自特斯拉2015年量产以来，短短五六年时间，自动驾驶（又称智能辅助驾驶）成为汽车的重要配置。目前的市场情况是，10万元以上的汽车，无论是传统品牌还是造车新势力，如果不能配备足够的智能辅助驾驶配置，就没有竞争优势。车牌上的MFG代表加州政府发给汽车制造商的车牌。图片来源：INSIDEEVs官网第三方金融分析机构东吴证券研究院今年5月发布智能辅助驾驶研究报告，统计分析了当前各种智能辅助驾驶功能的实际情况中国新能源汽车市场。部分。本次报告选取了29款10万元以上的热门新能源车型，涵盖传统自主品牌、合资品牌和造车新势力，均是目前市场关注度较高的车型。2020年Q1-2021年4月主流新能源车型及智能驾驶辅助功能选装比例。在这份报告的多组数据中，有两组数据很有价值：一是新造车厂商在智能驾驶配置上的需求明显领先于传统汽车品牌，且多配置占比接近100%。二是搭载智能自动驾驶功能的车型销量占比快速提升，仅用一年时间就从不足65%提升至85%。这两组数据可以在一定程度上证明，智能辅助驾驶功能已经得到车厂和市场的认可。正常情况下，自动驾驶被认可，技术路线正常迭代，也会被市场认可。但在这份报告中，新造车企业搭载L3级自动驾驶和传统车企搭载L2级辅助驾驶的比例并没有明显增加，甚至有所下降。这一数据与市场热度形成反差的原因是什么？记者发现，自动驾驶多条技术路线的竞争、算力领域的军备竞赛、权威判断标准的缺失，正在影响当前自动驾驶的正常迭代发展。核心因素。01.微妙的L2和L3自动驾驶中的L2和L3是什么意思？如何区分辅助驾驶和自动驾驶？关于这个问题，目前通行的标准是SAE国际汽车工程师协会规定的分级标准。国际汽车工程师学会最近于今年4月调整了SAE自动驾驶分类标准。图中蓝色部分为辅助驾驶，绿色部分为自动驾驶。最重要的调整是L3中出现的蓝色部分，即当系统要求时，驾驶员必须接管车辆。这确实体现在号称具备L3级自动驾驶功能的车型上。比如小鹏P7的NGP功能，可以在高精地图覆盖的高速公路上实现无人手脚自动驾驶，但系统会每隔15秒提示司机轻微摇动方向盘。如果驾驶员无视这三个提醒，系统将强制降级为L2级辅助驾驶，直到下次车辆启动时才能恢复L3级自动驾驶。当即将离开高精地图覆盖区域时，系统也会频繁提示驾驶员接管车辆。不过，对于SAE的自动驾驶分级标准，业内也存在争议。不是这套标准不严谨，而是这套标准很难让消费者理解。资深汽车专家丁华杰博士告诉记者，市场上确实有很多厂商在钻空子，利用SAE分级标准的漏洞，给自己贴上高级别自动驾驶的标签，误导消费者。目前业界的共识是，目前市场上还没有能够真正实现L3级自动驾驶的技术。不过，目前的自动驾驶技术确实正处于从L2向L3飞跃的关键时期。很多公司都宣称要在2023年到2025年之间突破L3的商用门槛。但是，目前自动驾驶的技术路线很多，从技术角度很难区分，所以派系不一纷争已成为近年来自动驾驶领域的主旋律。02.各派争什么？近年来，关于自动驾驶各种技术路线优劣的争论从未停止过。争论的热点有两个：一是激光雷达与视觉识别的争论；二是激光雷达与视觉识别的争论。另一个是算法优先和算力优先的争论。巧合的是，在这两次辩论中，一家公司面对的是“世界”。2021年是激光雷达自动驾驶元年。新的主流车企纷纷在智能电动车上采用了激光雷达方案。上图整理了目前公布的激光雷达搭载计划的机型以及对应的激光雷达品牌和数量。奥迪、宝马、日产、丰田等传统汽车厂商也纷纷宣布将使用激光雷达，但尚未公布具体时间表。与一大批车企集中推出激光雷达相反，特斯拉CEO马斯克不止一次公开表示，激光雷达是一个愚蠢的选择。唐晨博士加州大学伯克利分校机械工程博士告诉记者，激光雷达是否先进，学术界基本上没有争议。在学术界，原则是如果一个新的解决方案能够提供更多更准确的数据，它就是更好的解决方案。与视觉识别解决方案相比，激光雷达提供了更强大的感知能力。在学术研究领域，大家都对激光雷达融合解决方案开了绿灯。而且现阶段很多高精度的地图测绘也是由激光雷达完成的。对于依赖高精度地图的自动驾驶解决方案，选择激光雷达更符合逻辑。特斯拉是全球主流车企中纯视觉集团的唯一代表。特斯拉为何逆势而行？《财经》记者通过采访多位业内学者和从业者，总结出三点原因。最冠冕堂皇的理由是，特斯拉认为人是靠两只眼睛来判断周围环境的，所以想要实现类似人类的驾驶行为，还需要依靠视觉。