文｜智能相對論

作者｜陳選濱

造車新勢力格局再度變動，智能駕駛技術又將由誰引領創新？

此前，蔚來汽車公布2021年10月交付量顯示，共交付新車3667臺，同比下降27％，環比下降65％。這一次銷量暴跌讓蔚來汽車掉隊到了行業第五，目前市場對于智能駕駛的關注便聚焦在了特斯拉和小鵬汽車身上。

但實際上，除了以上兩家之外，汽車行業還有另一股競爭勢力也正在加速創新崛起。10月29日，長城汽車發布2021年第三季度財報顯示，今年前三季度，長城汽車營業收入907．97億元，同比增長46．11％，凈利潤49．45億元，同比增長91．13％，并實現新車銷售88．4萬輛，同比增長29．9％。同期，長城汽車乘用車市場累計銷量為1448．5萬輛，同比增長12％。

緊扣“新能源”與“智能化”兩大新趨勢，長城汽車在新的戰略規劃上加速飛馳，市值直接飆升破6000億，成為當下汽車行業強勢的競爭者與引領者。如今，旗下的技術品牌毫末智行即將全球上線自家全棧自研的NOH（Navigation on HIPilot，智慧領航輔助駕駛系統），以創新技術能力助推長城汽車持續突圍。

目前，國內具備全棧自研輔助駕駛技術的也就是特斯拉NOA和小鵬NGP，長城汽車攜手毫末智行NOH的加入，勢必又將改變整個智能駕駛領域的格局。

“特小長”站穩量產輔助駕駛第一梯隊，智能駕駛爬上了第一個臺階

在毫末智行發布NOH之前，全棧自研輔助駕駛技術的焦點主要集中在兩大廠商特斯拉與小鵬汽車的身上。

2019年，特斯拉發布NOA功能，成為全球第一家具備輔助駕駛功能的汽車廠商。今年1月，小鵬汽車發布NGP自動導航輔助駕駛（公測版），成為繼特斯拉之后全球第二家具備全棧自研量產能力的廠商。

目前，毫末智行即將迎來NOH全球上線，并預計到2022年底落地長城汽車34款車型，約占其整體待上市車型80％，預計未來三年搭載的乘用車總量超過100萬臺。

也就意味著，繼小鵬汽車之后，毫末智行將成為國內第二家具備全棧自研輔助駕駛技術的公司，而長城汽車在毫末智行NOH的助力下，也將成為全球第三家具備全棧自研輔助駕駛能力的整車制造廠。

至此，整個量產輔助駕駛領域形成“特小長”組合，特斯拉、小鵬汽車、長城汽車三者依托全棧自研輔助駕駛技術站穩行業第一梯隊，成為引領未來智能駕駛技術發展的關鍵。

為什么這么說？首先我們需要理清兩個邏輯。

一，“特小長”組合的形成將進一步打開行業的格局，隨著市場利好，接下來更多的廠商投身于全棧自研輔助駕駛技術，量產輔助駕駛能力也將迎來規模化落地。

二，智能駕駛技術并非一蹴而就，聚焦目前“特小長”的量產輔助駕駛能力更能看出，這是一條階梯式攀升的產業路徑，得一步步走。只有先做好了輔助駕駛，才能走下一步，向更高階的智能駕駛突破，而不是一上來就直盯著L4或L5水平干使勁。

目前，在“特小長”的引領下，輔助駕駛技術正在迎來全面落地的加速期，也意味著智能駕駛即將完成第一階段的攀爬，可以在有限的路線范圍內給予車主類似L4／L5級別的駕駛體驗。

具體以毫末智行的NOH功能為例，在NOH功能開啟之后，車輛即可根據道路限速（交通標志識別）、路形智能控制車速和前車距離（智能跟車）。在遇到前車壓速（壓速變道）、路口轉向、道路合流、修路圍擋等情況下，車輛還會進行自主變道，并同時根據中國駕駛員的駕駛場景處理策略，擬人式地進行安全避讓、變道超車（壓速變道）等操作。

可以說，這種體驗已經非常接近L4級別的標準，即在限定的道路和環境條件，由車輛完成所有駕駛操作。

接下來，在此基礎上，只需要繼續逐步推進技術迭代，充分挖掘既有技術的價值，實現更成熟的智能駕駛感知與反應，便能完成向更高階智能駕駛能力的突破。

第一個臺階后繼續上行，智能駕駛出現三大趨勢

隨著第一階段的攀爬完成，智能駕駛的技術發展也將進入下一階段更具挑戰的爬坡。屆時，整體行業內或將迎來三大層面的趨勢變革。

其一，里程質變。

目前，在智能駕駛領域普遍采用測試里程來強調數據層面的優勢。但是，隨著輔助駕駛量產后，用戶的實際里程將更加普遍，也更具應用優勢。

簡單來說，一方面，在用戶的助力下，里程增長將從原來的做加法轉為做乘法，以幾何倍進行增長，使得從智能駕駛平臺的數據能得以更快速地提高樣本量，減少算法的誤差值。另一方面，由用戶實際里程提供的數據遠比測試里程的數據更加真實、多樣，對于算法的提升也更具應用價值。

