作者JimmyMa

邮箱majiming@pingwest.com

 

买有辅助驾驶功能的车型,一般人会看软件还是硬件?

 

相比于晦涩难懂、不够直观的自动驾驶软件来说,车企更愿意聊聊有硬核参数与冲击力的硬件。这点从很多专业用户都喜欢谈论的“激光雷达数量和线束”就可以看得出来。

 

不过,最近出现了一家乐于讲软件的车企——飞凡汽车。号称行业首个全融合智驾方案落地,也引出了“自动驾驶的关键到底是软件还是硬件”这一老生常谈的话题。不过,无论是软件还是硬件,其实车企更应该讲点其他的。

 

为什么都爱讲硬件故事?

 

“(激光雷达)四颗以下,请别说话。”

 

“算力高达1017TOPS,是特斯拉的7倍。”

 

这两句话,分别是沙龙机甲龙的宣传语,以及NIO DAY上李斌对ET7超算平台的介绍。车企更愿意介绍与强调硬件,软件上通常只是一句“该功能通过后期OTA实现”。自动驾驶的关键,在于硬件吗?

 

目前来看,自动驾驶还是一项前沿技术,如果想要实现真正的“自动驾驶”(L4),软件硬件都必须到位。但软件能力的提升,一定程度上可以减少传感器数量。例如有些Robotaxi只需要2颗激光雷达,而有些则需要6-8颗左右。当然,激光雷达的数量并不能直接反映软件水平,还要考虑到具体每个激光雷达的成本与性能,以及各家的技术路线。例如毫末智行提出的“重感知轻地图”技术路线,也需要重视传感器的配置,但并不代表软件能力的强弱。

 

自动驾驶的硬件,包含超算平台、感知传感器、通信模块以及惯性测量单元等等。差异主要集中在传感器与超算平台。而人们讨论的话题,也往往集中于“传感器与算法”的平衡上。把范围缩小到拥有导航辅助驾驶(NOA)功能的车型上来看,目前有很多种技术路线。

 

特斯拉可以算独一档,为达到控制整车成本的目的,主要依靠视觉感知来实现辅助驾驶功能,虽然车辆成本确实下降,但在软件算法、数据处理以及深度学习等方面的投入是一般新势力难以企及的高度,以2021年为例,特斯拉的研发投入高达26亿美元,高于“蔚小理”三家总和。

 

按照特斯拉的思路来看,虽然前期研发投入大,但只要销量够大,均摊下来是划算的。此外,从研发角度来看,坚持一条路线(视觉或激光雷达)也有利于从L2向自动驾驶(L3及以上)的顺利过渡。

 

不过,这样的技术路线也存在弊端,一方面,在软件能力还不够的今天,仅依靠视觉感知的特斯拉在遭遇静止物体、极端天气等场景时,依然不够稳定,也因此出现过多起事故。另一方面,有观点认为,激光雷达现在的成本虽然相比摄像头高出数倍,但随着激光雷达的生产工艺提升,规模扩大,预计车载激光雷达的平均单价将会从2021年的6500元降低至2030年的1719元(数据来源:《中国激光雷达行业发展现状分析与投资战略调研报告(2022-2029年)》),成本上的优势便不复存在,反而会在技术及体验上落后于选择激光雷达路线的车企。

 

另一条路线,则是在硬件上拉满,搭载激光雷达、大算力芯片等,规格上早已超过普通L2级别的需求。一方面,车企解释为“硬件预埋”,日后通过OTA升级可实现城市道路上的导航辅助驾驶功能,甚至是提升至L3及以上自动驾驶水平。目前蔚来、小鹏、理想、埃安、极狐与魏牌等车企均有城市NOA功能的开放计划。

 

另一方面,在L2阶段,驾驶员是驾驶的主要责任人,因此并不需要辅助驾驶达到全场景都能完美运作,但为了拉开差距,提升体验,也会有车企尽量将辅助驾驶的体验向“自动驾驶”靠拢,因此,需要更高的硬件水平。

 

不过,可以明确一点,没有不重视自动驾驶软件算法的,只不过当前的软件水平还不足以让激光雷达等硬件“下岗”,因此,至少在现阶段,想带来良好体验,软硬件都需要到位。

 

