下一代智能汽車會是什么樣的？將有哪些清晰可見的突破？
在聊智(zhi)能汽(qi)車(che)新技術展望(wang)之前，我們可(ke)以看看目前的(de)(de)現(xian)狀。去年開始，汽(qi)車(che)領域(yu)的(de)(de)熱度(du)逐(zhu)漸被新能源霸屏(ping)，智(zhi)能汽(qi)車(che)一大(da)(da)賣(mai)點：自(zi)動駕(jia)駛(shi)的(de)(de)熱度(du)弱了很多，從車(che)企到(dao)資本(ben)市場，大(da)(da)談L4，L5自(zi)動駕(jia)駛(shi)的(de)(de)也少了很多，當大(da)(da)家深切體會(hui)到(dao)自(zi)動駕(jia)駛(shi)的(de)(de)實現(xian)難(nan)度(du)之后(hou)一切都(dou)趨于理性。
一方(fang)面自動駕駛滿足最新ISO26262功(gong)能(neng)安(an)全(quan)標準(zhun)（保護人身(shen)安(an)全(quan)）的難度似乎(hu)就是(shi)“不可(ke)能(neng)”事件。在(zai)對功(gong)能(neng)安(an)全(quan)風險等級(ji)進行評估的時候我們主要(yao)從三(san)個(ge)(ge)(ge)維度來(lai)進行分析，一個(ge)(ge)(ge)是(shi)這(zhe)個(ge)(ge)(ge)系統失效(xiao)是(shi)否會導致嚴重(zhong)的人身(shen)傷害？另外一個(ge)(ge)(ge)是(shi)這(zhe)個(ge)(ge)(ge)系統的功(gong)能(neng)是(shi)否會在(zai)各種(zhong)場景下都使用？最后一個(ge)(ge)(ge)是(shi)當這(zhe)個(ge)(ge)(ge)系統失效(xiao)的時候駕駛員是(shi)否還對車輛可(ke)控(kong)？
用這(zhe)(zhe)三個標尺來衡量自(zi)動(dong)駕駛：自(zi)動(dong)駕駛失效會造成(cheng)最嚴重的(de)人(ren)身傷害；無限制的(de)L5自(zi)動(dong)駕駛自(zi)然會被使(shi)用在所有的(de)駕駛場景；最后對于L5自(zi)動(dong)駕駛來說(shuo)，真諦就是方向盤剎車油(you)門變得不(bu)再必(bi)須(xu)，這(zhe)(zhe)時(shi)候又怎(zen)么可能(neng)指望在系(xi)統失效的(de)時(shi)候駕駛員對車輛還及時(shi)可控。
這三個衡(heng)量標準(zhun)直(zhi)接導致L4/L5自動(dong)駕駛需(xu)要滿足(zu)功(gong)能安全最高(gao)等(deng)級ASIL D的(de)(de)要求，而ASIL D是主(zhu)機廠都想盡量避免的(de)(de)ASIL等(deng)級。從A到D，研(yan)發成(cheng)本指數級上(shang)升：
比如所有傳感(gan)器都要滿足ASIL D要求(qiu)，不(bu)同等級之間最大(da)的(de)(de)區別是(shi)在(zai)失效率上，ASIL D的(de)(de)硬件要求(qiu)隨(sui)機出(chu)(chu)錯(cuo)的(de)(de)概率是(shi)ASIL C的(de)(de)1/10，具體的(de)(de)概率如下表(biao)顯示，可以用(yong)FIT （failure in time）來表(biao)示，1 FIT所表(biao)示的(de)(de)是(shi)運行(xing)10億小(xiao)時出(chu)(chu)錯(cuo)一(yi)(yi)次，ASIL D的(de)(de)要求(qiu)是(shi) 10 FIT，也就是(shi)運行(xing)100億小(xiao)時出(chu)(chu)錯(cuo)一(yi)(yi)次。這等同于136,892輛車運行(xing)一(yi)(yi)年(nian)只有一(yi)(yi)輛出(chu)(chu)錯(cuo)一(yi)(yi)次。
