請輸入網(wǎng)站標題

當前位置：

現(xiàn)在的自動駕駛，我們應該聊哪些技術？

近年來，隨著汽車技術的普及，汽車智能化技術逐漸成為行業(yè)焦點。智能化不僅代表了技術發(fā)展的必然趨勢，也為用戶帶來了更加便捷、安全和高效的駕駛體驗。汽車智能化的實現(xiàn)依賴于多個技術領域的深度融合，其中包括電動化技術提供的能量基礎、智能駕駛算法的快速迭代、算力芯片的發(fā)展突破以及大規(guī)模數(shù)據(jù)的積累。這些技術的不斷進步和政策的支持推動了汽車智能化的快速滲透。

2024-11-29 10:59:28

編者語：后臺回復“入群”，加入「智駕最前沿」微信交流群

汽車智能化發(fā)展現(xiàn)狀

1.1 電動化為智能化奠定能量基礎

汽車電動化的發(fā)展為智能化功能提供了堅實的能量基礎。電動車采用到動力電池作為動力源，使得其能夠為大量的傳感器、計算芯片和通訊設備提供持續(xù)穩(wěn)定的能量支持。而這些設備正是實現(xiàn)智能駕駛和智能座艙功能的關鍵所在。根據(jù)行業(yè)數(shù)據(jù)，2023年我國新能源汽車銷量已達到949.5萬輛，同比增長37.9%，滲透率達到31.6%。這一趨勢表明，隨著電動汽車普及程度的不斷提高，智能化功能在汽車行業(yè)中的地位愈發(fā)重要。

新能源汽車的性價比提升也極大地推動了智能化技術的普及。在電動化初期，政府通過購車補貼、免稅政策等方式激勵消費者購買新能源汽車。而隨著電池技術的成熟、生產(chǎn)成本的下降以及整車制造工藝的優(yōu)化，電動車的經(jīng)濟性逐漸接近甚至超越傳統(tǒng)燃油車，從而激發(fā)了市場的需求。這一過程不僅為智能化技術的滲透創(chuàng)造了條件，還促使汽車廠商紛紛引入智能化功能以滿足消費者的需求。

1.2 智能駕駛與智能座艙的雙輪驅(qū)動

智能駕駛和智能座艙是汽車智能化發(fā)展的兩個核心方向，二者在提升駕乘體驗的同時，也為行業(yè)帶來了新的競爭格局。智能駕駛技術通過自動化的方式減少了駕駛員的干預，提高了駕駛的安全性和便捷性。而智能座艙則通過數(shù)字化和信息化手段，增強了車內(nèi)環(huán)境的互動性和舒適度。

隨著芯片算力的提升、傳感器技術的成熟以及算法的快速迭代，越來越多的汽車廠商開始將智能駕駛功能作為車輛標配。從最初的L2級駕駛輔助系統(tǒng)，到如今具備L3甚至L4級別功能的自動駕駛技術，智能駕駛正在快速滲透到各類車型中。而智能座艙方面，隨著消費者對車內(nèi)娛樂、信息系統(tǒng)需求的增加，車載多媒體、語音交互、全景顯示等功能也逐漸成為市場的標配。

智能駕駛分級標準

從商業(yè)角度來看，智能化功能不僅提升了汽車的附加值，還為車企開辟了新的盈利模式。與傳統(tǒng)的硬件銷售模式不同，智能化功能通過“硬件預埋+軟件收費”的方式，使車企能夠在車輛售出后通過后續(xù)的軟件更新和功能擴展獲得持續(xù)的收入來源。例如，特斯拉的FSD（全自動駕駛）功能采用訂閱或買斷模式向用戶收費，訂閱費為每月99美元，買斷費用高達8000美元。這種模式不僅提升了車企的盈利能力，還加速了智能駕駛技術的推廣和普及。

城市NOA與車路協(xié)同：智能化的核心技術路徑

2.1 城市NOA的技術挑戰(zhàn)與發(fā)展現(xiàn)狀

NOA（領航輔助駕駛）技術的引入標志著智能駕駛進入了新的發(fā)展階段。最初，NOA技術主要應用于高速公路等封閉或半封閉場景中，其功能包括自動上下匝道、主動變道、超車等。隨著技術的逐漸成熟，NOA技術已從高速場景逐漸擴展到復雜的城市路況，形成了城市NOA這一新的技術方向。與高速NOA相比，城市NOA面臨的技術挑戰(zhàn)要大得多，主要體現(xiàn)在道路的復雜性、交通流量的多樣性以及感知系統(tǒng)對環(huán)境的高精度要求上。