车企更愿意讲硬件,其实很好理解。硬件有实打实的参数,最容易比较,从人无我有,到人有我多,从个数到参数,都很容易能和竞品进行比较,拉开差距。此外,硬件非常直观,有就是有,没有就是没有。

 

但软件故事,还真就不太好讲。

 

软件故事:讲多了涉密,讲少了没意义

 

软件层面的东西,其实比较难以体现,尤其是在自动驾驶领域。

 

不过飞凡汽车这次很“头铁”,讲起了软件上的创新。在感知融合上,号称使用了行业首创Full Fusion全融合算法。通俗来说就是使用了前融合+后融合+混合融合三种。

 

我们都知道,车辆上有激光雷达、毫米波雷达超声波雷达以及摄像头等多种传感器。车辆需要把他们的数据融合到一起。在融合方式上,目前绝大多数都采用后融合。后融合,是各传感器分别通过各自的感知算法,输出对物体的识别结果给主处理器,通过卡尔曼滤波等方式再进行融合,这种方式融合的是目标数据而非原始数据。

 

而前融合技术则较为少见,其原理是将各传感器的原始数据进行时间与空间上的同步后,统一在主处理器进行处理。这种方式的优势在于可以大大提升对物体感知的全面性,减少误检漏检发生。但难度很高,一方面,对于处理器的算力要求非常高,另一方面,将各传感器的空间进行对齐也存在困难。

 

飞凡汽车这次提出的“全融合”,则是将两种融合技术再加上两种相融的结果,三种进行融合,但为什么不只是用更有优势的前融合,三种融合在实际使用时又是怎样工作的,实际上都占了多大比重。这些关键问题,飞凡汽车并没有详细说明。

 

图源:飞凡汽车

 

手机、电脑等消费品的“软件”,可以直观地通过UI来体现,但自动驾驶的软件层面并没有直观的体现方式。只能靠车企“一张嘴”来说。但从两方面,就注定车企在这部分的故事讲不深。

 

一方面,软件算法比较晦涩难懂,想要通俗易懂并正确的传递给大众,存在难度。这次飞凡汽车“试图”为用户讲明白软件上的创新,就被媒体指出“硬伤太多”。车企自己都能讲错,更别说用户理解起来有多费劲。另一方面,软件如何真正体现给用户看?总不能拿底层代码来看吧,最后就变成讲太多了涉密,而讲得太少又没意义这种局面。

 

话说回来,如此强调软件的飞凡R7,这次在感知硬件上也拉得很高,不但搭载了LUMINAR激光雷达,还搭载了采埃孚的Premium4D成像雷达。从宣传角度来说,与其强调这些软件上的东西,还不如讲讲硬件来得实在。但在品驾看来,无论讲软件还是硬件,事实上都有点跑偏。

 

应该告别“重参数,轻效果”

 

汽车新四化让车变得更像是“数码产品”,比参数那一套逻辑也被带到了车上来。车企强调车的算力、芯片、车内的屏幕个数、辅助驾驶的功能点等等,但“这些屏幕用起来到底怎么样?辅助驾驶好用吗?极端工况下这些功能还能应对吗?”等这些注重效果的内容,则被忽视。

 

特别是在辅助驾驶方面,如果只看功能点,很多家都很类似,但从实际体验来看,相差甚远。举个例子,算力只有10TOPS的理想ONE可以在部分高速道路上使用导航辅助驾驶功能,而算力高达1016TOPS的蔚来ET7,在城市导航辅助驾驶功能开放前,这款车也只能在部分高速路段使用导航辅助驾驶功能。如果不看实际效果,那它们又有什么区别?多出的一千算力意义何在?

 

重参数,最后也只会引来参数上的内卷,激光雷达从一个变成四个,算力从10变成1000。车企有必要从实际应用与体验角度上,讲明白自己的产品,而不是抛出一些唬人的参数与技术。产品最终还是拿来用的,而不是拿来比的。飞凡汽车也提出了“坚持做大腕不做大嘴”的口号,这款车的水平究竟如何,等着拿实际表现来说话。