自动驾驶回归量产本质，向 20 万市场发起猛攻

科技

2023-08-21 12:08

作者 / Jaz

编辑 / 叶方

2023 年过半，国内智能驾驶行业画风急转，来到了激进转折点。

一面是开城之战。

高速 NOA 向城市 NOA 全面铺开，许多车企都把落地城市 NOA 放在了今年第三季度。华为与小鹏分别计划把 ADS2.0、城市 NGP 功能释放至 45 座城市，理想更为激进，准备将通勤 NOA 功能拓展至 100 座城市。

另一面是车企对自动驾驶企业技术竞争力、性价比的要求逐步提升。

上半年，许多自动驾驶企业推出了去高精地图的纯视觉解决方案，将智能驾驶下放至 20 万及以下区间车型。

同时，行车和泊车共用同一个域控制器，实现传感器深度复用、计算资源共享的行泊一体方案也十分火热，成为考验各家自动驾驶综合能力的标尺。

尽管表象不同，但它们的本质都是一样，那就是智能驾驶正在回归量产，实现价值兑付。

可以看到，前几天小鹏汽车的 2023 年第二季度业绩电话会议上，小鹏表示将通过技术创新使 XNGP 的 BOM 成本降低 50%，最主流的 15 万级别也能推出全自动驾驶汽车。

也可以看到，统治大算力芯片的英伟达，旗下算力更小的 Orin-N 在上半年备受欢迎。

或许对于身处市场末端的普通消费者来说，看透这样的演变态势过于严苛，但是对于自动驾驶行业的老兵们来说，大多早已看穿这些。

他们在技术上提前布局，产品上早早落地，走在了行业的前头。

2022 年，汽车之心曾与 Nullmax 纽劢创始人兼 CEO 徐雷博士有过一场关于行泊一体的交流。

当时，行业公司纷纷推出行泊一体量产方案，但 Nullmax 先行数步，在前年官宣了国内知名车厂项目定点，为平台化的不同车型提供基于 TDA4 平台的行泊一体应用，这远远早于行泊一体爆火的时间点。

而在今年，我们了解到 Nullmax 的商业化脚步还在明显提速，新的量产定点和新的项目交付齐头并进。

早上一两年的时间实现定点，又再早上一两年的时间开始爆发式落地，这张亮眼成绩单的背后是，量产一线老兵敏锐的商业洞察和持之以恒的技术坚持。

在这行业急速发展的转折点上，也在 Nullmax 将要完成更多项目交付的时间点上，汽车之心与徐雷博士，这位先后在高通、特斯拉深度参与自动驾驶及相关技术研发的老兵，围绕自动驾驶转折、量产实践进行了一场关于量产实践的对话。

降本增效，

自动驾驶不变的关键词

过去，智能汽车不惜一切代价高举高打，竭力奔赴「豪华」和「高端」，感知硬件动辄搭载 3-4 颗激光雷达，芯片讲究算力拉满。

2020 年蔚来发布的旗舰轿车 ET7，主打速度与豪华兼具，搭载了 4 颗英伟达 Orin 芯片，总算力达到 1016TOPS。

激光雷达更是如此，无论是造车新势力还是传统车企的新兴品牌，高端车型几乎都配备了 1-2 颗激光雷达，更有甚者放话「4 颗以下，请别说话」试图以激光雷达夺人眼球。

今年开始，智能汽车从崇尚高举高打，转折为崇尚实用主义，无论是城市 NOA 去高精地图、中低端车型削减激光雷达都能看到车企正在从智能驾驶底层发力，托举产业向价值兑付层面靠近。

行泊一体更不用说，已经成为了自动驾驶企业与车企的一场实现价值的双向奔赴。

目前，20 万以内车型，在行车方面，多数只具备 ACC、AEB 等基础 ADAS 功能，并不具备高速 NOA 能力，在泊车上，也只具备 APA 的基础自动泊车，基本不具备记忆泊车功能。

对于消费者而言，无法体验到更具完整性的智能驾驶体验，反而影响了自动驾驶驾驶全面推广的流畅度。

高工智能汽车研究院监测数据显示，2022 年 1-9 月中国市场（不含进出口）乘用车前装标配搭载行泊一体域控制器交付上险量为 49.85 万辆，同比增长 117.12%，搭载率为 9.75%。

