在成本壓力面前，什么可以被放棄，什么不可以？

我從沒(méi)有想過(guò)輔助駕駛這個(gè)詞會(huì)與降本增效聯(lián)系在一起。

高階輔助駕駛， 天然與高成本綁定，大算力芯片加上高性能傳感器帶來(lái)的硬件成本， 算法人才的價(jià)格帶來(lái)的極高研發(fā)成本。

這都意味著大量投入。

但是在更高級(jí)別無(wú)人駕駛遲遲未能落地的今天，車企內(nèi)卷堆料沒(méi)有帶來(lái)真正用戶體驗(yàn)明顯提升，也就無(wú)法成為影響用戶選擇的主要因素。

這都讓車企對(duì)輔助駕駛的投入變得更加謹(jǐn)慎，面對(duì)內(nèi)卷的態(tài)勢(shì)， 砍成本， 但是不砍功能成了現(xiàn)在車企面對(duì)輔助駕駛時(shí)的態(tài)度。

那什么是可以被放棄的，什么不可以？

01

激光雷達(dá)

如果目標(biāo)不是 L4，你還有意義嗎？

一年前知乎上還有純視覺(jué)和多傳感器融合的爭(zhēng)論，現(xiàn)在這個(gè)時(shí)間節(jié)點(diǎn)大家似乎都已經(jīng)習(xí)慣了，純視覺(jué)和感知融合的并行結(jié)果。

毋庸置疑，多傳感器融合的上限確實(shí)比純視覺(jué)的上限要高，自動(dòng)駕駛要求的全場(chǎng)景面對(duì)惡劣天氣的足夠魯棒性， 例如光照不足時(shí)穩(wěn)定的環(huán)境感知，攝像頭的被動(dòng)感知特性決定了對(duì)天氣的敏感程度。

而激光雷達(dá)作為主動(dòng)傳感器，能夠在光照不足時(shí)，保證高質(zhì)量的感知結(jié)果，也能提供通用障礙物的檢測(cè)結(jié)果。

但是這就是全部了。

激光雷達(dá)點(diǎn)云對(duì)物體類別天然劣勢(shì)，決定了激光雷達(dá)無(wú)法完全取代攝像頭。

而激光雷達(dá)帶來(lái)的效用卻沒(méi)有讓更高級(jí)別的輔助駕駛更快到來(lái)，不確定性依然存在，鬼影，噪點(diǎn)等等都在嘲笑過(guò)度樂(lè)觀的工程師們。

而量產(chǎn)固態(tài)雷達(dá)們?cè)诔杀就讌f(xié)之后，帶來(lái)的硬件缺陷也再一次困擾著算法工程師們。

所以兩年前大干快上激光雷達(dá)的量產(chǎn)車，實(shí)際上也只是在傳統(tǒng)的 L2 功能下高權(quán)重使用了激光雷達(dá)的點(diǎn)云結(jié)果。

比如 AEB。

「可有意思的是，AEB 的結(jié)果很多家還無(wú)法與純視覺(jué)的 Mobileye 抗衡」。這是某大廠智駕測(cè)試工程師所說(shuō)。???????

加上激光雷達(dá)后，多一個(gè)城區(qū)輔助駕駛場(chǎng)景，再多一個(gè)責(zé)任歸屬都是駕駛?cè)说恼f(shuō)辭。 這似乎無(wú)法成為購(gòu)買決策最重要的原因。

回過(guò)頭看，關(guān)于蔚小理三家，小鵬入局最早，發(fā)布功能也最多，激光雷達(dá)的能力也確實(shí)被有效利用了，城市輔助駕駛的能力也獨(dú)樹(shù)一幟，可是這暫時(shí)都沒(méi)有帶來(lái)實(shí)際的業(yè)績(jī)提升。

蔚來(lái)激光雷達(dá)量產(chǎn)發(fā)布最早，可惜智駕積累不如小鵬，暫時(shí)沒(méi)有證明激光雷達(dá)版本車型比自家上一代方案功能有質(zhì)的飛躍。

如果主打智駕功能領(lǐng)先的 G6 能打一個(gè)漂亮的翻身仗的話，激光雷達(dá)的重要性會(huì)被重新確認(rèn)，相反則是激光雷達(dá)市場(chǎng)的另一個(gè)景象。

