自动驾驶扎堆“重感知”路线：毫末智行如何从独行到领航？

行业玩家纷纷跟上“重感知”路线，但毫末智行已经走得更远

作者 | 曾响铃

文 | 响铃说（xiangling0815）

起售价就突破30万，最贵的G9发布，小鹏汽车又赚了一波眼球。

而除了各种眼花缭乱的功能，不久前小鹏汽车这场发布会中更引发业界关注的，还有其智能驾驶第二代系统XNGP，该系统设定的最终产品形态是所谓点到点全场景智能辅助驾驶，无论有无高精地图，都可以正常运行。

也即，小鹏汽车自动驾驶的路径选择，从原来似乎更偏向地图的路线，逐步转向“重感知、轻地图”的路线。要知道，蔚小理三大新势力在自动驾驶这件事上长期以来都十分倚仗高精地图的发展，现在小鹏汽车XNGP某种程度上在逐步放弃过去的选择。

事实上，“重感知”的做法并非新鲜概念，国内自动驾驶技术厂商毫末智行最早选择了这种方式，很长一段时间内也几乎是行业内唯一采用“重感知”路线的厂商。只不过到了最近，包括小鹏在内，很多技术厂商都在加入这个行列，让“重感知”的队伍更加壮大了。

为什么重感知路线会在这个时间点成为众多厂商的共鸣？答案，可能要从自动驾驶发展的一些现实问题谈起。

激进与保守争斗，中间派“重感知”路线的共识早已注定

特斯拉纯视觉的技术路线一直被认为是自动驾驶行业里的激进派，主要依靠自己的“眼睛”看的做法，能大大节约成本、减少自动驾驶面向消费市场的成本障碍。只不过，随着特斯拉自动驾驶各种事故在全球频发，业界对这种激进的做法存在广泛的争议。

而另外一边，以蔚小理为代表，虽然都想着对标特斯拉，但在自动驾驶这件事上却走向了相反的方向——依靠“别人”的信息来保障安全，也即车辆依靠统一的高精地图对实时环境事无巨细的描绘来避免各种风险，把宝押在别人身上寻求稳妥。

基本上，可以认为在探测环境这件事上，自动驾驶分为了激进和保守两个派别，一头是特斯拉、极氪以及有点跃跃欲试的百度，另一头是几个典型的造车新势力。

从这个意义上看，毫末智行最早选择的“重感知”路线更像是中间派。

相较特斯拉，毫末智行强调激光雷达摄像头毫米波雷达等的相互协同，让汽车实现对环境的感知来做到安全行驶，其本质上与特斯拉在同一技术路线上，但却没有特斯拉单纯依赖摄像头视觉那样的激进；

相较蔚小理们，虽然毫末智行与它们都采用了不同程度的多传感器系统，但毫末智行的方案中又并没有仰仗高精地图。

于是，没有纯视觉般的激进，又不太依赖外部高精地图的保姆式辅助，毫末智行的“重感知”中间派做法很长一段时间内在行业内是唯一的存在。

但情况也在发生变化。

首先，是“生产高精地图也使用高精地图”的百度，长期以来作为“重地图”的典型代表，在2019年突然上线了完全没有高精地图参与的纯视觉项目Apollo Lite。

就当不少人以为百度只是对标特斯拉技术炫技时，2021年，百度纯视觉L4方案出现，准备释放到普通乘用车上，现在其支持的城市领航辅助驾驶方案ANP据说已经在准备量产。2022年8月初，百度搭载12个摄像头、5个毫米波雷达、12个超声波雷达的ANP还在Apollo一场活动中秀了一把。

然后，是自动驾驶流量明星、在高精地图上半路出家的华为，过去几年追赶百度、高德、四维图新等主流图商，借助极狐、阿维塔等具备一定自动驾驶能力车型的落地，在高精地图上具备了一定的话语权。然而，就在5月初的极狐阿尔法SHI版上市发布会上，余承东表示将逐步减少对高精地图的依赖。

实际上，余承东曾多次表达了对高精地图的怀疑，直言“未来不能过分依赖于高精地图、车路协同，（否则）自动驾驶和智能驾驶的能力就上不去。”

再有，就是主要采购外部高精地图服务的新势力企业，开篇提到的小鹏XNGP发布前，何小鹏就在公开场合表达了“重感知”倾向的观点，“对自动驾驶而言，高精地图一定是过渡，云端的结合也只是一个辅助。”

可以看到，各种类型的厂商都在寻求脱离高精地图，究其原因，主要有两个方面。

一是被寄予厚望的高精地图面临继续发展难以突破的瓶颈问题。

在蔚小理过去的方案中，高精地图以其优良的特性在领航驾驶功能中承担诸多职责，要帮助汽车在厘米级范围内掌握红绿灯、车道、路灯、护栏等数十个甚至上百种信息，以确保驾驶的安全。

但是，高精地图目前能够覆盖的范围虽然在绝对数字上看着还可以，但相对于总体交通网络只能说还是很小的一部分，地图扩展的工作投入资源巨大，且受限于国家安全等要求，重要的城市等地区高精地图审批工作推进很慢。