雷达毕竟是机械方案，很容易产生机械感。.现实的原因是视觉识别是特斯拉的舒适区。特斯拉率先采用视觉化解决方案，迅速将自动驾驶功能部署到量产车型上，为特斯拉带来海量数据。同时，算法的提升也明显超越竞争对手。芯片。数据、算法、芯片，特斯拉形成了多层护城河。在视野范围内，有这些护城河的保护，几乎没有人能够撼动特斯拉的霸主地位。最有可能接近真相的原因是，特斯拉一开始并没有选择激光雷达，完全是因为当时激光雷达价格昂贵且不稳定。丁华杰回忆说，2015年，一台激光雷达要80万元，寿命只有三个月。这样的成本和技术状态，无论如何也达不到量产装车标准。因此，特斯拉在最开始研发自动驾驶功能时，自然先放弃了激光雷达方案。为什么第三个原因最接近真相呢？5月20日，美国媒体INSIDEEVs发布消息，有人在加州街头拍到一辆装有激光雷达测试设备的特斯拉ModelY测试车。车辆的悬架是特定于汽车制造商的牌照。测试台侧面的激光雷达清晰可见。来源：INSIDEEV官网这意味着特斯拉已经开始考虑激光雷达技术路线。而且，这并不是第一次在特斯拉的测试车上发现激光雷达。事实上，早在2016年、2017年、2019年和2020年，就有人拍到过搭载激光雷达的特斯拉测试车。不过，当时激光雷达和其他传感器同时出现在试验台上。特斯拉官方当时还表示，激光雷达用于验证测试传感器的数据。这次不同了。测试台上只出现了激光雷达。另一个不同点是，此前特斯拉几次搭载的激光雷达都是当时的量产车型，而此次搭载的激光雷达，根据INSIDEEVs咨询的激光雷达专家判断，是激光雷达厂商Luminar专门使用的。Hydra模型开发和测试。激光雷达测试照片放出后，特斯拉北美官网更新了Model3和ModelY车型自动驾驶功能的描述。远程毫米波雷达的描述消失了，取而代之的是250米超强视觉感知能力。放弃毫米波雷达可以理解为彻底转向纯视觉方案，也可以理解为激光雷达有可能取代毫米波雷达，成为特斯拉视觉方案的补充。事实上，即便特斯拉放弃视觉路线，转向激光雷达，也在情理之中。丁华杰认为，过去一个激光雷达要80万元，而且使用寿命很短。现在最便宜的能到两三千元。成本更低，感知更强。这场视觉与激光的争论范围其实并不大。只是因为特斯拉在视觉领域形成了多层次的护城河，再加上销量领先，才引发争议。从目前大部分车企的选择来看，未来激光雷达将占据主流地位，但由于目前的技术方案还不够成熟，主流车企都在等待更成熟的方案出炉。与视觉与激光之战的明确答案不同，对于自动驾驶来说，究竟哪种算法或算力更重要，目前还没有明确答案。在算法与算力的争论中，博弈的双方是Mobileye对战“世界”。Mobileye可以说是自动驾驶商业化的鼻祖。2015年，特斯拉安装了Mobileye的EyeQ3芯片和配套的自动驾驶系统。Mobileye代表算法优先，绝大多数自动驾驶研发企业都是算力优先。两者的区别有多大？Mobileye最新的芯片是EyeQ5，其运算能力仅为24TOPS（TOPS：计算能力单位，万亿次/秒），使用该芯片可以实现L4级别的fullAutopilot。与之相对应的是最常用的算力优先的自动驾驶芯片——英伟达。英伟达用于L4级自动驾驶的Orin芯片单颗算力可达254TOPS，而上月新发布的芯片Atlan单颗算力可达1000TOPS。同样是解决L4级别的自动驾驶，Nvidia需要的算力是Mobileye的11倍到50倍。是算法更强大，还是算力更强大？丁华杰评论说，很多汽车厂商的CTO首席技术官经常会问同样的问题。丁华杰认为，这其中其实存在误区。Mobileye之所以能以小算力解决大问题，是因为其软硬件一体化设计，算法封闭，用户无法基于它修改，所以代码可以非常快。简单高效。以英伟达为代表的算力已经向各车厂开放了算法的研发，因此需要更强大的算力来应对千差万别的代码。比如Mobileye在做自动驾驶试卷之前就已经提前定义好了测试范围，自然可以用更少的精力去解决问题，但是不能超出范围。一旦超出范围，就不做了。当然，Mobileye会不断划定新的测试范围，不断提升测试成绩。至于算力派，没有范围，不管多复杂的试题，都是车厂自己研发的算法，分解成大量的乘法运算，再靠算力解决。目前算法派和算力派在短期内难以区分。