汽车市场进入“胜者为王”时代，但车企的城市辅助驾驶困境如何解决

电子发烧友网报道（文/莫婷婷）在具备电动化基础后，智能汽车的发展已经进入下半场。但在下半场，智能汽车依旧面临着技术、市场和政策等多方面的挑战和机遇。下半场的竞争将更加注重智能化技术的集成和应用，如何在多变的市场环境中保持竞争力，不少汽车企业都争先推出城市辅助驾驶功能。但更高阶的城市领航等功能还需解决不少技术挑战。


汽车智能化下半场，车路云一体化是关键

目前来看，智能汽车的应用场景可以根据需求分为城市通勤、高端公务、硬核越野、极限运动等，不同的场景对智能驾驶、底盘域控制、智能地形识别等技术的需求程度以及应用痛点都不一样。例如城市通勤中，最需要考虑到的是补能问题和续航里程，例如采用eDTC 滑行能量回收扭矩控制，能够在正能量回收的情况下，保证车辆稳定地驾驶。

另外，在实现智能驾驶功能的过程中，智能汽车还有不同的应用痛点。根据麦肯锡汽车数字服务客户调查数据，用户在购买智能汽车时倾向的付费特性中，驻车辅助、自动泊车功能需求是最高的，接下来是自适应巡航控制、车道辅助、交通标志识别功能等。随着智能驾驶级别的提升，“车路云一体化”将在自适应巡航控制、交通标志识别等功能承担更重要的角色。

但在当下，智能汽车的发展还面临着困境，这个困境不仅仅是汽车企业需要解决的。中国信息通信科技集团有限公司副总经理陈山枝近期在行业william hill官网 上分享了他看到的智能汽车发展过程中的挑战以及观点。

一是如何看智能网联汽车、车联网、车路云协同的关系。车路云协同是车联网的具体应用，但从智能网联汽车、智慧交通的角度看，又有不同的应用，例如智能网联汽车的车路云一体化更关注驾驶安全、高效驾驶及信息娱乐。他认为汽车将成为最大的移动智能终端，有望成为继移动互联网后的下一个超级入口，未来将出现车联网平台经济。

二是多种通信技术间的关系（车企/路方）。车联网业务需求包括近程信息交互和远程信息服务。近程信息交互包括车与车之间（V2V)、车与路之间（V21)、车与人之间（V2P）的交互，要求低时延、高可靠，远程信息服务指的是车与云之间（V2N）的交互。

对不同的车联网需求，4G/5G、C-V2X、卫星通信等技术针对性赋能。例如NR-V2X服务于全场景无人驾驶的传感器数据共享、高密度群智协同。卫星通信解决4G/5G基站未覆盖的区域、地震等场景服务。

陈山枝分享了他的三大观点，一是C-V2X网联与单车智能相互赋能，单车智能是基础，车联网（网联）是增强。二是当前的车和路的协同感知是各自的自主决策。三是车联网新型基础设施促进车路城融合发展。

5G基站在车联网业务中解决了广域覆盖、大带宽数据传输的问题。而5G+V2X融合组网，能够带来低时延、广覆盖、稳定可靠的通信服务。中国移动（上海）产业研究院副总经理黄刚提到，车、路、云各自发挥功能的前提是在统一的标准下互联互通。路侧、网络侧、车侧的基础通信建设是必须融合统一的，共同形成覆盖网。据了解，5G+V2X广域覆盖，能够降低40%的RSU设备投入。


AI融合、低成本的高阶智能驾驶方案需求已现

智能驾驶技术的发展带来了不一样的城市生活，从功能的迭代方向来看，高阶智能驾驶技术的实现需要多种技术的配合，包括智能驾驶芯片、传感器、算法、AI、操作系统等等等。现阶段，智能汽车产业链上的玩家都在努力往高阶智能驾驶的方向靠近，不管是硬件产品还是软件产品，都在加速迭代。

