全國智駕對決：技術混戰，看見L3雛形
本文是36氪汽車對智能駕駛技術報道的第四篇。2023年以來，高階智駕領域雲波詭譎，技術與商業化同時爆發，行業在混亂中尋找方向。本系列文章主要關注智能駕駛鋪向全國的進程，以及以及端到端、大模型等技術的落地。後續還將持續跟進大算力計算方案、世界模型等新技術給智能駕駛帶來的突變。
往期內容：
文 | 李安琪
編輯 | 李勤
“感覺幾個月幹了別人好幾年的活。”經歷大半年高強度開發後，一位理想汽車智駕工程師語氣中透露着疲憊。
急行軍，是過去一年理想汽車智駕團隊的真實寫照。CEO李想有時候會半夜測試智駕功能，然後在工作羣裏扔出問題，工程師們只能連夜解Bug。一週七天、凌晨時段下班，是封閉式開發期間智駕工程師們的常態。
2023年，華爲、小鵬、理想等掀起了智駕開城大戰。但頭部玩家之間沒有顯示出斷層式差距，所以在主動“卷”對手的同時，也不斷被對手的進度所刺激。
烈火烹油下，今年智駕行業的競爭已經擴大到全國範圍。
華爲率先喊出了“智能駕駛全國道路都能開”，目前已全量推送給智駕車型用戶，蔚來汽車緊隨其後，開啓全域全量智駕推送；小鵬與理想雖未明確透露時間，但全國能開的智駕功能已經在小規模內測。
而特斯拉FSD（全自動駕駛軟件包）的入華，更讓國內智駕賽道雲波詭譎。同行如坐鍼氈，一些車企智駕團隊已經在積極打聽FSD的具體推送時間，試圖搶先體驗功能。
特斯拉在國內起步雖晚，但勢能充沛。“一旦進來，FSD可能都沒有全國道路開通的概念，而是哪裏都能用。”有行業人士猜測。
陷在價格戰泥潭中的汽車產業，連領頭羊特斯拉都不堪重負，開啓了一輪又一輪裁員。智能駕駛似乎在技術高強度競爭中，成了那個爲數不多的技術變量，它離成爲行業風暴還有多遠？
智駕全國都能開：熱鬧的、質疑的
今年3月19日，華爲問界宣佈高階智駕全量推送給用戶，稱覆蓋全國99%道路。
“全國都能開”的智駕範圍，也被華爲具象化爲4萬個城鎮與鄉村。華爲的目標是，到今年底搭載華爲智駕系統的車輛將超過50萬輛。
這爲高階智駕的破圈鑿開了裂縫，也讓同行倍感壓力。如果智駕進度落後於華爲，新勢力們的品牌聲量與銷量可能會持續被華爲壓制。
對蔚來而言，今年沒有新車發佈，智駕成爲了爲數不多刺激銷量的底牌。於是繼華爲之後，4月30日蔚來汽車成爲國內第二家，全域全量推送高階智駕功能的車企，用戶覆蓋超過20萬。
小鵬汽車向來以智駕作爲王牌籌碼，陣地更不可丟。理想汽車也在朝AI科技公司轉型，也勢必要保持在智駕第一梯隊。
據36氪汽車瞭解，跟激進的營銷口號相比，車企智駕的實際推送要相對謹慎。
無論華爲還是蔚來，都需要用戶先通過考覈和測試，同時在高速路段積累一定智駕里程後，才能在城區開啓智駕功能。
事實上，有多位智駕從業者都向36氪表達了對“智駕全國都能開”的困惑與質疑。
首先，各家車企智駕對“全國都能開”的推送標準並不一致。比如華爲的顆粒度很細，強調的是“40000個城鎮”都能開；蔚來更強調用戶能開啓智駕的道路里程長度；小鵬則更多強調智駕的接管次數。
標準不一致，功能測試的強度也隨之模糊。
在推送給用戶之前，車企基本都會進行智駕功能測試與驗證。“但全國道路範圍相當大，現階段幾乎不可能每一條路都測試完。而推送給用戶之前，車企智駕做了多少測試，全憑良心。”多位行業人士對36氪汽車如此說道。
當前高階智駕還沒有形成統一的產品可用標準，各家車企智駕只能比拼嗓門與營銷力度。
同時，智駕在全國道路可開，並不意味着好用與功能完善。
有位智駕技術人士向36氪表示，在一些大型路口，智駕系統的感知能力還面臨很大挑戰。
比如擁堵情況、晴天雨天、白天夜晚等場景性變化，都可能導致無圖智駕的功能一致性較差。比如車輛擁堵時，地面標線被遮擋嚴重，無圖智駕可能就應付不了；等道路暢通的時候，車輛又能自己開啓。
“所以，評價智駕功能的好壞，要關注在不同場景條件下功能的一致性。”上述技術人士說道。
也有智駕公司技術管理層向36氪給出參考，可以將智能駕駛產品分爲可用，夠用，好用三個等級。
可用，代表產品功能可用，比如智駕全國能開。夠用，則是在用戶高頻使用的路段表現足夠好，而不是開幾公里就要接管。好用，則是讓用戶主動願意開，只要上車都想開啓智駕功能。
“特斯拉實現了夠用，摸到了好用的邊界。但國內的頭部玩家基本還處於可用到夠用之間。全國都能開，都只是可用。”上述行業技術人士如此評價道。
蔚來智駕負責人任少卿在接受36氪採訪時也表示，智駕“全國都能開”整體需要兩年多時間，第一年主要保證智駕功能可用，接下來還需要一年時間來持續優化功能體驗。
可見，所謂的“智駕全國都能開”，只是功能“可用”話題的終結，但也是產品體驗打磨、漫長商業化較量的開始。這離不開端到端等新技術的持續落地。
端到端，是噱頭還是良藥？
在大洋彼岸，特斯拉FSD v12版本已經進化到了相當擬人的智能駕駛效果。該版本採用的端到端大模型，也被視爲自動駕駛下一代方案。
