中國自動駕駛時代記：技術、理想和“真經路”

5年之前，資本場的弄潮兒，新勢力與老牌廠商的角逐熱情激揚。5年之后，端到端蓬勃熱烈，自動駕駛、座艙加速重構，熱情仍在。

回首過去，眺望未來，這是一個獨屬于中國自動駕駛產業(yè)的浩蕩產業(yè)故事。

作者|念秋

編輯|皮爺

出品|產業(yè)家

2012年4月，硅谷到北京。

在機器學習領域卓有成就的余凱毅然離開美國的NEC實驗室，離開他所熟悉的實驗室，從人工智能的理論前沿邁向AI應用的第一線。

科學家邁入工業(yè)界并不是新鮮事。2年后密蘇里大學，已經獲得終身教授的韓旭也做出了離開學術界，扎根工業(yè)界的轉向。

人才與資金的融入，讓百度成為了自動駕駛孕育的最合適的溫床。除了學術界大名鼎鼎的余凱和韓旭，還有兩位谷歌的資深工程師——彭軍和樓天城。

2013年，百度自動駕駛車項目正式起步，匯集了中國最頂尖的軟件工程師，在過去十年穩(wěn)扎穩(wěn)打的推動著中國自動駕駛產業(yè)的飛速邁進。

可能連百度自己也沒有想到，除了搭建Apollo平臺，服務于自動駕駛產業(yè)內的多方客戶，作為中國自駕的黃埔軍校，也播撒了自動駕駛賽道希望的種子。

2015年，余凱離開百度，地平線應運而生，成為中國第一家提出自主研發(fā)人工智能芯片與第一個實現(xiàn)量產流片的人工智能公司。

“要真正實現(xiàn)人工智能的普惠，并加快它的效率，僅僅依靠軟件是不夠的，我們應該更激進一點，為人工智能設計專門的芯片?！?/strong>

余凱談及創(chuàng)立地平線時這樣描述自己的初衷。在自動駕駛領域深耕3年后，科學家們對于理論與應用又建立了更進一步的理解。

實踐者如余凱，他們都選擇加速跑入創(chuàng)業(yè)的賽道——2016年彭軍攜手業(yè)界聲名顯赫的樓天城創(chuàng)立小馬智行，2017年韓旭創(chuàng)立文遠知行，自動駕駛賽道百花齊放。

而如今，殊途同歸，過去八年的分叉線最終匯合，地平線、小馬智行和文遠知行都站上了IPO的舞臺。

敲鐘在即，觥籌交錯背后，這也是中國自動駕駛產業(yè)的蛻變史。

一、2024年，自動駕駛“終于結果了”

故事從當下的時間點說起。2024年上半年，搭載ADAS的新車交付量占比超過60%。

這意味著自動駕駛完成了對于汽車行業(yè)的滲透，對于大眾不再是紙上談兵。輔助智能駕駛在過去五年爆發(fā)式增長，成為了新車評估不可忽略的一維，價格也在國內汽車產業(yè)的“內卷”中逐步親民。

把時間拉到一年前，2023年7月起，文遠知行、蘿卜快跑和小馬智行的Robotaxi陸續(xù)亮相廣州、上海、武漢等一線城市，無人駕駛出租車也從科幻故事中走入現(xiàn)實。

在市場眼中，自動駕駛終于完成了一個重磅節(jié)點的跨越——從0到1的產品驗證后，邁向1到10的擴張轉型。

頭部玩家的日夜奮斗是自動駕駛過去五年飛速發(fā)展的「火箭頭」，但個中艱辛卻并不足外人道。其中，車規(guī)級AI芯片是中國自動駕駛企業(yè)遇到的「第一關」。

