“重感知”能否跑通？车企去地图的底气

传统观点认为，高精地图是实现自动驾驶的关键，但随着技术的发展和实践的探索，“重感知”作为实现自动驾驶新的一种全新技术理念逐渐崭露头角。这种理念的工作原理是什么，而背后到底是何方神圣为车企们提供“去地图”的底气？

现在的汽车行业已经逐渐从电动化上半场走向智能化下半场，智能驾驶迎来了高速发展期。辅助驾驶乃至自动驾驶等等成为了技术内卷的热门话题。如何能寻得最佳性价比的可行方案组合，车企纷纷对智能驾驶技术加大投入，力求让自己的智驾方案更早落地，从而在激烈的市场竞争之中脱颖而出。

摄像头下的视觉世界

重感知并不是什么技术新名词，这个“重”并非物理质量的体现，而是注重、重视的意思。重感知就是更为注重以丰富多样的传感器组合感知周围环境和道路状况，不过多依赖高精度地图辅助实现安全自主行驶的智驾解决方案。近年来随着研发技术的成熟以及工艺制程的进步，传感器技术得到了巨大提升。车载传感器也从原来仅负责检测车辆状态，延展至对车外环境的感知。自动驾驶汽车搭载了多种类型传感器，这些传感器实时扫描和感知车辆周围环境，获得高分辨率数据，对物体、行人、道路标识等进行精准识别。

BEV+Transformer助力城市NOA快速落地

重感知理念的崛起意味着高精度地图在自动驾驶领域占比逐步走弱，甚至走向消亡。对于“轻地图”的详细内容后文另有详述，此处不再赘述。传感器性能对于整套系统成为了关键所在。这其中激光雷达（LiDAR）是必不可少的传感器之一，它能以高频率发送激光束并测量其反射时间，从而获取车辆周围环境的三维点云数据。提供非常精确的障碍物位置和距离信息。而摄像头则负责捕获车辆周围的图像和视频，通过视觉技术令车辆实时识别道路标志、行人、车辆等，并做出相应的决策。毫米波雷达的优势则在于可以穿透雨雾、尘埃等恶劣天气条件，提供高分辨率的障碍物检测。它的工作原理类似于激光雷达，但对于一些特定情况下的感知能力更强。近年来更是出现了4D毫米波成像雷达，进一步提升毫米波雷达能力。至于超声波雷达通常用于近距离感知，如停车时的障碍物检测。它可以帮助车辆避免碰撞或者进行精准停车。以上种种传感器的综合使用，使得自动驾驶车辆能够全方位、多维度地感知周围环境，具备了高度的感知能力和安全性。

NVIDIA DRIVE AGX 自动驾驶平台

重感知理念的实现路径十分直白，在不考虑成本的情况下进行“堆料”，以足够全面并相互冗余补全的传感器阵列，采集感知范围内周遭环境数据；交由算力性能足够高的车载电脑处理分析；通过算法识别和归类实时建立环境单元地图模型；然后系统依靠这些信息进行路径规划和决策，选择合适的驾驶路径和速度，在遵守交通规则的前提下避免障碍物。也就是说但凡无需考虑控本，或者系统成本已经将至可接受范围内的时候，重感知智驾方案是完全可行的。

高速网络保障自动驾驶通信

引领智能驾驶潮流，为智能汽车注入强大动力主要来自于多方面助力。从政策层面来看，近年来国家制度加速引领并推进智能驾驶领域发展，地方政府的积极行动也成为智能驾驶加速落地的“引擎”。而在供给端层面，海量的新车型崛起已然形成井喷态势，同样为智能化掀起一波新的浪潮。自研、科技公司和车企合作加深加快，数据和算法的进步让智能驾驶系统在成本和效率上取得突破。各类辅助驾驶系统也从高速NOA到通勤NOA、城市NOA不断升级迭代。特别是那些处于智能驾驶领域头部的企业，譬如坚持纯视觉路线的特斯拉，其算法早已经历了HydraNets、BEV+Transformer、占用网络、端到端四代发展。国内造车新势力亦不逞多让，他们更多地在智能驾驶上侧重感知、定位、规划等核心算法研发，技术迭代集中在BEV+Transformer。

元戎启行的无图智驾方案

但与雄心壮志的供给端相比，真正为车辆以及功能买单的消费端似乎并未完全跟随狂欢。消费者对智能驾驶的认知虽然正逐步改善仍略显不足。目前智能驾驶的体验者总数相对较小，排斥&不信赖该技术的消费者总量较多，行业普遍面临消费者对技术认知和接受度的瓶颈，如对安全性和可靠性的疑虑。

