對于大部分人來說，想要看懂自動駕駛是件很難的事情，面對各種各樣的軟硬件和數不勝數的參數，通常都會陷入不得要領、霧里看花的感受當中。

尤其是自動駕駛系統復雜浩大，很多表面上的數字，代表不了實際的性能。無論是L0-L5的分級，還是傳感器的數量和芯片的紙面算力，在欠缺大量細節的情況下很難形成有價值的參考。

在Nullmax看來，如果希望通過一些關鍵的指標，相對準確地了解自動駕駛方案的能力，那么最好的依據還是實際量產應用中的這些數據：資源占用，幀率，延時，性能。

一些容易誤解的數字

在自動駕駛蓬勃發展的這些年里，很多人對自動駕駛的判斷，主要存在于L0-L5的6個等級里，數字越高、系統越好的誤解由來已久。

其實，這套廣泛流傳的標準引入了大量的前置條件，如果拋開ODD（設計運行范圍）、OEDR（目標與事件檢測及響應）等核心要素來談自動駕駛的水平高低，就像拋開考試范圍和題目類型來談考試分數一樣，沒有任何參考意義。

用數值的高低來判斷自動駕駛水平的高低，至少需要有相似的比較前提。如果運行的區間、處理任務的能力存在巨大差別，那么兩套方案的難度和價值，很難直接通過L2/L3/L4這樣的數字簡單判斷。

除此之外，自動駕駛的另外一大誤解，那就是配置的多少和高低代表著系統的能力。事實上，配置代表的是潛力，只有挖掘出來的潛力才是系統的能力，而高投入也并不等于高產出。

這就像是建房子一樣，物料的多少和好壞并不能決定房屋最終的效果，只有通過好的設計和施工，它們才能成為優秀的建筑。自動駕駛系統可以搭配豐富多樣的傳感器，配置高算力的芯片平臺，但是更需要優秀的架構設計和工程化能力，通過一整套好的自動駕駛軟件算法，將硬件的作用發揮出來。

如果100分的硬件只能發揮出50%的能力，且不說高昂的成本是否值得，它的效果自然也就比不上發揮100%能力的80分硬件，后者的自動駕駛水平必然會更高。

四大指標揭示真實效果

自動駕駛的本質，是由軟件系統代替人類司機完成感知、決策等過程，直接控制汽車完成駕駛任務。

所以在評估效果時，實際也可以像看待人類司機一樣分析自動駕駛系統：如果它能像老司機一樣有條不紊地開車，快速地識別周圍環境，及時地做出反應，并以嚴格的要求完成駕駛任務，那么就是一個好的方案。

這些判斷的標準，對應到一套成熟的自動駕駛方案身上，其實大致可以歸結為四類具體的指標：資源占用，幀率，延時，性能。

01/

資源占用

自動駕駛的算力、內存、帶寬等資源相對有限，但是需要處理傳感器持續輸入的海量數據，如果資源占用率一直很高，始終處于高負荷甚至是超負荷的狀態，那么系統可能就會出現不穩定甚至是崩潰的情況。因此，將資源充分利用但不過度占用，對于自動駕駛來說更為合適。

這就像是人類司機一樣，開車時如果手忙腳亂，就很容易忙中出錯。在既定的硬件資源下，自動駕駛系統需要讓各模塊井然有序地高效工作，簡單場景下只需占用部分資源，遇到復雜場景時「大腦」再才高速運轉。

通常來說，在中低算力的平臺上，行業方案的CPU峰值占用率為80~90%，內存占用率為80%以上，AI單元利用率為60~80%。在Nullmax的同類方案中，這些資源指標可以進一步優化，實際表現優出10%以上。以單TDA4行泊一體方案為例，嚴苛情況下的CPU占用率峰值不超過70%，面對感知任務計算峰值，AI計算單元的利用率可達90%以上。

02/

幀率

幀率越高，自動駕駛感知的速度也就越快。如果感知的幀率只有10FPS，那么0.1秒才能輸出一次感知結果，對一輛時速90公里的汽車來說，期間將會行進2.5米，足足半個車身的長度。

不過感知的幀率并不等于傳感器的幀率，前者是實際感知結果輸出的速度，后者是原始數據輸入的速度。高幀率需要好的軟件算法，才能實現軟硬件的高效配合，比如在8T算力的中低算力平臺上，Nullmax可以實現20FPS的周視360°感知輸出，并且保證前后一共120米的高質量bev感知能力。

在瞬息萬變的駕駛環境下，更高的感知幀率意味著發現危險的速度更快、時機更早，能夠為下游模塊留出更多應對的時間和空間。

03/

延時

自動駕駛系統在收到傳感器數據后，「大腦」也需要花費一些時間進行分析和決策，最后再輸出具體的控制信號，這個過程花費的時間就是系統延時。自動駕駛不僅需要看得很快，還要能夠快速做出反應，才能擁有好的駕駛表現。

延時過大，意味著自動駕駛經常會「貽誤時機」，在變化無窮的駕駛環境下，很多的操作也會變得「不合時宜」。Nullmax將自動駕駛系統的延時極限壓縮，從傳感器數據的輸入到控制器信號的輸出保持在百毫秒范圍內，最大程度地提升系統的反應能力。

在反應能力更快的情況下，自動駕駛覆蓋的場景和極限工況也將會更多。

04/

性能

在滿足一系列的安全硬指標后，自動駕駛的比拼就到了性能的環節。通過一系列的性能指標，自動駕駛的實際效果可以用數字精準量化出來。比如看得遠不遠、準不準，開車快不快、穩不穩，就可以透過感知距離、精準率、最大車速、加加速度等數值體現出來。

自動駕駛的性能指標非常多樣，涉及多個維度。如果是判斷感知等能力，那么可以通過支持的種類、數量以及召回率、精準度、誤差等指標進行分析，比如障礙物檢測、車道線檢測等。如果是判斷具體的功能，那么可以通過速度、距離、彎道曲率、坡度等指標進行分析，比如自動領航、自主泊車等。

目前在Nullmax的量產方案中，自動駕駛感知距離超過200米，對主要目標檢測的關鍵指標，例如CIPV（Closest In-Path Vehicle）的召回率、精確率達到99.9%，漏檢率<0.1%，大幅領先行業標桿水平。

結語

前裝自動駕駛產品是一個技術、成本等因素綜合考慮的產物。雖然不能用一些簡單的數字進行比較，但是透過這些關鍵的指標，大家也能夠相對細致、全面地了解一套方案的真實能力，「不看廣告看療效」地認識自動駕駛。

審核編輯 ：李倩