关于高阶智能驾驶功能的十个有趣观点

谁还在质疑智能驾驶不是消费者购车的重要考虑因素呢？

截至2024年7月，新能源汽车在市场的占比已经超过了50%，这说明中国品牌在新能源领域已经占据了显著的市场份额。随着电动车之间的差异逐渐缩小，智能化已经成为新的竞争焦点。中国自主品牌的市场渗透率已经超过了61.8%，预计到年底将接近65%，这表明智能化的发展正在加速。

智能驾驶的发展迅速。自2022年起，售价在20万至30万及30万以上的高端车型几乎都配备了领航辅助驾驶（NOA）功能。在30万以上的车型中，未配备NOA的车型日益稀少，难以在市场上形成竞争力。2023年，销量前十的高端车型中有8款配备了NOA功能，这反映出高端市场对智能驾驶技术的需求持续增长。

埃隆·马斯克的两次访华显著推动了中国的电动化和智能驾驶技术发展，尤其是全自动驾驶（FSD）技术的推广。FSD的V12版本推出后，加速了全球智能驾驶技术的竞争，目标是年底前进入中国市场。

根据创新扩散曲线模型，最初只有少数汽车企业在城区推广全场景NOA。随着技术的成熟和市场认知度的提高，2024年上半年，全场景智能驾驶在中国城区的渗透率已达到8.5%，技术竞赛进入了白热化阶段。配备此功能的车型数量增加，部分高端车型已将其作为标配。

城区智能驾驶系统仍未达到可用状态

虽然高级智能驾驶系统在高速公路场景下表现接近“好用”，但在城区的复杂交通中仍面临诸多挑战。尤其是在拥堵和多变的环境下，这些系统的表现尚未满足用户的期望。

仅仅因为某条路线的开通就声称智能驾驶系统“适用于城区”是不切实际的。系统必须能够广泛适应不同城市的道路结构和交通流，从而真正提高用户体验的一致性。产品从早期采用者向大众用户的普及，通常需求渗透率达到25%至30%，预计到2025年，智能驾驶产品可能会在这一方面取得重要突破。

产品质量是推广智能驾驶系统的核心因素。在高级城区智能驾驶领域，提供卓越的用户体验至关重要，这样才能吸引更多消费者的使用和认可。智能化竞赛可比作铁人三项：早期软件市场百花齐放，但随着高级智驾的发展，行业逐渐趋向于几家主要公司。要在城区智驾竞赛中取胜，必须具备领先技术、精细工程以及以人为本的设计，这三者缺一不可。

如果系统处理城区复杂交通情况不当，可能会给驾驶者带来较大的心理压力。因此，提升系统的处理能力对产品普及至关重要。智驾系统的发展可以分为三个阶段：第一阶段是保障物理安全，确保系统在交通中避免碰撞；第二阶段是提供心理安全，通过增强系统的拟人性让驾驶者建立信任；第三阶段是实现高级智驾的广泛普及，使系统在每个城市、每个时刻都能可靠工作，并通过软硬件结合降低成本，让更多消费者享受先进技术。

优秀的系统并非依靠单一维度或某种算法就能解决所有问题，而是通过先进技术和大量精细的工程努力相结合，将产品细节发展到极致，更好地应对复杂的驾驶场景。

统一的智能驾驶系统应在各种极端场景下表现一致，让用户感到安心

当前智能驾驶技术中存在众多的系统和模式，如NOA、LCC、LKA、ACC等，这些多样的代号和模式使得系统变得复杂，用户在使用时的理解成本较高。如果能打造一个覆盖全场景的统一智能驾驶系统，就可以避免传统系统中的多模式切换问题。

最理想的操作方式是用户通过一键激活，无需在不同场景下切换多种模式。无论是在城区、高速公路还是停车场景中，系统都应能够无缝应对。

与传统的模块拼接系统不同，一个通过统一架构构建的通用驾驶能力可以提供一致的操作体验和人机界面（HMI）表现。这样的系统设计避免了功能割裂，例如即使在没有导航信息的情况下进入LCC模式，系统也能根据导航指令完成NOA操作，确保所有场景下都无需模式切换或功能降级。

在极端环境下，如晚高峰时段的暴雨中，系统能够通过精细的HMI图像传递意图，精准感知和处理复杂交通环境中的行人、道路结构等。此外，系统需要具备极低的延迟和高精度的动态调整能力，以便在复杂场景中，如无保护的左转或在需要礼让行人时，能够像人类驾驶员一样灵活应对。

