電子發燒友網報道（文/莫婷婷）在具備電動化基礎后，智能汽車的發展已經進入下半場。但在下半場，智能汽車依舊面臨著技術、市場和政策等多方面的挑戰和機遇。下半場的競爭將更加注重智能化技術的集成和應用，如何在多變的市場環境中保持競爭力，不少汽車企業都爭先推出城市輔助駕駛功能。但更高階的城市領航等功能還需解決不少技術挑戰。


汽車智能化下半場，車路云一體化是關鍵

目前來看，智能汽車的應用場景可以根據需求分為城市通勤、高端公務、硬核越野、極限運動等，不同的場景對智能駕駛、底盤域控制、智能地形識別等技術的需求程度以及應用痛點都不一樣。例如城市通勤中，最需要考慮到的是補能問題和續航里程，例如采用eDTC 滑行能量回收扭矩控制，能夠在正能量回收的情況下，保證車輛穩定地駕駛。

另外，在實現智能駕駛功能的過程中，智能汽車還有不同的應用痛點。根據麥肯錫汽車數字服務客戶調查數據，用戶在購買智能汽車時傾向的付費特性中，駐車輔助、自動泊車功能需求是最高的，接下來是自適應巡航控制、車道輔助、交通標志識別功能等。隨著智能駕駛級別的提升，“車路云一體化”將在自適應巡航控制、交通標志識別等功能承擔更重要的角色。

但在當下，智能汽車的發展還面臨著困境，這個困境不僅僅是汽車企業需要解決的。中國信息通信科技集團有限公司副總經理陳山枝近期在行業論壇上分享了他看到的智能汽車發展過程中的挑戰以及觀點。

一是如何看智能網聯汽車、車聯網、車路云協同的關系。車路云協同是車聯網的具體應用，但從智能網聯汽車、智慧交通的角度看，又有不同的應用，例如智能網聯汽車的車路云一體化更關注駕駛安全、高效駕駛及信息娛樂。他認為汽車將成為最大的移動智能終端，有望成為繼移動互聯網后的下一個超級入口，未來將出現車聯網平臺經濟。

二是多種通信技術間的關系（車企/路方）。車聯網業務需求包括近程信息交互和遠程信息服務。近程信息交互包括車與車之間（V2V)、車與路之間（V21)、車與人之間（V2P）的交互，要求低時延、高可靠，遠程信息服務指的是車與云之間（V2N）的交互。

對不同的車聯網需求，4G/5G、C-V2X、衛星通信等技術針對性賦能。例如NR-V2X服務于全場景無人駕駛的傳感器數據共享、高密度群智協同。衛星通信解決4G/5G基站未覆蓋的區域、地震等場景服務。

陳山枝分享了他的三大觀點，一是C-V2X網聯與單車智能相互賦能，單車智能是基礎，車聯網（網聯）是增強。二是當前的車和路的協同感知是各自的自主決策。三是車聯網新型基礎設施促進車路城融合發展。

5G基站在車聯網業務中解決了廣域覆蓋、大帶寬數據傳輸的問題。而5G+V2X融合組網，能夠帶來低時延、廣覆蓋、穩定可靠的通信服務。中國移動（上海）產業研究院副總經理黃剛提到，車、路、云各自發揮功能的前提是在統一的標準下互聯互通。路側、網絡側、車側的基礎通信建設是必須融合統一的，共同形成覆蓋網。據了解，5G+V2X廣域覆蓋，能夠降低40%的RSU設備投入。


AI融合、低成本的高階智能駕駛方案需求已現

智能駕駛技術的發展帶來了不一樣的城市生活，從功能的迭代方向來看，高階智能駕駛技術的實現需要多種技術的配合，包括智能駕駛芯片、傳感器、算法、AI、操作系統等等等。現階段，智能汽車產業鏈上的玩家都在努力往高階智能駕駛的方向靠近，不管是硬件產品還是軟件產品，都在加速迭代。

