变成人类“老司机”，智驾系统有戏吗？

根据Mobileye的分析，2023年中国约有两百万台智能汽车完全支持城区NOA；地平线方面提供的数据显示，中国自主品牌乘用车L2+ NOA配置渗透率预计将从2023年的8.7%提升至2028年的32%，L2+及以上智能驾驶配置在20万以上价位区间趋向于标配。

图源：地平线

2024年，随着高阶城区智能驾驶的市场竞争日益白热化，车企亟需以用户体验为核心，打造实用、好用甚至爱用的高阶智能驾驶体验。而要在这场竞争中胜出，硬件、软件、丰富的工程化量产经验与快速迭代能力缺一不可。

在地平线创始人兼CEO余凯看来，智驾系统会经历可用、好用、爱用三个发展阶段。简单来说，可用是技术跑通，保证系统的可用性、通过性以及物理安全；到好用阶段，则是在保证可用的基础上更加拟人化，为用户提供心理安全，最后是爱用阶段，随着智能驾驶的成本、渗透率和用户教育提升，达到每程、每刻、每人都用的阶段。

从当前的实际落地情况来看，高速NOA已经跨越了“可用”阶段，到达或刚好到达“好用”阶段，例如从日常体验来看，在高速、高封闭的城区道路上基本可以做到全程无接管。但成本高、使用受限、以及在很多场景下的表现并不尽如人意，是已经量产的高速NOA产品现在遇到的主要痛点。

城区NOA的问题就更加突出一些，“100公里长的道路上接管10次都有可能”。而且，相比人类驾驶，自动驾驶可能会更加保守，导致速度、效率、接管率更低，消费者使用的意愿也更低。那么，对消费者来说，高阶智驾系统要从“可用”变为“好用”，继而再转化为“爱用”，需要从哪些方面进行改变？

图源：地平线

“真正有竞争力的下一代自动驾驶系统应该从三个维度进行考量：场景通过率、通行效率和行为拟人，并以‘优雅不怂，从容笃定’为最高衡量标准。”余凯指出，对比之下，当前的智驾系统过于强调场景通过率，在通行效率和行为拟人两方面乏善可陈，缺乏顺畅丝滑的驾驶能力和主动、自信的驾驶风格。

如果从电动汽车架构方面来看，目前的智能驾驶和智能座舱虽仍然分别拥有两颗独立的芯片和两个独立的域控制器，但接下来，随着人工智能和大模型、端到端Transfomer时代的到来，未来的自动驾驶跟智能座舱、智能交互不会完全统一，而是会从过去以软件为中心，转变为以AI计算和操作系统为核心，智能驾驶、智能座舱、智能交互变身为众多围绕核心平台的应用。

“所以我们看到一个很有趣的现象，就是当你想从平台入手做平台时往往都不成功，但从应用入手做平台却有大成就。无论是Office带动Windows，还是Google Search/Gmail/YouTube带动安卓发展，都是如此。”按照这个逻辑顺延，余凯认为，在大模型和智能驾驶加持下，中国很有机会在智能汽车的产业发展窗口期诞生世界级的操作系统和计算方案公司。

Mobileye自动驾驶业务常务副总裁Johann Jungwirth说，“对于NOA，客户抱怨最多的就是场景覆盖问题。”换言之，NOA目前只有在某些特定城市和特定环境下才能够用起来。这就是Mobileye在开发智驾系统时提供REM地图技术的原因所在，因为这种众包方式的地图意味着Mobileye不需要像其它厂商一样，为了获得高精地图而专门派车队摄像，相比来说有着更低的成本，也能够拥有更多回馈数据，快速提高覆盖率。

他同时补充称，Mobileye并不介意车企拥有自研智驾芯片和系统团队，反而觉得彼此间竞争是一件好事。但车企需要权衡利弊，因为要开发、维护和升级系统，至少需要有一个1000-2000人的开发团队，对比直接购买，运营成本肯定是不低的。

