从跟随到引领，如何跑好自动驾驶下半场？

闫海辰

2023年，中国汽车工业迎来70周年，这是几代汽车人共同努力的结果。从1953年长春第一汽车制造厂奠基为开端，到如今连续14年汽车产销量全球第一，连续8年新能源汽车销量全球第一，几代汽车人用大半个世纪的时间书写了一部气势恢宏的产业发展史诗。

现阶段，全球汽车产业已经从燃油机械化时代的上半场转入了电动智能化时代的下半场，而中国汽车产业则从以量取胜的上半场进入了高质量发展的下半场。如何推进汽车智能化高质量发展，不辜负几代中国汽车人的耕耘，不辜负这个时代为我们创造的变局与机遇，实现从“蹒跚学步”到“领航者”的身份转变，已经成为我国汽车产业的重要议题。

为探索产业新路径，领航汽车产业高质量发展，主题为“新时代、新使命、新动能——助力建设现代化产业体系”的2023中国汽车论坛于7月5日—7日在上海举行。本届论坛由中国汽车工业协会（CAAM）主办，是世界汽车组织（OICA）唯一支持的国内顶级高端汽车论坛。其中，对于自动驾驶这一智能汽车重要发展方向，来自汽车产业不同领域的专家们为推动高阶自动驾驶的落地建言献策。

“自动驾驶”有名无实

事实上，以目前的技术水平来看，主流汽车智能化等级并不能够称之为“自动驾驶”。

国家标准GB/T 40429-2021和SAE J3016明确定义了汽车自动驾驶分级，将驾驶自动化分为0—5级。其中，国标规定L1和L2级自动化系统命名为“驾驶辅助系统”、L3—L5命名为“自动驾驶系统”，本质区别是出现事故之后的责任划分。根据SAE J3016的定义，车辆出现事故后，在“驾驶辅助系统”干预下的责任在于驾驶员，而在“自动驾驶系统”干预下的责任在于车辆。

因此，现阶段车企大力宣传的“L2+级自动驾驶”和“L2.9级自动驾驶”只是接近了自动驾驶的“门槛”，并不是真正意义的“自动驾驶系统”。而对于“L3级自动驾驶”的落地，仍有技术和基础设施方面的重重阻碍。

全栈自研or全栈可控？

目前，大多数车企，尤其是主流的新势力品牌均在大力推广全栈自研的理念，但是面临自动驾驶研发中的种种“卡脖子”问题，想要在全栈自研的道路上有所突破绝非易事，人力、物力、财力缺一不可。

以新势力“蔚小理”为例，三家公司2022年的研发投入分别达到108亿元、52亿元和67.8亿元，而这些投入直观体现在企业亏损上，这也意味着不是所有车企都能承受得住这种重资产的开发模式，毕竟不是谁都能从资本市场上获得巨额输血。

因此，全栈自研还有必要坚持下去吗？东风技术中心首席总工程师边宁坦言道：“从主机厂本身及商业模式来讲，全栈自研的目的就是全栈可控，其实只要能做到全栈可控其实就可以。当下电动化、智能化和网联化的发展，在哪里会迎来爆发式增长，现阶段是看不清楚的。但是东风汽车作为央企，要考虑供应链安全问题，在‘卡脖子环节要有担当，要引领技术发展。”

源代码是保障供应链安全的根本。边宁表示：“在对供应商方面，主机厂的强势地位，方便其从供应商处获得很多资源，例如要求供应商源代码交付。主机厂是一定有办法让供应商全部交付的，因为现在的竞争相当激烈。如果可能，主机厂可以找20家供应商，就算有10家拒绝，还可以在剩下的5～10家里面再找。”

畅行智驾CEO屠科直言：“20家供应商中，只要有1家答应交付，剩下19家就也会交付的。”

但不可否认的是，全栈自研仍有其独特的优势所在。在算法方面，小鹏P5通过自研仅凭一块算力30TOPS的Xavier芯片和两颗激光雷达便实现城市NOA。在域控制器方面，蔚来在今年推出了自研的ICC智能底盘域控制器，实现了软硬解耦，能够更好地协调制动、转向、空气悬架以及CDC减震器等不同模块，并可以通过后期的OTA来提升行驶质感。

因此，全栈自研和全栈可控并不是针锋相对的选择题，而是应通过适当融合实现“部分自研+部分可控”。自动驾驶核心功能部分可控可以有效减少人力和资产的投入，而根据企业资金状况自研对自动驾驶有显著提升的模块可以为品牌打造差异化。

