自動(dòng)駕駛無(wú)疑是截至目前，今年最受投資青睞的一個(gè)細(xì)分領(lǐng)域。

據(jù)業(yè)內(nèi)人士介紹，這是繼 2014、2015 年以來(lái)，自動(dòng)駕駛領(lǐng)域的又一次投資熱潮。有專(zhuān)業(yè)人士認(rèn)為，這次投資熱潮中有明顯的投資趨勢(shì)轉(zhuǎn)變特征出現(xiàn)。具體表現(xiàn)在，與 2022 年 Q1 偏向 ADAS 以及高級(jí)別自動(dòng)駕駛系統(tǒng)級(jí)解決方案提供商不同，Q2 獲投技術(shù)領(lǐng)域分布比較均勻，從感知層的毫米波雷達(dá)、激光雷達(dá)到?jīng)Q策層的芯片、計(jì)算平臺(tái)，再到執(zhí)行層的智能底盤(pán)領(lǐng)域，均有企業(yè)獲得了新一輪融資。

這種轉(zhuǎn)變的背后，是否展現(xiàn)了自動(dòng)駕駛未來(lái)技術(shù)演進(jìn)的方向？帶著這樣的疑問(wèn)，InfoQ 編輯采訪了智行者 CTO 王肖和智行者聯(lián)合創(chuàng)始人、研發(fā)中心副總經(jīng)理張放，以及多位機(jī)構(gòu)投資人。

難以突破的自動(dòng)駕駛核心技術(shù)

多位機(jī)構(gòu)投資人和創(chuàng)業(yè)者均表示，投資方向的轉(zhuǎn)變并不是近期發(fā)生的。事實(shí)上，投資方向轉(zhuǎn)變需要放置到自動(dòng)駕駛及其相關(guān)產(chǎn)業(yè)的整體發(fā)展進(jìn)程來(lái)判斷。從風(fēng)險(xiǎn)投資早期階段來(lái)看，投資是緊跟隨產(chǎn)業(yè)發(fā)展需求的脈絡(luò)進(jìn)行的布局。

比如，早期投資機(jī)構(gòu)聯(lián)想之星 2014 年就入局投資自動(dòng)駕駛，稱(chēng)得上是行業(yè)的先行者。2014 年起，聯(lián)想之星投資了 ADAS、毫米波雷達(dá)、 AEB （自動(dòng)緊急制動(dòng)）、激光雷達(dá)自動(dòng)駕駛零部件方案的供應(yīng)商。2015 時(shí)，自動(dòng)駕駛研發(fā)迎來(lái)大爆發(fā)，聯(lián)想之星投資了解決方案提供商 Pony 。

2018 年開(kāi)始，聯(lián)想之星先后投資了以小馬智行為代表的自動(dòng)駕駛整體解決方案的初創(chuàng)公司。2018 年后，自動(dòng)駕駛從此前追求單車(chē)智能，逐漸轉(zhuǎn)變?yōu)椤奥斆鞯能?chē) + 智慧的路”。聯(lián)想之星的投資也向著更廣的方向發(fā)展，投資了地圖、智慧交通等領(lǐng)域的公司。不難看出，聯(lián)想之星的投資布局動(dòng)線圖，緊跟著自動(dòng)駕駛及其相關(guān)產(chǎn)業(yè)的整體創(chuàng)業(yè)趨勢(shì)。不少投資人坦言：“最近，我們并沒(méi)有觀測(cè)到有新的技術(shù)突破?！?/p>

軟硬件在短時(shí)間內(nèi)很難發(fā)生實(shí)質(zhì)性的突破。所以，智行者 CTO 王肖認(rèn)為：“L4 未來(lái)的趨勢(shì)是要滿足常用場(chǎng)景的商業(yè)化落地，把實(shí)現(xiàn)無(wú)人駕駛的成本降下來(lái)。產(chǎn)品策略方面也是需要自動(dòng)駕駛提供商需要突破的關(guān)鍵所在?！?/p>

自動(dòng)駕駛是人工智能深度學(xué)習(xí)的一種應(yīng)用。自動(dòng)駕駛汽車(chē)關(guān)鍵技術(shù)主要包括環(huán)境感知、精準(zhǔn)定位、決策與規(guī)劃、控制與執(zhí)行、高精地圖與車(chē)聯(lián)網(wǎng)以及自動(dòng)駕駛汽車(chē)測(cè)試與驗(yàn)證技術(shù)等。簡(jiǎn)單說(shuō)，自動(dòng)駕駛核心技術(shù)體系可概括為“感知、決策與控制執(zhí)行”（如下圖所示）。

