小鵬飛行汽車將於2024年量產

歡迎關注“新浪科技”的微信訂閱號：techsina 

文/賈浩楠

來源：量子位（ID:QbitAI)

蔚來1個、小鵬2個、威馬3個…智能汽車“軍備競賽”正在上演。

今年一年間，幾個國內頭部造車新勢力先後推出帶激光雷達的量產車，數量一個比一個多。

表面看好像行業內卷，硬件越堆越多，能力卻是未知數。

但這其實是智能汽車、自動駕駛的兩條路線之爭。

得益於國內的基建、供應鏈優勢，以激光雷達爲標誌的融合感知方案，第一次有了對壘特斯拉純視覺路線的底氣。

而數年如一日噴激光雷達的馬斯克，在創業初期如果有國內新勢力的條件，恐怕現在的特斯拉就是另一幅模樣了。

視覺，還是激光雷達？

2020年初，國產特斯拉Model 3上市，中國乘用車市場的競爭，迅速被拉到“智能”層面。

特斯拉的智能駕駛方案方案，視覺是絕對的主力，8個攝像頭覆蓋360°視野。

汽車對目標的感知、以及選擇行駛策略的根據，主要依靠攝像頭捕捉的圖像數據，能力高低，全憑算法決定。

但從自動駕駛技術發展來看，早期大部分廠家的測試車輛，無一不揹着一個“小花盆”：

這就是Lidar，中文翻譯過來就是激光雷達。

它代表了另一條技術路線：融合感知。

行駛決策的依據，不只依賴攝像頭，而是綜合考慮激光雷達的點雲圖、視頻圖像等等數據。

不同傳感器之間的數據在算法層面進行融合互補。

算法對於圖像，可能出現目標漏檢誤檢，這時就能通過雷達回波的點雲圖“兜底”。

但是，這樣多冗餘的方案，卻被馬斯克嗤之以鼻。

馬斯克認爲，既然人類能僅憑兩隻眼睛開車，那麼AI也一定能。所以特斯拉的追求，就是打造一個與人類別無二致的“AI司機”。

採取多傳感器方案的，都是算法能力不足的體現，“血統”不純。

爲此，特斯拉的算法、開發平臺都圍繞圖像數據建立，甚至不惜自研芯片、自建超算來打磨算法。

客觀的說，視頻圖像在數據層面，的確已經包括了駕駛所需的一切信息，但在算法層面，能不能準確感知識別，卻是一個大問題。

去年6月，國內一輛Model 3在開啓Autopilot情況下，車輛完全沒識別出路上已經出事故側翻的白色貨車，一頭懟了上去：

這次所幸無人傷亡，但類似Autopilot這樣以視覺爲主的智能駕駛方案導致嚴重後果的的，也不在少數。

攝像頭肯定看到了，但是算法卻沒能識別。

視覺方案的缺陷也在於此：惡劣天氣、複雜路況，道路上非常規的異形物對系統影響太大。

且以超大數據“暴力”迭代算法，永遠不能覆蓋現實場景中所有異型車、障礙，在中國複雜路情況下尤其如此。

系統失效的風險永遠存在。

所以，要在中國落地真正讓用戶敢用、願意用的智能駕駛產品，感知識別是必須補的科目。

軍備競賽，爲什麼從激光雷達開始

對於自動駕駛來說，激光雷達是個老朋友了。

Waymo、百度，以及後來一衆創業公司，都在用。

激光雷達能做什麼？

其實就是像周圍環境發射激光束，然後從回波信號來計算目標信息，比如距離、方位、高度、速度、姿態、甚至形狀等參數。

激光束遇到目標一定會產生回波，信號也一定能被系統接收，這就與圖像目標可能的漏檢錯檢形成本質差別。

至少從感知層消除了算法能力不足的隱患。

既然這麼好，爲什麼之前的量產車上見不到？

原因就一個：太貴了。

還在5、6年前，全球能提供量產激光雷達的只有美國Velodyne一家，素有“一線一萬塊”名聲，而且產能堪憂，無法大量供給客戶。

百度在2015年喊出自動駕駛3年量產5年商用的時候，計算的就是激光雷達的成本。，它的邏輯前提是激光雷達會從10萬美元降低到500美元……

一般車用入門版64線激光雷達，上一個就是近70萬成本。

所以測試車一輛一二百萬很常見。

但這樣的價格，作爲大衆消費品是不現實的。

馬斯克既是技術極客，也是一個精明的商人，他當然清楚百萬豪車賣不上量。

銷量上不去數據就不夠，算法就沒法快速迭代。

與其如此，不如干脆放棄激光雷達，就走純視覺路線，讓廣大車主義務貢獻路測數據，出了意外還能以一句“用戶使用不當”回應。

