還沒玩明白鐳射雷達，車企又開始給使用者講演算法了

買有輔助駕駛功能的車型，一般人會看軟體還是硬體？

相比於晦澀難懂、不夠直觀的自動駕駛軟體來說，車企更願意聊聊有硬核引數與衝擊力的硬體。這點從很多專業使用者都喜歡談論的“鐳射雷達數量和線束”就可以看得出來。

不過，最近出現了一家樂於講軟體的車企——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體還是硬體”這一老生常談的話題。不過，無論是軟體還是硬體，其實車企更應該講點其他的。

為什麼都愛講硬體故事？

“（鐳射雷達）四顆以下，請別說話。”

“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超算平臺的介紹。車企更願意介紹與強調硬體，軟體上通常只是一句“該功能通過後期OTA實現”。自動駕駛的關鍵，在於硬體嗎？

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），軟體硬體都必須到位。但軟體能力的提升，一定程度上可以減少感測器數量。例如有些Robotaxi只需要2顆鐳射雷達，而有些則需要6-8顆左右。當然，鐳射雷達的數量並不能直接反映軟體水平，還要考慮到具體每個鐳射雷達的成本與效能，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，也需要重視感測器的配置，但並不代表軟體能力的強弱。

自動駕駛的硬體，包含超算平臺、感知感測器、通訊模組以及慣性測量單元等等。差異主要集中在感測器與超算平臺。而人們討論的話題，也往往集中於“感測器與演算法”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，但在軟體演算法、資料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（視覺或鐳射雷達）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，在軟體能力還不夠的今天，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，鐳射雷達現在的成本雖然相比攝像頭高出數倍，但隨著鐳射雷達的生產工藝提升，規模擴大，預計車載鐳射雷達的平均單價將會從2021年的6500元降低至2030年的1719元（資料來源：《中國鐳射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鐳射雷達路線的車企。

另一條路線，則是在硬體上拉滿，搭載鐳射雷達、大算力晶片等，規格上早已超過普通L2級別的需求。一方面，車企解釋為“硬體預埋”，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，需要更高的硬體水平。

不過，可以明確一點，沒有不重視自動駕駛軟體演算法的，只不過當前的軟體水平還不足以讓鐳射雷達等硬體“下崗”，因此，至少在現階段，想帶來良好體驗，軟硬體都需要到位。

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

但軟體故事，還真就不太好講。

軟體故事：講多了涉密，講少了沒意義

軟體層面的東西，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”，講起了軟體上的創新。在感知融合上，號稱使用了行業首創Full Fusion全融合演算法。通俗來說就是使用了前融合+後融合+混合融合三種。

我們都知道，車輛上有鐳射雷達、毫米波雷達、超聲波雷達以及攝像頭等多種感測器。車輛需要把他們的資料融合到一起。在融合方式上，目前絕大多數都採用後融合。後融合，是各感測器分別通過各自的感知演算法，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資料而非原始資料。

而前融合技術則較為少見，其原理是將各感測器的原始資料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，將各感測器的空間進行對齊也存在困難。

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說明。

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

一方面，軟體演算法比較晦澀難懂，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”為使用者講明白軟體上的創新，就被媒體指出“硬傷太多”。車企自己都能講錯，更別說使用者理解起來有多費勁。另一方面，軟體如何真正體現給使用者看？總不能拿底層程式碼來看吧，最後就變成講太多了涉密，而講得太少又沒意義這種局面。

話說回來，如此強調軟體的飛凡R7，這次在感知硬體上也拉得很高，不但搭載了LUMINAR鐳射雷達，還搭載了採埃孚的Premium4D成像雷達。從宣傳角度來說，與其強調這些軟體上的東西，還不如講講硬體來得實在。但在品駕看來，無論講軟體還是硬體，事實上都有點跑偏。

應該告別“重引數，輕效果”

汽車新四化讓車變得更像是“數碼產品”，比引數那一套邏輯也被帶到了車上來。車企強調車的算力、晶片、車內的螢幕個數、輔助駕駛的功能點等等，但“這些螢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？

重引數，最後也只會引來引數上的內卷，鐳射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，而不是丟擲一些唬人的引數與技術。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，等著拿實際表現來說話。