世界快看点丨岚图汽车：自动驾驶量产道阻且长，但行则将至

2023年6月15日-16日，在2023第六届自动驾驶与人机共驾论坛上，岚图汽车智能驾驶兼底盘开发高级总监付斌表示，L2和L3是驾驶辅助和自动驾驶区别的分水岭，智能驾驶配置将成为用户衡量车型产品实力的重要考量因素，并且城市NOA将是智驾下一个功能的主战场。

付斌|岚图汽车智能驾驶兼底盘开发高级总监

(相关资料图)

以下为演讲内容整理：

近年来，智能驾驶行业不断发展，智能驾驶很难搞，自动驾驶更难搞，难在哪里？

首先，智能驾驶技术跨度较大，涉及传感器、执行器、芯片、算法及底层软件和车端、云端；其次，协同难度相对较高；最后，消费者对智能驾驶的体验感要求较高。

关于智能驾驶分级

2021年，工信部出台《汽车驾驶自动化分级》，从L0-L5，对智驾进行了分级。L3-L5称为自动驾驶，尤其是L3，被称为有条件自动驾驶。

L2和L3之间是驾驶辅助和自动驾驶的分水岭。

图源：岚图汽车

L2驾驶辅助是指车辆能辅助驾驶人执行转向、加速和减速，且系统默认驾驶人能完成剩余动态驾驶任务。在辅助驾驶模式下，驾驶员是操作主体。辅助驾驶旨在让驾驶员在驾驶时更舒适，而非完全替代驾驶。

L3自动驾驶允许驾驶员不完全待命，车辆可独立完成全部驾驶操作。但驾驶员仍需保持注意力集中，以随时接管机器无法应付的情况。L3自动驾驶对系统和驾驶员都有要求，当系统识别不满足设计运行规范和范围时，要及时向用户发出介入请求；驾驶员收到介入请求时，要及时接管。如果没有响应，系统要适时采取减缓车辆风险的措施。

这意味主机厂和供应商需要承担更多责任，同时也可能存在悖论，如果系统提出接管要求，驾驶员拒绝接管，该如何处理？但有的时候系统真的全坏了而无法执行降级，这样的安全风险就会极高。因此，目前市面上高阶自动驾驶辅助产品，无论能力多强，基本都称为L2.9。

为达到自动驾驶技术要求，我们要开发L3级自动驾驶产品，要从硬件层面提高产品稳定性和鲁棒性。

智能驾驶发展趋势

相关数据显示，高端电动车最吸引消费者的因素中，更先进的辅助驾驶功能占比达68%，排名第二。中国用户对自动驾驶的态度更开放，2021年的39%提升至2022年的81%。在中国，71%的里程和90%的驾驶时间都在城市道路，因此，智能驾驶的发展方向将向着城市NOA持续演进。

2017年，各车企按照L2标准进行辅助功能大规模量产；2012年，高速NOA开始量产，但搭载率仅为1%，2022年，高速NOA规模化量产；预计到2025年，搭载城市领航L2.9级别的高阶自动驾驶的市场渗透率或超过15%；2026年，市场预测可能会有L3级的自动驾驶；2030年后，随着L4和L5自动驾驶技术的逐渐成熟，各车企才会逐渐实施量产。

图源：岚图汽车

从功能角度看，当高速点对点NOA功能出现后，车辆实现自主变道，点对点的作用价值仅仅从功能的角度看已实现自动驾驶。但需要澄清几个概念，这与分级标准有关。动态驾驶任务DDT、设计运行范围ODD、动态驾驶任务接管DDT fallback、目标和事件检测与响应OEDR都有相关规定。

另外大众与从业者对自动驾驶的认知完全不对等。从业者了解自动驾驶的局限性，但用户理解相对较浅。建议媒体和从业者尽量少谈“自动驾驶”，多提一些高级功能的名称，如智能导航辅助驾驶等大众相对容易理解的功能。

自动驾驶的量产落地

我们统计了市面上的一些车型，在功能方面已有多款车型在加速城市NOA功能落地，激光雷达是加强感知的重要硬件之一。

图源：岚图汽车

同时随着泊车功能的普及，高阶功能记忆泊车HPP逐渐搭载，行泊一体方案逐渐普及。

图源：岚图汽车

以城市NOA为例，自动驾驶要解决的场景非常复杂。比如鬼探头、自主过环岛、自动绕障，以及掉头行驶、礼让行人等。同时智能驾驶的真正落地不仅需要设置功能，还需要攻克不少典型课题。

我们认为，多传感器融合是实现自动驾驶的基础，多传感器组合能互为冗余、为智能驾驶安全奠定基础、适应场景更多、感知范围更广。对自动驾驶而言，没有任何一款传感器能够尽善尽美地满足所有智能驾驶需求。理论上，传感器多元异构能够让环境信息获取更全面、更准确、更高效。

