跨界融合，赋能自动驾驶落地

文 / 朱煦

“跨界融合，赋能自动驾驶落地”主题论坛现场

在汽车产业转型完成电动化的上半场，进入智能化下半场后，真正大批量落地智能驾驶能力成为转型和竞争的核心赛点。

2022 年11 月8 日-10 日，由中国汽车工业协会主办的2022 中国汽车论坛在上海嘉定举办。其中，在11 月10 日举办的“跨界融合，赋能自动驾驶落地”主题论坛上，来自车企、科技公司、零部件供应商、云服务商、软硬件提供商的精英人士共聚一堂，就自动驾驶量产落地的趋势、产业链情况和未来技术发展进行极具价值的讨论。

本场主题论坛由德国汽车工业协会（中国）副总裁张琳主持。他表示，作为科技创新的重要载体，智能网联汽车正推动着汽车产业形态、交通出行模式、能源消费结构和社会运行方式的深刻变化。

从市场端来看，2022 年1-8 月中国L2 级以上乘用车渗透率达33%，较去年同期增长了12 个百分点。

顶层设计正在形成。德国通过《道路交通法》修正案、《自动驾驶法案》推动L3 和L4 级自动驾驶汽车上路行驶。在国内，工信部已经推出《道路机动车辆生产准入许可管理条例》和《关于开展智能网联汽车准入和上路通行试点工作的通知》的征求意见稿，也正式将中国市场L3 及以上自动驾驶汽车的准入管理提上日程。

产业融合态势正逐渐显现，随着生态多元化，互联网、科技、出行等跨界企业，与传统汽车一起，竞争合作、长短相融，共同加速自动驾驶产业布局。同时，软件定义汽车模式下，汽车商业模式也逐渐改变，应用端需求正成为企业第一驱动力。

自动驾驶产业链再分工

在此背景下，产业链上各方应当如何分工协作？

一汽集团研发总院代理副院长、智能网联开发院院长周时莹在演讲中表示，2023 年前后，自动驾驶产业会进入快速淘汰期，从爆炸期的上升曲线回归到理性化的平稳发展、良性循环过程中。期间，由于赛道上选手过多，会有一大批独角兽企业走下坡路，甚至濒临破产。

同时，整个产业链到底由谁主导尚无定论，车厂、科技公司、芯片公司以及后端的数据运营和后台公司的市场份额和整体分工并没有平稳化。而汽车行业在往平稳化过渡，也在陆续决出真正优质的品牌，其中自动驾驶就是最大的魅力点所在。

在此变局当中，作为主机厂将掌握由车带来的海量数据，因此在自动驾驶的细分领域里更占优势。

但与此同时，自动驾驶算法是投入大、产出慢、周期长的领域。作为OEM 可以将自动驾驶作为自己的爆发点全情投入，也可以选择跟算法公司合作，通过投资、融资的方式共同建立自动驾驶算法能力。

但核心的问题是，OEM 需要有战略定力，明确至少五年的战略定位。在系统设计、算法、整车集成、用户体验等选项中明确自己的战略方向，并进行既苦又必须的长期坚持，坚定不移地发展下去。

在寻找新的产业分工定位的同时，车企也在积极探索，希望将自动驾驶这一代表未来的核心技术掌握在自己手中。

据上汽集团人工智能实验室于乾坤博士介绍，作为上汽集团大战略项目之一，今年上汽Robotaxi 形成了感知、规控、计算、定位多冗余的技术路线，以及面向感知和规控的闭环数据工厂，并有比较大的提升。

其中在感知层面，上汽Robotaxi 采用包括6个固态激光雷达、5 个周视相机、3 个前视摄像头、4 路环视、5 个Radar、12 路超声波雷达的感知方案，在感知之外设置了一层感知“墙”的概念，将超声波雷达也拿过来作为行车时的传感器，开发了基于环视+超声超近距离的感知方法，在近距离实现厘米级高精度的融合结果，从而实现窄距离通行的效果。

在计算冗余方面，该解决方案采用1000 tops的高阶自动驾驶计算平台，64Tops 算力L2++ 功能降级系统， 6 核ASIL-D 的MCU 组成的安全岛，实现基本的AEB 功能，以及基于5G V2X 的远程驾控系统，时间延迟可以控制在300 毫秒以内，及时实现远程接管、远程辅助。

