文|智能相对论
作者|陈选滨
造车新势力格局再度变动，智能驾驶技术又将由谁引领创新？
此前，蔚来汽车公布2021年10月交付量显示，共交付新车3667台，同比下降27%，环比下降65%。这一次销量暴跌让蔚来汽车掉队到了行业第五，目前市场对于智能驾驶的关注便聚焦在了特斯拉和小鹏汽车身上。
但实际上，除了以上两家之外，汽车行业还有另一股竞争势力也正在加速创新崛起。10月29日，长城汽车发布2021年第三季度财报显示，今年前三季度，长城汽车营业收入907.97亿元，同比增长46.11%，净利润49.45亿元，同比增长91.13%，并实现新车销售88.4万辆，同比增长29.9%。同期，长城汽车乘用车市场累计销量为1448.5万辆，同比增长12%。
紧扣“新能源”与“智能化”两大新趋势，长城汽车在新的战略规划上加速飞驰，市值直接飙升破6000亿，成为当下汽车行业强势的竞争者与引领者。如今，旗下的技术品牌毫末智行即将全球上线自家全栈自研的NOH（Navigation on HIPilot，智慧领航辅助驾驶系统），以创新技术能力助推长城汽车持续突围。
目前，国内具备全栈自研辅助驾驶技术的也就是特斯拉NOA和小鹏NGP，长城汽车携手毫末智行NOH的加入，势必又将改变整个智能驾驶领域的格局。
“特小长”站稳量产辅助驾驶第一梯队，
智能驾驶爬上了第一个台阶
在毫末智行发布NOH之前，全栈自研辅助驾驶技术的焦点主要集中在两大厂商特斯拉与小鹏汽车的身上。
2019年，特斯拉发布NOA功能，成为全球第一家具备辅助驾驶功能的汽车厂商。今年1月，小鹏汽车发布NGP自动导航辅助驾驶（公测版），成为继特斯拉之后全球第二家具备全栈自研量产能力的厂商。
目前，毫末智行即将迎来NOH全球上线，并预计到2022年底落地长城汽车34款车型，约占其整体待上市车型80%，预计未来三年搭载的乘用车总量超过100万台。
也就意味着，继小鹏汽车之后，毫末智行将成为国内第二家具备全栈自研辅助驾驶技术的公司，而长城汽车在毫末智行NOH的助力下，也将成为全球第三家具备全栈自研辅助驾驶能力的整车制造厂。
至此，整个量产辅助驾驶领域形成“特小长”组合，特斯拉、小鹏汽车、长城汽车三者依托全栈自研辅助驾驶技术站稳行业第一梯队，成为引领未来智能驾驶技术发展的关键。
为什么这么说？首先我们需要理清两个逻辑。
一，“特小长”组合的形成将进一步打开行业的格局，随着市场利好，接下来更多的厂商投身于全栈自研辅助驾驶技术，量产辅助驾驶能力也将迎来规模化落地。
二，智能驾驶技术并非一蹴而就，聚焦目前“特小长”的量产辅助驾驶能力更能看出，这是一条阶梯式攀升的产业路径，得一步步走。只有先做好了辅助驾驶，才能走下一步，向更高阶的智能驾驶突破，而不是一上来就直盯着L4或L5水平干使劲。
目前，在“特小长”的引领下，辅助驾驶技术正在迎来全面落地的加速期，也意味着智能驾驶即将完成第一阶段的攀爬，可以在有限的路线范围内给予车主类似L4/L5级别的驾驶体验。
具体以毫末智行的NOH功能为例，在NOH功能开启之后，车辆即可根据道路限速（交通标志识别）、路形智能控制车速和前车距离（智能跟车）。在遇到前车压速（压速变道）、路口转向、道路合流、修路围挡等情况下，车辆还会进行自主变道，并同时根据中国驾驶员的驾驶场景处理策略，拟人式地进行安全避让、变道超车（压速变道）等操作。
可以说，这种体验已经非常接近L4级别的标准，即在限定的道路和环境条件，由车辆完成所有驾驶操作。
接下来，在此基础上，只需要继续逐步推进技术迭代，充分挖掘既有技术的价值，实现更成熟的智能驾驶感知与反应，便能完成向更高阶智能驾驶能力的突破。
第一个台阶后继续上行，
智能驾驶出现三大趋势
随着第一阶段的攀爬完成，智能驾驶的技术发展也将进入下一阶段更具挑战的爬坡。届时，整体行业内或将迎来三大层面的趋势变革。
其一，里程质变。
目前，在智能驾驶领域普遍采用测试里程来强调数据层面的优势。但是，随着辅助驾驶量产后，用户的实际里程将更加普遍，也更具应用优势。
简单来说，一方面，在用户的助力下，里程增长将从原来的做加法转为做乘法，以几何倍进行增长，使得从智能驾驶平台的数据能得以更快速地提高样本量，减少算法的误差值。另一方面，由用户实际里程提供的数据远比测试里程的数据更加真实、多样，对于算法的提升也更具应用价值。