因此，對于智能駕駛領域而言，對用戶實際里程的重視和采用將帶來更顯著的產業價值，同時也迎來更大、更全面的數據爆發期。由毫末智行的數據可見，僅僅150天，其輔助駕駛的用戶行駛里程就已突破200萬公里，使用時長突破30000小時。

這無疑是給行業釋放了一個非常積極的信號，一方面是輔助駕駛技術得到了用戶的廣泛認可，另一方面也預示著未來的市場競爭和技術突破將從用戶里程上完成數據的再積累，量產應用非常關鍵。

其二，架構革新。

緊接著上文所述，用戶實際里程意味著數據的爆發式增長，面對未來越來越快的數據增長趨勢，智能駕駛廠商需要重點解決的就是數據問題。可以說，數據既是未來廠商突圍智能駕駛領域的關鍵，也是擺在發展道路上堅實的技術壁壘。

目前，特斯拉與毫末智行相繼把目光投向了Transformer架構，將其應用在智能駕駛領域。Transformer不僅能處理各類視覺檢測任務（車輛檢測、VRU檢測、車道線檢測、交通標志檢測、紅綠燈檢測等），各類分割任務（可行駛區域檢測、全景分析等），3D點云的檢測任務和分割（障礙物的檢測等），還有潛力提升后續的規劃和控制的相關技術。

同時，最關鍵的是，Transformer可以有效利用海量數據進行無監督的預訓練，這是目前最適合超大數據集的技術。這樣的架構如果能在大規模的數據中進行應用，那么對智能駕駛算法或許可以帶來顛覆性的突破。

特斯拉自不必說，毫末智行NOH也將在未來三年內搭載100萬輛長城汽車。由此可見，在兩大量產輔助駕駛廠商面前，架構革新已經提上日程，技術的迭代與大規模應用正在不斷協同，加速向更高階的智能駕駛水平攀升。

其三，基因融合。

目前，站在量產輔助駕駛第一梯隊的“特小長”三者，都屬于“整車玩家”，在他們的身上是汽車制造和科技創新基因的雙重融合。隨著智能駕駛技術的深入發展，這種基因將進一步轉化成為“特小長”的優勢，也被更多的廠商所重視。

不管是里程質變還是架構革新，其背后都需要廠商不僅要深入整車制造理解汽車產業，也要具備前沿技術創新能力，同時借助生態圈層的擴展而推動技術創新與應用。毫末智行孵化于長城汽車，如今兩者協同，一手抓傳統汽車的工業優勢，另一手抓AI智能駕駛的技術科技優勢，正在釋放出1＋1＞2的產業價值。

不難發現，未來“整車玩家”在智能駕駛技術路徑的優勢也將持續擴大，前沿技術的創新在汽車產業能迅速實現應用以及數據反饋，繼續迭代升級算法，成為一種新的驅動。

技術進步始終是核心，智能駕駛加速創新也需要“爬階梯”

聚焦智能駕駛技術的發展路徑上，不管是一開始就拿望遠鏡遠眺L4／L5級別，還是爬樓梯式地從輔助駕駛做起，再進階到智能駕駛水平，技術進步始終是推動應用落地的核心。

而回過頭來說，正因為技術是需要“進步”的，而非是“飛升”的。這才需要技術廠商們要一步步往前走，只有走好了這一步再走下一步，才會有看得見的產業成果。

解剖毫末智行的智能駕駛技術版圖，我們同樣可以看到一條明顯地階梯式上升的路徑：

第一，首先通過云端的基礎大模型自動診斷分析幫助車端任務域模型更快進步。

第二，再使用無監督聚類的方法挖掘更多相似困難場景，解決AI模型的數據偏見問題，通過使用模型并行和任務流并行的方式，大大提高了AI模型的迭代速度，加快了技術進步的速度。

第三，最后使用CSS云端并行仿真，自動化生成測試案例，極大加快了AI算法的驗證速度。

由此可見，從挖掘數據到加速迭代再到算法驗真，毫末智行正步步為營，一個一個的攻克技術難點，促成智能駕駛應用落地。而NOH的推出，便是接下來貫穿數據、算法以及應用的又一個關鍵嘗試，對毫末智行深入產業、現實場景起著重要推動作用。

那么，當我們充分地意識到技術進步的邏輯，就會發現在智能駕駛的技術路徑上，這樣一步一個腳印，先打穿輔助駕駛技術進而推動商業化落地的思路更加符合現實的發展，也更能明顯地觸及未來。