行泊一体，成为自动驾驶兑换价值的窗口。

行泊一体之所以被众星捧月，事实上，真正的行泊一体不仅可以将成本降低至 50%，同时还能实现传感器深度复用，实现更高的 NOA 功能。

行泊一体爆发的本质在于自动驾驶行业更趋向于车企、用户实现降本增效。

现阶段是否能做到这一点，具备真正的产品力，才决定了企业是否能进入自动驾驶决赛圈。

在徐雷博士看来，自动驾驶产品的降本增效比拼，并不是闭卷考试，而是一场关于芯片选型、软硬件协同的综合能力开卷考。

徐雷博士把降本增效拆分为两个层面：

第一层是自动驾驶企业对芯片的深刻理解。

自动驾驶系统既需要逻辑算力也需要深度学习能力，对芯片有着高度集成化的要求，如果把原本分散到不同芯片的计算能力高度集成到一块 Soc 芯片中，不仅会降低芯片综合成本，也能够降低数据在芯片上来回传输的时延，进一步提升效率。

目前，纽劢是首个能够在 TDA4VM 芯片上完成行泊一体量产交付的企业，要从 0 到 1 做到这一点难度并不小。

TDA4 是异构计算平台，其中包含 GPU、DSP、MCU 等平台，纽劢基于原生 SDK 开发了一套框架，高效地将这些计算资源更合理地运用起来。

据汽车之心了解，目前纽劢基于 TDA4VM 开发的行泊一体解决方案在仅有 8 TOPS 的 AI 算力下，能够提供领航辅助、高速代驾辅助、拥堵跟车辅助、记忆泊车等一系列的行车、泊车功能。同时，障碍物识别率精度也非常高，可以媲美其他高端方案。

降本增效既是技术框架，也是产品细节。

第二层则需要拥有对自动驾驶体验细节的把控。

「即便是同样的车道保持功能，在可运行设计范围内，对各类事件的处理和反应也是不一样的。」在自动驾驶降本增效开卷考中，打分权恰恰掌握在消费者实际体验的过程中。

对于消费者而言，大多数人并不关心自动驾驶系统自研还是非自研，又是哪些供应商做的。

消费者真正关心的问题是产品能做到什么样的功能、性能体验究竟如何。

一辆车大曲率弯道过弯稳定性，识别前车距离、速度并作出反应的时间，以及系统接管次数等方方面面的细节，都是自动驾驶企业的关键得分点，有时候这种得分点甚至深到了细微处。

徐雷举了一个例子，L2 级别自动驾驶仍需要驾驶员将手搭放在方向盘上保证驾驶安全，方向盘在开启自动驾驶后保证平稳就是细节。「即便有轻微的左右晃动，都给驾驶者的安全感不够。」

因此，即便是方向盘的细节调控，纽劢也做了大量工作，让车辆方向盘的平稳度达到最佳状态，无论是开弯道还是开直道，都能像老司机一样可靠，而不是来来回回不停修正。

回归量产本质，

用笨拙而高效的方法交付项目

技术只是基础能力，在过去一年中伴随 L2+智能驾驶普及的是铺天盖地的量产交付压力。

数据显示，今年 1-6 月中国市场（不含进出口）乘用车前装标配搭载 L2（含 L2+）交付新车 324.35 万辆，同比增长 37.65%；前装标配搭载率为 34.90%，同比上年同期提升约 8 个百分点。

自动驾驶越接近量产，就越发困难。

在徐雷看来，不谈量产，只做 Demo 并无法检验企业的真正实力。

他坦言，各种各样的 Demo 更多是在限定场景内来验证方案是否具备可行性，但量产项目的考验显然更加严苛，会有大量的压力测试。「既要保证系统功能的上线，也要顾及系统的稳定性，绝对不能有任何崩溃。」

持续上升的自动驾驶渗透率，对主机厂和自动驾驶企业都是不小的挑战。

对于主机厂来说，算法移植、软硬件协同、信息安全等问题都需要考虑。

对自动驾驶企业来说，面对主机厂对时间线、成本、交付质量的严苛要求，同样也十分棘手。

「比起芯片选型，车型项目组往往更加关心自动驾驶公司能在什么样的成本、价格内做到什么样的性能体验。」

目前，纽劢针对乘用车前装量产领域，先后推出了智能驾驶解决方案 MaxDrive、视觉感知方案 MaxVision，分别提供完整的智能驾驶系统以及关键的视觉感知模块，满足不同客户的技术需求。

