目前制约汽车智能化发展的是什么?

发布网友 发布时间：2024-09-29 10:02

我来回答

共1个回答

热心网友 时间：2024-10-04 07:23

现如今，汽车智能化的趋势无人能挡，行业上“政策东风+市场期待+资金投入“都在，没有什么可制约其发展的。

2022年高速NOA功能，2023年城市NOA功能，2024年实现小规模L3等级自动驾驶功能

政策上，23年6月21日，国务院政策例行吹风会举行，介绍促进新能源汽车产业高质量发展有关情况。特别强调了：启动智能网联汽车准入和上路通行试点，组织开展城市级“车路云一体化”示范应用，支持有条件的自动驾驶。这里面讲的是L3级，及更高级别的自动驾驶功能商业化应用。

市场上，更多的汽车推出了自己的城市NOA功能，并且相继开展L3测试。

可以说，23年到现在，自动驾驶正处于L3的导入期。

自动驾驶发展如火如荼，正当时！但是，如果一定要找到一些困难，还是有的：

第一个问题就是：软件覆盖场景的挑战——长尾问题

自动驾驶有个绕不过的问题，就是长尾问题。这个问题的解决程度，也是评价各家车企自动驾驶能力的标志。

我们都知道，现如今的自动驾驶都是基于“预训练大模型”的，其本质就是类似于婴儿，不断接受外界的刺激，训练出合理的反应（结果）。其成熟度的评价，最重要的就是“长尾问题”的解决能力。其关键点在于“数据量”。可以说自动驾驶软件的成熟度，能处理更多的场景问题，是考验其安全性很重要的方面，最大的点在于长尾问题（低概率场景）的处理能力。

现如今，越来越多的自动驾驶车辆行驶在路上，自动驾驶“影子模式”可以收集更多的长尾问题数据，反向促进模型本身的能力的提高。随着时间的推移，完全自动驾驶必将实现。

特斯拉是最早采用影子模式的公司。在特斯拉的系统中，影子模式允许Autopilot系统收集统计数据，改进软件的问题。在影子模式下，特斯拉的自动驾驶系统虽然处于开启状态，但不会采取任何主动行动或干预驾驶员的操作。系统会在后台运行，模拟决策，当遇到和车主决策结论不一致的情况时，会触发数据采集及回传，对机器做出的决策进行训练“纠正”。

但是现在的实际效果并不好，比如前一阵发生的一起事故：一位湖北襄阳的理想L9车主称，在高速上开启了辅助驾驶系统，车辆在行驶中检测到高处广告牌上的小货车图片，突然急刹导致追尾。这起事故中的问题就是，现如今的软件还无法覆盖处理这些长尾场景。

第二个问题就是：硬件太贵，卷“成本”

现如今依旧有个矛盾，就是高昂的自动驾驶硬件方案和自动驾驶普及的矛盾！

上面提到了安全问题，是个软件上的，而自动驾驶系统要想保障安全可靠，是需要有冗余系统的。冗余就是在添加一套，通常来讲，自动驾驶硬件有下面六大冗余：

而硬件冗余，必然带来的是成本的上涨，这对于自动驾驶的普及带来了挑战。

比如，感知冗余上，大家不仅仅使用摄像头（视觉传感器），使用毫米波雷达，超声波雷达，更重要的是增加了激光雷达（几千元不等）。这些传感器的融合，避免单一种类传感器的弊端，提高安全性。综合下来：一套自动驾驶系统（硬件部分）会达到上万元或几万元。

比如，有的方案商在推出无的方案。比如特斯拉，一直在坚持纯视觉的自动驾驶路线，国内的极越汽车，也是采用同样的百度Apollo纯视觉自动驾驶方案。

还有的主流毫米波雷达厂商集中推出了4D成像雷达产品，在性能上不断优化升级，与摄像头融合已经可实现L3级NOA功能，有望替代激光雷应用于部分高阶智驾场景。

比如，行易道推出的4D毫米波成像雷达，基于4台双片级联的4D点云成像雷达，采用自研计算毫米波成像技术和融合算法，可以作为高精度环境感知核心传感器替代激光雷达，应用于智能驾驶所需的低成本高精地图、自动泊车、自主导航等场景。

木牛科技推出的4D成像雷达179，在波形设计、孔径阵列、收发通道、算法架构、运算效率和抗干扰等方向进行了优化。与摄像头前融合后，可实现自主上下匝道、智能变道等L3级NOA功能。

现如今，很多厂家都在努力降低激光雷达的成本。比如，一径科技推出的ZVISION EZ6激光雷达，在接收端采用SPAD芯片替代了以往多数分立元器件简化了架构复杂度;在发射端采用高集成度VCSEL线阵芯片，整机成本将低于2000元。

上面这些是感知端降低成本的案例，还有从智能芯片入手，实现舱驾算力融合，降低成本。

简单讲，所谓“舱驾一体”，也叫舱驾融合，顾名思义即将域控制器的智驾域和座舱域实现高度集成，统一到中央计算单元中，以期实现硬件、软件和应用的全面打通，从而提升用户体验，同时，缩短开发周期，降低整车成本。

比如，高通的Snapdragon Ride Flex芯片，以单颗SoC同时支持数字座舱、ADAS和AD功能。博世全新座舱与ADAS集成平台基于Snapdragon Ride Flex SoC打造，赋能OEM实现统一的中央计算与软件定义汽车架构，提供从入门级到顶级的可扩展性能。

综上，自动驾驶方面，无论是价格更便宜的激光雷达，4D毫米波雷达，还是芯片舱驾融合方案，其根本就是在解决：高昂的自动驾驶硬件方案对自动驾驶普及的矛盾！可见未来，高阶自动驾驶低成本技术方案，一定会是开拓的方向。