大疆車載此前推出了標配高階智駕方案成行平臺7V+32TOPS。7V指的是前視一對800像素的慣導立體雙目攝像頭，后視一個800萬像素的單目攝像頭，加上4個300萬像素的環視攝像頭。所需算力僅為 32TOPS。

降低單車智能成本是智能汽車發展的關鍵方向。正如大疆車載負責人沈劭劼提到的觀點，“高階智駕不僅要平價，還要平權，才能標配普及”。據了解“7V+32TOPS”方案成本約為5000元，在靜態障礙物剎停等高階智能駕駛需要處理的極限場景，能夠做到跟20萬，甚至30萬的智能汽車相媲美。

為了實現更高階的城市領航等功能，大疆車載推出“7V+100TOPS”及“10V+100TOPS”的配置。只需更換域控就能完成升級，域控內部嵌入標清地圖，加快上車速度。在“勝者為王”的汽車市場，產品上車速度影響著新車型的存活周期，往往決定了企業能否搶占市場先機。

沈劭劼透露，基于已有合作伙伴的情況來看，該方案的適配周期約為3到6個月，新合作伙伴的新車型約為6到9個月。預計2024年將有超過20款車型上市。


該方案不依賴高精度地圖，包含高速領航，城市記憶領航，記憶泊車跨層記憶泊車等高階智駕功能體驗，且油車電車均可用。由于燃油車在結構性和技術上的瓶頸，因此其智能化需要解決更多問題。大疆車載成行平臺的推出能夠在一定程度上加速燃油車智能化。

在提升單車智能系統的感知能力方面，傳感器已經是“必要條件”。由于考量因素不同，選擇雷達還是純視覺方案，在前兩年一直有所爭議。在這個過程中，智能駕駛技術進入城市路段，帶來更復雜的技術挑戰，筆者認為未來AI技術在汽車智能化過程中同樣將發揮不可替代的作用。

鑒智機器人推出了以AI驅動的雙目視覺傳感器方案，可顯著提升NOA的性能邊界。該方案有著10x稠密的3D信息表達，能對復雜場景3D拓撲結構感知，可應用于通用障礙物檢測，且不依賴Lidar的4D數據閉環。鑒智機器人聯合創始人、CEO單羿表示作為天然的Occupancy表達，以1/100的數據需求達到Occupancy實用性能，助力體驗升級。

值得關注的是，傳統雙目立體視覺是由日德系車企引領，應用于L2 ADAS領域。而AI雙目立體視覺，是中國科技企業打造的新質生產力”，賦能高階自動駕駛的革新已實現規模量產。單羿行業論壇上分享了一組數據：雙目立體視覺已量產/即將量產的市場機會已覆蓋超過10%的乘用車，并在快速提高。也就是說雙目智駕方案在市場的接受度越來越高。

根據介紹，搭載鑒智機器人AI雙目立體視覺系統PhiStereo的智能底盤方案已實現規模量產，智駕魔毯二合一的方案也將于今年大規模量產上市。

單羿認為下一代的智能駕駛系統會是以AI大模型驅動的智能駕駛方案，但前提是要實現端到端車上的部署。因此在2023年，鑒智機器人推出了端到端自動駕駛模型Graph AD，已在頭部車企實車調試NOA功能，是業內第一批端到端自動駕駛大模型項目。


如何讓大模型與芯片結合，釋放芯片的計算優勢？鑒智機器人選擇與地平線展開合作，發布首個基于征程5的標準感知產品PhiVision。該產品具備車輛檢測、紅綠燈檢測、車道線及地面標記檢測、一般障礙物監測等感知功能。


小結：

當前，智能汽車市場的競爭越來越激烈，除了“價格戰”，更加高階的智能駕駛功能、更懂用戶需求的產品將獲得市場的認可。如何爭奪更大的市場份額，汽車企業在城市輔助駕駛功能上下了不少“功夫”，但首先需要實現的還是“車路云協同”，汽車企業也在與通信企業合作，打造更高的智能駕駛體驗，AI技術在這個過程中的作用也在進一步凸顯。