主要车企均进入智驾赛道

这种一热一冷的情况主要源自于于智能驾驶相关法规相对滞后，功能技术与驾驶者之间规则问题不清晰，严重影响到高级别自动驾驶量产节奏。同时L3级往上，越高级别的自动驾驶技术，越需要需要产业链各方通力配合，开发难度越大、测试周期越长。各类细分场景的特殊限制也影响到自动驾驶的价值体现。加上较高的初始研发成本，多种因素下对涉足其中的企业无疑形成了不小的压力。为此部分企业动了小心思，刻意放大自身的“重感知”技术能力。甚至不惜在宣传口径与实际落地表现上，以模糊的语意夸大或回避问题。最终令“重感知”与“轻地图”走向对立，甚至宣称可“无图”。已发了一波车企与图商之间的技术热议与争论。

采用卷积神经网络 (CNN) 的自动驾驶汽车

截止至2023年末，本刊记者通过多渠道探访与调查，获得了部分“重感知”理念玩家的进展状况如下:

在智能驾驶领域处于全球领先地位的特斯拉，算法已经完成从HydraNets、BEV+Transformer、占用网络、端到端四代发展。国内造车新势力亦不逞多让，他们更多地在智能驾驶上侧重感知、定位、规划等核心算法研发，技术迭代集中在BEV+Transformer。

但与雄心壮志的供给端相比，真正为车辆以及功能买单的消费端似乎并未完全跟随狂欢。消费者对智能驾驶的认知虽然正逐步改善仍略显不足。目前智能驾驶的体验者总数相对较小，排斥&不信赖该技术的消费者总量较多，行业普遍面临消费者对技术认知和接受度的瓶颈，如对安全性和可靠性的疑虑。

特斯拉FSD 测试版项目不断累积测试里程

华为应该算目前在智驾领域发展速度最快的玩家之一。其2022年7月发布ADS1.0，次年4月发布ADS2.0，依靠GOD和RCR两个不错的算法和云端储备，华为目标为实现不依赖高精地图的城市智能驾驶功能，宣传口径为“全国都能开”，但目前实际仅开放了6个城市。在商业化领域，华为主要通过鸿蒙智行（由智选车整合而来）和HI模式（Huawei Inside）实现，如今仍在不断扩大合作范围。

华为ADS2.0是无图派的急先锋

小鹏汽车作为国内首个量产落地高阶城市辅助驾驶（XNGP）功能的车企。最新数据显示小鹏宣传XNGP已在国内243座城市落地，可似乎实际落地52城市，其中部分为县级市。2024年内计划实现轻地图、全场景、轻雷达的智驾目标。不过从其在智驾领域的历史口碑与研发能力来看，全部达成应该只是时间问题。

蔚来汽车Banyan 

蔚来汽车于2023年底将Banyan2.3.0版本全量推送，增强领航辅助NOP+正式更名为全域领航辅助NOP+，进而实现覆盖高速领航换电、高速领航辅助、视觉融合泊车辅助等智能驾驶功能的统一升级，宣传计划2024年内落地超230+城市。但有趣的是在对外宣传口径中，经常以“总里程”代替实际开城数量。这略微有点匪夷所思。

理想汽车于2023年底向Max用户推送基于BEV大模型的智能驾驶AD Max3.0版，提供全场景NOA功能，计划2024年上半年下放至Pro用户，目前通勤NOA落地10城。算众多玩家之中相对谨慎稳重的代表。

百度早在于2014年开始部署自动驾驶，拥有丰富的研究经验和数据积累。旗下极越是Apollo合作车企之一。2023年极越01上市前，发布国内首款BEV+Transformer量产方案。同期纯视觉占用网络OCC技术发布，但目前仍需高精度地图辅助。

在客观角度来看，自动驾驶车辆只需要传感器，而不过多依赖高精度地图，技术层面是没有问题的，也将会是未来自动驾驶技术发展的一个选择方向。传感器的多样性和先进性使得车辆能够全方位感知周围环境，保证了驾驶的安全性和准确性。相较于结合高精度地图辅助工作的技术方案， “重感知”的方式更具有灵活性、适应性和成本效益。但任何技术无法一蹴而就，更多需要涉猎其中的玩家脚踏实地地深挖技术。