芯耀
1972
作者：暢秋
隨著中國本土汽車制造業(yè)的崛起，輔助駕駛（ADAS）的發(fā)展正在提速。目前，汽車行業(yè)智能化進程正處于由L2級向L3過渡階段，雖然還沒有達到L3，但已經超過L2，處在L2+階段。
4月下旬，Counterpointresearch發(fā)布了一份統計和預測數據，該機構認為，2024年全球具備L3級ADAS水平的乘用車銷量將超過25,000輛，而中國市場是重要的推動力量，預計到2026年，中國L3級乘用車裝機量將超過100萬輛，占總出貨量的10%。
Counterpointresearch認為，在發(fā)展ADAS方面，中國市場有幾大優(yōu)勢，包括政府的支持，多個L3級測試許可證的頒發(fā)，以及多家供應商在L2級測試方面的進步和技術積累。以上的預測比較樂觀，特別是2026年100萬輛L3級乘用車的水平，令人向往。而在2024年，全球25,000輛L3級的乘用車數量，還是比較客觀的，這在全球數以千萬輛具有ADAS系統的乘用車當中，是非常小的比例。它更多的是出現在商用車領域，如百度的無人駕駛出租車等，在2024年，L3級乘用車還難以進入尋常百姓家。那么，L3級ADAS實現和推廣起來為什么這么難呢？這就要先看一下，從L1到L5，具體都是什么水平。
根據美國SAE的定義，L1級車輛在某些情況下可以協助駕駛員完成某些駕駛任務；L2級車輛可以獨立完成某些駕駛任務，但駕駛員需要始終觀察周圍環(huán)境，并在必要時接管；L3級車輛可以自動駕駛，幾乎不需要駕駛員隨時準備接管；L4則意味著在某些特定條件下完全不需要駕駛員控制；L5級車輛可以在任何條件下完成自動駕駛?？梢姡壳暗腁DAS系統正處在從L2向L3的過渡階段，絕大多數情況下，還不能實現自動駕駛，少數情況下可以，但市場規(guī)模和占比很小。
?01、向L3進發(fā)過程中的收獲
4年前，汽車行業(yè)提出“軟件定義汽車”、“算力軍備競賽”、“E/E架構集中化”等口號，之后，誕生了以算力芯片、底層軟件、算法、域控制器等為代表的全新賽道。當時，以小馬智行、文遠知行為代表的企業(yè)主張“跨越式”落地方式，認為L4級自動駕駛的最佳落地場景是Robotaxi。
相反，以特斯拉為代表的造車新勢力，則認為自動駕駛要“漸進式”落地，即由L2開始，逐步過渡到L2+、L3，最終實現L4。從技術路線來看，多傳感器融合和純視覺路線也存在紛爭，中國公司主張通過搭載激光雷達、毫米波雷達、攝像頭等方式來增強單車感知能力，而特斯拉、Mobileye等公司則在走純視覺路線，專注于視覺算法的開發(fā)和迭代。
經過幾年的迭代，目前，部分L4賽道的參與者雖已開始在中國各地示范區(qū)初步落地，但由于成本及法律法規(guī)等因素，Robotaxi大規(guī)模商業(yè)化落地仍遙遙無期。相反，以蔚小理為代表的造車新勢力已相繼開始規(guī)模化推送通勤NOA和城市NOA等L2+功能。在這種態(tài)勢下，一些在以前專攻L4的商家不得不參與L2+方案業(yè)務，以求生存下去。
總體來看，“漸進式”成為了自動駕駛的主流落地方式。從技術路線來看，特斯拉提出的“BEV+Transformer”、“Occupancy”等視覺算法技術架構在北美通過FSD系統取得成功。中國廠商也開始效仿特斯拉，重建自身感知架構，ADAS感知算法成為商家追求的焦點。
?02、ADAS硬件迭代
在傳統分布式E/E架構下，輔助駕駛系統由幾個相互獨立的子系統（如前向ADAS，側后ADAS，泊車輔助系統，全景環(huán)視系統等）構成，每個子系統都有一個ECU。ECU的主要結構為“單片機+外圍電路”，在這種架構下，Tier1廠商將軟硬件打包以“黑盒”交付的形式提供給主機廠，Mobileye是典型代表。
隨著整車E/E架構從分布式走向集中式，ADAS子系統所對應的ECU也融合成輔助駕駛域控制器，主控芯片從MCU演變成更高性能的SoC芯片，軟件架構也隨之向SOA架構升級，包括系統軟件（虛擬機，中間件等）、算法模塊和應用程序層三部分，實現了“軟硬件解耦”，整個ADAS產業(yè)鏈也分解為芯片、硬件集成和生產、軟件開發(fā)、算法開發(fā)、應用程序開發(fā)等幾大環(huán)節(jié)。