端到端技术并非自动驾驶的灵丹妙药

智能驾驶系统目前面临的主要挑战包括扩展性的两个方面：Scale up和Scale out。Scale up主要关注系统在性能和可靠性上的提升，而Scale out则侧重于系统在地理范围和应用场景上的扩展。

Scale up的技术路径包括：

1. 规则堆叠模式：传统的L4自动驾驶系统，如Waymo，主要依靠规则堆叠。这种方式确保了系统的稳定性和安全性，但在复杂场景下可能显得生硬，难以提供自然流畅的驾驶体验。
2. 端到端学习：以特斯拉FSD为代表，这种系统通过模仿人类驾驶行为来提升性能，可能实现一些创新操作。然而，这种黑盒方法的安全性较低，存在翻车的风险。

Scale out的技术路径包括：

1. 高精地图依赖问题：早期的扩展方法依赖于高精度地图，但高成本和更新滞后使其难以广泛应用。地图的及时更新和覆盖广度是扩展的主要限制因素。
2. 无地图或轻地图方案：随着端到端技术的引入，开始减少对高精地图的依赖，转而使用更广泛的数据源进行扩展。虽然这种方法可以快速扩展到更多场景，但数据质量问题可能导致驾驶体验下降，尤其在复杂或偏远地区。

尽管端到端方法展现了在扩展性方面的潜力，它并非全能解决方案。历史经验表明，智能驾驶系统的发展需要综合多种技术路径，而非单一依赖某种技术。

地平线的“系统拟人化设计”和“双擎驱动”策略展示了除端到端之外的技术路径

地平线公司提出了“系统拟人化设计”的概念，强调智能驾驶系统应尽可能地拟人化，以实现与人类驾驶员及道路基础设施的自然互动。公司的解决方案采用了名为“双擎驱动”的策略，旨在同时解决Scale up和Scale out的问题，从而提升系统的可用性和实用性。

“世界模型”作为一种增强的感知系统，通过结合导航信息，模仿人类驾驶员的综合判断能力，努力突破对世界的认知和理解限制。在感知层面，公司采用神经网络技术，快速实现端到端的认知与理解，提升系统的性能上限。

此外，下游的交易博弈模块整合了规划与控制（PNC），通过神经网络技术进行大模块划分，以保证系统的拟人化体验。一个额外的外部引擎被用于进行博弈验证和安全边界的提供，确保系统的底线安全。

技术层面上，地平线的“世界模型”通过融合多源信息，能够更准确地理解动态、静态及OCC 3D的场景信息，形成了一种自动驾驶的世界观。借助“软件2.0”技术，成功解决了所谓的“跷跷板效应”，实现了在提升系统性能上限的同时，确保底线安全不被忽略。

在实际应用中，系统在复杂的城区场景下表现出的优雅性和高效性显著提升，轨迹的类人性提升了50%，延时降低了75%，并且在遮挡情况下的准召率提升了70%。在交互博弈过程中，变道成功率提升了50%，通行效率提升了60%，整体的舒适性提升了30%。

端到端系统在实际应用中如何提升驾驶的自然性和适应性？

在传统技术中，路径规划方法经常导致车辆行为显得僵硬且不拟人，尤其是在复杂的路况下，例如大路口左转或与其他车辆互动时，系统通常依赖预设的路线，这可能造成驾驶行为显得不协调。

SuperDrive系统采用端到端神经网络和世界模型不仅理解动态和静态目标的位置与速度，还引入了态势感知。在可视化表示下，整个场景呈现为一个向量场，使系统能够识别并融入周围车辆的运动态势，有效减少不必要的冲突。

该系统通过神经网络生成多条驾驶路径，这些路径在舒适性和效率上各有优劣。最终由规划器（planner）选择一条安全性高的路径执行，确保驾驶过程的安全、舒适和高效。

在狭窄街道或复杂场景下，SuperDrive能够优雅从容地避让其他交通参与者，保持安全距离，并在危险情况下迅速做出反应，体现了高度的拟人化驾驶。此外，该系统还能预判复杂场景中的潜在危险，如突然的车门开启或行人意外出现，通过提前减速或避让来避免意外，并保持驾驶的平稳。

特别是在环岛这类更复杂的场景中，SuperDrive展现了其强大的泛化能力，能够有效应对没有车道线、复杂车流及各种突发状况，确保车辆平稳通过。这种全面的适应性证明了系统在多种驾驶场景下的高效表现。

