从Waymo和Cruise在美国加州获得自动驾驶出租车商用许可证,到百度Apollo、小马智行在北京获准启动收费的Robotaxi试点服务,再到自动驾驶商用车在干线物流、港口、矿山、低速等场景加快应用,自动驾驶的商业化正迎来“春天”。

随着行业发展进入新阶段,人们不禁产生新的疑问:自动驾驶的商业化还存在哪些瓶颈?多久才能走向成熟?企业未来应该如何蓄力前行?对此,整车企业、芯片供应商及不同类别的自动驾驶公司,有自己的感悟与理解。

“3.0时代”提出新需求

集度汽车首席执行官夏一首先提出了智能汽车“3.0时代”的概念。他认为,在实现高阶自动驾驶和高度智能交互后,汽车实际上就是拥有汽车形态的机器人,具有迭代能力。汽车机器人将开启智能汽车波澜壮阔的“3.0时代”。

在过去很长一段时间里,汽车的计算能力一直低于智能手机。有一种说法,在今年之前,整车特别是座舱的计算能力仍低于智能手机。这导致了很多对算力有要求的AI技术,不能在汽车上发挥优势,也无法全面充分地提升用户体验,导致了技术与产品的隔阂。

夏一认为,智能汽车“3.0时代”将赋予汽车足够的算力。最一段时间,随着高通、英伟达、地线等企业高算力汽车芯片的推出,原来以运输属为核心的汽车正在演变成由AI驱动的智能移动空间,给行业发展带来了更多可以想象的空间。“AI带来了技术的革新、效率的提升和体验的颠覆。”夏一认为,2023年会是汽车智能化竞争的元年,智能汽车“3.0时代”即将到来。

如何定义智能汽车“3.0时代”的产品?夏一介绍说,第一,它应该具有实现高阶自动驾驶的软硬件系统,具备在城市域、高速域、停车场点到点的自动驾驶能力;第二,语音、语义交互要做到准确识别,交流过程要自然无障碍。简单来说,就是接于人与人之间的真实交流,不再是简单的指令,而是根据不同的场景和需求主动建立沟通;第三,根据驾驶人员对汽车的使用惯,完成自主学和功能迭代。如何持续让AI在车辆上进化是“3.0时代”产品的核心竞争力。

而这些能力和体验的背后,离不开软件、算法以及满足相应算力要求的硬件的共同支撑。“软件的研发、验证以及确保软件运行的安全稳定,是所有汽车企业都要去关注的方面。”夏一强调称。

渐进式路线的背后逻辑

软硬一体、算力冗余、智能云等,为高阶自动驾驶落地提供了一定的技术支撑,但如何推广商业模式始终是横亘在不少企业面前的“一座大山”。在市场尚未完全成熟的情况下,企业如何自我“造血”,成为关乎其生存发展的重要命题。

自动驾驶行业流传一句话,“攀登珠峰,沿途下蛋”。“珠峰”是一个终极目标,或者说企业初心;“下蛋”则指在追求“理想主义”目标时,用孵化出来的技术做出“现实主义”的产品。如今,自动驾驶市场上既有直接推广Robotaxi一步到位的方案,又有从低阶到高阶量产迭代的方案。图森未来联合创始人兼首席架构师郝佳男表示,自动驾驶有很多方向都值得探索,不在一定的时间周期内,很难看出最终哪个方向更可行,所以不同的探索都是合理的。

宏景智驾联合创始人兼软件算法副总裁董健表示,该公司非常坚定地走迭代的渐进式路线。“宏景智驾的终极目标是做高阶自动驾驶,但我们希望选择逐步可持续落地的路径。”他说。

目前,国内还没有比较完善的针对L3级以上自动驾驶的法规。换句话说,如果不做L3级以下自动驾驶系统,创业公司不可能拿到车企每年10万辆甚至百万辆级的订单。对于宏景智驾来说,选择渐进式路线,已使其获得不错的营收业绩。

通过L2及L2+级自动驾驶项目,宏景智驾积累了很多量产经验。董健谈及,自动驾驶系统非常复杂,涉及软件、硬件、系统集成等多个方面。如果不经历量产项目的“洗礼”,不经历与车企的深度磨合,恐怕很难打造出真正能够落地量产的产品。

