焉知年会 | “降本之下”，高阶智能驾驶规模化量产将会受到怎样的影响？

2023年6月1日，在第三届焉知智能电动汽车年会上，焉知汽车举办了主题为《“降本”之下，高阶智能驾驶规模化量产上车会受到怎样的影响？》的圆桌对话。

我们有幸邀请到北汽研究总院智能网联中心专业总师林大洋、零束科技智驾产品线负责人张睿、禾多科技高级副总裁蒋京芳、智行者联合创始人霍舒豪、亮道智能高级副总裁篠原磊磊参与圆桌讨论。

在圆桌讨论环节，各位嘉宾分别发表了自己看法与见解。以下内容是焉知汽车在不改变嘉宾原意的基础上，对核心内容进行提炼，以供行业人士参考。

主持人：受整个宏观大环境的影响，外加特斯拉大降价作为导火索，引发了国内车企也竞相开启了“价格战”，不仅是10~20万的主销车型对成本敏感，甚至连30万以上的车型，也不得不考虑降本。因此，即使是对于中高端车型，车企在开发高阶智能驾驶功能的时候，也尽量从成本的角度去优化系统方案。那么，在这样的背景下，对整个高阶辅助驾驶的解决方案或者架构会产生什么样的影响？

备注：这里的高阶智能驾驶是指高阶辅助驾驶，能够实现城区NOA的L2++级别的自动驾驶。

林大洋：如果我们把范围限定在城区NOA，其实，现在搭载城区NOA功能的车型的价位基本还是在30万以上，并且，当前真正量产城区NOA的车型还比较少，覆盖的城市也少。

当前阶段，具备城区NOA功能并没有完全释放出来，后续需要通过OTA释放。在这样的背景条件下，需要先把城区NOA方案量产，下一步再降本。当然，有很多车企包括我们在内，在考虑城区NOA方案的时候，也会考虑低成本方案，比如用几个激光雷达，用1个还是2个，同时，也会减少一些不必要的冗余设计等来降低成本。

我认为现在城区NOA还属于真正大规模量产的前夕，降本是必须的，但是需要先把它做到量产，再逐步考虑降本。

张睿：我们跟主机厂走得也比较近，所以最能近距离感受到成本的压力。其实，我们在做高阶智能驾驶方案设计初期就感受到成本压力了。目前，城区NOA功能还不能覆盖到全部的城区场景，所以我们会对个别的场景做打磨。我觉得还是需要从单个场景出发做探索，再结合成本去做其它场景的拓展。

蒋京芳：禾多科技作为Tier1也感受到了成本的压力。前几年，很多的车企在拼算力、拼装备，现在越来越多的主机厂在我们合作沟通当中表示，需要性价比最高的方案。

另外，现在真正能把高阶智能驾驶量产落地的企业还不多。我们还是需要基于现有的技术把整个的场景、功能、性能打磨好，然后再去探讨一些降本方案。

霍舒豪：我觉得压力主要来源于我们的客户，我觉得今年，不管跟下游主机厂去聊，还是跟我们的上游去聊，聊的最多一个词就是“卷”。

现在产业链的上下游都在“卷”。对于高阶自动驾驶，我认为降本不仅仅是一家Tier1完全能够做到的。降本可以分成好几个方面：一方面，从系统设计层面上，比如，大家都在提的重感知+轻地图方案，也是希望能从产品的架构设计上去降本；另一方面，回到我们自己本身，在一定算力域控条件下，我们的算法怎么能够做到极致，怎么能够在算力限定的情况下，通过BEV+transformer等算法提高系统的精度，在算法层面上，能够去把性能提升上去；再有一个，在芯片层面上，域控成本中占比最大的就是主芯片，能不能从通用型芯片往专用型芯片下探，这个可能也是未来探索的方向。