但激光雷達的成本下降，短期內有過被高估，但長期來講又大大被低估了。

華爲、大疆、速騰、禾賽等等企業，利用國內得天獨厚的供應鏈優勢和市場規模效應，把激光雷達的成本迅速降到數千至萬元級別。

而且國內廠商後發先至，直接拿出第二代固態激光雷達，不但單個性能能等效過去上百線的機械式激光雷達，造型上也擺脫花盆，裝車更加美觀。

這個速度，是幾年前誰都沒料到的，直接導致Velodyne的業務在國內迅速收縮，裁撤了中國辦公室，只保留代理。

所以最後的“東風”到位，想要在智能汽車浪潮中走的更穩更遠的廠家，自然開始在激光雷達上你追我趕。

融合感知方案，現在走到哪一步了？

2021年面世、配了激光雷達的量產車有小鵬P5、北汽極狐αS，各兩個。

2022年即將上市的新車中，蔚來ET7搭載一個、智己L7搭載兩個，威馬新車最多，用了三個。

數量最多的威馬M7，不妨以此爲例，看看激光雷達能帶來什麼改變。

3顆激光雷達，車頂隆起部分的那一顆負責前向。

車身前兩側各一個，負責環視。

3顆激光雷達配合，總共能覆蓋車身周圍330°範圍.

三科激光雷達都是自主品牌第二代固態激光雷達，MEMS光學微振鏡，可以等效最大504線的傳統機械式激光雷達。

具有自主變焦特性，根據不同的場景（城市低速、高速環路），對環境感知側重點不同，主動動態調節幀率和分辨率。

威馬自研了相關算法，可以實現利用點雲圖實時構建車輛周圍環境。

當然，激光雷達仍然是威馬M7融合感知方案的一部分，除了它們，還有其他29個各類傳感器。

包括7個800萬像素高清攝像頭，4個環視攝像頭、12個超聲波雷達、5個毫米波雷達、，以及1個定位模塊。

車身360度全覆蓋，威馬官方這樣介紹：這套智能駕駛系統能保證在各種複雜的環境、複雜的光線環境、複雜的地理環境以及複雜的氣象條件下的全場景的感知能力。

至於具體有哪些功能，此次並未透露。不過，基礎的L2級各類輔助基本不會缺席。

而與百度深度綁定的威馬，在Apollo高階自動駕駛能力上，也有首發優勢。

比如之前W6車型首次實現L4級別功能的自主泊車，M7這款車型上大概率也能見到。

前面說到M7有7個800萬像素攝像頭，可想而知開機後每秒產生的圖像數據量一定驚人的大。

所以在這款車上，還有1016TOPS的算力，是目前特斯拉FSD的7倍。

這樣的算力來自英偉達的Orin-X自動駕駛芯片，7nm征程，一共4顆。

其中兩顆現役，另外兩個是爲今後智能駕駛系統進化預留的算力空間。

另外威馬車型採用百度Apollo智能駕駛技術，可以調用Apollo雲端算力資源，理論上單車算力是沒有上限的，所以在M7這款車上1016TOPS還只是個開始。

行業你追我趕上激光雷達，威馬直接幹到三個，把這場軍備競賽推向更高水平。

威馬M7車型，其實代表了一條中國特色的智能駕駛路線。

威馬看似“大力出奇跡”的方案，其實是對中國真實情況的洞察。

用戶、政策、產業都強調安全，從技術角度出發，目前只有走多傳感器冗餘路線。三個激光雷達，兼顧正向和兩個側後方，至少在感知層最大程度避免漏檢誤檢。

傳感器多，數據就多，算力要求就大，於是雲端成爲必選項，而國內的5G基礎設施優勢，提供了方便。

這個路線誕生於安全，最終服務安全。

所以，開始於激光雷達的智能車軍備競賽，正是督促廠商技術進步、更加重視安全的客觀力量，受益者當然就是用戶了。

而智能車軍備競賽，還是要以能量產，能進軍主流市場爲前提。

國內供應鏈、產業、市場規模優勢，則爲國內新勢力掃清了最後障礙。

3個激光雷達，是威馬對中國場景和路況的洞察，而且威馬背靠百度Apollo——中國對自動駕駛研發投入最早最大的公司，想必也是一番深思熟慮之後的結果。

至於作爲車主和普通消費者如何看待這種“內卷”？

完全就是好事一樁。

車廠們越卷，安全冗餘就越高，用戶也越受益，智能駕駛也就越快走進普通人生活。

所以跟其他行業和領域的“反內卷”不同，在智能車領域，應該支持這種內卷，支持這種千方百計提供更安全、更好用戶體驗的趨勢。

威馬，打響內卷第一槍，是勇氣，當然也是實力和底氣。