城市NOA技術不僅需要車輛能夠自主識別紅綠燈、行人、非機動車等多種交通要素，還要具備處理無保護左轉、復雜路口和動態(tài)障礙物的能力。這對傳感器、計算能力以及算法的要求都非常高。目前，國內(nèi)的車企如蔚來、小鵬、理想等品牌都在加緊布局城市NOA技術，并將其視為智能駕駛競爭的核心領域之一。2023年的數(shù)據(jù)顯示，城市NOA的滲透率為4.8%，雖然相比高速NOA仍處于較低水平，但隨著技術的逐步成熟，城市NOA的市場潛力巨大，未來幾年內(nèi)有望迎來快速增長。

主流廠商城市NOA進展

2.2 車路協(xié)同：單車智能的有力補充

單車智能是目前大多數(shù)自動駕駛技術路線的基礎，它依賴于車輛本身的傳感器、決策系統(tǒng)和執(zhí)行系統(tǒng)來實現(xiàn)環(huán)境感知、路徑規(guī)劃和車輛控制。然而，單車智能存在一些技術瓶頸，尤其是在極端天氣、復雜道路環(huán)境中，單純依靠車載傳感器很難做到全面準確的感知。這時，車路協(xié)同技術的引入為自動駕駛技術提供了有力的補充。

車路協(xié)同通過路側設備與車載系統(tǒng)之間的實時數(shù)據(jù)交互，實現(xiàn)了對路況的更全面感知。通過在路邊設置攝像頭、雷達等感知設備，車路協(xié)同可以將道路上的實時信息傳輸給車輛，幫助車輛更好地應對“盲區(qū)”或突發(fā)情況。例如，在大雨或暴雪天氣下，車載傳感器的性能會大幅下降，而車路協(xié)同系統(tǒng)則可以通過路側設備提供穩(wěn)定的環(huán)境信息，提升自動駕駛系統(tǒng)的安全性和可靠性。

車路協(xié)同的設想的確可以推動智能駕駛的發(fā)展，但車路協(xié)同的推廣仍面臨一些挑戰(zhàn)，特別是在商業(yè)模式的探索方面。目前，車路協(xié)同的建設主要依賴政府投資，B端和C端的市場需求尚未完全釋放。未來，如何推動車路協(xié)同的商業(yè)化應用，使其與單車智能技術相輔相成，將是行業(yè)發(fā)展的關鍵。

智能駕駛的技術核心：算法、算力與數(shù)據(jù)

3.1 算法：從傳統(tǒng)感知到BEV+Transformer

在智能駕駛的發(fā)展過程中，算法的進步至關重要。早期的自動駕駛感知算法主要依賴于激光雷達和攝像頭的融合，通過多傳感器融合技術實現(xiàn)對環(huán)境的感知。然而，這種傳統(tǒng)的算法在處理復雜場景時容易出現(xiàn)遮擋問題，且需要大量的計算資源。近年來，隨著深度學習技術的突破，新的感知算法BEV+Transformer逐漸成為行業(yè)主流。

BEV+Transformer結合了鳥瞰圖（BEV）和Transformer架構，它通過多層次的特征融合，能夠從多個傳感器的數(shù)據(jù)中提取高精度的環(huán)境信息。這種方法不僅提升了感知的精度，還解決了傳統(tǒng)算法在處理遮擋物時的局限性。此外，BEV+Transformer還具備多模態(tài)融合的能力，能夠同時處理攝像頭、雷達和其他傳感器的數(shù)據(jù)，極大提升了自動駕駛系統(tǒng)的穩(wěn)定性和安全性。

3.2 算力：智能駕駛的核心資源

隨著自動駕駛技術的不斷進步，智能駕駛系統(tǒng)對算力的需求也在快速增長。自動駕駛系統(tǒng)需要處理海量的傳感器數(shù)據(jù)，并通過復雜的算法進行實時決策，這對計算能力提出了極高的要求。尤其是在城市NOA等高級別智能駕駛場景中，系統(tǒng)不僅要處理車輛周圍的動態(tài)環(huán)境信息，還要在復雜交通條件下做出快速準確的判斷。

為應對這一挑戰(zhàn)，車企開始布局高算力芯片，并通過建立超算中心來滿足海量數(shù)據(jù)處理的需求。目前，NVIDIA的Drive Orin芯片已成為高端車型的首選，這款芯片具備強大的計算能力，能夠為未來更高級別的自動駕駛功能提供冗余算力。此外，國內(nèi)的智能駕駛芯片廠商也在加緊研發(fā)，并逐步獲得市場認可。未來，隨著算力需求的進一步提升，車企與芯片供應商之間的深度合作將成為行業(yè)發(fā)展的重要推動力。