從訓練需求上看，自動駕駛技術的研發(fā)與測試都是算力上的無底洞。道路環(huán)境復雜，多傳感器融合，在深度學習上都是算力需求的指數(shù)級增長。產品真正落地，需要的是幾萬次以上的訓練和驗證，L3級自動駕駛對算力需求為20-30TOPS，L4級需要200TOPS以上，L5級則超過2000TOPS。這對當時的芯片規(guī)格而言無疑是巨大的挑戰(zhàn)。

地平線是為了這個問題而生，也在這塊「硬骨頭」面前摸爬滾打的很長時間。

“2015下半年恰好是融資的小冬天，地平線拿到了一筆不錯的融資。當時我跟小伙伴開玩笑，這些錢怎么花？后來我們芯片團隊開工之后，就發(fā)現(xiàn)這些錢遠遠不夠?！庇鄤P在回憶起最初做AI芯片時期，曾這樣向媒體描述當時的情況。 余凱可能也沒有預料到，車規(guī) AI 芯片每一次流片，研發(fā)投入就要超過 5000 萬美金。

而地平線的初期，公司還在汽車和物聯(lián)網兩個行業(yè)搖擺，一年多后才專注于汽車，把汽車AI芯片作為地平線的「唯一靶心」。在這樣的經濟壓力和內部動蕩下，地平線的第一款車規(guī)級AI芯片在多輪融資后的2019年才姍姍來遲。

頭冠中國AI第一芯的征程2，搭載了自主創(chuàng)新研發(fā)的高性能計算架構BPU2.0，提供4TOPS的等效算力，典型功耗僅為2W。即便與同期英偉達推出的Orin仍有差距，但也給了國內新造車勢力搭建ADAS的一個希望。

但特斯拉FSD芯片無形中給了地平線一些加速度。

當特斯拉的大屏搭載在民用車的狹小空間時，人們可能會想起喬布斯發(fā)布iPhone 4s說出的那句「我們?yōu)槭裁葱枰I盤」。有了諾基亞被蘋果拍在海灘上的例子，頭部的車企也沒有時間去探究智能系統(tǒng)的合理性。不掉隊，成為國內新造車勢力的最大目標。即便是新起之秀，作為一家本土供應商，地平線被被動「押寶」。

2020年理想和地平線的合作引發(fā)關注。此時的小鵬和蔚來選擇牽手英偉達的Orin芯片，理想則是押寶地平線。從當時的時間線，以及兩家企業(yè)的經營狀況來說，這幾乎算是一場賭局——“新品牌+新芯片”的組合，對于理想和地平線，都不能輸。

回看這次對賭，勝負顯而易見。征程系列在理想車型上的表現(xiàn)，認證了國內AI芯片在智能輔助駕駛上的算力不遜色于頭部企業(yè)。隨后的市場動作也驗證了這個事實，小鵬和蔚來隨后都紛紛將大量資源投入到芯片自研的道路中。

2024年7月27日，蔚來“神璣 NX9031”芯片面世，擁有500億顆晶體管，號稱全球首顆5nm智能駕駛芯片成為蔚來交付給自動駕駛場景的答卷。一個月后，小鵬也迅速跟上隊伍。蟄伏四年的“小鵬圖靈”芯片成功流片，場景覆蓋AI汽車、AI機器人和飛行汽車。這枚面向L4自駕場景的芯片搭載40核處理器，2個獨立圖像ISP分別用于行車感知于用戶可感知圖像，并擁有2個處理神經網絡數(shù)據(jù)的NPU，可運行3 0B的大模型數(shù)據(jù)。

理想則是“兩手抓”，在牽手地平線 的同時也沒有放棄AI芯片的自研進程。目前理想L9 Pro搭載的征程5芯片，同時能夠支持業(yè)界的自動駕駛算法（BEV）和高速NOA。另一方面，理想也投入了大量資源在自主研發(fā)智能駕駛SoC芯片中，據(jù)知情人士透露，這款名為“Shu Ma Ke”的芯片，傾注了理想在Chiplet和RISC-V技術方面的深入研究，預計在今年年底面世。

