狀、距離、物體類型、運動狀態等信息其實是一個很複雜的事情，這個過程是需要大量圖像算法協助處理的。或者簡單來說，機器是沒辦法通過攝像頭的圖像直接得到駕駛環境信息的。

而通過圖像加算法間接獲得的信息中，最難的莫過於距離信息，也就是景深。因爲攝像頭捕獲的本就是間接的 2D 信息，通過 2D 圖像再經過各種轉換後的距離測算不可避免會存在誤差，所以爲了更直接和精確地測距，車輛上都會安裝雷達傳感器。

雷達軍團：各有所長亦各有所短

目前智能駕駛所用的雷達包括毫米波、超聲波以及激光雷達，其中超聲波雷達屬於機械波傳感器，波速度爲聲速，延遲相對較大，再加上角度散射大，所以難以進行遠距離的探測，常用於低速狀態數米以內的近距離探測。

毫米波雷達屬於電磁波傳感器，波速爲光速，相對於超聲波雷達，毫米波雷達在探測距離和精度都有了顯著的提升，可以完成更高速度以及 100 m 級別的遠距離探測，成本上多數毫米波雷達也在幾百元的級別，所以這種傳感器也是目前輔助駕駛的常用距離傳感器。

不過毫米波雷達也存在明顯的不足，目前多數毫米波雷達探測的信息包括：

物體的水平 XY 座標

物體相對雷達方向的速度

即多數毫米雷達是不能很好探測物體的 Z 向信息和側向移動速度的，因此如果前方有一臺底盤很高的半掛車正在橫穿馬路，毫米波雷達可能並不能提供足夠全面的信息和預警。

但激光雷達是可以的。

激光雷達如字面意思，是發射並接收反射激光用於測距的傳感器，波速是光速，相比前兩種傳感器，激光雷達可以提供全面的道路環境 3 維信息，其中不僅包含探測物體的 3 維座標信息，還包括反射面的法向量信息和被探測物體的 Vx、Vy 方向的速度信息。換成實際情況來講，激光雷達不僅可以識別物體的 3 維空間位置，還可獲悉物體的朝向，物體的速度以及速度方向。而且，這些信息都是通過激光雷達獲得的實際點雲數據直接計算得出的，即插即用並且實時性和精度兩方面都有保證。

因此激光雷達是一種適用於 3 維高精度測量的傳感器，而這無疑是對探測 3 維信息存在困難的視覺感知的一項強有力的補充。這也是李斌爲什麼說「自動駕駛需要激光雷達」。

蔚來 ET7 上所使用的這顆 Innovusion 等效 300 線激光雷達在 NIO DAY 上公佈的信息包括：FOV 水平探測角 120°、最大角分辨率 0.06°（水平）× 0.06°（垂直）、最遠探測距離 500 m。這幾項相對而言都屬於比較不錯的水準，另外這臺激光雷達採用了對人眼更友好的 1,550 nm 的波長，即便大功率運作也不會對路人產生健康上的影響。

而隨後我也去 Innovusion 官網看了一眼，現有的兩款產品 Jagura 65/100 和發佈會數據均對不上號，產品中爲「coming soon」狀態，看上去集成度更高的 Falcon 激光雷達引起了我的注意，而官方的新聞稿件中也明確提到 ET7 上會搭載這款雷達，並表示工作行程中對於前方小目標物體比如行人以及路面障礙物的探測距離到達了 200 m。

不過客觀來說，雖然激光雷達性能強大，它也並非全能。

而其中一個顯而易見的問題就在於激光雷達雖然可以提供全面且精確的 3 維空間信息，但激光雷達掃描得到的點雲信息只有模型輪廓，既沒有顏色也看不出圖案，更別提物體表面的的光澤信息。所以不論是通過直接還是間接的方式，激光雷達都難以知曉「被掃描物體是什麼」。

在缺乏這類信息的情況下要讓系統做出一個妥善的駕駛決策顯然是不現實的。視覺爲主負責環境中的道路與各類物體識別，雷達爲輔負責空間位置與物體的速度感知，兩者融合匹配。不同的是別家用的多數爲毫米波雷達，蔚來用的是精度和信息量都上了不止一個等級的激光雷達。

在這之後，蔚來 NAD 還有另一個大招。

03

圖像處理，4 塊 N 卡夠不夠

蔚來 NAD 感知層面豐富的傳感器給車輛的自動駕駛帶來了多樣且全面的感知信息，其產生的圖像數據量也達到了 8 G/s，這也意味着數據的處理需要一套強大的硬件作爲支撐。

蔚來對此給出的方案是 4 塊 N 卡 —— 由 4 顆英偉達 Orin 芯片組成，總算力達 1,016 TOPS 的 ADAM 計算平臺。對比之下英偉達如今的 Xavier 芯片算力爲 30 TOPS，目前市面上算力最高的特斯拉車型搭載的兩塊 HW 3.0 芯片累計算力爲 144 TOPS。