在行業(yè)變革初期，芯片、中間件、算法開發(fā)等環(huán)節(jié)都衍生出了一批創(chuàng)業(yè)公司，他們的技術壁壘在于是否在各自環(huán)節(jié)具備充足的開發(fā)能力和量產經驗。例如，在過去3年里，德賽西威憑借基于對英偉達Orin芯片的ADAS域控制器量產經驗，斬獲眾多車企訂單。然而，隨著部分中低算力的智駕域控制器逐步走向標準化，對優(yōu)秀的Tier1企業(yè)而言（包括芯片供應商、集成供應商、算法供應商等），對其能力的要求已不僅局限于產業(yè)鏈單一環(huán)節(jié)，而是需要憑借領先優(yōu)勢整合產業(yè)鏈上下游，具備集芯片、算法、制造等為一體的綜合供應能力，以建立起生態(tài)系統。從2023和2024年以來的發(fā)展情況來看，已具備建立生態(tài)能力的中國廠商有華為（從底層芯片到上層算法全棧自研）、大疆（具備算法自研能力和制造能力，且能夠把芯片性能發(fā)揮到極致）。
目前，英偉達的Orin芯片占據NOA主控芯片75%的市場份額，中國廠商地平線的征程系列于今年4月發(fā)布了征程6新品，支持城市NOA功能。無論是英偉達，還是地平線，都在盡力補足算法能力，并逐步具備提供智能駕駛完整解決方案的能力。
此外，智能駕駛算法龍頭Momenta也組建了芯片團隊，以補足底層硬件能力。發(fā)展至今，ADAS的硬件系統需要進一步迭代，才能為實現L3級駕駛做好準備，如域控制器，攝像頭，各種雷達等。L3級ADAS的功能更為智能化，要求底層芯片（以域控制器為主）具有更高的算力，同時，對低功耗和兼容性水平的要求將提升。要實現L3級ADAS，要求車輛具備很強的感知能力，對于攝像頭、毫米波雷達、激光雷達等感知設備的裝配量和性能要求將提升。其中，攝像頭將向更高像素進化，毫米波雷達與激光雷達有望在純視覺方案尚未成熟時為ADAS提供更強的道路信息收集能力，滲透率有望持續(xù)提升。與傳統機械液壓制動/轉向相比，線控制動/轉向具有反應速度快、與電氣化架構兼容程度高、能量回收，以及可配置多套冗余機制等優(yōu)點，更適用于L3級輔助駕駛汽車。隨著技術逐步成熟，線控制動/轉向有望成為L3及以上級別智能駕駛的標配。駕駛員監(jiān)控系統（DMS）用于實現對駕駛員的身份、疲勞駕駛以及危險行為進行檢測。對于L3級自動駕駛車輛而言，要求駕駛員在特殊情況下能接手操控汽車行駛。部分國家法規(guī)也對駕駛員在L3級自動駕駛條件下能否接打手機、觀看娛樂系統等做出了規(guī)定，這就需要配置DMS進行監(jiān)控，以在事故發(fā)生時確定責任。預計DMS將成為L3級駕駛的標配。中國已發(fā)布《機動車和掛車光信號裝置及系統征求意見稿》，要求L3及以上級別智能駕駛車輛需配備至少4個藍綠色自動駕駛標志燈，分別位于車身前后左右，用于告知周圍車輛自身處于自動駕駛狀態(tài)。隨著《機動車和掛車光信號裝置及系統》標準正式落地，自動駕駛狀態(tài)指示燈將成為車燈行業(yè)新增市場。
?03、算法和軟件迭代
2016年，特斯拉開始在車端大量收集數據，到了2018年，已初步構建了數據閉環(huán)體系，并逐步完善了云端算力資源、自動化標注、仿真等環(huán)節(jié)。到了2023年，特斯拉完善的數據閉環(huán)體系造就了其極致的模型迭代速度，FSD BetaV11的公測版速度為20天一次。目前，以小鵬和華為為代表的智能駕駛廠商在基礎設施、數據閉環(huán)體系方面逐步完善，成為了中國ADAS行業(yè)龍頭。華為在芯片、通信、移動終端等多個領域積累下來的工程經驗可以深度賦能智能駕駛數據閉環(huán)體系。華為可以自研云端訓練芯片、車端智駕芯片，能夠做到這些的廠商很少，因此，該公司可以做到真正的軟硬件深度協同，提高效率。