而目前(qian)(qian)大(da)部分(fen)汽車上(shang)使用的(de)零部件能(neng)(neng)達到(dao)ASIL B要(yao)(yao)求(qiu)的(de)都(dou)不多。如(ru)果(guo)達不到(dao)ASIL D，就(jiu)需要(yao)(yao)用多個(ge)零部件來做同樣功能(neng)(neng)進行冗余設計。比如(ru)速度傳感器(qi)，如(ru)果(guo)一(yi)個(ge)傳感器(qi)只能(neng)(neng)達到(dao)ASIL B的(de)要(yao)(yao)求(qiu)，那么ASIL D就(jiu)需要(yao)(yao)搭配兩個(ge)ASIL B的(de)傳感器(qi)。同理如(ru)果(guo)傳感器(qi)只能(neng)(neng)滿(man)足(zu)ASIL A的(de)要(yao)(yao)求(qiu)，那么就(jiu)需要(yao)(yao)至少三個(ge)同類(lei)傳感器(qi)實(shi)現A+A+A=C，這對于車企來說就(jiu)是(shi)成本上(shang)的(de)災難(nan)，也代表著在技術上(shang)需要(yao)(yao)融合多種傳感器(qi)算法，這是(shi)目前(qian)(qian)功能(neng)(neng)安全(quan)很難(nan)滿(man)足(zu)要(yao)(yao)求(qiu)的(de)主要(yao)(yao)原因。
另一個(ge)目前自(zi)動駕駛面臨的(de)(de)問題(ti)則是整(zheng)個(ge)平臺(tai)算力和(he)(he)能耗的(de)(de)瓶頸。要(yao)滿足自(zi)動駕駛需要(yao)不同(tong)的(de)(de)傳感(gan)器來(lai)取長補短，比(bi)如(ru)雷(lei)達(da)適(shi)合各種氣候(hou)條(tiao)件下使用(yong)，也適(shi)合速(su)度(du)和(he)(he)距離的(de)(de)判斷。但是分辨率(lv)卻很低(di)，也不適(shi)合物品類型的(de)(de)識(shi)別(bie)，這(zhe)部分需要(yao)激(ji)光(guang)雷(lei)達(da)來(lai)補充，同(tong)時還(huan)需要(yao)攝像(xiang)(xiang)頭(tou)來(lai)進行比(bi)如(ru)交通標識(shi)和(he)(he)車道的(de)(de)圖像(xiang)(xiang)識(shi)別(bie)。下表所展示得是雷(lei)達(da)，激(ji)光(guang)雷(lei)達(da)以及(ji)攝像(xiang)(xiang)頭(tou)之間的(de)(de)優勢和(he)(he)劣勢對(dui)比(bi)。
表格來自：//www.wevolver.com/article/a.primer.on.lidar.for.autonomous.vehicles自動駕(jia)駛(shi)中(zhong)最(zui)耗費算(suan)力的(de)(de)就是(shi)機器(qi)(qi)視覺感(gan)知和多種傳感(gan)器(qi)(qi)信(xin)息融合這部分(fen)，下圖是(shi)激(ji)光雷(lei)(lei)達(da)(da)感(gan)知并構建的(de)(de)車輛周(zhou)圍3D環(huan)境。不(bu)算(suan)激(ji)光雷(lei)(lei)達(da)(da)的(de)(de)使(shi)用，僅(jin)僅(jin)是(shi)今天市面(mian)上搭配(pei)了攝像(xiang)頭和雷(lei)(lei)達(da)(da)的(de)(de)L2輔助駕(jia)駛(shi)系統，就會(hui)在30秒(miao)的(de)(de)周(zhou)期內生成超過(guo)6GB的(de)(de)數(shu)據，如果添加激(ji)光雷(lei)(lei)達(da)(da)和其他(ta)冗余的(de)(de)傳感(gan)器(qi)(qi)那么這個(ge)數(shu)據量還會(hui)翻倍增加，對(dui)這些數(shu)據進行實(shi)時處理，直接挑戰的(de)(de)是(shi)ADAS控(kong)制器(qi)(qi)的(de)(de)算(suan)力以及算(suan)力對(dui)應的(de)(de)能(neng)耗。
一些在研(yan)的(de)自(zi)動駕駛原(yuan)型車項目，為了(le)(le)算力直接(jie)搭(da)載了(le)(le)體積巨大的(de)工控(kong)機(ji)(ji)，同時意(yi)味著幾千瓦的(de)能耗(hao)。要知道車用(yong)48V電(dian)(dian)機(ji)(ji)的(de)功率才有幾千瓦，如果按照(zhao)這個能耗(hao)計(ji)算，整(zheng)個自(zi)動駕駛系統對于電(dian)(dian)動車來說(shuo)會意(yi)味著1/10的(de)續航里程下降。下圖是斯坦福大學(xue)搭(da)載在奧(ao)迪TT上的(de)自(zi)動駕駛原(yuan)型機(ji)(ji)和控(kong)制附件，鋪滿了(le)(le)整(zheng)個后備箱。