“蔚小理”在AI芯片上的突破是中國新造車勢力在自動駕駛躍進的縮影，可以說，在最底層的“卡脖子”問題上，中國自駕正在走出困境。

除了AI芯片，從傳感器到感知算法，從高精地圖服務到云圖廠商，自動駕駛產業(yè)的鏈路逐步被打通，成本也逐步降低，為自動駕駛服務走向大眾鋪平道路。

上下游企業(yè)一同摸著石頭過河，中堅力量在不斷的燒錢過程中完成了大逃殺，才能夠完成自動駕駛產業(yè)過去五年的高歌猛進，站上2024年IPO的舞臺。

十年前，手機代替PC，成為了人人觸手可及的智能設備。而2024年，也走下神壇，不再神秘，成為觸手可及的新興技術。如今，臺上有了新主角——自動駕駛。

二、2000天：看得見的分岔路，隱藏的交匯口

“實現(xiàn)自動駕駛，猶如攀登珠峰。我們要走過的路至少也有南坡、北坡兩條路線可供選擇，也總會有先行者和后來者之分。雖然山頂只有一個，但攀登者的經歷、登山過程中的故事往往層出不窮，精彩紛呈，讓人神往?！?/p>

這是2023年10月，中國工程院院士、清華大學智能研究院院長張亞勤在一次演講中描述的自動駕駛現(xiàn)狀。

攀登珠峰的困難困不住勇士，反而激發(fā)自動駕駛玩家多種解法的靈感。

可以說，過去五年激光雷達與視覺算法的硝煙從未停歇，兩種策略的安全性和商業(yè)可行性被不斷捶打。

難度系數(shù)更低的激光雷達解法，將自動駕駛問題轉換為成本問題。激光雷達模式結合了高精度地圖與場景的實時距離速度測算，通過先驗信息和實時信息結合的方式評估自動駕駛的路況。

這類解決方案中，系統(tǒng)會內置城市的高精度地圖，記錄靜態(tài)建筑物的形狀與距離。激光雷達或毫米波雷達生成實時的3D點云數(shù)據(jù)，記錄當下的動態(tài)數(shù)據(jù)。 再依賴同步定位與建圖（ SLAM ）技術建立環(huán)境地圖，為車輛提供規(guī)劃與決策信息。由于高精度地圖已經提供了大部分先驗信息，這種解決方案被認為更安全可靠，也成為了自動駕駛行業(yè)的首選。美國加州的 Waymo ，上海浦東的蘿卜快跑都是采用這種解決方案。

國內的價格“卷”下來，激光雷達的方案落地也坐上了火箭。

高德地圖、騰訊地圖、百度地圖等頭部五家企業(yè)作為主要的高精度地圖供應商，占據(jù)高精度地圖市場超80%份額，涵蓋多家頭部車企。隨著國內無人駕駛市場突破100億元大關，高精度地圖的成本也逐漸下降，頭部廠商對于單臺車報價達到百元級別，從采集地圖、繪制地圖到維護的程度連年降低。

價格戰(zhàn)為激光雷達方案帶來了紅利，但這樣的產業(yè)升級也非一帆風順。2021年，多個品牌的汽車接連發(fā)生事故，致使大眾對于激光雷達的自動駕駛安全性的信任節(jié)節(jié)敗退。

2021年8月12日，一輛蔚來ES8汽車在啟用NOP領航輔助功能后，在沈海高速發(fā)生交通事故。同一天，小鵬汽車G3在ACC功能開啟時，以70km/h的速度追尾靜止車輛。

黑天鵝事件的發(fā)生，讓自動駕駛的融資也遭遇寒冬。2022年自動駕駛投資事件125起，涉及金額超過205億元，盡管事件總數(shù)與2021年持平，但累計披露的金額不足2021年的1/3。當安全事故層出不窮，資本市場對自動駕駛的未來抱有戒心。

