也許，自動駕駛正走出「恐怖谷」

但真正去用的時候，又覺得「不好用」，落差很大。「有點像人在開車，卻又非常討厭讓它來開」，人會覺得不安全、不舒心，反而有驚嚇。

這個過程可能有些漫長，我們又該如何度過呢？我們看到了走出「恐怖谷」的曙光嗎？

最近幾天，問界很火。一整個長假，聽到最多的就是「遙遙領先」。

有一個最樸素的觀察，原本以為「遙遙領先」四個字是「數碼圈」和「汽車圈」的專屬，但回老家才發現，「遙遙領先」已經入侵了爸媽的社交圈。

線上無孔不入，線下同樣兇猛，問界M7截至本周一大定數預計有5.5萬單，而到本周末，有可能衝擊到6萬單。

問界M7「起死回生」，有一個原因值得注意，華為的智能輔助駕駛系統悄然走紅。

但走紅的背後，不是因為它多麼高階，如何在城區智駕中大顯身手，反而是因為銳化了「安全」這個詞。

很多用戶相信，華為智駕比人駕駛更安全，尤其是一些突發情況，比如走神了，這個車真有可能幫你緊急剎住。

安全，成為智駕的「超級符號」，其實有點詫異，因為這個需求很樸素，似乎與智駕前衛、科技的光環不相搭。

但又覺得恰在情理之中，因為智駕而選擇一款車的理由可能靠後，但因為安全而選擇一款車的理由就靠前了。

自動駕駛希望走出「恐怖谷」，讓更多的用戶欣然接受，並真正開始普及，或許，先不必談接管次數、開放城市、雷達數量，將安全這個場景演繹能做好，大概就可以讓不少用戶樂於買單。

宣傳的側重點，儼然需要變一變了！

好消息是，在問界M7這款車上，確實有更多用戶願意選擇智駕版本，這個比例或許要達到6成了。

無獨有偶，在小鵬G9的大定訂單中，超過80%的用戶選擇了MAX版本。也就是說，每賣出5輛G9，就有4輛標配城市NGP高階輔助駕駛。

無論青年、中年群體，開始有更多的人接納智能駕駛了。

9月11日，工業和信息化部裝備工業一司副司長郭守剛在「2023世界智能網聯汽車大會」新聞發布會上透露：今年上半年，我國搭載輔助自動駕駛系統的智能網聯乘用車市場滲透率近一步提升，達到了42.4%。

大家總說，汽車的上半場是電動化，下半場是智能化。現在看來，智能化滲透率之快甚至要超過新能源的滲透率。

這場「球賽」必須得踢，而且還要踢得漂亮。

小鵬G9、問界M7的「起死回生」之術，不能說完全由智駕推動，但這兩家品牌的智駕實力，確實功不可沒。

再往下走，多家車企都公布了自己的「智駕開城計劃」。這場浪潮還要繼續奔涌的話，必然要真正越過成本這道大關。

解決了成本問題，才能解決普及問題，而智駕普及是穿過「恐怖谷」的前提。

就自動駕駛系統而言，主要有3個組成部分：感知、規劃、控制。

感知部分，經常會提到各種傳感器（攝像頭、雷射雷達、毫米波雷達、超聲波傳感器等等，如今又衍生出了4D毫米波雷達），主要是對周圍環境進行感知，並且轉化為數據和信息。

最初，國內的自動輔助駕駛技術大多依賴高精地圖和雷射雷達。一些車企也把雷射雷達當作智能駕駛的「入場券」，搖旗吶喊。

一時間，雷射雷達炙手可熱。今年2月，雷射雷達的頭號玩家禾賽科技在納斯達克敲鐘上市，2023年第一季度營收4.3億，已是較為可觀了。

但雷射雷達還是貴了！

參考沙利文諮詢公司的數據，機械式雷射雷達的價格預計將從2021年的5500美元均價逐步下降到2027年的2500美元；MEMS和3D Flash/OPA雷射雷達（去機械化）將從2021年的1000美元均價下降到2027年的500美元；FMCW雷射雷達將在2025年首次上車，均價將從2025年的1000美元下降到2027年的500美元。

但你仔細看了，比較明顯的降幅預計在2027年發生。即使如期下降，雷射雷達仍是很貴的一個零部件。

而且，雷射雷達到底用沒用上，用了多少，這是又一個話題了。但行業里已有觀點「冒頭」，雷射雷達在智駕中的重要性正在弱化，會僅僅擔當「驗證真值」和「盲區補盲」的作用。

智駕系統的成本一定要降，踢館的選手也接踵而至。

低價位的平民車型上，逐漸出現了好用的L2級智駕解決方案。比如，宏景智駕宣布只用攝像頭和超聲波傳感器就能實現L2級輔助駕駛，成本還很可觀，只要2000-3000元；而大疆和五菱的組合，更把智駕戰場拉到了15W以下的價位。