圖 1：自動(dòng)駕駛核心技術(shù)

感知與決策與是無(wú)人駕駛中最難突破的兩個(gè)模塊，也正是這兩個(gè)模塊決定了自動(dòng)駕駛等級(jí)。這兩個(gè)模塊可通過(guò)車(chē)載攝像機(jī)、激光雷達(dá)、毫米波雷達(dá)、超聲波等傳感器來(lái)感知周?chē)h(huán)境，實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)周邊環(huán)境變化，并依據(jù)所獲取的信息進(jìn)行決策判斷，形成安全合理的路徑規(guī)劃。

市面上推出的自動(dòng)駕駛解決方案，也基本是圍繞著這兩個(gè)模塊展開(kāi)。這兩個(gè)模塊構(gòu)成了自動(dòng)駕駛的決策規(guī)劃能力。面對(duì)人工智能算法以及以毫米波雷達(dá)為代表的感知系統(tǒng)方面的現(xiàn)有局限性，自動(dòng)駕駛方案提供商需要在極度安全與極度智能這兩個(gè)維度中找到平衡點(diǎn)。投資人普遍認(rèn)為，軟硬件的突破確實(shí)不易，如何在產(chǎn)品策略方面推出能夠落地商業(yè)化綜合應(yīng)用是眾多玩家未來(lái)的主要策略。

深度學(xué)習(xí)算法以及感知能力的 瓶頸該如何解決？

目前，深度學(xué)習(xí)還有尚未突破的痛點(diǎn)。比如，在高速路上行駛，廣告牌上若有人像，汽車(chē)“大腦”會(huì)誤認(rèn)為是人，發(fā)出提示音。原因是深度學(xué)習(xí)尚未達(dá)到與人類(lèi)相同的判斷能力。“基于深度學(xué)習(xí)的視覺(jué)系統(tǒng)，不可能把萬(wàn)事萬(wàn)物都學(xué)習(xí)一遍?！蓖跣そ忉尩?。

再有，近期出現(xiàn)的多起電動(dòng)汽車(chē)安全事故，都是撞上了高速路上的靜態(tài)物。這不僅有上述的深度學(xué)習(xí)原因，也有感知層面中毫米波雷達(dá)的固有弊端。最常見(jiàn)的有，由毫米波雷達(dá)對(duì)金屬比較敏感，有時(shí)會(huì)誤將龍門(mén)架識(shí)別為汽車(chē)。

以上提及的深度學(xué)習(xí)算法以及感知能力到底該如何解決？如果是特斯拉這樣單純使用視覺(jué)識(shí)別是否可行？縱觀業(yè)內(nèi)眾多解決方案，主要是兩種方法。一是多融合感知方案，用決策邏輯彌補(bǔ)感知問(wèn)題；二是在云端自動(dòng)化的實(shí)現(xiàn)算法迭代，通過(guò)數(shù)據(jù)驅(qū)動(dòng)的強(qiáng)化學(xué)習(xí)來(lái)訓(xùn)練決策邏輯。在本月 17 日，召開(kāi)了新品發(fā)布會(huì)的智行者，向外界發(fā)布了“輕地圖，重感知”的解決方案。這套解決方案包含了以上兩種方法。

張放直言，智行者不是純視覺(jué)支持者?！叭绻蠖藳Q策規(guī)劃能力沒(méi)有上來(lái)之前，采用純視覺(jué)識(shí)別永遠(yuǎn)是有問(wèn)題的。最典型的是夜間場(chǎng)景。我們推出的 H-INP 系統(tǒng)恰恰彌補(bǔ)了這一缺點(diǎn)?！?/p>

據(jù)悉，H-INP 采用了 6 顆攝像頭 +5 個(gè)毫米波雷達(dá)的多融合感知方案。這種解決方案可以減少對(duì)高清地圖的依賴(lài)，從而實(shí)現(xiàn)“輕地圖，重感知”。不依賴(lài)高清地圖，也是中國(guó)自動(dòng)駕駛廠商未來(lái)拓展海外市場(chǎng)必須具備的能力。