【本文来自易车号作者北方车厘子，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】

热心网友 时间：2024-10-04 07:26

现如今，汽车智能化的趋势无人能挡，行业上“政策东风+市场期待+资金投入“都在，没有什么可制约其发展的。

2022年高速NOA功能，2023年城市NOA功能，2024年实现小规模L3等级自动驾驶功能

政策上，23年6月21日，国务院政策例行吹风会举行，介绍促进新能源汽车产业高质量发展有关情况。特别强调了：启动智能网联汽车准入和上路通行试点，组织开展城市级“车路云一体化”示范应用，支持有条件的自动驾驶。这里面讲的是L3级，及更高级别的自动驾驶功能商业化应用。

市场上，更多的汽车推出了自己的城市NOA功能，并且相继开展L3测试。

可以说，23年到现在，自动驾驶正处于L3的导入期。

自动驾驶发展如火如荼，正当时！但是，如果一定要找到一些困难，还是有的：

第一个问题就是：软件覆盖场景的挑战——长尾问题

自动驾驶有个绕不过的问题，就是长尾问题。这个问题的解决程度，也是评价各家车企自动驾驶能力的标志。

我们都知道，现如今的自动驾驶都是基于“预训练大模型”的，其本质就是类似于婴儿，不断接受外界的刺激，训练出合理的反应（结果）。其成熟度的评价，最重要的就是“长尾问题”的解决能力。其关键点在于“数据量”。可以说自动驾驶软件的成熟度，能处理更多的场景问题，是考验其安全性很重要的方面，最大的点在于长尾问题（低概率场景）的处理能力。

现如今，越来越多的自动驾驶车辆行驶在路上，自动驾驶“影子模式”可以收集更多的长尾问题数据，反向促进模型本身的能力的提高。随着时间的推移，完全自动驾驶必将实现。

特斯拉是最早采用影子模式的公司。在特斯拉的系统中，影子模式允许Autopilot系统收集统计数据，改进软件的问题。在影子模式下，特斯拉的自动驾驶系统虽然处于开启状态，但不会采取任何主动行动或干预驾驶员的操作。系统会在后台运行，模拟决策，当遇到和车主决策结论不一致的情况时，会触发数据采集及回传，对机器做出的决策进行训练“纠正”。

但是现在的实际效果并不好，比如前一阵发生的一起事故：一位湖北襄阳的理想L9车主称，在高速上开启了辅助驾驶系统，车辆在行驶中检测到高处广告牌上的小货车图片，突然急刹导致追尾。这起事故中的问题就是，现如今的软件还无法覆盖处理这些长尾场景。

第二个问题就是：硬件太贵，卷“成本”

现如今依旧有个矛盾，就是高昂的自动驾驶硬件方案和自动驾驶普及的矛盾！

上面提到了安全问题，是个软件上的，而自动驾驶系统要想保障安全可靠，是需要有冗余系统的。冗余就是在添加一套，通常来讲，自动驾驶硬件有下面六大冗余：

而硬件冗余，必然带来的是成本的上涨，这对于自动驾驶的普及带来了挑战。

比如，感知冗余上，大家不仅仅使用摄像头（视觉传感器），使用毫米波雷达，超声波雷达，更重要的是增加了激光雷达（几千元不等）。这些传感器的融合，避免单一种类传感器的弊端，提高安全性。综合下来：一套自动驾驶系统（硬件部分）会达到上万元或几万元。

比如，有的方案商在推出无的方案。比如特斯拉，一直在坚持纯视觉的自动驾驶路线，国内的极越汽车，也是采用同样的百度Apollo纯视觉自动驾驶方案。

还有的主流毫米波雷达厂商集中推出了4D成像雷达产品，在性能上不断优化升级，与摄像头融合已经可实现L3级NOA功能，有望替代激光雷应用于部分高阶智驾场景。

比如，行易道推出的4D毫米波成像雷达，基于4台双片级联的4D点云成像雷达，采用自研计算毫米波成像技术和融合算法，可以作为高精度环境感知核心传感器替代激光雷达，应用于智能驾驶所需的低成本高精地图、自动泊车、自主导航等场景。

木牛科技推出的4D成像雷达179，在波形设计、孔径阵列、收发通道、算法架构、运算效率和抗干扰等方向进行了优化。与摄像头前融合后，可实现自主上下匝道、智能变道等L3级NOA功能。

现如今，很多厂家都在努力降低激光雷达的成本。比如，一径科技推出的ZVISION EZ6激光雷达，在接收端采用SPAD芯片替代了以往多数分立元器件简化了架构复杂度;在发射端采用高集成度VCSEL线阵芯片，整机成本将低于2000元。

上面这些是感知端降低成本的案例，还有从智能芯片入手，实现舱驾算力融合，降低成本。

简单讲，所谓“舱驾一体”，也叫舱驾融合，顾名思义即将域控制器的智驾域和座舱域实现高度集成，统一到中央计算单元中，以期实现硬件、软件和应用的全面打通，从而提升用户体验，同时，缩短开发周期，降低整车成本。

比如，高通的Snapdragon Ride Flex芯片，以单颗SoC同时支持数字座舱、ADAS和AD功能。博世全新座舱与ADAS集成平台基于Snapdragon Ride Flex SoC打造，赋能OEM实现统一的中央计算与软件定义汽车架构，提供从入门级到顶级的可扩展性能。

综上，自动驾驶方面，无论是价格更便宜的激光雷达，4D毫米波雷达，还是芯片舱驾融合方案，其根本就是在解决：高昂的自动驾驶硬件方案对自动驾驶普及的矛盾！可见未来，高阶自动驾驶低成本技术方案，一定会是开拓的方向。

【本文来自易车号作者北方车厘子，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】