傳統的智駕系統分爲感知、預測、規劃和控制等多個獨立模塊，方案基本依賴於工程師們一行行代碼制定的規則，來馴化自動駕駛車輛。
而端到端自動駕駛方案，則是把傳感器數據作爲輸入，然後輸出車輛控制指令。因爲中間過程都靠AI神經網絡模型來完成，信息傳遞不會減損。“就像兩個大腦神經元的連接一樣。”有行業人士比喻道。
換句話說，基於AI神經網絡，智駕系統在海量數據的訓練下，會自主學習、模仿人類的駕駛經驗。
有行業人士對36氪汽車表示，基於端到端方案，智駕系統可以在複雜城市路口場景表現得更加擬人，過紅綠燈可以更加絲滑。
不過，特斯拉至今沒有公佈過端到端具體技術實現，行業也很難判定其是否真正從“圖像輸入”到“控制輸出”、完全拋棄了傳統模塊的任何中間環節。
有行業技術高層告訴36氪，目前國內端到端方案基本不會採取特斯拉那麼激進的方式，而是採取更柔和的方案。
事實上，2023年初智駕行業集體拋棄高精地圖後，頭部公司的技術路線基本已經合流，形成了感知大模型的三件套：基於Transformer的BEV（鳥瞰圖）、Occupancy（佔據網絡）、道路拓撲關係網絡。
沿着這條路，頭部車企智駕團隊也在籌備訓練規劃控制大模型，通過感知與規控大模型後續持續融合成一個神經網絡，最終實現端到端。
以華爲前段時間發佈的乾崑ADS 3.0高階智能駕駛爲例，就在感知大模型基礎上，提出了預測-決策-規劃大模型。小鵬也表示，在感知大模型下游引入了基於神經網絡的規劃控制大模型XPlanner。
不過國內的端到端方案，基本還是從感知，到預測決策，到規劃階段，智駕系統還不會完全直接輸出控制指令。
同時，引入端到端也不意味着，要全部拋棄傳統基於規則的方案。
有頭部車企智駕人士告訴36氪，比如感知大模型中往往只檢測出紅綠燈的位置與顏色，但“如果遇到前後左右都有紅綠燈的場景，還是要用到一些規則，告訴車輛當前車道應該遵循哪個紅綠燈的信息。”
同時，在規劃預測模塊中，加入的AI神經網絡也只是作爲一部分參考，最後的方案仍然有規則來兜底。“目前還是靠規則更多，系統會存在兩種模式。”
此前，前小鵬汽車智駕負責人，現英偉達汽車事業部負責人吳新宙在小範圍的媒體溝通會上也表示，端到端是自動駕駛的最終一步。
但他也表示：“不要從字面理解（端到端）就是從像素到動作，可能會有一些別的東西配合。端到端的模型上線之前一定會有‘護欄’，因爲需要不停地優化和成長，要是一開始就上線端到端的模型是非常困難的。”
換句話說，傳統方案與端到端思路的結合，會是行業更主流的方案，而國內智駕玩家可能還需要用1-2年時間來持續驗證。
邁過城區智駕，迎接局部L3
但特斯拉FSD v12的驚豔效果，並不只依賴端到端方案，更依賴百萬量級的車輛數據，以及超10 Eflops的訓練算力。這是特斯拉FSD甩開同行，在北美地區更快開啓商業化篇章的原因。
馬斯克此前在社交平臺上稱，今年特斯拉將投資約100億美元，用於AI的訓練和推理，AI推理部分主要用於汽車。“任何公司如果不能達到這一水平的支出，且不能高效地進行支出，就無法競爭。”
而想要追上特斯拉的步伐，車企智駕團隊除了採用端到端方案之外，還需要在數據與算力方面實打實投入。
但海量數據的積累，基本只能依賴車企們的高階智駕硬件車型。車企需要賣出更多的車，才能積累更廣泛地域的量產數據。
從雲端算力來看，目前華爲是國內智駕算力最大的玩家。華爲表示，6月智駕 ADS訓練算力將達3.5EFLOPS。小鵬、蔚來、理想的智駕算力中心算力分別是0.6EFLOPS、1.4 EFLOPS、1.4 EFLOPS。
至於車端算力，從行業人士的反饋來看，目前英偉達的Orin芯片已經可以支持端到端方案運行。
不過英偉達的下一代智駕芯片平臺Thor也已經在路上，這將是智駕領域的新變量。據英偉達官方，Thor的AI算力達1000 Tops，專門針對Transformer、大語言模型（LLM）和生成式 AI 等技術框架而設計。
有行業人士表示，Thor落地後，未來可以進一步支持大模型在車端本地化部署、多模態大模型落地等。“車輛可以成爲可以自主進化的機器人。”
目前，比亞迪、蔚來、小鵬和理想、廣汽等車企都將採用英偉達的Thor芯片，該芯片將於 2025 年量產。
而邁過城區智駕的分水嶺，智能駕駛行業有望來到L3級自動駕駛領域。
此前蔚來智駕負責人任少卿告訴36氪，在L3以下，車主是智駕系統的主要責任人，但進入L3以後，車企需要釐清人機共駕的邊界，智駕功能的保險邏輯和商業邏輯也需要發生變化。
這不僅僅是技術與工程的挑戰，更是保險和政策等全方位商業形態的變化，這會是一場更加漫長的商業戰爭。任少卿也認爲，在大規模L3到來前，行業會率先進入局部L3，進行方向性探索。
而L3階段的較量，也從此刻的全國全量智駕開始，埋下勝負的種子。
