博弈、降價、創新 回顧2024智能駕駛“技術之戰”

[汽車之家 技術] 2024年，汽車智能化發展迅猛，從車企上看，問界、理想、小鵬、小米在市場拓展和應用場景方面取得了令人矚目的成績，從技術上看，純視覺和多傳感器融合路線“相愛相殺”，端到端大模型、BEV+Transformer 算法也開始大規模興起，智能駕駛的一切都比想象中來的更快也更兇猛，這也讓我們對2025年的交通出行充滿想象。

本篇文章，我將帶大家回顧2024年智能駕駛的大事件和核心技術，讓我們回顧過去，展望未來，也希望這篇文章能成為您過年餐桌上的談資，有任何問題或者想法也歡迎來評論區討論。

一、智駕路線之爭，多傳感器融合和純視覺的再次交鋒

如果我們把一臺智能車看做機器人，那它的動作都是通過“感知”、“決策”、“執行”這個邏輯來進行設計的，其中感知就是車輛的眼睛。它可以籠統的理解為感知周圍的傳感器，通常來說包含攝像頭、超聲波雷達、毫米波雷達、激光雷達這四種類型，有些豪華品牌也會加入紅外成像設備，這個相對少見暫且不提。

在智能駕駛最初的時候，研究單位主要采用的是將這些傳感器的信息進行融合，以此實現相關的智駕功能，比如當年的沃爾沃、寶馬，就是融合前視攝像頭和毫米波雷達，通過不同傳感器的信息對周圍環境進行判斷，然后再去控制車輛。

我們第一次發現側翼子板、B柱也能布置攝像頭，IMU慣性測量單元竟然也會在車輛上安裝，當然實現的功能也更加豐富，在高速上車輛會自動跟隨車流，自動變道等等。

至此，多傳感器融合和純視覺感知兩大技術路線正式形成。從有缺點上看，兩者其實都有自己的長處和短處。

因為核心傳感器以攝像頭為主，它的硬件成本確實是低的。因此也能將智駕功能應用到更低成本的車型上，讓更多消費者去體驗智駕功能，以此來提升車型競爭力。第二個是目前純視覺對異性障礙物的識別能力有了巨大提升，尤其在去年BEV+Occupancy Network技術的普及，提升了純視覺感知的魯棒性。

視覺方案有一個很大的問題，那就是如何規避道路上異型障礙物。雖然視覺有著更加豐富的環境信息，同時分辨率也是激光點云所無法比擬的，但是它不具備深度信息，且系統需要「認識」道路上無窮無盡的異形障礙物。因此就需要不斷的去標注然后對系統進行訓練，但是道路上一定會出現新的、沒見過的障礙物，車子就有可能不識別，而發生危險。Occupancy Network（占用網絡）的出現，成了一種新的解題方法。

所以說Occupancy Network技術可以更好地解決通用障礙物難以處理的問題，讓純視覺路線突破瓶頸。

以上就是純視覺的一些主要優勢，那它的缺點是什么呢？

1、從咱們剛才的試驗也能看出來，惡劣環境，對攝像頭影響不小，其實就跟我們人眼一樣，黑暗環境啊或者有大光比的明暗環境變化時，我們人眼也受不了，對于攝像頭來說也同樣如此。

2、前面提到的占用網絡其實目前還不算成熟，有時候還是無法處理道路上的異形障礙物，這個還是需要時間的積累。

3、第三點就在于純視覺對算法要求很高，這是一個鏈條，算法要求高，執行算法的算力也要有高要求，也就是芯片要很好，同時想要一個好的算法就需要好的數據去不斷的訓練，所以你的數據量也要高，這都是隱形成本，這些在下面我還會更詳細的跟大家聊一下。

反過來看多傳感器融合路線：

首先說說優點：

1、應對惡劣環境的能力更強，因為有多個傳感器，一般還配有激光雷達，所以在應對復雜環境時安全冗余高。

2、感知準確度高，激光雷達能厘米級感知低矮物體，同時在追蹤近距離物體上，尤其是擁堵下的慢速加塞，表現的會更好。

3、一般搭載激光雷達的智駕系統，都采用了多傳感器融合的方式，也就是激光雷達也不是唯一的傳感器，一般都是配合著視覺感知、毫米波雷達甚至還有超聲波雷達，一起去對周圍環境進行感知，就相當于你開車時既能看到道路的情況，又能聽到道路上的聲音，它的冗余更大，魯棒性更高，在理論上講，這種融合性感知是更安全、全面的。

當然，激光雷達的缺點也挺明顯的，

目前來看主要有兩方面，一個是成本，一個是算法。

成本就不用多說了，價格高肯定會限制車企的搭載，如果激光雷達真的和毫米波雷達一個價位，想必隨便做個智駕都會加上激光雷達；第二個問題在算法，這個有點類似雙刃劍。優點里面我們提到過，搭載激光雷達的智駕系統都屬于多傳感器融合。