综上所述，可以从产品架构设计到局部的算法优化，再到芯片方案选型多个方向去考虑降本，这是整条产业链都需要做的事情。

篠原磊磊：在考虑怎么降本的情况下，首先要看现在的市场上，这个功能是不是已经存在了。目前，NOA还是属于低于L3级的辅助驾驶功能，现在国内还没有达到L3级别的自动驾驶。如果低于L3级别，从安全角度上来说，驾驶员永远是一个“备份”。

L3级别及以上会有一个质变的地方 —— 出了事故以后车企负责，但是，低于L3级别永远都是用户负责，驾驶员永远是在环的。

L3级别以上，不管我们用什么样的软件方式去提升，但硬件现在还存在它的局限性。硬件的局限性就导致了做L3的时候，单纯靠视觉很难做到一个真正L3级别的自动驾驶。

做L3以下智能驾驶的时候，激光雷达可能不是必须的，但是加上1个激光雷达后，虽然会带来成本的一些上升，但是可能对用户的体验会有更大的提升，因为可以覆盖到到更多的场景，驾驶员可以是少做一些接管。

前几年，大家堆硬件的时候，都希望用激光雷达把整套系统做得更加安全、覆盖更多使用场景。但是今年大家开始卷起来的情况下，第一个受冲击的就是激光雷达，我们在跟客户交流的时候，就经常被问到 —— 之前用4颗激光雷达，现在能不能用2颗，或者用1颗，甚至不用激光雷达。

相比前两年，我们也感觉到了整个市场对功能上的要求更强了。对于L3以下，如果用其它传感器能够做得足够好了，可以不加激光雷达。如果往上走，做L3及以上，我们需要先把功能做起来，先把性能做好，先量产了，后面再降本。因为降本可能会涉及到安全性问题，如果安全得不到保障，也是没办法做到真正的L3。

主持人：BEV+Transformer 是最近这一两年讨论比较热的一个话题，并且现在可以明显感觉到，它已经成为了自动驾驶感知的新范式。如果谁家没有用类似的方案，可能都会让人觉得有点落伍的感觉。因为这种新感知范式，也让“重感知+轻地图，甚至去高精地图”成为可能。并且现在越来越多的企业都开始去走这样的路线。毕竟从当前的情况来看，这样的路线是比较适合在中短期内规模化量产落地的方案。那么，是不是意味着以视觉感知为主，其它感知为辅的技术路线将成为多数企业主流的选择，各位怎么看待这个问题？

篠原磊磊：整体上来讲，智能驾驶在感知层面还没有真正达成一致性的方案。在过去的几年里，产生了一些不同的方案。三五年之前，异构传感器融合的方案被提得比较多，尤其是Robotaxi的自动驾驶方案 —— 怎么用好激光雷达，怎么把激光雷达跟视觉，跟毫米波雷达做融合，甚至是前融合。

前几年，关于乘用车L3级自动驾驶方案大致可以分为两类：一个是属于欧系的方案，一个是属于美系方案。美系的方案一直是比较专注于高精地图在智能驾驶里面的作用；欧系的方案，包括奥迪、奔驰和宝马在内，整体架构侧重于单车感知。

依赖高精地图的情况，在城区NOA情况下，如果高精地图要做到全城区覆盖和高频的动态更新，地图成本的投入非常大。退一步讲，即使不是覆盖所有城区道路，单是城区主干路都很难覆盖得了。

怎么发挥单车感知，单车的传感器可以自建一个比较小范围的地图，比如自建一个从家到上班这段路程的一个小范围地图，地图也可以随时更新，行驶也会更安全。

霍舒豪：首先，使用BEV+Transformer架构之后，确实提高了感知能力，也使重感知+轻地图的一些方案的实现成为了可能。

其次，我们自己也很早做重感知+轻地图的方案，这里面有一个考量就是高精度地图的成本问题，因为高精地图整个前期的投入以及后期维护成本比较高，以及它的实时性问题，所以，大家也在考虑能怎么去弱化高精地图的使用。