值得注意的是，上汽Robotaxi 是基于OEM主导的项目，因此其车辆在前端便实现了改装，车辆一致性和工艺完整性大幅提高。

自动驾驶供应商崛起

在车企积极探索的同时，行业内已经有了量产高级别自动驾驶方案的供应商，以及各具特色的技术方案。

据轻舟智航联合创始人、CTO 侯聪介绍，随着“双擎”战略发布，轻舟智航已不止是一家L4自动驾驶公司，更是希望通过前装量产高级别辅助驾驶，渐进式地由高级别辅助驾驶反哺自动驾驶，通过走这一条最务实的道路，最终在国内实现无人驾驶。

他认为，到2025 年，我国智能驾驶市场渗透率有望达到65% 以上，其中L2 及以上的功能渗透率突破40% 。

为此，轻舟智航发布了“轻舟乘风”城市NOA 方案，这是国内首个部署了超融合模型的量产方案，已经在地平线征程5 的芯片上实现。其采用的“超融合”感知方案，综合融合了多传感器不同的信息，并且实现了穿插的时序融合。

其中大模型OmniNet 具有3 个优点：感知更精准；车端更适配，算力降低60%以下，对传感器的配置非常灵活；迭代更高效。

大模型适用于数据驱动。轻舟已经开发了大量的自监督、半监督、弱监督的机器学习框架。可以充分挖掘数据中的价值，还可通过数据合成处理很多长尾问题。

同时，轻舟采用“时空联合规划”的方法，同时搜索空间和时间的结果由此大幅提升解空间，在复杂动态场景下搜出最优解来，甚至某些场景下比人类的行为做得更好、更舒适、更安全。

在预测方面，通过与征程5 的适配优化和先进模型，能输出周围物体10s 的预测轨迹，支持数百个物体的预测，20 毫秒就可跑完预测。

面向未来，轻舟提出了入门体验标配化、中端体验标准化、高端体验大众化、极致体验革新化的智能化“小四化”理念。

东软睿驰汽车技术（上海）有限公司副总经理刘威认为，一个好的自动驾驶域控制器的架构应具备如下优点：安全、软硬分离、面向服务、开放，同时应该面向开发者、能够实现自我进化，实现传感器多功能泛化。

因此，东软睿驰打造了分为硬件层、软件平台层、服务应用层的自动驾驶SOA 软件架构，可提供轻量级和高等级智能驾驶能力两种部署架构方案。

该架构设计能够支持软硬分离，东软睿驰提供了基础软件NeuSAR，来实现支撑厂家自己的SOA 的设计。并在不同的软件模块和算法里面都嵌入了功能安全的机制，还提供了信息安全的模块，能够支撑不同产品的开发和应用。

同时东软睿驰还实现了产品标准化，能够支持不同标准的传感器；预置了标准的AutoSAR，控制器都采用标准的I/O 接口；此外，还预置了标准的系统底层软件来实现迅速上传，能够进行应用层的开发，专注个性化和创新功能的实现。在自动驾驶开发模式上，实现开放的生态合作，分层次提供不同的软件能力，最大限度满足移植性、易维护性及系统的健壮性，提供不同的硬件平台支持。

此外，通过预置OS 相关的基础软件，东软睿驰能够提供面向自动驾驶的实时处理框架，并在云端实现了数据驱动闭环服务。

传统Tier1 供应商也正在积极寻求在自动驾驶领域新的商业机会。

大陆集团前沿工程技术研究中国区负责人尤欢表示，大陆集团服务于L3 级以上高自动化的自动驾驶不同核心的关键技术，包括感知、定位、V2X、路径规划、动态控制等。通过这些不同的关键技术不断地整合，服务于不同的车型，包括乘用车和商用车车型等，无人驾驶车型在不同场合不断实现迭代开发。

其中，乘用车L4 级基于城市工况，适应高级自动场景，拥有自主代客泊车等系统，核心产品包括MKC1+HBE、线控+ 电子控制系统等，能够很好地服务于高级自动驾驶，特别是在主系统失效的时候，辅系统介入，保证行车安全。

