自动驾驶奇点临近，产业链上下游齐发力 | 2023 智能汽车技术沙龙

11 月 17 日，由汽车之心主办的智能汽车技术沙龙（广州站）圆满落幕。

来自地平线、百度、轻舟智航、易航智能、芯驰科技、东软睿驰、导远等多位行业资深专家，围绕智能汽车产业，共话各自领域的策略、关键进展和未来发展方向。

今年是自动驾驶发展的关键转折点，BEV + Transformer、生成式大模型、重感知轻地图等热词正在与端到端自动驾驶、舱驾一体、城市 NOA 大规模落地等技术相互碰撞，拉开 AI 席卷汽车行业的大幕。

在这种背景下，谁能够把 AI 能力更加充分发挥出降本增效的优势，谁就能抢得智能汽车下半场的发展先机。

在此次沙龙的思想交锋中，训练数据量、大算力芯片、中央计算架构、AI 大模型成为自动驾驶迎来奇点的四件套，尤其自动驾驶上下游企业之间愈发加强产业生态合作，共同推进汽车产业标准化、规范化，促进产业高质量发展，以及新造车浪潮革新传统汽车制造产业的新图景。

以下为本次论坛的精彩回顾：

易航智能创始人&董事长陈禹行

全场景端到端，是自动驾驶的终极方案。

以场景化为核心的自动驾驶渐进式技术路线，我们分为 ADAS、NOA、端到端三个阶段：

- 1.0 阶段是围绕限定场景，实现车道保持、 ACC 、AEB 等辅助驾驶功能，主要解决的是工程化的量产能力。

- 2.0 阶段是高速/高架等结构化道路的自动驾驶，感知算法、数据闭环全栈自研是功能向上突破的关键，易航智能基于量产车型累计超 5 亿公里的行驶里程打通数据闭环系统，构建基石数据库。

- 3.0 阶段是打通城区、高速/环线、泊车三大场景，人工智能大模型、自动高效的海量数据处理能力是进入自动驾驶下半场的终极方案。

易航智能一直在以量产的角度开发城市自动驾驶系统，包括尽可能用更低成本的传感器，或者只用摄像头和毫米波雷达实现城市自动驾驶，我们也认为城市自动驾驶会是一个会迅速到来的时代。

地平线智能驾驶产品规划与市场总经理吕鹏

算力堆料不可持续，要与算力提升与算法技术演进节奏相匹配，与行业发展大趋势与商业本质相符。

在地平线看来，城市智驾不是从高速 NOA 衍生而来，而是一个基于 AI Driver 新架构设计，是实现全场景高阶智能驾驶系统量产的唯一途径。

举个例子，如果两年前设计芯片没有考虑到 BEV + Transformer 是未来的趋势，做出来的芯片哪怕有 1000TOPS，实际跑 BEV + Transformer 的利用率是 10%，相当于只有这颗芯片只有 100TOPS，这也是地平线为什么是一直是软硬协同的角度来去设计芯片的初衷。

我们认为，计算芯片只有较强的软件能耗，才能真正的服务高阶自动驾驶的能力。

百度智能汽车业务部驾舱融合技术架构师周鹏

大语言模型上车：2024 年 ~ 2026 年是百度智驾重构时期。

目前，百度智驾软件的功能应用是基于规则、数据驱动分成多个模块，只有感知是基于模型的范式进行工作。

下一步，我们计划将这些分散的子模块按照大感知、大决策以及大数据的地图进行融合，相当于利用 BEV 感知大模型实现感知、预测和定位，从而实现一个基于车道级导航的超清地图，逐步降低深度依赖高精地图的数据。

同时，目前的决策和规划是基于规则驱动，接下来我们将利用 AI 大模型参与训练角色规划算法的阶段，将功能体验打磨得更加完善，部分 Corner Case 也能够通过一些工具自动生成出更好的决策，最终交付的功能是基于规则、算法构建的底座，而人工智能则负责生成。

从这个的角度来看，中央式/集成式的跨域融合非常有必要上车大模型，因为未来如果是在一定的成本下，将所有的资源整合成融合式的一个 ECU 和控制器，那么它可以实现更高的功能上限，代表能够运行的模型参数会更高。