因此，对于智能驾驶领域而言，对用户实际里程的重视和采用将带来更显著的产业价值，同时也迎来更大、更全面的数据爆发期。由毫末智行的数据可见，仅仅150天，其辅助驾驶的用户行驶里程就已突破200万公里，使用时长突破30000小时。
这无疑是给行业释放了一个非常积极的信号，一方面是辅助驾驶技术得到了用户的广泛认可，另一方面也预示着未来的市场竞争和技术突破将从用户里程上完成数据的再积累，量产应用非常关键。
其二，架构革新。
紧接着上文所述，用户实际里程意味着数据的爆发式增长，面对未来越来越快的数据增长趋势，智能驾驶厂商需要重点解决的就是数据问题。可以说，数据既是未来厂商突围智能驾驶领域的关键，也是摆在发展道路上坚实的技术壁垒。
目前，特斯拉与毫末智行相继把目光投向了Transformer 架构，将其应用在智能驾驶领域。Transformer不仅能处理各类视觉检测任务（车辆检测、VRU检测、车道线检测、交通标志检测、红绿灯检测等），各类分割任务（可行驶区域检测、全景分析等），3D点云的检测任务和分割（障碍物的检测等），还有潜力提升后续的规划和控制的相关技术。
同时，最关键的是，Transformer可以有效利用海量数据进行无监督的预训练，这是目前最适合超大数据集的技术。这样的架构如果能在大规模的数据中进行应用，那么对智能驾驶算法或许可以带来颠覆性的突破。
特斯拉自不必说，毫末智行NOH也将在未来三年内搭载100万辆长城汽车。由此可见，在两大量产辅助驾驶厂商面前，架构革新已经提上日程，技术的迭代与大规模应用正在不断协同，加速向更高阶的智能驾驶水平攀升。
其三，基因融合。
目前，站在量产辅助驾驶第一梯队的“特小长”三者，都属于“整车玩家”，在他们的身上是汽车制造和科技创新基因的双重融合。随着智能驾驶技术的深入发展，这种基因将进一步转化成为“特小长”的优势，也被更多的厂商所重视。
不管是里程质变还是架构革新，其背后都需要厂商不仅要深入整车制造理解汽车产业，也要具备前沿技术创新能力，同时借助生态圈层的扩展而推动技术创新与应用。毫末智行孵化于长城汽车，如今两者协同，一手抓传统汽车的工业优势，另一手抓AI智能驾驶的技术科技优势，正在释放出1 1>2的产业价值。
不难发现，未来“整车玩家”在智能驾驶技术路径的优势也将持续扩大，前沿技术的创新在汽车产业能迅速实现应用以及数据反馈，继续迭代升级算法，成为一种新的驱动。
技术进步始终是核心，
智能驾驶加速创新也需要“爬阶梯”
聚焦智能驾驶技术的发展路径上，不管是一开始就拿望远镜远眺L4/L5级别，还是爬楼梯式地从辅助驾驶做起，再进阶到智能驾驶水平，技术进步始终是推动应用落地的核心。
而回过头来说，正因为技术是需要“进步”的，而非是“飞升”的。这才需要技术厂商们要一步步往前走，只有走好了这一步再走下一步，才会有看得见的产业成果。
解剖毫末智行的智能驾驶技术版图，我们同样可以看到一条明显地阶梯式上升的路径：
第一，首先通过云端的基础大模型自动诊断分析帮助车端任务域模型更快进步。
第二，再使用无监督聚类的方法挖掘更多相似困难场景，解决AI模型的数据偏见问题，通过使用模型并行和任务流并行的方式，大大提高了AI模型的迭代速度，加快了技术进步的速度。
第三，最后使用CSS云端并行仿真，自动化生成测试案例，极大加快了AI算法的验证速度。
由此可见，从挖掘数据到加速迭代再到算法验真，毫末智行正步步为营，一个一个的攻克技术难点，促成智能驾驶应用落地。而NOH的推出，便是接下来贯穿数据、算法以及应用的又一个关键尝试，对毫末智行深入产业、现实场景起着重要推动作用。
那么，当我们充分地意识到技术进步的逻辑，就会发现在智能驾驶的技术路径上，这样一步一个脚印，先打穿辅助驾驶技术进而推动商业化落地的思路更加符合现实的发展，也更能明显地触及未来。
*本文图片均来源于网络
深挖智能这口井，同好添加vx：zenghy2017
此内容为【智能相对论】原创，
仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。
部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。