同时，大陆集团也会在商务车领域进行高级自动驾驶不同解决方案的开发。

而在自动驾驶所需的关键零部件上，中国供应商正在寻求成为领导者的机会。

上海拿森汽车电子有限公司总经理陶喆表示，拿森致力于成为中国线控底盘的领导者。

目前拿森已在上海布局完整的线控底盘ACUD 全套正向开发能力，包含系统开发、模块级开发、模块级验证等一系列整车验证。拿森在杭州萧山布局了全线产品线的生产制造基地，包含NBooster、ESC （车身稳定系统）、电动转向、one-box 以及未来的底盘域控制等产品的生产。

拿森可提供两套方案：一是现在主力供货的two-box 解决方案，NBooster 和ESC 做相互备份，当一个失效另外一个接管。这套方案在国内主力市场车型上实现批量的供货；二是行业比较熟悉的one-box 集成式的方案，它比two-box 具备高集成、高效率、高性能、高安全的特点。

此外拿森也在未来创新型底盘域控制器上投入很多的资源，期待未来3-5 年上市底盘域控制。

在完全自动驾驶领域，也已有了商业化的产品。

文远知行创始人兼首席执行官韩旭介绍，文远知行的主要产品包括自动驾驶出租车、自动驾驶小巴车、自动驾驶同城货运车、自动驾驶环卫车和高阶智能辅助驾驶系统等，能够提供包括网约车、随需公交、同城货运、智能环卫、高阶自动驾驶等多种落地解决方案，目前已开发了WeRide One——文远知行自动驾驶通用技术平台，使用一套算法，类似的传感器来支持包括自动驾驶出租车、自动驾驶环卫车、自动驾驶小巴、自动驾驶物流车、L2/L3 系统等，最大化集成了公用的软件和硬件。

目前，文远知行的自动驾驶车队规模已经超过400 辆，打车、货车运营、监管运控平台等自动驾驶运营级产品也已完成。

完善自动驾驶所需的数据体系

算法、算力、数据被称之为自动驾驶成长的三大基础。随着自动驾驶量产落地预期的不断切近，从数据法规、数据生产应用体系上，各方动作频频，成绩斐然。

中国汽车工业协会数据分会执行秘书长滕添益表示，随着智能网联汽车产业的高速发展，未来十年汽车产业除了产业技术链和供应链变革外，还将形成数据链，从而推动汽车产业数据生态的发展。

整个汽车产业数据生态有三大支柱，包括数据安全保障：企业合规管理、技术保障；数据资产化：明确数据权属，明确数据所有权和使用权，数据标准化工作；行业数据平台：建立信任，数据价值确定与共享交易。

在产业数字化转型的过程中，政府和企业都依据数据开展相关工作，政府会依托于数据开展产业管理，里面分成对企业的管理和对产品的管理。企业方面，主要是对数据安全的总体要求，还有包括相应的数据存证和审计等。而在产品方面，会有产品基于数据的实时监管要求。

而数据应用领域，也已出现了全方案的自动驾驶数据闭环供应商。

亚马逊云科技大中华区战略业务发展部总监陈亦恺表示，数据是自动驾驶的灵魂，一定要解决数据管理的问题。而自动驾驶的数据管理面临六个挑战：

海量数据的采集和传输；海量数据的存储：复杂的数据管理和数据分析；复杂的模型开发和训练；自动驾驶的仿真验证，这是超大规模的仿真验证的要求；规模、敏捷、成本以及安全，云原生的自动驾驶开发工具链。

基于这些需求，亚马逊云科技推出了一套基于云原生自动驾驶的开发平台框架，用自己构建这套数据闭环平台为合作伙伴和客户赋能。

亚马逊云科技帮助合作伙伴和客户加快投产的速度，支持多租户的协同开发，成本优化，利用云弹性资源减少一次性投入；核心软件能力可以做到拥有代码，帮助企业快速构建平台，以及获得云原生的技术能力，实现敏捷开发。

IAE 智行众维®联合创始人、CTO 李月表示，软件测试是为了积累大量的虚拟里程，让算法覆盖尽可能多的边缘场景（corner case）。为此需要进行海量仿真+ 自动化测试，仿真平台就显得非常重要。

IAE 的仿真平台需要能够管控整个仿真的测试节点，既规划整个仿真测试用地的使用，又具备仿真测试的KPI 体系，在测试之后自动化输出评价的结果，快速推进软件迭代。