率先在美國獲得 L3 級智能駕駛運營許可的梅賽德斯-奔馳表示：奔馳的DRIVE PILOT搭載包含激光雷達在內的多個傳感器，足夠的安全冗余對實現安全可靠的L3級別智能駕駛是必不可少的。

本質上，是激光雷達具有抗干擾、三維、高置信度的優勢，能為算法預測和規控提供高質量的感知輸入。

所以，我們有理由相信激光雷達既是智能汽車的“隱形安全氣囊”，更是加速算法開發落地的「秘密武器」。

而對于純視覺感知來說，背后隱含的是數據驅動的邏輯。與這套方案相匹配的是特斯拉通過數百萬輛車源源不斷采集的數據，官方統計，Autopilot累計行駛里程超90億英里，FSD beta累計行駛里程超5億英里。而為了處理這些海量數據，特斯拉儲備了14000塊總價值數十億的AI芯片，可同時處理 1600億幀圖像。

“算法+算力+數據”，構成了后來者難以追趕的競爭壁壘。從全局看，不光要關注看得見的顯性成本，更要關注看不見的隱性成本。拿掉激光雷達看似節省了一些硬件成本，但車端感知能力的下降，需要在云端投入更多的資源進行開發，極大抬高了隱性成本，在車輛銷量沒有非常高的情況下，這些隱性成本均攤下來實際上遠高于硬件成本。

純視覺與傳感器融合的路線之爭，本質是"仿生派"與"工程派"對智能駕駛終局的不同想象。在算力狂飆的今天，兩種路線正在逼近同一個目標：用更優雅的方式解決"機器如何理解世界"這個問題。這場對決并沒有分出勝負，唯有繼續的比拼、進化才能看到終章。

二、端到端提了一年，但究竟是個啥東西？

2024年在智駕技術方面第二個熱點技術就是端到端，相信網友們或多或少也聽到過這個名詞。但端到端到底是個啥呢？下面我們就用簡單點的語言來跟大家聊一聊。

我們以學車為例，學車的過程是先學交規、駕駛的理論知識，接著教練會手把手教你一遍，自己練一遍，教一遍，練一遍，慢慢我們就會掌握基本的駕駛技巧。以前的智駕系統基本也是遵循這個道理，工程師們需要教它認路、認車、認人，再教它怎么打方向盤、踩油門，最后才能上路。這種方法步驟繁多，特別復雜，而且容易出錯。

端到端就是省略了認路、認車、認人，再教它怎么打方向盤、踩油門的步驟，直接給機器放老司機開車的視頻，讓機器直接“看”人類司機開車，從起點到終點，它自己琢磨該怎么開。

從智駕體驗上講，應用端到端技術的智駕開起來也更自然，坐車的人也更像老司機駕駛體驗。當然，目前的端到端依然是個新手，不僅僅是“上車”的時間短，其學習老司機的時間也很短，還需要大量的練習和經驗才能開的更好。但毫無疑問，它是提高當前智能駕駛能力的一條有效路線，它讓機器可以更像人類駕駛，提升我們智駕時的安全、便捷性。

三、智駕企業的上市大年

聊完具體的技術，接下來讓我們再把目光轉向行業。2024年對整個智駕行業來說也是不同尋常的一年，大量的企業開始涌入市場，速騰聚創、地平線、黑芝麻智能、文遠知行、小馬智行等企業受到了大量資本青睞，這也為行業發展注入了活力，上市-融資盤活了企業，也進一步促進了智駕的發展，不斷換代的產品也降低了成本，極大提升了車企對智駕的興趣度。

當然也引出了下個話題，平價智能車開始逐漸普及。

從價位上看，2024年裝配有主流L2功能的智能車已經下探到20萬以下，其中以小鵬汽車為核心代表，小鵬P7i甚至全系配置了高階智駕，部分20萬以下車型甚至搭載了城市及高速NOA，智駕平權運動已然在車企競爭中悄然興起。而傳統汽車廠商也不再低調，比亞迪“天神之言”、奇瑞大卓智駕都開始在20萬以下車型開始布置。

寫在最后：智能駕駛技術的發展，近年來已經步入了一個全新的階段。隨著人工智能、5G通信、傳感器技術的進步，越來越多的車企和科技公司在這一領域取得了突破性進展。2024年，智能駕駛技術在各個層面都有了顯著的進步，涵蓋了自動駕駛的硬件、軟件、法規以及倫理等多方面的內容。未來幾年內，我們將迎來一個更加智能、安全和高效的出行時代。盡管挑戰依然存在，但可以肯定的是，智能駕駛將繼續以令人驚嘆的速度改變我們的出行方式、交通格局乃至整個社會結構。（圖/文 汽車之家 冷曉陽）