然而安全性只是自動駕駛糖衣外殼的表層，內核虛空的盈利能力讓投資機構也停下燒錢的腳步。

整體而言，激光雷達為核心的產品產業(yè)化推進高于視覺算法類的產品，但商業(yè)化一公里 的目標遙遙無期。以在美國加州率先運營Robotaxi的Waymo為例，2024年Q2收入3.65億美元，高于去年同期2.85億美元，而虧損也從去年同期的8.13億美元擴大至11.3億美元。這意味著即便激光雷達產業(yè)上下游的企業(yè)不斷壓縮成本，「燒錢」仍然會成為未來的主流。

這種背景下，視覺算法為核心的自動駕駛，成為大廠逐鹿的新舞臺。

但視覺算法相較于激光雷達，更像是一場“有錢人”的游戲。想擺脫高精度地圖的先驗信息，依賴攝像頭與傳感器完成對于周圍事物的全部感知，這對視覺算法而言是超高難度的挑戰(zhàn)。選擇這條道路，需要十年甚至更長時間的資金投入，招兵買馬高精尖人才與設備，其技術難度系數(shù)更高于激光雷達。

能清晰看到的是，在這樣的資金壓力下，在這個賽道能留在牌桌上的只有擁有雄厚資金的大企業(yè)。國內自動駕駛基底深厚的百度與華為、海外特斯拉，都是在這個賽道深耕不輟的頭部玩家。

從長期來看，視覺算法如果真正實現(xiàn)交付，其維護成本先天低于以激光雷達為核心的產品，因此更有可能快速實現(xiàn)商業(yè)化變現(xiàn)。

然而，2024年10月10日特斯拉股價9%的跌幅，展現(xiàn)了資本對于特斯拉答卷的「不買賬」。從本質上，資本需要完整清晰的商業(yè)模式，細致豐滿的技術細節(jié)，這是開一場派對無法去傳達的價值。這樣的訴求不僅僅是面向特斯拉這類在視覺算法深耕的玩家，更是面向自動駕駛賽道的每一個玩家。

正如張亞勤院士所描述的那般，不同路線的自動駕駛玩家在2024奔向同一個山頂。

這個山頂，是經得起推敲的自動駕駛產品，是能夠被咀嚼的商業(yè)化變現(xiàn)模式。

十年高資金投入，五年超高速發(fā)展，誰能率先攀登這座山峰，將持續(xù)不斷的「燒錢」轉為「變現(xiàn)」，誰即能加冕為王。

三、端到端的長期主義，以及自動駕駛的“AI Agent”節(jié)點

二十年前，自動駕駛產業(yè)的穩(wěn)扎穩(wěn)打如同一場馬拉松。到如今，五年的飛速成長也不代表最后的沖刺。

GPT的橫空出世，讓人工智能有了「實體」，讓真正的自然語言處理有了「方向」，也讓大模型成為可以應用于各行業(yè)的生產力工具。

「端到端」，正在悄然成為市場對于自動駕駛新范式的新共識。

過去的模塊化部署，圍繞感知、預測、規(guī)劃和控制四個方向發(fā)力。對于產業(yè)的不同產商而言，只需要在一個方向，甚至一個子方向做到最優(yōu)，通過協(xié)議與接口與其他模塊的技術方案鏈接就可以獲得成熟的能夠落地的自動駕駛解決方案。這樣的產業(yè)升級路線容易實現(xiàn)，也提高了技術迭代的開發(fā)效率。

但短板也很明顯，即模塊化的局限性在自動駕駛初期沒有引起重視，盡管子任務伴隨著信息損失，得出的都是局部最優(yōu)解從而導致累積誤差，這樣的系統(tǒng)性問題無法在現(xiàn)有架構中得到解決。