此外，在硬件架構(gòu)配置方面，H-INP 還采用了智行者自主研發(fā)的車(chē)規(guī)級(jí)高算力域控制器，算力可達(dá) 128TOPS，CPU 計(jì)算能力達(dá) 30K DMIPS。結(jié)合上述的多融合感知方案，實(shí)現(xiàn)了成本的有效控制，既滿足了車(chē)輛安全運(yùn)行的需求，又達(dá)到了前裝量產(chǎn)的標(biāo)準(zhǔn)。據(jù)智行者介紹，目前 H-INP 的成本在數(shù)千人民幣。智行者希望通過(guò)低成本的方式，快速推進(jìn)自動(dòng)駕駛落地，進(jìn)而形成商業(yè)閉環(huán)。目前，這套系統(tǒng)還處于原型測(cè)試階段，預(yù)計(jì)今年第四季度推出量產(chǎn)版本。

據(jù)張放介紹，H-INP 采用了平臺(tái)化設(shè)計(jì)，可在此統(tǒng)一架構(gòu)下開(kāi)發(fā)出系列產(chǎn)品，滿足不同場(chǎng)景的需求。在整體系統(tǒng)架構(gòu)的設(shè)計(jì)方面，H-INP 具有功能模塊化、接口抽象化等特點(diǎn)，具體表現(xiàn)為：

1. 將架構(gòu)進(jìn)行了分層解耦，可以更加便利地利用最新技術(shù)成果；

2. 算法模塊化復(fù)用，通過(guò)圖形化工具實(shí)現(xiàn)應(yīng)用設(shè)計(jì)、開(kāi)發(fā)、集成和調(diào)試，將研發(fā)聚焦在算法本身；

3. 深度優(yōu)化的通信和調(diào)度機(jī)制，提供多級(jí)通信機(jī)制與模塊部署的局部性特點(diǎn)相適應(yīng)，提供確定性和 CPU-GPU 聯(lián)合調(diào)度。

在構(gòu)建多融合感知方案中，智行者實(shí)施了以下三個(gè)步驟，以通過(guò)語(yǔ)義理解生成一個(gè)實(shí)時(shí)的云端地圖。整個(gè)過(guò)程，還原和模擬了人在開(kāi)車(chē)時(shí)的真實(shí)情境。“通過(guò)眼睛感知外部事物，從而在大腦中形成了外界地圖?！?/p>

第一步是準(zhǔn)確的目標(biāo)和準(zhǔn)確的檢測(cè)能力。通過(guò)傳感器準(zhǔn)確傳回所需要的數(shù)據(jù)，要精確的“看到”車(chē)道線、標(biāo)志牌等道路元素。

第二步 3D 場(chǎng)景重建的能力。在感知算法的基礎(chǔ)上，盡可能在 3D 場(chǎng)景中準(zhǔn)確還原傳感器傳回的“圖景”，并把離散在不同時(shí)空中的每一幀融合為一個(gè)完整的物理世界。

第三步是語(yǔ)義理解，理解周遭環(huán)境的能力。只有經(jīng)過(guò)邏輯關(guān)系和拓?fù)潢P(guān)系處理之后，才能做出最終的決策規(guī)劃。比如，經(jīng)過(guò)前兩步實(shí)現(xiàn)了完整清晰的物理世界，抓取到了車(chē)道線等道路基本相關(guān)信息。那么，接下來(lái)，車(chē)輛在行駛中要如何利用這些抓取到的這些信息，來(lái)判斷是左拐還是右拐？這就需要第三步邏輯關(guān)系去處理，形成決策規(guī)劃，然后輸送給控制單元進(jìn)行實(shí)施。

用數(shù)據(jù)驅(qū)動(dòng)迭代算法，從而提升自動(dòng)駕駛能力也是智行者著重提升的能力維度之一。這其中涉及到如何去快速挖掘數(shù)據(jù)，清洗數(shù)據(jù)和更新云端的算法模型。張放認(rèn)為，有用的數(shù)據(jù)才能反饋出真實(shí)問(wèn)題，提升算法?？焖侔l(fā)現(xiàn)數(shù)據(jù)就是要自動(dòng)化的挖掘有意義的數(shù)據(jù)。這些數(shù)據(jù)通常是在邊界或者目前尚未解決的場(chǎng)景。張放補(bǔ)充到，在此環(huán)節(jié)，智行者先采用仿真系統(tǒng)測(cè)試一遍算法模型，之后再將有效的數(shù)據(jù)運(yùn)用到真實(shí)車(chē)輛進(jìn)行試驗(yàn)。這樣做可以提升開(kāi)發(fā)效率。