圖片來自://www.wired.com/story/self-driving-cars-power-consumption-nvidia-chip/面對上(shang)面的(de)(de)(de)難點，未來的(de)(de)(de)智能汽(qi)車會(hui)是什么樣？那就要看車企們(men)是如何圍繞這些難點來進行集中攻關的(de)(de)(de)。
針對功能(neng)安全的(de)短板(ban)，現在最直接的(de)解(jie)決方(fang)案(an)是布置冗余(yu)的(de)傳感器(qi)，除了使用更(geng)多的(de)傳統攝(she)像(xiang)頭和雷達(da)，最新的(de)趨勢將(jiang)是搭配(pei)激(ji)光雷達(da)和高精地圖(tu)。激(ji)光雷達(da)比(bi)起攝(she)像(xiang)頭可以(yi)構建更(geng)真實的(de)3D環境，而比(bi)起雷達(da)又具有更(geng)準
確的(de)物體(ti)識別能(neng)力。隨著(zhu)更多的(de)供(gong)應商開始參與到量產化(hua)研發，激光雷(lei)達(da)的(de)成本也在快速降低。比如大疆投資(zi)的(de)Livox去年(nian)推出的(de)Livox Mid-40，只要3999，相對動輒幾萬(wan)幾十萬(wan)的(de)激光雷(lei)達(da)，已經是白(bai)菜價，雖然Field of View只有38.4度。
今年CES展上，Livox更是展出了針對自動駕(jia)駛系統的(de)(de)Horizon產品，水平視場（HFOV）為(wei)81.7°，可(ke)以輕松覆蓋10米外(wai)的(de)(de)4條(tiao)車道，使(shi)用五個Horizon傳感器組合即可(ke)實(shi)現(xian)360°覆蓋，而總(zong)成本(ben)僅為(wei)64線機械激(ji)光(guang)雷達的(de)(de)5％(//zhuanlan.zhihu.com/p/101341002)
圖片來自：//zhuanlan.zhihu.com/p/101341002另一個(ge)明確的(de)(de)方(fang)向是搭配高(gao)精(jing)地圖。在氣象條(tiao)件(jian)有(you)限(xian)的(de)(de)情況下(xia)比如大(da)霧天氣，攝像頭和激光雷達的(de)(de)感知能力都(dou)會極(ji)大(da)受限(xian)，這個(ge)時候需要(yao)有(you)可以配合(he)雷達進行(xing)基礎車道和交通標識識別的(de)(de)其(qi)他工具，高(gao)精(jing)地圖是目前(qian)最佳(jia)的(de)(de)解決方(fang)案。通過(guo)分米甚至(zhi)厘(li)米級的(de)(de)地圖精(jing)度，ADAS系統可以有(you)效實現精(jing)準(zhun)的(de)(de)車道定(ding)位。當然(ran)高(gao)精(jing)地圖本身因為(wei)(wei)巨大(da)的(de)(de)數據(ju)量需要(yao)有(you)5G網絡的(de)(de)加持(chi)(chi)，這也是為(wei)(wei)什么我一直認為(wei)(wei)自(zi)(zi)動駕駛和車聯網/物聯網一樣，都(dou)需要(yao)5G技術(shu) 的(de)(de)支持(chi)(chi)，同理(li)5G基礎設(she)施的(de)(de)完善(shan)反過(guo)來會對自(zi)(zi)動駕駛的(de)(de)實現起到極(ji)大(da)的(de)(de)推動作用(yong)。
圖片來自: //zhuanlan.zhihu.com/p/99886859回到車企端，廣(guang)州車展上(shang)小(xiao)鵬發布(bu)了下一(yi)代(dai)智(zhi)能平臺，也是圍繞著這幾個方(fang)向部署(shu)了新(xin)產品，包括我第一(yi)次見到在量產車上(shang)使(shi)用基于激光雷達的(de)32個傳感器自動駕駛系統，以及基于5G的(de)高(gao)精地圖定位功能。