多传感器融合+V2X是实现全场景自动驾驶的必经之路。因为V2X在自动驾驶中的应用可以提高感知能力、增强安全性、优化交通流，并促进车辆之间的协同合作。

接下来是一个比较热门的话题：“重感知”还是“重地图”？

自2018年第一台智能驾驶车辆搭载ADAS地图以来，高精地图一直是先进感知元素的代表。目前，国内大部分整车厂主要采用高精地图方案。而近两年，我们逐渐关注“轻地图”方案，如特斯拉的纯视觉感知方案。今年下半年，我们可能会推出区域地图方案，2023年是否会成为“去地图化”的元年？

“重感知”和“高精地图”方案，各有优劣。首先在国内量产搭载高精地图，要向测科院申请图号和偏转插件。并且高精地图信息敏感，采集定位和传感器信息都属于测绘行为。因此，法规限制对高清地图的推广产生了壁垒；其次，高精采集的费用非常高，如厘米级高精度采集，每公里在千元级，再加上采集车的高成本，导致高精地图无法像普通地图一样在全国范围内覆盖。最后地图数据需要多次采集，还需关注地图更新程度。这些因素导致高精度地图产业应用成本过高。

重感知轻地图的方案同样面临自动驾驶系统级难题，涉及到算法、算力和数据问题。因为我们需要大量的算法人才和架构师，同时量产车需要搭载庞大的商业平台、训练模型和大量数据，整体方案的实现门槛较高。

图源：岚图汽车

我们认为高精地图仍有存在必要，通过对市面上的地图进行调研，我们发现这些地图主要是为了解决法规、覆盖度、鲜度三个问题。目前高精地图方案已相当成熟，但只有6个重点城市的部分路段进行了覆盖，覆盖度无法满足我们对功能实现的要求。

SDmap方案能够解决法规、覆盖、鲜度问题。如果采用SDmap方案，再加上感知的不断进步，完全能满足后续城市点对点自动驾驶的要求。因此，我认为智能驾驶需要补足感知功课，而非完全依赖感知或地图方案。

关于算力，我们对L1-L5的算力需求进行了测算。按照目前的展示，智能驾驶未来的发展趋势基本明确，主要是大数据和大算力推动人工智能走向大模型的发展。

图源：岚图汽车

高算力芯片的需求来源主要有以下几点：首先是新感知技术的应用；其次是行泊一体技术方案的应用，导致以前分布在多个SOC或MCU的算力，现在务必要集中到一个SOC。第三点系统资源需求增多。例如SOA的应用，这些服务化应用对智能驾驶系统的运行和CPU算力有较大要求。此外，我们还需要开发车云一体数据闭环应用，包括信息安全上传和打码处理等，都会对整体算力产生较大需求。

总体来说，高算力芯片对新技术的应用是技术保证。硬件决定下限，软件决定上限。只有合适的算力和优秀的算法，才是未来智能驾驶行业的核心竞争力表现。

随着智能化程度的提高，我们对功能安全的要求也随之提升，已经从辅助驾驶ASIL B到自动驾驶ASIL D，我们需要对影响自动驾驶实现的链路进行全面冗余。在复杂系统和场景中，安全性问题源于环境带来的非预期性安全因素。因此在自动驾驶落地前需要对其功能性能进行充分测试验证，这也是辅助驾驶和自动驾驶的最大区别。

大数据是向自动驾驶进阶的基石。人工智能在海量数据训练下会变得越来越聪明。因此，在“数据+数据闭环=智能驾驶下半场的引擎” 的宏观趋势下，数据闭环已成为智能驾驶持续迭代的行业主流方案。基于车端海量数据，依托智驾云平台，实现通过数据驱动，构建智能驾驶研发、验证和升级的闭环。

仅靠硬件对称无法解决人机共驾的安全感和信任感，也无法实现更高的体验。这表明一套安全、稳定、全面的智能驾驶系统不仅要解决场景问题，还要解决系统如何与驾驶员建立默契的交互合作。通过可视化信息、恰当语音提醒和更智能的接管方式，我们应该为用户构建人机共驾新体验。

岚图要打造安全可靠、软硬分离，具备成长性的智能驾驶系统。尽管我们对传感器冗余方案、云平台、大型芯片、高精定位等技术进行了储备，但基于市场消费者的认知和成本考虑，近期并未真正打算将L3级自动驾驶应用落地。我们将在L2.9上，在特定场景和有限范围内实现自动驾驶的落地。

总结与展望

在真正实现自动驾驶落地之前，首先整车厂和媒体在宣传时要正确引导客户，使他们了解功能的适用场景和必要操作方法。

其次，我们要严格遵守数据安全和信息安全法，建立企业内部管理机制和云端技术防御体系。最后，更广泛的智慧交通建设和应用，可以开放更多可靠路端信息给车端，车路协同将加速自动驾驶的落地。

（以上内容来自岚图汽车智能驾驶兼底盘开发高级总监付斌于2023年6月15日-16日在2023第六届自动驾驶与人机共驾论坛发表的《自动驾驶量产：道阻且长，但行则将至》主题演讲。）