百度的核心优势是数据完整的复用性。

以正在研发的 4D BEV 大模型为例，现有的 BEV 模型更多的是多个摄像头之间相互融合的数据，而百度将基于 L4 车辆在空间和时间相互关联的训练数据，实现基于障碍物的时空未知 + 运动轨迹融合的全网络端到端的 4D BEV Transformer，这是目前所有厂商所不具备的竞争优势。

导远电子研发副总裁、研发中心负责人王理砚

城市 NOA 是必然的趋势，毕竟绝大部分人的使用场景还是通勤，但也存在很多种制约，预计大部分玩家的落地时间是在今年年底到明年年初。

对于我们来说，导远在城市 NOA 的激战中起到两种作用。

一个是高精度地图路线，搭配高精度定位是必然的技术路线；另一个是现阶段比较流行的 BEV 路线，而导远高精度 IMU 通过多帧数据融合车辆相对高精度的定位和姿态信息，提高 BEV 性能和局部地图的精度。

除此之外，通过我们给车辆提供的姿态和定位信息，最终可以赋予感知算法产生空间和时间的记忆数据，既可以重构还原现场，也可以当作标注训练，最后定位传感器也可以视为独立冗余的安全作用。

芯驰科技 CTO 孙鸣乐

中央计算并不像大家所认为只要一个很强的这个 CPU 放在中间，像电脑或者服务器一样，背后需要一个灵活可扩展的 EE 架构，配合车规级性能处理芯片、高效安全的基础软件平台和多元开放的软件生态部署。

比如自动驾驶的 Corner Case、智能座舱的交互，当车辆的应用服务都跑起来的时候，其实会有更多的 Corner Case 出来，这就需要一个稳定、安全性和可靠性的底层软件支撑整个汽车未来的发展。

对于芯驰来说，我们希望能够为整车、架构和产品的升级，提供算力、性能和可靠性保障。

从最早基于 X9 E/M/H 芯片的 IVI/仪表，到 X9 HP/U 芯片实现的智能座舱场景，再到今年推出的 X9 S/SP、X10 跨域融合芯片，芯驰形成了完整的产品线覆盖。

这个意义在于，车厂和 Tire 1 可以随着 X9 平台的投入不断复用软件、平滑升级，相反我们也可以在 X9 平台上持续迭代，节省整个产品的开发成本和时间，这是降本增效的一种必要策略。

东软睿驰自动驾驶业务线总监张春民

何时能够真正走向我们最终期待的无人驾驶？

——技术可行，这是一个渐进性的路线。

——商业可行，问题低概率发生，成本可以被普通保险涵盖。

——人机共驾，关键是人机交互，AI 除了善观察、能驾驶，还要听得懂、会表达，这是舱驾一体的必然趋势。

这背后实际是 AI 大模型技术驱动的结果，反过来也会影响整个底层软、硬件技术的发展。

中央计算是一个多元驱动、不同纬度跨域融合产品的架构。

从技术侧 AI（芯片变革）的发展，到应用侧智驾路线（端到端解决方案）的发展路径，以及合作协作模式和开放生态，实际上最终构成了跨域产品未来发展的基本趋势。

轻舟智航生态市场总监 高建雄

传统 ADAS 无法实现无人驾驶，OTA 是决定性分水岭。

- 通过 OTA，推进高阶辅助驾驶从 L2+ 到高速 NOA，最终到城市 NOA 的落地应用。

- 通过满足用户价值和创造商业价值实现可持续的推进。

- 当大部分新车都已搭载城市 NOA，并可在高速及城市道路多场景应用，将会通过数据的「涌现」解决大量的长尾问题，并实现技术向无人驾驶的突破。

什么时候无人驾驶能够到来呢? 马路 10% 的车都打开了城市 NOA，地球表面的高质量道路都被遍历过几遍了，那时候无人驾的窗口就不远了，不排除 Waymo 大力出奇迹。

轻舟要和有远见的主机厂走在一起，我们干不过特斯拉，你们也干不过特斯拉，我们绑在一起也许有机会。