余承東在2023年9月問界M7改款發(fā)布會上披露，其云端算力為1.8E FLOPS，每天可以學習1000萬公里數據，到2023年11月，云端算力已經提升到2.8E FLOPS（是國內其他廠商算力資源的2-3 倍），每天可以學習1200萬公里數據，每5天迭代一次模型。小鵬是新勢力車企中最早開始建立數據閉環(huán)體系、布局云端超算中心的廠商，2023年以來，該公司的數據閉環(huán)效率大幅提升，體現在數據收集、模型訓練、部署、仿真全鏈條的效率提升。
在仿真環(huán)節(jié)，2022年可以做到基于真實場景模擬數據，2023年已經具備利用AI生成極限場景并融入到海量訓練數據中的能力。在這樣的數據閉環(huán)能力支撐下，小鵬軟件發(fā)版速度明顯提升。
從2023下半年開始，智能駕駛功能軟件版本迭代速度明顯加快，2023年第四季度，頭部主機廠在年初制定的城市NOA落地目標已開始集中兌現。同時，通勤NOA也在普及。通勤NOA又被稱為記憶行車或AI代駕，指在用戶設定的特定路線上通過車端學習后可以實現點到點單一路徑的領航輔助駕駛。通勤NOA的算法技術棧與城市NOA完全相同，只是大幅縮小了場景范圍，通過多次學習同一條路線來“重建”一個單一路徑的輕量化高精度地圖。硬件成本方面，由于單一路徑下工況相對簡單和可控，對算法模型的泛化性要求也較低，對芯片算力和傳感器的需求也遠低于城市NOA。
從實際應用效果來看，高速+通勤NOA已覆蓋用戶85%的出行場景。因此，對車企而言，在規(guī)?；茝V城市NOA功能的前期，率先落地通勤模式不僅可以在有限的能力下最大可能地滿足用戶需求，并由此逐步培育用戶對高級智駕功能的使用習慣，還可以為主機廠后續(xù)升級或推廣城市NOA功能提供數據積累。在領先車企的示范效應下，騰勢、智己、零跑等多家整車廠都已將通勤NOA功能推出時間表提上日程。
?04、邁向L3的障礙
與L2/L2+不同，L3不再被視為輔助駕駛，而是有條件的自動駕駛，車輛的駕駛任務將主要由智能駕駛系統自身負責，駕駛員無需時刻準備接管。但就目前的發(fā)展情況來看，L3的大規(guī)模商業(yè)化落地很難，除了技術因素，法規(guī)和倫理是難以逾越的障礙。特別是法規(guī)問題，相當復雜。自動駕駛技術涉及行車安全，關乎生命，尤其對L3及以上級別自動駕駛技術而言，駕駛責任更多由車輛本身承擔，行駛的不確定性進一步加大。
因此，各國政府多對高級別自動駕駛落地持謹慎態(tài)度，相關支持性法律法規(guī)的出臺節(jié)奏較為緩慢，這在一定程度上限制了高級別自動駕駛技術的發(fā)展。L3及以上級別自動駕駛車輛的主要操作由車輛自身完成，因此，自動駕駛系統正常運行時出現的交通事故理應由車輛生產者負責。但就當前各國交通政策來看，L3技術并未得到廣泛認可，交通事故的第一責任人大多認定為駕駛員。
以現行的《中華人民共和國道路交通安全法》為例，其明確規(guī)定“駕駛過程中，駕駛員不得出現影響安全駕駛的行為”，表明駕駛員仍需時刻負責駕駛任務，事故發(fā)生時駕駛員將是第一責任人?，F行的美國聯邦交通法規(guī)對自動駕駛汽車交通事故做出了明確責任劃分，規(guī)定“自動駕駛汽車發(fā)生交通事故，作為后備駕駛員的人類司機需承擔責任”，法規(guī)還補充說明，汽車制造公司不逃避交通事故的責任。
德國2021年頒布的《自動駕駛法》規(guī)定：“L3級自動駕駛汽車可以在德國全境1.32萬公里高速公路上行駛，速度不高于60Km/h，可以解放雙手但不能睡覺，不允許駕駛員連續(xù)向后看或離開座位，在必要的情況下仍需要駕駛員接管車輛”。符合上述條件的車輛如果發(fā)生交通事故，責任將屬于車輛生產者。日本相關法律規(guī)定，其境內L3級自動駕駛車輛發(fā)生事故時，原則上由駕駛員承擔責任，生產者的責任僅限于汽車系統存在明確缺陷的情況下。系統被黑客入侵所導致的事故適用于政府救濟制度。
下載ECAD模型
