還沒玩明白激光雷達,車企又開始給用户講算法了

語言: CN / TW / HK

買有輔助駕駛功能的車型,一般人會看軟件還是硬件?

相比於晦澀難懂、不夠直觀的自動駕駛軟件來説,車企更願意聊聊有硬核參數與衝擊力的硬件。這點從很多專業用户都喜歡談論的“激光雷達數量和線束”就可以看得出來。

不過,最近出現了一家樂於講軟件的車企——飛凡汽車。號稱行業首個全融合智駕方案落地,也引出了“自動駕駛的關鍵到底是軟件還是硬件”這一老生常談的話題。不過,無論是軟件還是硬件,其實車企更應該講點其他的。

為什麼都愛講硬件故事?

“(激光雷達)四顆以下,請別説話。”

“算力高達1017TOPS,是特斯拉的7倍。”

這兩句話,分別是沙龍機甲龍的宣傳語,以及NIO DAY上李斌對ET7超算平台的介紹。車企更願意介紹與強調硬件,軟件上通常只是一句“該功能通過後期OTA實現”。自動駕駛的關鍵,在於硬件嗎?

目前來看,自動駕駛還是一項前沿技術,如果想要實現真正的“自動駕駛”(L4),軟件硬件都必須到位。但軟件能力的提升,一定程度上可以減少傳感器數量。例如有些Robotaxi只需要2顆激光雷達,而有些則需要6-8顆左右。當然,激光雷達的數量並不能直接反映軟件水平,還要考慮到具體每個激光雷達的成本與性能,以及各家的技術路線。例如毫末智行提出的“重感知輕地圖”技術路線,也需要重視傳感器的配置,但並不代表軟件能力的強弱。

自動駕駛的硬件,包含超算平台、感知傳感器、通信模塊以及慣性測量單元等等。差異主要集中在傳感器與超算平台。而人們討論的話題,也往往集中於“傳感器與算法”的平衡上。把範圍縮小到擁有導航輔助駕駛(NOA)功能的車型上來看,目前有很多種技術路線。

特斯拉可以算獨一檔,為達到控制整車成本的目的,主要依靠視覺感知來實現輔助駕駛功能,雖然車輛成本確實下降,但在軟件算法、數據處理以及深度學習等方面的投入是一般新勢力難以企及的高度,以2021年為例,特斯拉的研發投入高達26億美元,高於“蔚小理”三家總和。

按照特斯拉的思路來看,雖然前期研發投入大,但只要銷量夠大,均攤下來是划算的。此外,從研發角度來看,堅持一條路線(視覺或激光雷達)也有利於從L2向自動駕駛(L3及以上)的順利過渡。

不過,這樣的技術路線也存在弊端,一方面,在軟件能力還不夠的今天,僅依靠視覺感知的特斯拉在遭遇靜止物體、極端天氣等場景時,依然不夠穩定,也因此出現過多起事故。另一方面,有觀點認為,激光雷達現在的成本雖然相比攝像頭高出數倍,但隨着激光雷達的生產工藝提升,規模擴大,預計車載激光雷達的平均單價將會從2021年的6500元降低至2030年的1719元(數據來源:《中國激光雷達行業發展現狀分析與投資戰略調研報告(2022-2029年)》),成本上的優勢便不復存在,反而會在技術及體驗上落後於選擇激光雷達路線的車企。

另一條路線,則是在硬件上拉滿,搭載激光雷達、大算力芯片等,規格上早已超過普通L2級別的需求。一方面,車企解釋為“硬件預埋”,日後通過OTA升級可實現城市道路上的導航輔助駕駛功能,甚至是提升至L3及以上自動駕駛水平。目前蔚來、小鵬、理想、埃安、極狐與魏牌等車企均有城市NOA功能的開放計劃。

另一方面,在L2階段,駕駛員是駕駛的主要責任人,因此並不需要輔助駕駛達到全場景都能完美運作,但為了拉開差距,提升體驗,也會有車企儘量將輔助駕駛的體驗向“自動駕駛”靠攏,因此,需要更高的硬件水平。