在这种背景下，新势力们转到“重感知”路线上，尝试让车辆提升自身的感知能力，“万事多靠一点自己”就变得十分必要。

二是在硬件上，早期昂贵的雷达其成本开始不断下降，已经接近消费级自动驾驶能够承受的区间，因为惧怕高成本而过分倚仗高精地图的做法，现在逐渐丧失必要性，各种技术方案中都在强化多种传感器协同的配置。

可以说，中间派路线是早已注定的，很多企业想超车走近道结果发现走的是弯路，最终还是回到了“重感知”的路线上来。

硬件软件长期迭代才能构建“重感知”技术能力，行业转向面临时间屏障

选择比努力重要，但不是选择了就万事大吉。

不同的路线都有技术上的侧重，长期的践行会存在大量的技术积累。“重感知”路线就需要在传感器硬件、算法和计算能力上有长期的迭代，这意味着先行者早已经建立了专门符合重感知路线的特定技术能力体系，后来者能够跟随但想要跟上存在“时间”这道无形的屏障。

可以看到，小鹏为了摆脱高精地图的限制，已经宣布未来几年要加快大范围使用高阶辅助驾驶的推进工作，包括未来覆盖大部分城市地区的主动跟车、变道超车、左右转弯等场景驾驶。

而这些，恰恰正是一开始就强调“重感知”、不依赖高精地图的毫末智行过去一直在做的——现在，后来者们可能要再做一遍。一来一去，同样的中间派路线选择，但技术段位可能很难一致。

具体而言，这种“先走一步”时间积累所带来的领先优势，主要体现在三个方面。

一是硬件方案的持续打磨、迭代，更接近广泛的产品化。

“重感知”对硬件的部署和成本要求很高。

今年的成都车展上，搭载毫末智行城市NOH的魏牌摩卡DHT-PHEV激光雷达版车型亮相引发广泛关注，该车采用了2颗激光雷达、5颗毫米波雷达、12颗超声波雷达、12颗高清摄像头一共31个传感器，无论在硬件整体协同还是具体硬件的布局上，都基于毫末智行长期的“重感知”技术积累，形成了一整套“重感知”的技术方案。

尤其是，选择“重感知”路线的毫末智行在成本上也完成了多方位的考量，让这种车型能够真正走向落地。

二是算法上不断迭代，用数据和时间换取技术进步。

“重感知”更依赖算法大脑，而算法的优化又需要不断迭代，是时间和创新的共同产物。

到目前为止，毫末AI的底层系统MANA 的学习时长超过 31 万小时，其虚拟世界驾龄相当于人类司机4万年的驾龄，而在数据积累方面，毫末智行已经完成数十万全要素、多模态CLIPS的标注，在场景库积累方面完成300万小时中国道路驾驶认知场景库。

此外，在“重感知”路线下，毫末智行完成了中国首个大规模量产的城市辅助驾驶系统HPilot 3.0的构建，实现高速、城市道路、停车场的全场景覆盖，尤其是能够扩展到更大规模的城市中，这与被高精地图锁住的地理范围有巨大的不同。

三是算力不断突破，提升技术承载力。

既然是“重感知”，能够承载算法的算力规模就十分重要，厂商必然会在这方面长期优化和创新来承载越来越聪明的算力大脑，服务于感知能力。

可以看到，在毫末智行搭载于摩卡DHT-PHEV激光雷达版车型上的算力方案，单板算力已经达到360Tops，可叠加4板达到1440Tops——要知道，只依靠视觉方案的特斯拉144Tops的算力就已经让很多厂商望尘莫及。

硬件、算法、算力三个维度的技术积累不断沉积下来，应该说，在“重感知”这个新航向上，原来只有一个独行者，现在变成了一个领航员在前、众多随行者在后的格局。

啃下最硬的骨头，“重感知”路线正在保证最大的安全

在“重感知”路线下，率先大规模量产的企业拥有了众多的时间积累优势，这同样体现在具体的场景落地能力上。

随着摩卡DHT-PHEV激光雷达版车型发布，毫末智行NOH已经成为率先大规模量产的城市辅助驾驶。而NOH在全面量产前，已经完成了十分严苛的城市路测，并表现出良好的安全性和智能化能力。

在北京、保定等城市的开放道路，NOH表现出自动避让行人、红绿灯路后自动启停、自动上下环岛等多种复杂能力，应对城市复杂的路况。在北京的一次全程录制的路测中，11公里路段拥有24个路口、27个人行横道、5个无保护人行横道、22个红绿灯、2个四岔环岛，毫末NOH在34分钟的行驶时间里，做到了全程无接管，真正让人看到自动驾驶科幻般的未来场景。

北京、保定这类人口密集的城市实际上路，“重感知”路线下催生的辅助驾驶系统含金量毋庸置疑。而训练阶段就先选择了最具挑战的场景，在啃下最硬的骨头后，再应对其他城市、寻常场景，无疑将变得更加游刃有余。