在 TDA4 上，这两套不同的产品均已获得了量产订单，而且进入了规模交付阶段。

纽劢的合作客户既有奇瑞、上汽等头部车企，也有国内顶级 Tier1 厂商，同时还得到了德州仪器、英伟达等芯片厂商的的信赖。

背靠众多合作伙伴让纽劢在量产项目的落地速度和规模上得到了加持，也让彼此的良好互动成就了多方共赢。

徐雷本人可能是为数不多在定点项目中亲自驻点的自动驾驶企业 CEO。

徐雷认为基于 TDA4VM 平台打造的行泊一体，是一套竞争力出众的方案，但也极具挑战。

因此，落地的过程需要懂视觉技术也懂深度学习还懂工程落地的复合型人才，把各个层面的团队打通，才能打造出真正标杆性的效果，然后复制到其他定点项目中。

在他看来，驻场是看似笨拙实则高效的落地方法。

自动驾驶的驻场交付流程中大体分为两个阶段：

第一个阶段是稳定自动驾驶的平台运行，比如在落地行泊一体方案的过程中，就需要整个团队协调行车、泊车之间迅速切换系统的稳定性。包括切换时间要快、同时也不能出现任何内存泄露等问题。

第二个阶段是调试功能，处理软硬件协同问题，对最终产品的实际表现和体验负责。有时徐雷的严苛还会渗透进 Nullmax 整个驻场团队的作战风格中。

由于每个车企的自动驾驶方案需求不同，相应的也有不同算力、性能的不同配置，功能体验自然而言也不同。但在徐雷的做事风格中，一个大曲率过弯的功能实现能做到 100 分，就不会只做 80 分。

这背后是以老司机的体验标准来要求每一个项目，「我对同伴们的要求是，只要你觉得车的表现与自己开始开车时感觉不一样，那么我们就会都视为问题来考虑，而不是考虑算力大小区别来降低要求。」

驻场的作用在于高效解决问题、与车厂保持积极的双向输入输出状态。

徐雷将这种状态总结为「用车厂的语言与车厂对话。」

车企并非只要过程不要结果，自动驾驶企业需要按照约定的节奏和时间表一步步去交付。

「如果每一个节点都很难守住，主机厂会觉得项目不可控」，Nullmax 的驻场解决了车企对于效率的焦虑感。

自动驾驶量产交付非常容易遇到的问题是如何迅速排查问题根源。

一旦问题发生，就需要团队逐一排查是硬件传感器的问题还是感知、决策规划或控制系统的问题。

纽劢的方法就是把问题解耦，用一套能与车企的语言去由粗颗粒度到细颗粒度沟通。「粗颗粒谈现象，细颗粒拿证据」，最终能够迅速解决问题，让车企知道整个项目落地的进度，从头到脚都更加沉的下来，有踏实感。

现场开发、现场发现问题、现场解决问题，纽劢已经形成了自动驾驶企业与车企达成信任的标准模式。

同时，纽劢在量产实践中也保持着与各类合作伙伴双向输入、输出的状态。

徐雷向汽车之心透露，不仅是团队要向车厂保持输入，要派人与车企一起上车采集数据，其实也要与相关传感器厂商、芯片厂商、工具链软件开发商协同，配合参与开发。

相应的，在帮助车企解决车企问题的同时，纽劢也会吸取芯片合作伙伴、传感器合作伙伴的经验，得到迅速成长。「芯片企业有时候也会给一些很好的建议，比如如何更有使用 DSP 等计算资源。」

如此一来，纽劢的量产交付历程更像落地了广积粮、缓称王的思路。

打通智能驾驶的 iPhone4 时刻，

中国自动驾驶的量产交付期已经到了

从相关销量数据来看，自动驾驶全面铺开呈现两个特征：

第一个是技术特征。

城区 NOA 逐渐渗透对自动驾驶公司和车企提出更高的要求，同时逐渐培养用户在城区内使用相关辅助驾驶功能的出行习惯，推动自动驾驶形成数据闭环。

理想汽车 CEO 李想认为：「以后在中高端车市场，如果不能提供城市 NOA，消费者就是买和不买的差别。」

第二个特征是车型特征。

10-20 万区间车型成为撬动自动驾驶量产杠杆的关键。

数据显示，新能源车辆市场 10-20 万区间车型销量占比超过 40%。面对更加激烈的智能驾驶争夺赛，就越需要车企从主力价格区间开刀，狠打性价比。

纽劢在自动驾驶解决方案中两面开工。

向上，纽劢在英伟达等企业的大算力平台中率先基于先进的 BEV+ Transformer 神经网络技术去构建局部地图，实现高级别的自动驾驶。「相当于实现类似特斯拉 FSD 般的体验」。