圖源:飛凡汽車

不過,可以明確一點,沒有不重視自動駕駛軟件算法的,只不過當前的軟件水平還不足以讓激光雷達等硬件“下崗”,因此,至少在現階段,想帶來良好體驗,軟硬件都需要到位。

車企更願意講硬件,其實很好理解。硬件有實打實的參數,最容易比較,從人無我有,到人有我多,從個數到參數,都很容易能和競品進行比較,拉開差距。此外,硬件非常直觀,有就是有,沒有就是沒有。

但軟件故事,還真就不太好講。

軟件故事:講多了涉密,講少了沒意義

軟件層面的東西,其實比較難以體現,尤其是在自動駕駛領域。

不過飛凡汽車這次很“頭鐵”,講起了軟件上的創新。在感知融合上,號稱使用了行業首創Full Fusion全融合算法。通俗來説就是使用了前融合+後融合+混合融合三種。

我們都知道,車輛上有激光雷達、毫米波雷達、超聲波雷達以及攝像頭等多種傳感器。車輛需要把他們的數據融合到一起。在融合方式上,目前絕大多數都採用後融合。後融合,是各傳感器分別通過各自的感知算法,輸出對物體的識別結果給主處理器,通過卡爾曼濾波等方式再進行融合,這種方式融合的是目標數據而非原始數據。

後融合算法典型結構 圖源:CSDN用户xingdou520

而前融合技術則較為少見,其原理是將各傳感器的原始數據進行時間與空間上的同步後,統一在主處理器進行處理。這種方式的優勢在於可以大大提升對物體感知的全面性,減少誤檢漏檢發生。但難度很高,一方面,對於處理器的算力要求非常高,另一方面,將各傳感器的空間進行對齊也存在困難。

前融合算法典型結構 圖源:CSDN用户xingdou520

飛凡汽車這次提出的“全融合”,則是將兩種融合技術再加上兩種相融的結果,三種進行融合,但為什麼不只是用更有優勢的前融合,三種融合在實際使用時又是怎樣工作的,實際上都佔了多大比重。這些關鍵問題,飛凡汽車並沒有詳細説明。

圖源:飛凡汽車

手機、電腦等消費品的“軟件”,可以直觀地通過UI來體現,但自動駕駛的軟件層面並沒有直觀的體現方式。只能靠車企“一張嘴”來説。但從兩方面,就註定車企在這部分的故事講不深。

一方面,軟件算法比較晦澀難懂,想要通俗易懂並正確的傳遞給大眾,存在難度。這次飛凡汽車“試圖”為用户講明白軟件上的創新,就被媒體指出“硬傷太多”。車企自己都能講錯,更別説用户理解起來有多費勁。另一方面,軟件如何真正體現給用户看?總不能拿底層代碼來看吧,最後就變成講太多了涉密,而講得太少又沒意義這種局面。

圖源:微博@電動知士大雨

話説回來,如此強調軟件的飛凡R7,這次在感知硬件上也拉得很高,不但搭載了LUMINAR激光雷達,還搭載了採埃孚的Premium4D成像雷達。從宣傳角度來説,與其強調這些軟件上的東西,還不如講講硬件來得實在。但在品駕看來,無論講軟件還是硬件,事實上都有點跑偏。

應該告別“重參數,輕效果”

汽車新四化讓車變得更像是“數碼產品”,比參數那一套邏輯也被帶到了車上來。車企強調車的算力、芯片、車內的屏幕個數、輔助駕駛的功能點等等,但“這些屏幕用起來到底怎麼樣?輔助駕駛好用嗎?極端工況下這些功能還能應對嗎?”等這些注重效果的內容,則被忽視。

特別是在輔助駕駛方面,如果只看功能點,很多家都很類似,但從實際體驗來看,相差甚遠。舉個例子,算力只有10TOPS的理想ONE可以在部分高速道路上使用導航輔助駕駛功能,而算力高達1016TOPS的蔚來ET7,在城市導航輔助駕駛功能開放前,這款車也只能在部分高速路段使用導航輔助駕駛功能。如果不看實際效果,那它們又有什麼區別?多出的一千算力意義何在?

重參數,最後也只會引來參數上的內卷,激光雷達從一個變成四個,算力從10變成1000。車企有必要從實際應用與體驗角度上,講明白自己的產品,而不是拋出一些唬人的參數與技術。產品最終還是拿來用的,而不是拿來比的。飛凡汽車也提出了“堅持做大腕不做大嘴”的口號,這款車的水平究竟如何,等着拿實際表現來説話。