3.3 數(shù)據(jù)：多傳感器融合與高精地圖的進化

自動駕駛系統(tǒng)的運行離不開傳感器獲取的海量數(shù)據(jù)。當前，智能駕駛系統(tǒng)主要依賴攝像頭、毫米波雷達、超聲波雷達和激光雷達等多種傳感器共同工作。不同類型的傳感器各具優(yōu)勢：攝像頭可以提供2D視覺信息，雷達能夠提供物體的距離和速度信息，而激光雷達則能夠生成3D環(huán)境模型，幫助車輛實現(xiàn)更精準的路徑規(guī)劃和自主定位。

高精地圖是自動駕駛的重要組成部分，它能夠提供精準的道路環(huán)境信息，包括車道線、交通標識等。然而，高精地圖的制作與維護成本高昂，且更新周期長，這給大規(guī)模應用帶來了挑戰(zhàn)。為此，一些車企開始探索去高精地圖的方案，通過實時的環(huán)境感知和動態(tài)建圖技術，減少對高精地圖的依賴。例如，小鵬、理想等品牌已宣布逐步減少對高精地圖的依賴，轉而使用實時感知技術來提升系統(tǒng)的靈活性和可擴展性。

成本優(yōu)化與商業(yè)模式探索

4.1 激光雷達的成本下降與視覺方案的興起

激光雷達曾是高階自動駕駛系統(tǒng)中不可或缺的感知設備，但其高昂的成本一直是車企面臨的難題。近年來，隨著國內(nèi)激光雷達廠商的崛起以及規(guī)模效應的釋放，激光雷達的成本顯著下降。例如，禾賽科技和速騰聚創(chuàng)等國內(nèi)廠商已成為全球激光雷達市場的領軍者，激光雷達的價格相比十年前下降了數(shù)倍，性能卻大幅提升。

與此同時，一些車企也在探索通過純視覺方案替代激光雷達的可能性。特斯拉是純視覺方案的主要推動者，它通過深度學習算法，實現(xiàn)了基于攝像頭的環(huán)境感知。這一方案不僅降低了硬件成本，還提升了系統(tǒng)的計算效率。然而，純視覺方案在復雜環(huán)境中的表現(xiàn)仍有待提升，因此，目前大多數(shù)車企依然選擇在激光雷達和視覺方案之間尋找平衡。

4.2 商業(yè)模式的轉變與軟件盈利

智能駕駛技術的推廣不僅改變了汽車行業(yè)的技術路線，也推動了商業(yè)模式的轉型。傳統(tǒng)汽車的銷售主要依賴硬件收入，而智能駕駛功能的引入為車企提供了通過軟件盈利的新機會。車企可以通過后續(xù)的功能升級、服務訂閱等方式，持續(xù)為用戶提供增值服務。

例如，特斯拉的FSD功能采用訂閱模式，不僅為車企帶來了持續(xù)的收入來源，還加速了技術的推廣。其他車企也紛紛效仿這一模式，通過軟件更新為用戶提供新的功能和服務。這種“硬件預埋+軟件收費”的商業(yè)模式不僅提升了車企的盈利能力，還推動了智能駕駛技術的快速普及。

結語

隨著汽車智能化技術的不斷滲透和車路協(xié)同技術的逐步推廣，汽車行業(yè)正在經(jīng)歷一場深刻的變革。智能駕駛的技術進步為用戶帶來了更加安全、便捷的駕駛體驗，而車路協(xié)同的引入則為智能駕駛的全面推廣提供了有力保障。未來，隨著算法、算力和數(shù)據(jù)技術的不斷發(fā)展，智能駕駛將逐漸從實驗室走向大規(guī)模應用，并為全球交通運輸系統(tǒng)帶來顛覆性變革。與此同時，行業(yè)也面臨著技術成本、法規(guī)政策以及市場接受度等多方面的挑戰(zhàn)，如何在快速發(fā)展的同時解決這些問題，將是汽車智能化行業(yè)未來的關鍵。

-- END --

上一篇:爆火的端到端如何加速智駕落地？

下一篇:智駕行業(yè)正在面臨哪些變化？

智能駕駛在研究中的問題

2023-02-17

無人駕駛汽車在其優(yōu)勢凸顯的同時也更加暴露出其問題。無人駕駛汽車的問題包括局限性高、人文接受程度問題和安全防御性低等...

滬公網(wǎng)安備 31011402011805號

滬ICP備2022018020號-1

選擇區(qū)號

現(xiàn)在的自動駕駛，我們應該聊哪些技術？

分享到微信

智能駕駛在研究中的問題