ADAM 的四芯三用

算力的分配上，特斯拉一塊 HW 3.0 芯片包含 2 顆 36 TOPS 的神經元處理器，這 2 顆神經元處理器會各自收到來自傳感器輸入的「一式兩份」感知數據中的一份，經運算處理後得到相關的駕駛決策，系統會將兩顆處理器運算後的結果進行對比，在一致性達標的情況下輸出可用於執行的駕駛決策。

而另外一塊 HW 3.0 芯片特斯拉有多重考慮，一方面是防止出現芯片失效用作備份冗餘，另一方面特斯拉還用這顆備用的芯片在「影子模式」中試跑不執行的測試版軟件代碼，當運算結果與實際駕駛情況偏差較大時系統會標記對應路段的素材回傳雲端。

蔚來 ADAM 平臺中的 4 顆 Orin 芯片其中 2 顆爲主控芯片，負責 NAD 的全棧運算，包括多模態預測與決策、多源組合定位以及多方案的相互校驗。剩餘的 2 顆 Orin 芯片 1 顆用於安全冗餘備用，1 顆用於自動駕駛羣體智能與個性化訓練。

不難看出，蔚來 ADAM 平臺的設計其實與特斯拉頗有幾分類似，既有運算和對比校驗的單元，也有備份冗餘的單元，還有用於 AI 訓練的單元，不同的是蔚來 ADAM 硬件部分的單元算力與總算力兩項上都是特斯拉的 7 倍有餘。

看到 4 顆 Orin 堆疊下誇張算力參數後，我相信有人會覺得這是蔚來一貫的「飽和式堆料」。但自動駕駛發展對於系統算力的需求可預見的是呈指數級增長的，這樣的行業前進速度下「性能過剩」就是個僞命題。而且高性能帶來了更長的產品生命週期，對於一貫強調用戶思維的蔚來而言，這是一舉多得的事情。

再者蔚來這樣的做法也是給行業按下了加速鍵，一方面推動自動駕駛的迭代技術量產，另一方面也是讓消費者成爲受益方。

另外這 1,016 TOPS 的算力如果對比特斯拉的做法，其實一點也不爲過。

特斯拉 HW 3.0 芯片上的兩顆神經元處理器每一顆 36 TOPS 的算力處理的圖像數據來自 8 顆 120 萬像素攝像頭，蔚來 ET7 是 11 顆 800 萬像素的攝像頭。

圖像算法是基於像素的，所以在幀率相同的情況下，同樣時間內後者產生的圖像數據大小是前者的 9 倍有餘，而 ADAM 平臺主控的兩顆 Orin 也是做雙校驗運算，每顆 204 TOPS 的算力比 HW 3.0 上的神經元處理器多 7 倍不到。

對比之下，蔚來的配置一下就合理了。

04

蔚來這波穩了嗎

那麼在視覺 + 激光雷達 + 高算力平臺之後，蔚來 NAD 自動駕駛穩了嗎？

依我看，開了個好頭。蔚來在感知和算力平臺這兩項關鍵的硬件部分打了很好的地基，在算力之外，自動駕駛的其他關鍵環節蔚來也做了充分冗餘設計：核心控制器供電冗餘、轉向控制冗餘、制動冗餘以及雙電機帶來的動力系統冗餘。正如李斌所說「每一點安全提升，都值得全力以赴」。

而剩下的環節裏還有軟件和算法。讓有着極佳「身體天賦」的 ET7 想實現自動駕駛還得讓它學會認識世界並且學會開車。但從 ADAM 上那顆專門用於自動駕駛羣體智能與個性化訓練的 Orin 芯片來看，蔚來已經有所準備了。

對了，蔚來 NAD 還有一個非常「蔚來」的購買方式 —— 硬件標配，功能按月付費，每月 680 元。64,000 元的特斯拉 FSD 買了之後沒有後悔藥，但蔚來 NAD 如果用起來感覺不好用戶下個月就可以退訂，在標配硬件的前提下這種做法其實是很要勇氣的，某種程度上也可以看出蔚來做好 NAD 的決心。

最後，我不敢說蔚來 NAD 會是屆時最強的自動駕駛，但配備 1 枚 LiDAR 加 4 塊 N 卡之後 ET7 的自動駕駛能力已經有了很好的保底，上限在哪也讓人充滿想象，配合 680 每月的價格後，它很可能是最親民以及訂閱率最高的自動駕駛系統。

這兩點上，蔚來這次都確實走在行業的前列，而且我相信這應該不會是驚喜的終點。

撰文：萊因哈特煩惱

編輯：大吉這些也值得讀