再者，我觉得重感知+轻地图，谈的是重感知，并不一定是重摄像头。在感知层面，到底采用什么样的传感器的配置，还要跟场景、功能定义和应用需求要结合在一起。

比如，对于城区NOA工况下，目前来看，我认为激光雷达可能还是必需的传感器，完全抛掉激光雷达，还是有点风险。

从整个发展趋势上来看，行业内基本上是认可重感知+轻地图这样的一条技术发展路线，再往后能否完全去掉激光雷达，或者激光雷达在感知传感器中会处于什么样的角色定位，整个行业还在探讨过程中。

蒋京芳：我简单说一下，因为刚才大家也谈到了，像BEV+transformer，重感知+轻地图，肯定是现在行业内各家都在研究的方案，不研究的话真的是落伍了。

我觉得接下来的自动驾驶，还是要看场景，比如，高速NOA，还是需要用到高精地图；高阶的泊车，比如说记忆泊车，禾多科技量产方案是基于单TDA4实现，但是，我们目前正在研究如果车上有激光雷达，如何把激光雷达用起来，比如说实现窄路通行等亮点功能。

城区NOA如大家所提到的那样，确实存在着地图的问题。针对高频重复使用的场景，比如上下班通勤，我们做了记忆行车功能，通过BEV对特征点的识别相结合，在这种场景下实现城区自动驾驶功能，会有不错的体验。

张睿：刚刚几位都谈到了，还是从成本和场景出发，而不是为了用BEV而用BEV，因为它真正解决了一些问题，比如说记忆行车功能，我们也在做这一块，其实这一块的路线采用单趟一键建图、多趟对齐的方式来实现特定场景下，一个低成本方案的出行体验。高速场景下地图也是有必要的，而且是必须得先用好高精地图才能去掉它，所以我觉得这也是一个大趋势。

林大洋：其实我觉得刚才讨论了两个问题：第一，BEV是不是主流；第二，谁是汽车的主感知传感器。刚才前面几位讲的我都很认可，但是现实是已经量产的带有高速NOA功能的车大都是基于高精地图，同时，城区NOA用高精地图也存在很多的痛点，成本、覆盖度等都会引发市场考虑新的技术路线，包括BEV以及重感知+轻地图等。

首先，重感知+轻地图方案，并不是没有地图，是有比普通地图更多的一些信息，同时也能够规避高精地图的一些要求。这个方案里面，到底包含什么东西，到底能不能走出来，我感觉都是不确定的，但是这种方案肯定是一个技术方向。

其次，视觉以后是不是主传感器。从我们主机厂来看，做城区NOA可能需要十几个摄像头，它的占比非常高。和业内朋友交流的时候曾提到一点 —— BEV很有可能把视觉和激光雷达等都融合在一起，做一个大模型和前融合。

激光雷达和视觉传感器，在城区场景下都很重要，谁主导根据每家算法的不同而有所不同。但是，从大方向上来看，视觉和激光雷达在城区场景下肯定是非常重要的，而毫米波雷达的测速、测距、纵向距离探测准确性，能提供一些很有力帮助，但是最核心的还是在视觉技术上。

主持人：刚才我们一直在谈高阶智能驾驶的规模化量产，那么，可量产落地的高阶智能驾驶解决方案具备什么样的特点呢？目前大家讨论比较多的有两点，1）技术路线可能比较趋同 —— 重感知 +轻地图（或去高精地图）2）成本能够降低到一个可接受的范围内。

最近有业内人士提到，高阶辅助驾驶系统的成本占到整车成本的3%~5%，是比较适合规模化量产的。那么，您认为成本做到多少比较合适？目前的方案成本距离这个目标还差多少？又该如何去降本？

林大洋：我觉得方案成本占到3%-5%，基本上是一个合理的区间。如果不是聚焦城区NOA功能，对于实现基础L2功能，价位在15-20万区间的车型，辅助驾驶成本占比基本上就在3%-5%。