“老司机”可不是人人都能当的，而未来的智驾系统想要做到像“老司机”一样，是对方案软硬结合系统能力的综合考验，不仅要求前瞻软件算法的深厚积累与应用，也考验软件与硬件协同的量产效率。

那么，做到什么程度，我们就基本可以将智驾系统视作“老司机”呢？可以从两方面来看待：

体验上更拟人

像人类老司机一样在任何城区场景下都能做到优雅不怂、从容笃定，在复杂的交通系统中既能保障任何场景都可用，又能兼顾丝滑顺畅。例如拥堵的匝道口，能够精准搜索汇入空挡，通过高效安全博弈成功汇入主路；在上下班高峰期见缝插针，实现更高效的通行；在不同的路口根据不同车流动态调整行驶轨迹，灵活调整切入路口……

技术上更类人

系统能像人一样看得懂世界，又能理解纷繁复杂的交通行为，像人一样思考应对措施。即在感知上，更精准地还原客观物理世界；在决策上像老司机一样灵活处理交通问题。

因此，下一代高阶城区智驾在系统性设计层面需要经历三个过程：一是端到端大模型的应用，让智能驾驶系统从感知到决策路径更像人的大脑；二是交互博弈的引入，让智能驾驶系统更高效、更好的解决拟人性和舒适度；三是无论是端到端大模型还是交互博弈，最终都需要打造高效的硬件架构才能更好地去运行。

正如余凯博士所言，“单点的算法突破或者算力性能突破，都不是高阶智能驾驶达到‘好用’的关键。充分发挥硬件和软件的协同效应，并以极致开放打造极致效率，才是抵达高阶智驾终局的最佳路径。”

目前也有很多人在讨论以Transformer为代表的大模型落地汽车领域的话题。从芯片企业的角度来看，这是一种明确的趋势还是噱头的成分更大？芯片平台如何面对智能驾驶“算力强，算法优”的需求？

爱芯元智创始人、董事长仇肖莘博士对此回应称，“将Transformer等大型AI模型应用于汽车领域，特别是在智能驾驶系统中，是一种明确的趋势。”

从芯片企业的角度来看，仇肖莘博士认为，AI SOC，也就是人工智能系统级芯片，已经成为创新的热点。这种类型的芯片使得以Transformer为代表的大模型成为可能。这些大模型能够实时处理大量的信息，比如路面状况，车辆和行人的动态，以及各种环境因素，以实现高效和安全的自动驾驶。

其次，现在炙手可热的端到端自动驾驶技术，也在推动芯片技术的发展。端到端技术意味着整个驾驶过程，从感知环境，到做出驾驶决策，再到执行驾驶行为，全部由AI系统完成，这对芯片企业对于支撑这样的先进技术提出了非常高的要求。

比如端到端驾驶算法强調感知与决策的一体化，对SOC的设计也提出了更高的要求。它需要支持高效地处理和融合多模态多帧数据，新技术路线会影响SOC中CPU、NPU等不同算力单元的资源变化。尤其在端到端技术路线的早期，行业还处于摸索阶段，SOC还需要考虑不同计算资源不确定的情况，为智驾系统提供足够强大和灵活的计算加速能力。

除此之外，世界模型在线学习也对智驾芯片的内存和推理能力提出了新挑战，它需要支持实时学习、推理和模拟交互；未来可能采用混合结构,在端内采用NPU等专用硬件加速关键子任务,在端外调用云端AI处理更复杂任务；智驾芯片还需提供丰富的外设接口和安全防护机制,支持多模态数据采集融合及错误监测和恢复等等。

正是因为智能驾驶的这种特殊性，芯片企业要入局这一领域，不仅要深化与合作伙伴的合作，优化算法以提高运算效率和降低功耗。还要将AI处理能力与其他车载系统集成，以提高整体性能和响应速度。当然，更应该将数据安全视为重中之重，防止潜在的网络攻击和数据泄露。