向下，纽劢则拥有非常强悍的感知能力，也可以在 TDA4VM 等中低算力芯片中实现真正融合的行泊一体 4.0 量产解决方案。可以说目前纽劢已经拥有完整的全栈产品矩阵，全面覆盖高、中、低算力主流芯片平台。

回顾纽劢的发展历史，就会发现，无论是 2020 年早于行业拿到行泊一体定点项目，还是一直坚持不依赖高精地图，以视觉感知为主的自动驾驶路线，都踩中了自动驾驶的发展节奏。

在外界看来，中国自动驾驶量产交付期来得迟缓了一些。

2019 年时，全球范围内的整车厂基本都将各自 L2+自动驾驶技术落地时间定在了 2020 年。

徐雷认为，对纽劢来说，一直处于正常、稳定的落地节奏中，这些感受与其本人的经验以及纽劢的基因有着很大关系。

在徐雷尚未创立纽劢之前，他就曾在特斯拉自动驾驶驾驶团队负责过特斯拉 Autopilot 深度学习框架的搭建，使得 Autopilot 2.0 顺利替代了 Mobileye EyeQ3 方案，并在 2016 年的 Model X 中顺利量产。

同时，纽劢合伙人宋新雨也曾在特斯拉自动驾驶团队工作过 4 年。

这些经历使得纽劢有了一丝特斯拉的基因与灵感，对自动驾驶技术落地趋势更加敏锐。

「参与 Autopilot1.0 到 2.0 的开发时，我们就发现跨越式路线去实现 L4 非常难。特斯拉的量产经验让我们看到自动驾驶有非常多的 corner case，尤其是面对从限定范围到城区的挑战。所以从商业化、场景的角度，纽劢从成立之初就选择了渐进式的量产。」

而重感知、轻地图也是纽劢一直坚持的方向。高精地图最大的两个不足在于成本高、更迭速度慢。早在纽劢成立之初徐雷和创始团队就意识到「高精地图一定是 nice to have，而不是 must to have」，他强调高精地图只是先验信息，而不能抱着安全最后一道屏障的心态去做。

因此，早在 2019 年时，纽劢就在上海临港通过 12 个摄像头、5 个毫米波雷达做到了不依赖高精地图的解决方案，成为业内重感知轻地图探索的先行者。

目前，纽劢的第一批上车项目中已经包含了智能巡航、记忆泊车在内的基础 ADAS 功能，下一步纽劢将会是普及 NOA 等高阶能力，也会把更多精力放入到解决环岛、十字路口的难题上，即便没有车道线，也能像老司机一样顺滑通过。

纽劢的落地风格是先找钉子，再拿锤子，以解决实际问题导向。

徐雷认为，现阶段 ADAS 功能正在快速上车，而高级别自动驾驶则要更有能力应对城区等复杂场景。

自动驾驶技术的迅速渗透不可否认存在难度。

因为自动驾驶并不是单一实现某一个功能，而是全流程的改造，对车的开发有一套严格、详尽的流程管控、产品定义。「这与手机从功能机到智能机的发展历程是一样的。」

就像智能手机的发展不仅是软件的突飞猛进，也伴随着通讯技术、摄像头、芯片等硬件技术的成长。智能汽车也类似，只有与传感器、芯片乃至深度学习技术的各项技术深度融合，才能真正做到智能汽车的全面普及。

这些转变完全不亚于 13 年前，iPhone4 带给手机行业的智能化变革。

当年 iPhone4 凭借超前的理念与激进的想法，第一次实现了真正意义上的软硬件高度结合，无论是硬件上引入红外传感器、搭载自研 A4 芯片，还是在软件上发布 iOS4，不仅让手机产业大踏步迈入智能时代，乃至使得大多数人的生活发生了转变。

自动驾驶功能一旦被大量使用后，往往能形成多米诺骨牌效应。

「原本我们最早的汽车也没有倒车摄像头，每次只能通过后视镜回头看，但当倒车摄像头出现后，用户其实非常依赖。纽劢希望能够将自动驾驶做到大家都买得起、用得起的价格，无论从降低驾驶员疲劳还是提升安全性来说，效果都会更好」。

随着纽劢向自动驾驶量产深处驶去，自动驾驶的 iPhone4 时刻不远了。