綜上，智行者用在夯實(shí)能力的基礎(chǔ)上，使用了產(chǎn)品策略來(lái)實(shí)現(xiàn)其從特殊場(chǎng)景、特種車(chē)輛等場(chǎng)景延伸至乘用車(chē)領(lǐng)域。

“必經(jīng)戰(zhàn)事”：商業(yè)化場(chǎng)景落地

今年 8 月初，百度發(fā)布了一個(gè)聲明：已獲得中國(guó)武漢、重慶兩個(gè)城市的批準(zhǔn)，可以向乘客提供全無(wú)人駕駛網(wǎng)約車(chē)（ Robotaxi ）有償服務(wù)。但這并不意味著無(wú)人駕駛可以進(jìn)行大范圍商業(yè)應(yīng)用。只有達(dá)到現(xiàn)有網(wǎng)約車(chē)相同的實(shí)用性，徹底拿掉安全員、不限目的地、不限區(qū)域的自動(dòng)駕駛，才是真正的商業(yè)化。我們熟悉的理想、蔚來(lái)、小鵬以及特斯拉實(shí)質(zhì)上應(yīng)用的都是 L2 級(jí)別的輔助駕駛系統(tǒng)。L5 級(jí)別的自動(dòng)駕駛（完全無(wú)人駕駛）實(shí)現(xiàn)還需要很長(zhǎng)時(shí)間的探索和落地試驗(yàn)。傳感器、算法軟件等將是無(wú)人駕駛技術(shù)本身需要攻克的難關(guān)。另一方面，能否在現(xiàn)實(shí)場(chǎng)景中實(shí)現(xiàn)無(wú)人駕駛與整個(gè)交通體系密切相關(guān)，這又取決于智慧交通的發(fā)展。

在這篇文章創(chuàng)作之初，InfoQ 編輯曾聯(lián)系過(guò)多家曾經(jīng)投出了自動(dòng)駕駛明星項(xiàng)目的早期投資機(jī)構(gòu)。事實(shí)上，已經(jīng)有投資機(jī)構(gòu)將注意力轉(zhuǎn)移到了其他領(lǐng)域。有關(guān)人士指出，目前各個(gè)賽道的競(jìng)爭(zhēng)格局已經(jīng)形成，加之技術(shù)創(chuàng)新周期長(zhǎng)的原因，接下里的競(jìng)爭(zhēng)主要集中在商業(yè)化落地場(chǎng)景中。此前，畢馬威中國(guó)則預(yù)測(cè)，中國(guó)主要城市將在 2030 年實(shí)現(xiàn)自動(dòng)駕駛的大規(guī)模應(yīng)用。自動(dòng)駕駛很可能在下個(gè)十年以網(wǎng)約車(chē)或物流配送車(chē)的形式進(jìn)入市場(chǎng)。

據(jù)智行者介紹，其已在特種場(chǎng)景和室外無(wú)人環(huán)衛(wèi)車(chē)細(xì)分市場(chǎng)中進(jìn)行了布局，且所占市場(chǎng)份額不低。此次發(fā)布的高速領(lǐng)航系統(tǒng) H-INP（Highway – Idriver+ Navigation Pilot）表明智行者正式進(jìn)入了乘用車(chē)領(lǐng)域。未來(lái)，還將打造適用于城市場(chǎng)景的城市領(lǐng)航系統(tǒng) C-INP 系統(tǒng)，可實(shí)現(xiàn)不同時(shí)段（白天 / 夜間），人車(chē)混行交通流下的輔助駕駛。

上述的感知與決策模塊，以及商業(yè)化場(chǎng)景落地探索問(wèn)題，都可以采取產(chǎn)品策略進(jìn)行緩解。但是，還有許多業(yè)內(nèi)人士指出，算力已是制約當(dāng)前自動(dòng)駕駛向前發(fā)展的一個(gè)重大考驗(yàn)，同時(shí)也是自動(dòng)駕駛系統(tǒng)得以大規(guī)模落地以及進(jìn)一步實(shí)現(xiàn)商業(yè)化的前提條件。在提及算力之前，當(dāng)前芯片短缺已成為汽車(chē)行業(yè)的巨大痛點(diǎn)。

審核編輯 ：李倩