技术路线如何抉择？

目前，L3级及以上自动驾驶发展受阻，行业对未来自动驾驶如何发展陷入大论战，存在纯视觉与感知融合、重地图与轻地图、数据驱动与知识驱动、单车智能与车路协同、跨越式与渐进式、通用化与专用化六大路线之争。而其中最热门的讨论话题便是纯视觉与感知融合路线之争、重地图与轻地图路线之争和数据驱动与知识驱动路线之争三大争论。针对这三大热门争论，重庆长安汽车股份有限公司首席专家李伟给出了一些建议。

第一，纯视觉与感知融合路线之争，多传感器融合是未来发展趋势。

环境感知的未来形态是融合感知系统。纯视觉对于光照不足、杂光影响、不常见物体、恶劣天气等场景易出现感知失效，达不到全环境感知能力，多传感器融合可以发挥不同传感器之间的互补效应，快速解决问题。

与此同时，多传感器融合不是无限度硬件“堆料”。在技术进步的驱动下，满足感知要求的同时，还要不断追求最低的成本，以此打造更加精益化、有生命力的硬件方案，适合大范围推广搭载。

隨着算法能力和数据闭环能力的提升，摄像头为主，必要传感器辅助的融合方案，在可以满足全场景自动驾驶需求的同时，成本相对最优，或将是未来多传感器融合的主力形态。

第二，重地图与轻地图路线之争，企业可规模产业化的未来形态是轻地图方案。

“重地图”属于递增式投入，“轻地图”属于摊销式投入，重地图路线前期高速+少量城市数据采购成本不高，后期随城市扩展，采购成本激增，长期还存在地图鲜度不足、覆盖不足的缺点，直接导致智驾系统鲁棒性（robustness）差。

轻地图路线前期研发投入高，形成规模后，单位成本可大幅度摊销，具备环境认知实时性好，系统鲁棒性高等优点。

第三，数据驱动与知识驱动路线之争。知识、数据双驱动，让自动驾驶系统具有类人自进化功能，可从无到有快速迭代出高级别的智能驾驶。

数据驱动在表示类任务上占优，数据驱动模型具有更好的自学习表达能力，适合对外部环境进行感知。

知识驱动类比人的“理性、逻辑推断”，在推理类任务上占优，适合于进行推断与决策。

未来自动驾驶AI技术，需基于应用场景，结合自身的算法能力与数据积累量，在原有知识驱动的算法上，有节奏地融合数据驱动的范式，以提高整个系统性能、提升算法迭代效率。

总之，智能驾驶路线选取，离不开对安全可行、技术可行、成本可行、商业可行的综合考量，未来将趋于轻地图、有成本竞争力的融合感知、基于数据+知识双驱动路线发展。

人工智能技术浪潮下，自动驾驶如何发展？

今年以来，伴随着ChatGPT的爆火，人工智能再次涌入大众视野，一时间基于AI大模型的延伸发展与应用的讨论席卷整个互联网。汽车行业一直是人工智能及交互科技商用的重要阵地。

“如果把自动驾驶和AI人工智能的发展联系在一起，可以看到他们之间有很高的相关性。”在“主题论坛五：智能网联汽车产业新趋势与未来发展”上，小鹏汽车算法专家刘德浩表示：“前段时间在人工智能领域特别火的ChatGPT，让我们看到了大模型去做端到端自动驾驶的曙光。以前的自动驾驶软件都是分模块做的，有很多模块，比如感知、定位、规划、控制等。感知告诉我周围的动靜态环境是什么样的，定位告诉我在哪里。如果将感知和定位合起来建立良好的车路模型，在车路模型里做决策预测，规划出来一条运行轨迹，并通过控制沿着轨迹行走，在软件复杂度上会更好。”

此外，重庆长安汽车股份有限公司首席专家李伟介绍道：“在智能驾驶领域，生成式AI有更加强大的场景库生成能力，颠覆采集corner case的现状，加速自动驾驶开发。大模型在云端算法训练环节，生成各类真实路测场景下不常见的情境，为算法补充corner case，提升长尾场景下的决策能力，实现更高阶的智能驾驶体验。”

毫无疑问，如果能够实现人工智能技术和自动驾驶技术的有效融合，基于AI大模型强大的自学习能力，将有机会更好地将自动驾驶各个模块整合，并不断提升不同场景下的决策能力，加速高阶自动驾驶的落地。

结语

中国汽车工业的70年，是奋进的70年，也是不负期待的70年。正是有了前辈们的辛苦耕耘，中国才真正变为了汽车行业、汽车技术、汽车消费的沃土，一步步通过新能源道路走向全球汽车工业领军位置。

行百里者半九十，汽车产业的竞争从来不是百米短跑，而是持久的马拉松。站在新汽车时代的门口，面对这个百年未有之大变局，想要让这片沃土持续保持活力，必须要坚持技术创新，加速高阶自动驾驶的落地，推动我国汽车产业智能化高质量发展，以硬实力迎接未来的挑战。