但是無(wú)激光雷達(dá)的智駕方案也并未落入下乘，特斯拉FSD的表現(xiàn)和低成本足以讓車企們停下腳步冷靜思考其必要性。

當(dāng)成本壓力倒逼車企推出無(wú)激光雷達(dá)版本車型，激光雷達(dá)最后成為了高配車型一個(gè)補(bǔ)盲或者距離確認(rèn)的器件的話，意義在何處？

如果有一天，激光雷達(dá)成為智駕非標(biāo)配硬件的話，整體出貨預(yù)期暴跌，禾賽們接下來(lái)的業(yè)績(jī)?nèi)绾蝺冬F(xiàn)？

02

高精地圖

你很好，但是也決定了算法的上限。

也許圖商沒(méi)有想過(guò)，自己成為雞肋的一天會(huì)來(lái)的如此快。

高精度地圖的繪制方式?jīng)Q定了上限，頻繁更新的道路界面是帶來(lái)了天然的不確定性， 并且地圖繪制時(shí)也無(wú)法保證完全沒(méi)有錯(cuò)漏。

實(shí)際上，在以往高速導(dǎo)航輔助駕駛中出的很多問(wèn)題都可以歸因到高精度地圖上，定位不準(zhǔn)，或者畫(huà)線不準(zhǔn)確常常會(huì)造成誤打方向，而這些都會(huì)被一句：「高速導(dǎo)航輔助駕駛不是自動(dòng)駕駛，請(qǐng)時(shí)刻保持注意力駕駛」一筆帶過(guò)。

在高精地圖沒(méi)有更新前，這里的 bug 只能靠又一個(gè) if else 解除。

而沒(méi)有高精地圖的地區(qū)只能降級(jí)，也限制了很多地區(qū)的使用，最后都會(huì)表現(xiàn)在產(chǎn)品的銷量上，只靠北上廣深的用戶，銷量再好也難以存活。

還有一點(diǎn)，高精度地圖初始化定位的時(shí)間與 GPS 信號(hào)強(qiáng)相關(guān)，這在信號(hào)不好的位置，又成為了另一個(gè)無(wú)法被解決的瓶頸。

這讓行泊一體方案更加難以推進(jìn)。

于是眾多公司開(kāi)始放出輕地圖方案，眾包建圖，實(shí)時(shí)建圖不一而足，努力降低對(duì)高精度地圖的依賴，進(jìn)而節(jié)省成本。

一個(gè)一級(jí)城市千萬(wàn)級(jí)的費(fèi)用，沒(méi)有車企不想節(jié)省。

03

數(shù)據(jù)標(biāo)注

實(shí)在是太貴了。

今年眾多公司都在說(shuō) BEV + Transformer 方案上車，理想小鵬蔚來(lái)，一個(gè)都沒(méi)有落下，可以提供 360 感知能力的的 BEV 網(wǎng)絡(luò)讓城市導(dǎo)航輔助駕駛成為可能。

但是不可忽略的一點(diǎn)是，之前的積累的數(shù)據(jù)失效了。

之前的 2D 框的標(biāo)注用于做檢測(cè)，然后再確認(rèn) 3D 位置的方式與 BEV 差異極大。

「是的，一切重新開(kāi)始?！鼓耻嚻蟾兄獢?shù)據(jù)負(fù)責(zé)人無(wú)奈表示。

對(duì)于多個(gè)攝像頭共同確認(rèn)距離和位置的方案來(lái)看，也就是說(shuō)，某個(gè)圖像上的標(biāo)注框不再是重點(diǎn)，而是對(duì)應(yīng) 3D 世界的位置。很多方案里不僅加入空間信息，也加入時(shí)序信息，也就是要求穩(wěn)定的 3D 位置跟蹤。

這種標(biāo)注難度不可同日而語(yǔ)。

數(shù)據(jù)重新積累加上數(shù)據(jù)標(biāo)注難度提升，成本壓力更大。這讓一些體量較小的智能駕駛公司被 BEV 拒之門外，也幾乎提前拿到了被高階輔助駕駛淘汰的通知書(shū)。