聊完(wan)了功(gong)能(neng)安全部分的(de)前(qian)景，再看在ADAS平(ping)臺(tai)算(suan)力(li)和能(neng)耗(hao)控制(zhi)上的(de)未來展望。目(mu)前(qian)各個大廠在做(zuo)的(de)量(liang)(liang)產(chan)方(fang)案都是融合了多核(he)(he)CPU和GPU的(de)SoC芯片系(xi)統(tong)方(fang)案，在滿足上文提到的(de)自(zi)動駕駛算(suan)力(li)需求的(de)同時(shi)相對工控機(ji)大幅降(jiang)低能(neng)耗(hao)。2019年特斯(si)拉開始量(liang)(liang)產(chan)以(yi)自(zi)研 FSD 芯片為(wei)核(he)(he)心的(de) Hardware3.0 硬(ying)件，算(suan)力(li)達(da)到 144Tops（1TOPS代(dai)(dai)表處理器每秒鐘可進行一萬億(yi)次（10^12）操作(zuo)）。據報道，預計于2021年底特斯(si)拉還將(jiang)量(liang)(liang)產(chan) 下(xia)一代(dai)(dai)Hardware4.0 ，算(suan)力(li)將(jiang)是上一代(dai)(dai)的(de)3倍（//electrek.co/2020/08/18/tesla-hw-4-0-self-driving-chip-tsmc-for-mass-production-q4-2021-report/amp/)。Nvidia規劃(hua)的(de)下(xia)一代(dai)(dai)自(zi)動駕駛芯片系(xi)統(tong)，甚至通過多個芯片組合將(jiang)達(da)到2000Tops的(de)算(suan)力(li)，在滿足L5等(deng)級自(zi)動駕駛算(suan)力(li)需求的(de)同時(shi)功(gong)耗(hao)只有800W。
圖片來自：//zhuanlan.zhihu.com/p/141403316同(tong)樣在(zai)(zai)(zai)國內，小鵬作為(wei)(wei)主(zhu)打智能的(de)(de)(de)新能源品牌，在(zai)(zai)(zai)廣州車(che)展發布的(de)(de)(de)下(xia)(xia)一(yi)(yi)代自動(dong)駕駛(shi)算法平臺從上(shang)一(yi)(yi)代Xavier 30Tops的(de)(de)(de)算力進化(hua)為(wei)(wei)508Tops的(de)(de)(de)集(ji)成化(hua)芯片(pian)系統，實(shi)現了十倍(bei)以(yi)上(shang)的(de)(de)(de)算力提(ti)升，用來(lai)滿足包括激光雷達在(zai)(zai)(zai)內的(de)(de)(de)32個ADAS傳感(gan)器融合，同(tong)時(shi)能耗只有100W左右。這種算力提(ti)升的(de)(de)(de)另一(yi)(yi)大(da)好(hao)處就是可以(yi)將以(yi)往(wang)分散的(de)(de)(de)感(gan)知，規劃以(yi)及動(dong)作執行軟件都繼承在(zai)(zai)(zai)單一(yi)(yi)的(de)(de)(de)XCU上(shang)，通過(guo)減少(shao)控(kong)制(zhi)器數目以(yi)及控(kong)制(zhi)器之間(jian)的(de)(de)(de)通訊(xun)線束來(lai)降(jiang)低成本，由此在(zai)(zai)(zai)實(shi)現下(xia)(xia)一(yi)(yi)代輔(fu)助(zhu)或(huo)者自動(dong)駕駛(shi)功(gong)能的(de)(de)(de)同(tong)時(shi)不會大(da)幅(fu)增加整車(che)成本。
那么(me)下一(yi)(yi)代智能(neng)汽車(che)究(jiu)竟會是什么(me)樣的？更強大的輔助(zhu)甚(shen)至(zhi)自動(dong)駕(jia)(jia)駛將(jiang)是最(zui)大的一(yi)(yi)個可以(yi)期待的特(te)質。而(er)要滿足這個特(te)質，我們正(zheng)在進行(xing)一(yi)(yi)系列(lie)技術突(tu)破(po)，包括(kuo)(kuo)激光雷達在內的多傳感器(qi)融合，基于5G的高精地圖(tu)使用，以(yi)及具有超高集成度，超高算力，低能(neng)耗的ADAS控(kong)制系統(tong)。在汽車(che)研發領域我們已經(jing)硬件(jian)先行(xing)，軟件(jian)算法包括(kuo)(kuo)5G基礎(chu)設(she)施跟(gen)上之后通過OTA軟件(jian)隔空推送，低階的L2輔助(zhu)駕(jia)(jia)駛到L3高階輔助(zhu)甚(shen)至(zhi)L4-L5的自動(dong)駕(jia)(jia)駛，會比(bi)你想象中來得快。
