電子發燒友網報道（文/莫婷婷）特斯拉是業內最先推出輔助駕駛系統 Autopilot的汽車廠商。2014年，特斯拉帶來了Autopilot，發布Hardware1.0（WH1.0），發展至今八年，WH1.0迭代至WH3.0，最終走向FSD。在硬件上，WH1.0基于Mobileye的EyeQ3 計算平臺，傳感器包括1個前置攝像頭、1個前置毫米波雷達（探測距離 160米）、12 個超聲波傳感器（探測距離5米），到現在，新一代特斯拉攝像頭也升級到了8個，并且能實現360°環繞監測周邊環境，毫米波雷達和超聲波雷達的探測距離也隨之增加。

此外，從造車新勢力的汽車迭代情況來看，包括蔚來汽車的ES8到ES7，小鵬汽車的G3到G9，從第一代產品到現在，每一次迭代幾乎都會升級智能駕駛系統。隨著汽車智能化的發展，可以很明顯看到自動駕駛的發展趨勢：汽車上的傳感器數量不斷增加，配置了環視相機和雷達，多種傳感器在智能汽車的自動駕駛功能上形成優勢互補。

但是，是不是傳感器越多，智能汽車的智能化程度就越高呢？答案是否定的，在一定程度上，兩者并不是正比關系。

如何讓智能汽車更智能，更重要的還是算法與軟件的結合，讓算法充分挖掘硬件潛力，更好地融合攝像頭、激光雷達等多源數據，從而取得更好的識別效果。

目前，相機 3D感知算法可分為Image-view和BEV兩種。其中，BEV環視感知方案被認為是開啟智能駕駛感知新時代的一種方案。當下，國內外研究機構、特斯拉、造車新勢力等車企以及地平線等芯片企業都在推動BEV方案的落地。

清華大學電子工程系副教授、曾任商湯科技高管代季峰曾在公開演講時提到，Image-view方案融合不同網絡輸出結果，需要人力基于大量的規則和先驗，本質上是一個software 1.0方案，并不是靠數據驅動，而是靠人設計。而BEV環視感知方案屬于software2.0，它是由網絡和數據來驅動的，也就是能通過數據自動學習，此外算法的上限也相對較高，也就更加適合現階段的自動駕駛架構。

需要注意的是，自動駕駛架構在不斷演化下提出算法新需求，而BEV環視感知算法作為新一代的自動駕駛感知算法也對自動駕駛芯片提出了新的要求。在現階段，部分芯片還不能夠很好地處理BEV環視感知算法。不過，代季峰認為這是芯片公司的機會，在技術成熟的過程中，自動駕駛芯片公司在面對挑戰的同時也迎來了機遇，芯片公司可以設計下一代芯片滿足最新的算法需求。“自動駕駛芯片可以認為是領域通用的計算芯片，這也意味著，對于這一類芯片需要技術人員認真分析未來算法趨勢，為芯片流片做好設計。”

可以肯定的是，BEV環視感知算法能夠更好地融合多傳感器的特征，可以提高物體感知的準確率，在一定程度上可以提升自動駕駛技術。在芯片端，未來也將與新一代算法相互促進、迭代。