城区NOA功能的科技属性更高一些，每家方案差别也比较大，比如激光雷达数量不一样，芯片不一样，成本差异也会非常大。有的方案里面可能会超了3%-5%这个区间，有的方案可能还是落在这个区间。

怎么降本，我感觉还是得结合用户场景来谈，同样的是一套城区NOA系统，可能用一颗激光雷达可以实现，用3颗激光雷达也可以实现，用200T-400T算力都可以实现。但是它的体验或者上限是不一样的。现在，城区NOA没有一个统一的标准，比如接管率，或者说该变道的时候是不是变道了，该等待的时候是不是等待了。

至于最后的量产方案会是什么样的形态。我个人认为目前还没有100%清晰。当前量产的功能都是基于高精地图的，到底以后发展成什么样的状态，包括基于BEV，以及把地图去掉后能做到什么程度，都还不确定。这里面还有很多路要走。

张睿：我们跟主机厂客户交流也比较多。对于15-20万区间的车，客户提的比较多的一句话就是够用就好，比如在高速公路场景和标准的泊车场景能够实现基础的功能就好。我们作为Tier1，可能首先会从视觉算法角度，通过使用BEV架构，在传感器上面做减法，性能上可能会打折扣，但整体因为成本降了，所以相应体验也要做权衡。对我们来讲，就需要在有限的成本下，把体验做到一个较好的水平。

蒋京芳：从场景上来看，我个人觉得城区的NOA还需要很长时间的打磨。如果现在要做性价比比较高的方案，可以专注在比如说高速NOA以及记忆泊车功能，因为它既可以作为车企的宣传卖点，也为消费者带来了更好的价值。

霍舒豪：我觉得产品或者场景落地，不管采用什么样的解决方案，它的体验感很重要的。做量产落地的时候，要尽可能在全场景或者在定义内的场景下，能够提高它功能的连续性，能够把系统做到量产化，这些是很重要的。

回过头来说，我的观点是成本跟场景和功能是强相关的，因为我们不太可能用小几千块钱成本的系统，就要实现城区NOA，这个目前来看是不太现实的事情。

从与我们现在经常接触到的很多主机厂客户聊下来来看，他们的需求从场景上大致可分成三类：

• 城区NOA+全场景泊车；
• 高速NOA +基本泊车功能；
• 可能因为车型定位原因，有基本的行车+基本的泊车功能就行。

对于第三类，客户对产品的定义，就是以成本为主导，需要在极致的成本下，帮客户实现这些功能就可以。对于这样的系统，客户肯定希望成本越低越好，甚至希望占比是低于3%的水平。对于高端一些的车型，可能就强调全场景+尽可能好的体验，它的整个成本占比可能就会更高一些。

篠原磊磊：NOA的定义或者说NOA具体指的是要覆盖哪些场景，每家都有自己的定义。可能有些NOA功能能够覆盖50%的场景，有些能够覆盖80%或90%。覆盖不同场景情况下，对成本上来说，肯定是不一样的。四五年前的时候，七八千一个激光雷达大家都抢着要上，来提升驾乘体验。这两年，大家开始把成本往下压，恨不得两三千。对于短距离补盲雷达，大家都在想100美金以内能不能搞定，甚至50美金以内能不能搞定。

我们能够体会到，特别是高阶智能驾驶对激光雷达是有需求的，但是成本的压力也非常大，怎么把这个产品成本压到非常低，然后来替代一部分其它传感器包括毫米波雷达，或者是摄像头。现在城区NOA大多是需要十几个摄像头的配置，如果加上激光雷达，是不是能够用5~6个摄像头就可以搞定，这样成本也可以降下来。

想要实现什么功能，让用户的体验达到怎样的程度？如果打算让用户尽量有一个L3的体验，系统在99%的场景下都不需要用户去做接管。那么，整套系统必然就需要来有足够的安全冗余，保证在车行驶过程中，不会出现问题。