大疆车载此前推出了标配高阶智驾方案成行平台7V+32TOPS。7V指的是前视一对800像素的惯导立体双目摄像头，后视一个800万像素的单目摄像头，加上4个300万像素的环视摄像头。所需算力仅为 32TOPS。

降低单车智能成本是智能汽车发展的关键方向。正如大疆车载负责人沈劭劼提到的观点，“高阶智驾不仅要平价，还要平权，才能标配普及”。据了解“7V+32TOPS”方案成本约为5000元，在静态障碍物刹停等高阶智能驾驶需要处理的极限场景，能够做到跟20万，甚至30万的智能汽车相媲美。

为了实现更高阶的城市领航等功能，大疆车载推出“7V+100TOPS”及“10V+100TOPS”的配置。只需更换域控就能完成升级，域控内部嵌入标清地图，加快上车速度。在“胜者为王”的汽车市场，产品上车速度影响着新车型的存活周期，往往决定了企业能否抢占市场先机。

沈劭劼透露，基于已有合作伙伴的情况来看，该方案的适配周期约为3到6个月，新合作伙伴的新车型约为6到9个月。预计2024年将有超过20款车型上市。


该方案不依赖高精度地图，包含高速领航，城市记忆领航，记忆泊车跨层记忆泊车等高阶智驾功能体验，且油车电车均可用。由于燃油车在结构性和技术上的瓶颈，因此其智能化需要解决更多问题。大疆车载成行平台的推出能够在一定程度上加速燃油车智能化。

在提升单车智能系统的感知能力方面，传感器已经是“必要条件”。由于考量因素不同，选择雷达还是纯视觉方案，在前两年一直有所争议。在这个过程中，智能驾驶技术进入城市路段，带来更复杂的技术挑战，笔者认为未来AI技术在汽车智能化过程中同样将发挥不可替代的作用。

鉴智机器人推出了以AI驱动的双目视觉传感器方案，可显著提升NOA的性能边界。该方案有着10x稠密的3D信息表达，能对复杂场景3D拓扑结构感知，可应用于通用障碍物检测，且不依赖Lidar的4D数据闭环。鉴智机器人联合创始人、CEO单羿表示作为天然的Occupancy表达，以1/100的数据需求达到Occupancy实用性能，助力体验升级。

值得关注的是，传统双目立体视觉是由日德系车企引领，应用于L2 ADAS领域。而AI双目立体视觉，是中国科技企业打造的新质生产力”，赋能高阶自动驾驶的革新已实现规模量产。单羿行业william hill官网 上分享了一组数据：双目立体视觉已量产/即将量产的市场机会已覆盖超过10%的乘用车，并在快速提高。也就是说双目智驾方案在市场的接受度越来越高。

根据介绍，搭载鉴智机器人AI双目立体视觉系统PhiStereo的智能底盘方案已实现规模量产，智驾魔毯二合一的方案也将于今年大规模量产上市。

单羿认为下一代的智能驾驶系统会是以AI大模型驱动的智能驾驶方案，但前提是要实现端到端车上的部署。因此在2023年，鉴智机器人推出了端到端自动驾驶模型Graph AD，已在头部车企实车调试NOA功能，是业内第一批端到端自动驾驶大模型项目。


如何让大模型与芯片结合，释放芯片的计算优势？鉴智机器人选择与地平线展开合作，发布首个基于征程5的标准感知产品PhiVision。该产品具备车辆检测、红绿灯检测、车道线及地面标记检测、一般障碍物监测等感知功能。


小结：

当前，智能汽车市场的竞争越来越激烈，除了“价格战”，更加高阶的智能驾驶功能、更懂用户需求的产品将获得市场的认可。如何争夺更大的市场份额，汽车企业在城市辅助驾驶功能上下了不少“功夫”，但首先需要实现的还是“车路云协同”，汽车企业也在与通信企业合作，打造更高的智能驾驶体验，AI技术在这个过程中的作用也在进一步凸显。