大型汽车制造商更倾向于算法派，因为开发成本更低，模型输出量大，更大的数据可以越来越多地训练算法。更高效。例如，丰田在5月份刚刚宣布，下一代自动驾驶解决方案将采用Mobileye和ZF联合开发的技术。相比之下，自主研发的自动驾驶汽车厂商无疑会选择以英伟达为代表的算力，但这也带来了另一个严峻的问题——算力军备竞赛。03、算力军备竞赛背后的真相今年1月，蔚来创始人李斌在一次公开活动中表示，“我们要拼马力，也要拼算力”。智能电动车领域已经开启了一场无限算力的军备竞赛。今年，上汽智机在发布会上加入了兼容英伟达Orin芯片的说明。虽然量产车预装的芯片算力只有30TOPS，但发布会上强调，兼容500TOPS算力的自动驾驶平台。随后，威马在新车发布会上提出了云端自动驾驶平台百万TOPS算力的夸张数字。丁华杰判断，目前的算力军备竞赛更多是为了营销和广告。他表示，蔚来确实为ET7准备了算力高达1016TOPS的NAD自动驾驶系统，比蔚来目前车型上算力仅为2.5TOPS的芯片提升了400多倍。但飞涨的算力背后，四颗NvidiaOrin芯片是如何协同工作，如何使用的呢？蔚来团队尚未公布详细计划。更何况，一些车企目前连自动驾驶算法团队都没有，需要使用大功率芯片。多少算力才够？以3个前视摄像头+5个中视摄像头+4个环视摄像头+激光雷达和毫米波雷达的方案为例，丁华杰估计这样的顶级自动驾驶系统需要60+TOPS的算力可以完成所有的数据处理，一颗100TOPS算力的芯片足以满足车辆所有的数据处理需求。但这并不意味着高算力就完全一文不值。比如特斯拉和华为采用的影子模式，就是一种非常有价值的算力应用方式。影子模式就是让两套自动驾驶软件同时运行，或者手动驾驶时，总有一套自动驾驶软件在后台运行。当两个软件决策不同，或者软件决策与人工决策不同时，系统会记录所有数据，用于算法升级优化。但现有车企中，有能力开发影子模式的寥寥无几，大部分高算力处于闲置状态。大部分车企都为未来的自动驾驶升级预留了足够的余量，以此作为挡箭牌，为自身的算力军备竞赛找借口。为什么大家都在抢算力军备竞赛，其实症结在于目前缺乏权威的自动驾驶标准，车企只能靠算力数字这个消费者很容易理解的指标以展示其产品的智能化水平。此图片来自NavigantResearchAutonomousLeadership。每当有人说特斯拉的自动驾驶不行时，就会出现这个画面。在这张图表中，特斯拉在自动驾驶榜单中垫底。在研究自动驾驶时，还有一个重要指标——百公里人工接管次数。不过，这个数据也存在重大缺陷，容易掺水。同样是一万公里的测试，一辆车在城市复杂的路况下，另一辆车在几乎没有车的高速公路上。两者之间的收购数量如何能够相提并论。丁华杰认为，自动驾驶评价标准的现状是“无论是国际还是国内，目前都没有权威的标准”。他认为，最终肯定会有一个统一的标准，但胜者为王。秤工业化了，它的标准就是大家看齐的标准。04.2004年，DRAPA（美国国防高级研究计划局）举办了首届百万美元自动驾驶挑战赛，这是自动驾驶的起点。当时表现最好的卡内基梅隆大学团队，仅让其自动驾驶车辆在沙漠中行驶了10公里。17年的今天，自动驾驶技术已经“飞入寻常百姓家”。多位接受《财经》记者采访的业内人士表示，经过当前的快速发展期，自动驾驶将进入解决长尾问题的关键阶段。在这个关键阶段，明星企业很可能会倒在最后一公里。比如谷歌旗下的自动驾驶明星公司Waymo，今年上半年就在母公司Alphabet之外完成了第一笔融资。3月和5月，它连续两轮融资超过30亿美元。看似是个好消息，但考虑到本次融资给出的估值仅不足400亿美元，相较于之前1750亿美元的高估值，资本市场对前沿科技的热情变得高涨起来。以Waymo为代表的自动驾驶。回归理性。自动驾驶商业化还面临两大难题：个人消费领域，解决长尾问题需要较长时间；在Robotaxi（自动驾驶出租车）和商用物流车领域，自动驾驶的商业化前景不明朗。埋藏在整个自动驾驶背后的是一个终极问题。能否实现类似人类驾驶的自动驾驶？感知、融合、定位、规划、控制，统统联动，一套系统解决。Waymo之前已经尝试过。从此，类人自动驾驶成为一堵叹息之墙，挡住了每一个试图突破的开发者。自动驾驶的快速发展和尚未找到解决方案的终极问题，形成了乐观与焦虑纠缠的局面。