AI Agent的變革是一個轉折點。

AI研究者開始意識到數(shù)據(jù)量和算力的提高能夠引發(fā)系統(tǒng)的質變，大模型的力量超出預期。同時，在自動駕駛的產業(yè)變革中，模塊的融合也構建了一些小型的「端到端」的任務，其表現(xiàn)顯然比純模塊化方案更優(yōu)秀。例如用BEV結合Transformer方案代替感知模塊，引入了更多的數(shù)據(jù)但減少了工程量，同樣獲得了更優(yōu)異的表現(xiàn)。

「端到端」究竟有何魅力？

要實現(xiàn)L4級別的無人駕駛，針對所有可能場景進行推理和處理是不現(xiàn)實的。然而如果將感知-預測-決策-控制作為一個完整模塊，利用傳感器獲取原始數(shù)據(jù)，直接輸出車輛駕駛動作，那么所謂的一步步推理便不是必須。在大量數(shù)據(jù)樣本的前提下，整個神經網絡將又數(shù)據(jù)驅動，由算子對于各類情況進行計算，在沒有數(shù)據(jù)損失的前提下也擁有更好的泛化性。

具象的看，過往幾萬行的代碼，在大模型的加持下，只需要幾百行卻有更好的效果。

這樣的產品架構，得到了自動駕駛行業(yè)內的共識，也稱為許多AI產品的模版。例如機器人、人機交互等行業(yè)目前都認同端到端的處理模式，這是當下最流行的技術方向。

構建這樣一套自動駕駛解決方案，也讓自動駕駛公司不再受交付形式所困。無論是Robotaxi或者是民用車的自動駕駛方案，在「端到端」的技術模型下，只要收集到足夠的真實數(shù)據(jù)，就可以跑通整個鏈路，實現(xiàn)在各種場景下的交付。

這也是今年國內汽車廠商的核心步伐——小鵬在2024年發(fā)布了面向自動駕駛的端到端大模型——XNet感知神經網絡，XPlanner規(guī)劃控制大模型，XBrain大預言模型。分別執(zhí)掌感知、規(guī)劃和決策三個方面，協(xié)同工作處理自動駕駛內的復雜場景。除了 小鵬，華為、商湯和元戎啟行也分別交出了他們對于自動駕駛端到端解決方案的答卷。

然而回顧現(xiàn)行的端到端解決方案，都仍然潛伏著模塊化的影子——小鵬的三方協(xié)同工作方式并沒有實現(xiàn)端到端一體化的初衷，商湯的理論模型缺少真實數(shù)據(jù)的加持。這樣的解決方案更接近于國內廠商對于端到端應用的表態(tài)，距離可以落地的服務仍有差距。

另一方面，端到端的最大痛點就是數(shù)據(jù)量。

本質上，端到端的大模型是通過數(shù)據(jù)和算力去和工程難度置換。如果是算力是可以用資金解決的，那么數(shù)據(jù)量卻是需要實實在在積累的。 構建一個面向各類自動駕駛場景的大模型，所需要的數(shù)據(jù)量過于龐大，如果積累到足夠量的數(shù)據(jù)，會成為自動駕駛廠商探索端到端的下一個命題。

回顧整個自動駕駛產業(yè)的成長，交匯口之后，成熟的商業(yè)化變現(xiàn)模式還需要與長期主義相結合，展現(xiàn)自動駕駛解決方案的普適性，實現(xiàn)自動駕駛技術持續(xù)進步。

2023年，自動駕駛中上游的禾賽科技、黑芝麻智能接連上市?，F(xiàn)在上市的交接棒來到了產業(yè)中下游的地平線、小馬智行和文遠知行手上，標志著自動駕駛產業(yè)的又一個重要轉折點。

5年之前，資本場的弄潮兒，新勢力與老牌廠商的角逐熱情激揚。5年之后，端到端蓬勃熱烈，自動駕駛、座艙加速重構，熱情仍在。

回首過去，眺望未來，這是一個獨屬于中國自動駕駛產業(yè)的浩蕩產業(yè)故事。