优秀的智能驾驶人机界面（HMI）应具备哪些关键特点？

优秀的HMI系统应该能够以非常直观和生动的方式呈现信息。例如，采用立体的3D视图而非平面图，可以让用户更真实地感知周围环境，如高楼、桥梁和树木。这种立体感不仅增强了用户的沉浸体验，也有助于他们更好地理解车辆与环境的互动。

信息展示必须清晰，确保重要的信息不被次要信息遮挡。这要求HMI设计时精心安排信息的优先级和可视性，保证用户能够迅速获得他们最需要的数据，如车速和路况警示，而不被其他非关键信息干扰。

HMI还应提供一个统一的用户界面，使用户在各功能间的切换（如从导航到媒体控制）既自然又无缝。这种设计简化了用户操作，减少了在频繁切换界面时可能遇到的混乱和不便。

此外，HMI不仅是信息展示板，还应通过动态反馈如启动动画和声音提示增加用户的参与感。这让用户能够感知到每一个操作的响应，例如，当智能驾驶模式启动时，一个清晰的声音提示或动画能够让用户确信车辆状态已经改变。

最后，一个好的HMI应能提供从宏观到微观的多层次信息，不仅展示广泛的路况信息，还能关注到车辆内部的细节，如灯光和车门状态等。这种全面的信息展示有助于用户全面掌握车辆的状态和外部环境。

自动驾驶的普及必须扩展到城区以实现全场景应用

自动驾驶要真正普及，不能仅限于高速公路，必须拓展到城区。城区的路况通常更加复杂。举个例子，假设一个顾客在4S店体验自动驾驶技术，但得知只能在高速公路上使用，需要开车40分钟才能到高速，估计90%的人会放弃试驾。

因此，自动驾驶要跨越这个鸿沟，首先必须实现全场景覆盖。在接下来的三到五年内，推动这种全场景智能驾驶技术普及到十几万的车型，成为标配。

就像20年前，自动挡车辆从奢侈变为常态，技术一旦成熟，转变就会迅速发生。预计三到五年内，将实现接近100%的全自动驾驶。

回顾智能手机的发展，从3G到4G的普及使得低中高端机型均配备了4G，这才催生了丰富的移动应用生态。没有4G就没有今天的抖音、手游和打车应用。同理，智能驾驶最终将让汽车变成一个移动空间，如办公室、卡拉OK房、游戏平台、会议室等。

未来三到五年，行业将追求“全脱手”驾驶，之后是“全不用看”，再接下来是“全不用想”。最终，想象一个场景：2035年，北京的工程师周五下班后上车，他可以打游戏、看视频、睡觉，然后在第二天早上在青岛的海边看日出。

在产品开发中，细节的精细打磨至关重要

精细打磨这件事实际上非常重要。最近大家都在谈论端到端技术，或者这两年讲的BEV、Transformer技术层出不穷，许多发布会都开始提这些概念，看似无所不包。

然而，这些技术本身并不构成一个产品的核心竞争力。：如果某项技术可以被放进教科书，那么基本上每个公司都能掌握这技术。真正的区别不在这些技术上。

那区别在哪里呢？区别在于无数细节的精细打磨。正如乔布斯所说，真正的差异不在于一个简单的点子，而是需要五千个点子，甚至更多，才能打造出无与伦比的产品。这意味着大量的工程师需要在许多细节的场景中进行艰苦的工作，这样的持续努力才能构建起真正的护城河，建立坚固的壁垒，最终打造出独一无二的产品。

对于智能驾驶来说，情况也是相同的。在每一个细节的转弯、避让或减速中，单靠Transformer技术或端到端系统是达不到理想效果的。只有通过对这些细节进行深入的理解和精细的工作，才能真正实现卓越的智能驾驶体验。

——

以上观点来自地平线技术发布会。

今年4月，地平线发布了新一代智能驾驶解决方案SuperDrive，并已逐步开放体验。

回顾地平线的发展历程，2019年推出征程2，加速了ADAS与主动安全的普及；2020年推出征程3，引领高速NOA与行泊一体的量产；2021年推出征程5，推动中高阶智能驾驶的落地；2024年发布的征程6，专为全场景智能驾驶设计，标志着地平线全面进军高阶智能驾驶领域。

截至2024年，地平线的智能驾驶解决方案已累计出货600万套。