即使国内还没有具体L3级别相关的法律法规，并且主机厂也不需要负法律上的责任。但是，怎么从安全性上，让用户体验达到最佳，让用户用这项功能的时候，无需提心吊胆。只有如此，用户对此功能的性能、对车企的信心才会增强。

主持人：高级智能驾驶的功能，比如城区NOA，现在可能存在一些体验的问题，如果要把体验做好，使它真正好用，这样才容易更快地去推进其规模化量产。那么，高阶智能驾驶的规模化量产过程中，还存在哪些挑战？

篠原磊磊：到现在为止，真正量产的NOA还不多。首先L3是没有的，还处于L2或者L2+的阶段。前两年，大家大多还是先把硬件做起来，现在可以看到非常多的车，虽然宣传说有L3的功能或者性能，但是现在没有对客户发布，或者后面会通过OTA的方式发布。

可能主要有几个原因：首先，从功能上来讲，或者说整车功能安全，还没有得到足够的数据来验证这个系统是否安全和可靠，还需要时间去打磨。另外，还有软件上的可靠性和安全性待验证。

霍舒豪：我们现在可以把高阶的辅助驾驶功能和传统辅助驾驶功能做对比，最大的特点是：NOA或者高阶泊车的功能，在性能的描述还是相对比较模糊或者说标准不一。城区NOA也好或者高速NOA也罢，怎么算是做得比较好，为了这个功能需要付出多大成本、达到什么标准，我觉得目前整个行业内还是百花齐放的局面。

对我们来说，不管是怎样的配置 —— 采用多少颗摄像头，或者多少颗激光雷达。目的都是要在一定硬件条件下尽可能去提高用户体验。

另外，我觉得目前很大的一个挑战是因为我们没有一个很清晰的标准作指引，所以，我们在谈功能定义的时候，经常就会遇到的一种情况是“既要又要”：既要性能稳定，又要功能多，成本还不能高。

蒋京芳：我们这边是给主机厂提供系统解决方案，我觉得一个功能要可靠地量产落地，目前我们在做是：

• 考虑到各个关联的传感器、执行器；在项目前期，我们就要事先跟主机厂全面打通，把系统需求明确好。
• 我们希望软件算法做成平台化的，因为现在的芯片选型也比较多，我们需要保证我们的软件算法能够比较容易移植到不同的芯片上去，这是平台化的过程。
• 做自动驾驶毕竟是安全第一的事情，所以我一直在我们的工作中强调整个正向开发的流程，保证我们整个的系统能够安全可靠地交付给我们的客户。

张睿：霍总讲的我也深有体会，现在关于高阶智能驾驶，比如说NOA这样的功能，没有清晰的标准，只是说在特定价格区间内，在特定的成本内能做到什么样的体验。

我们做研发的首先就是要把算法和平台化做好，在平台化层面，我们可以结合不同价格区间的车型配置，在传感器上做减法，这样尽可能让我们有一个稳定的算法平台，做不同的平台适配。

还有一个点，我们在大力做数据闭环体系，现在基本都是基于深度学习的方式，场景的挖掘包括长尾效应的解决还是要靠数据。我们在数据闭环下了很大功夫，包括数据整体的效率，云端整个闭环工具链的完整性。

林大洋：城区NOA落地难度非常大，城区里面不可预知的场景太多了。但是真正把城区NOA做好肯定是需要数据做支撑，怎样用基于开发阶段以及量产之后的数据，去持续优化我们算法和提升性能，可能是真正实现城区NOA必不可少的一环。但是真正能把数据闭环做出来也非常难，怎么能像特斯拉一样，把量产车上的海量数据真正的有效应用起来，也是非常大的挑战。