特斯拉用多達(dá)千人的標(biāo)注團(tuán)隊(duì)和自動(dòng)標(biāo)注產(chǎn)線為后來(lái)者提供了參考，于是國(guó)內(nèi)我們逐漸看到一些類似的宣傳，這些都可歸因給數(shù)據(jù)標(biāo)注成本。

而這已經(jīng)不是算法的范疇了，而是車企數(shù)字基建的范疇。

04

解決不完的 Corner Case

看不到的曙光。

我們期待今年各大車企下半年城市輔助駕駛的大量推送，但是同時(shí)也非?？只拧?/p>

城市輔助駕駛比高速輔助駕駛難太多，城市里的交通狀況復(fù)雜程度難以預(yù)料，等待車企的是事故處理還是榮耀加身可能也只是一念之間。

眾多奇形怪狀的車輛和突然沖出來(lái)的交通參與者，這些都會(huì)放大各家的 Corner case 待解決池。

測(cè)試和修復(fù)工程師的工作量會(huì)被不斷加大，這些工作量都是成本。

從車端回流的眾多異常數(shù)據(jù)放在云端，數(shù)據(jù)如何保存和處理，是金礦還是垃圾堆？需要數(shù)據(jù)挖掘團(tuán)隊(duì)來(lái)回答?？上В@個(gè)問(wèn)題沒(méi)有標(biāo)準(zhǔn)答案。

如何提高 Corner Case 的解決效率，如何從一個(gè)點(diǎn)發(fā)掘到一個(gè)具象泛化的場(chǎng)景。

曾經(jīng)與一個(gè)感知算法工程師聊過(guò)一個(gè)非常有意思的場(chǎng)景：一個(gè)紅色的氣球剛好飄到了十字路口中間，算法將其識(shí)別成了紅燈，造成了車輛異常通行。

這個(gè)問(wèn)題如何解決，采類似的數(shù)據(jù)（且不論采集難度）訓(xùn)練一遍，解決了紅色的氣球場(chǎng)景，但是綠色的氣球可能并不意味著被解決。

這不是合理的迭代方式，特斯拉也做過(guò)了示范，用合成數(shù)據(jù)可以解決這個(gè)問(wèn)題， 例如 Tesla AI Day 上用一家三口在高速上奔跑的合成數(shù)據(jù)解決了某些場(chǎng)景問(wèn)題。

這是值得學(xué)習(xí)的降本策略。

（這里應(yīng)該講 特斯拉的合成數(shù)據(jù)，怎么做的，解決了什么？然后在推導(dǎo)出觀點(diǎn)）

寫在最后

參考答案，摸著特斯拉過(guò)河

現(xiàn)在回過(guò)頭看， 關(guān)于純視覺(jué)和激光雷達(dá)的多傳感器融合的爭(zhēng)論雖然還沒(méi)有定論。

特斯拉為首的視覺(jué)派卻在降本上先得一籌， 畢竟高精度傳感器的配置似乎并沒(méi)有讓高階輔助駕駛來(lái)的更快， 也沒(méi)有獲得實(shí)質(zhì)性勝利。

而特斯拉靠著自己長(zhǎng)久沒(méi)有大改的傳感器方案在一直進(jìn)行著優(yōu)化，如此長(zhǎng)的時(shí)間有這樣的方案定力，這很不容易。

還有很重要的一點(diǎn)，他們的數(shù)據(jù)是一直有高價(jià)值的。 自動(dòng)化數(shù)據(jù)產(chǎn)線到現(xiàn)在也一直在努力進(jìn)行迭代，合成數(shù)據(jù)也在逐漸為他們提供更多數(shù)據(jù)泛化的能力。

高階輔助駕駛價(jià)值被重估的現(xiàn)在， 也許我們十年也看不到 L4 級(jí)別的自動(dòng)駕駛的到來(lái)。

車企逐漸內(nèi)卷，用犧牲利潤(rùn)的方式換取市場(chǎng)大環(huán)境下，自動(dòng)駕駛開(kāi)發(fā)如何從大鳴大放到細(xì)水長(zhǎng)流，是一個(gè)非常值得思考的話題。

畢竟在汽車行業(yè)， 壓縮成本的能力可能比什么都重要。