此外,从数据积累角度来看,如果选择只做Robotaxi项目,在法规和限定区域的条件下,量级可能只是数百辆的车队;但如果做L2或L2+级自动驾驶项目,可以积累到每年数十万甚至数百万辆汽车的数据,同时也不限定区域。这些数据的丰富程度有利于企业推动L3、L4级自动驾驶走向成熟。

应对B端和C端双重诉求

禾多科技副总裁戴震判断,2025年或是自动驾驶量产的关键时间节点,而现阶段行业面临的最大挑战在于,要同时满足B端及C端客户需求的双重诉求。

传统车企行事谨慎,将安全、稳定作为重中之重,供应商在技术开发和流程控制等多个方面必须满足这些要求。而从消费者角度出发,虽然现在市面上的车辆具备了不少ADAS功能,但不敢保证所有的体验都能让他们满意,难免有些消费者对技术的应用产生一定的顾虑,这从某种程度上也制约了自动驾驶的商业化落地进程。

在驭势科技联合创始人兼首席产品官周鑫看来,自动驾驶的推广要着重解决以下几个问题。首先,安全是金科玉律,永远要放在第一位,没有安全就没有自动驾驶的未来。对算法的追求无可厚非,但企业仍要系统化地保障安全,比如针对一些特殊的天气场景。

其次是效率和成本,无人驾驶技术应用的最终目的,要么是削减成本,要么是创造效益,总归要帮助客户创造价值,同时帮助整个社会进步。这就要求相关企业真正做到,在各种复杂场景下的自动驾驶汽车有更高的速度、更敏捷的能力和更好的能。

根据多年来服务B端客户的经验,周鑫总结出了另外一个关键点——管理,包括社会管理、法律管理和行业管理。“管理虽然与技术和产品研发没有直接关系,但它可能是自动驾驶最终能否商业化的决定因素。从宏观到微观层面,管理一定需要与无人驾驶的技术研发配合,互相改变,互相‘进步’。”他表示,此前针对有人驾驶的管理办法,不一定适合无人驾驶技术,否则可能扼杀自动驾驶行业的未来。无人驾驶一定与社会管理者同时进步,与企业管理者一起行动。

突围单车智能和车路协同

展望自动驾驶的未来,无疑会是一条充满机会,但又陡峭崎岖的山路。寒武纪行歌执行总裁王指出,未来5年,行业将呈现三大趋势。第一,L2+级自动驾驶系统配装率迅速普及,未来5年,L2+级及以上自动驾驶系统的总体渗透率会超过50%;第二,受限场景下L4级自动驾驶解决方案将逐步落地,但距离大规模量产还有很长的路要走;第三,车路云的闭环协同,将推动驾乘体验持续升级。

与此同时,自动驾驶芯片的发展将呈现通用开放和大算力的特征。在L1和L2级自动驾驶阶段,汽车产生的数据量相对比较少,因此不少车企接受了芯片和算法强耦合的封闭式一体化方案;到L3、L4级自动驾驶阶段,数据量会激增,算法也将更加复杂,大算力芯片才能满足需求。此外,OTA也需要通用开放的软件台加以支撑。

表示,自动驾驶系统的规模化落地,目前还面临多重挑战。单车智能方面,一是目前单片SoC的处理能力普遍不足,两片甚至更多片才能满足需求,使得系统复杂度指数级上升,造成量产困难;二是多片SoC的应用导致域控制器功耗很大,必须采用风冷甚至液冷,增加了系统成本,使得自动驾驶系统在10万元以下车型上很难普及;三是国产芯片市场占比仍然较低,芯片供应受全球供应链影响巨大。

而在车路云协同方面,首先,海量数据的闭环需要大规模AI集群的支撑,根据特斯拉方面的数据,每一辆智能汽车上路,就需要增加价值500美元的云端AI计算资源支撑,企业成本压力巨大;其次,车企还需投入大量资源,对数据安全和隐私进行保护;最后,云端统一运营数据的模式,还不能有效满足车主的个化需求。

推荐内容