做城区NOA，我个人觉得，做前期设计的时候也需要考虑一些未来要实现L3的可能性，包括功能安全、预期功能安全，甚至是流程上，都需要提前考虑。

主持人：单纯从技术角度考虑，现阶段是否已经具备了实现L3的条件？如果还不具备，您认为是哪些方面还不够成熟？如果说技术层面已经具备，是否可以说L3落地已经成功了一大半，剩下的就只是法律法规的完善以及社会接受度的培养，大概还需要多久才能实现真正的L3？您如何看待这个问题？

林大洋：L3定义是有ODD的，有一个很明显的边界，我个人的预测，真正L3出来之后更多的还是在高速场景，虽然大家都在讲城区NOA，但是牵扯到L3功能的时候，可能大部分人还是会选择在高速封闭场景 —— 没有路口、没有红绿灯、没有行人和各种横穿的电动车等，这个可能会更快地促进L3的落地。

关于L3的技术是否成熟了，我觉得试点出来，等相关申请清晰之后，我们才会看得更清楚一些。还有一个难点，就是怎么让用户放心用，怎么有一个比较好的人机交互界面，这也是后面需要探讨的问题。

张睿：L3准入的法规也在推进，但是，单纯从技术角度上，刚刚也说到了数据，我个人认为，数据的长尾效应永远是迭代不完的，这种情况下L3肯定有它的ODD范围，我个人理解L3还是像刚刚林总说的，大概率会是在固定的高速场景内先去实施。至于技术上能否彻底解决长尾问题，目前还是有很大的提升空间。

蒋京芳：对于实现L3，比如说低速的封闭场景，技术上肯定是没有问题的，也比较成熟。行车这块，像戴姆勒的L3已经量产了，但是它的场景很局限，只是在单车道60公里以下的L3。

回过头来说，我们给消费者带来的体验是什么？比如，现在的一些L2+的高速NOA功能，在自动变道、上下匝道，甚至还可以礼让、智慧躲闪等等功能体验上还是非常不错的。行业趋势一直在转变，前几年大家一直说级别是多少，现在更着重场景和体验。

霍舒豪：从L2达到L3，涉及到责任的转移，之前的责任还是在人身上，到L3之后责任在机器上。

很多主机厂都在讨论说L3是一个伪命题，我们可能把自动驾驶的级别属性要相对弱化，更强调的是场景和体验，即把在哪些场景下能够实现车的自主行驶会看得更重要一些，所以我自己的观点也是更强调这种功能体验和场景。

另外，对于L3真正的到来，我自己的态度是谨慎和乐观。什么意思呢？就是说在技术层面上或者说在长尾问题上面，还是有很多问题亟待解决，这不仅仅涉及技术本身，还跟场景强相关。一方面因为车本身就是跟安全强相关，从我们做技术的角度上还是要保持一个谨慎的状态。但是，从功能推出的角度，它还是能够极大地提高行车的安全性和驾乘的便利性，所以我对L3功能的普及速度，还是比较乐观的。

篠原磊磊：最终还是要看L3怎么定义，L3还是一个人机共驾的过程，可以是无限的接近于L4，也可以是刚刚踏入门的L3。

奔驰已经量产了L3，拿到了联合国法规UN-R157认证，在德国以及美国的内华达州，在特定的环境下，可以进行L3级别的自动驾驶，当然这仅仅限于在高速堵车、拥堵的情况下，并且前面有车，单车道内进行前车跟随。

对于低于L3级别的驾驶辅助功能，司机永远是在环的，是最后安全的守护线，不管是我们的系统做得多差，最终是要用户做最终的判断，做安全上的守护。

但是，从L3开始，我们需要确保整套系统是绝对安全的。也就是说，在设定ODD的时候，要确保系统够全覆盖所有的ODD场景。从客户体验的角度上来说，如果我们想要一个体验非常好的L3，并且无限接近于L4，我觉得现在还远远达不到，还是有很长的一段路要走。

文章转载自公众号：焉知汽车