至於特斯拉，一直奉行低成本解決方案。早在2021年，它就幹掉了北美市場部分車的毫米波雷達和超聲波傳感器，採用純視覺的智駕方案。

行至此處，行業也在不斷反思，堆砌硬體、設法融合，到底是不是過頭了？

原來的邏輯很簡單，在行業初期，車企為了儘快布局、市場搶位，硬體堆滿，必然頗有故事可講，尤其擔心某個傳感器失效，至少其他傳感器也可以產生數據。

但這麼多年實踐下來，堆料並不意味著「本事就大」，反而，傳感器一多，融合的難度更大了。

再說回「根兒上」的成本問題，它正驅使著部分車企逐漸捨棄價格昂貴的雷射雷達，往純視覺方案轉向，但這對數據處理和算法設計的要求儼然更高了。

就這麼短短几年，自動駕駛發展很快。回顧三年前，設定導航、自動變道的高速NOA還是稀罕物，再看看今年，已經開始推廣城區智駕，「無圖」、「開城」皆是火熱的賽道。

我們關於自動駕駛的知識，也需要不斷更新了。比如，雷射雷達、攝像頭的路線之爭，還在繼續，但也不像幾年前那般完全篤定了。

最終的答案，還不見終局。

至少，大家開始關心更深處的決定因子，比如對算法的疊代，哪怕是宣傳口，也開始踏足這個不太能給用戶講明白的內容。

這說明，自動駕駛開始進入「深水區」了。

目前，就自動駕駛系統而言，分化出2大技術路線：模塊化和端到端。

模塊化設計將自動駕駛拆分為眾多模塊，每個模塊的算法不盡相同，基於規則的代碼程序控制，或者由訓練好的機器學習或深度學習模型控制。

這就很考驗算力和算法，在車輛行駛過程中，實際情況非常複雜，限制條件很多。當越來越多的模塊採用深度學習網絡時，將徹底引爆計算需求，這幾乎是一片填不滿的「算力海洋」。

而端對端將自動駕駛當作一個整體，並不切分模塊，可以做到將感知、規劃和控制一體化。

傳感器採集數據信息傳送到神經網絡，神經網絡直接輸出自動駕駛的指令。

前段時間很火的ChatGPT，就是一個典型的端到端的例子，輸入語句，直接就得到答覆。

也就是說，端對端相當於一個聰明的大腦，但是天才也需要努力學習，才不致於「傷仲永」。

對於自動駕駛來講，想要得到精確的處理結果，前期就需要海量的數據來進行深度學習。

看罷前面的描述，至少有一種感覺吧？「端到端」更簡潔，既節省計算資源，又消除級聯誤差，多個小模型，最終變成了一個大模型。

能實現這種跨越，BEV+Transformer起到了關鍵作用。

BEV是鳥瞰圖，說得直白些是「上帝視角」，由此具備了深度信息，相較於平面2D圖，所承載的信息更加豐富，可以將圖像空間「翻譯」到向量空間。

再加入Transformer，可以按照時間序列，給不同的特徵和信息賦予權重，更好完成比對多路攝像頭的特徵，以達成一致的結果，藉此實現更準確的感知識別效果。

BEV+transformer，已經能形成高質量的3D感知結果了。而這種優質的原始數據，才讓「端到端」落地成為現實，也使得高精地圖成了捨棄的對象。

是的，從有圖到無圖，就這麼快速扭轉了認知。當然，成本也降低了。

下一個要捨棄的會是雷射雷達嗎？occupancy占用網絡可識別異形物體，似乎也讓這種可能性成為現實。

但雷射雷達的「下車」會比較遙遠，因為它像「多一個安全氣囊」一樣，在用戶心智中，正與安全牢牢地綁定在一起。

前文也說了，智駕普及的一種方式，就是講安全。安全，更易動人心。

冒然砍掉雷射雷達，絕對是冒險行為。除非，技術真的再突破，又經歷一輪心智建設，以場景力證的方式，告訴用戶，原來不用雷射雷達，同樣是那麼安全。

但不必著急了，如果技術達到了，輿論扭轉並不難。況且，雷射雷達也能做「溢價」款型，倒也不是沒有故事可講。

前幾年，智能駕駛，還像是PPT演練。今年開始，智能駕駛已漸成氣候，真正從空中樓閣朝著購買動因做轉變。

比起今年常規的降價促銷，這張技術牌，倒是給各位廠家提供了不錯的新思路。