AI最好的落地場景是什么？

如果放在兩三年前，安防、AIoT一定是最佳答案，這點翻翻AI公司的財報就能看出來。

然而隨著新能源汽車滲透率不斷提高，競爭的重心開始向智能化傾斜，“汽車”也被納入到上述答案之中。甚至在曠視科技智駕業(yè)務(wù)總裁劉偉看來，智能汽車是AI到目前為止最大的落地場景，“沒有之一”。

【資料圖】

作為一家以算法起家的AI公司，曠視被外界更為熟知的也是其智能手機、智慧城市、智慧物流業(yè)務(wù)。而現(xiàn)在，它的自動駕駛業(yè)務(wù)正在浮出水面。

最近，劉偉就對鈦媒體App介紹了自動駕駛業(yè)務(wù)的最新進展：一個是以視覺為主的智駕方案，另一個是基于大模型的座艙智能交互方案。

現(xiàn)在宣布入局自動駕駛，坦白講時間點并不算早，甚至看起來有點晚，畢竟像商湯這樣的AI企業(yè)早就大張旗鼓地進行過布局。對于這一疑問，劉偉解釋道，“當時諸如基于RV的傳統(tǒng)算法，是不可能解決高階智能駕駛問題的。直到以視覺為主的BEV出現(xiàn)之后，才真的打開了一扇窗?！?/p>

BEV是Bird"s Eye View（視覺為中心的鳥瞰圖）的簡寫，也稱作“上帝視角”，是一種端到端的，由神經(jīng)網(wǎng)絡(luò)將圖像信息從圖像空間轉(zhuǎn)換到BEV空間的技術(shù)。BEV并非新技術(shù)，直到2021年特斯拉引入BEV后才引發(fā)了業(yè)界的廣泛關(guān)注。

曠視也正是在這一年開始沿著這一方向發(fā)力，經(jīng)過兩年的技術(shù)研發(fā)，曠視自動駕駛業(yè)務(wù)的定位逐漸清晰，那就是要做智能汽車的AI解決方案提供商，要面向主流車型打造用得起的高階智駕方案。

入局自動駕駛，定位Tier 1.5

曠視入局自動駕駛還有一個基礎(chǔ)前提是：市場對智能駕駛的需求足夠強。

據(jù)工信部相關(guān)數(shù)據(jù)顯示，2021年中國L2級輔助駕駛乘用車新車市場滲透率達到23.5%，2022年上半年其滲透率增加至30%，并且滲透率還在持續(xù)不斷提升。有機構(gòu)預測，到2025年，中國L2級以上智能汽車的銷量將突破1000萬臺，滲透率將達到50%。

水足夠大，才能容納更多的魚，也才能讓小魚有機會長成大魚。

大水之中，迫切尋找疆域邊界的主要有三類企業(yè)：

第一類便是主機廠。在2021年上汽董事長陳虹提出“靈魂論”之后，“全棧自研”儼然已經(jīng)成為車企“技術(shù)主權(quán)”的代名詞，像特斯拉、蔚來、小鵬、理想都極力推崇自研。

不過，這也引起了另外兩類企業(yè)的不同看法。比如，地平線副總裁李星宇就說，全棧自研是個奢侈品，從歷史來看，真正擁有全棧能力并在商業(yè)上取得成功的公司絕對是少數(shù)，也是不可復制的極少數(shù)；華為余承東則明確表示，規(guī)模和資金實力不夠的車企在智能化上全棧自研就是死路一條。

劉偉在溝通中也表示，在跟主機廠溝通的過程中能夠明顯感覺到對全棧自研的認知在發(fā)生變化，變得更加理性?！爸鳈C廠商追求的是全?？煽兀皇侨珬Ｗ匝?，這個思路已經(jīng)在發(fā)生變化了。”

地平線所代表的正是第二類Tier1和Tier2企業(yè)。

華為和曠視則屬于自動駕駛技術(shù)公司范疇。這也是涉及企業(yè)最多的類型，既有創(chuàng)業(yè)之初便瞄準自動駕駛技術(shù)的創(chuàng)企，也有百度、華為這樣的互聯(lián)網(wǎng)大廠，還有從AI領(lǐng)域切入進來的企業(yè)。這類企業(yè)大多是以軟件切入，提供自動駕駛系統(tǒng)、解決方案。

在智能汽車領(lǐng)域，“智能”一般指兩種：艙內(nèi)的智能和艙外的智能。曠視的自動駕駛產(chǎn)品也主要是圍繞這兩個方向進行，一個是以視覺為主的智駕方案，另一個是基于大模型的座艙智能交互方案。目前，曠視的重點還是在智駕方案上。

曠視雖然也是以自身擅長的視覺算法為主，提供端到端的軟件解決方案，但同時也會布局芯片和傳感器在內(nèi)的硬件。之所以自研這些硬件，主要還是強調(diào)傳感器、芯片和算法之間的協(xié)同，而在數(shù)據(jù)和域控上，曠視還是會選擇跟主機廠和Tier 1去合作。因此，在劉偉看來，曠視的定位更像一家Tier 1.5。

傳統(tǒng)的汽車供應(yīng)鏈，是一個自底向上的線性供應(yīng)模式，從Tier 2到Tier 1再到OEM整車廠。而現(xiàn)在隨著產(chǎn)業(yè)鏈的細分、交叉與耦合，Tier 1.5也就意味著，身段更加靈活，可上可下。向上支持主機廠的智能駕駛應(yīng)用自定義，向下集成和整合Tier2的資源。

三個版本，聚焦“降本”

目前的智能汽車行業(yè)，L2以下的方案基本上已經(jīng)成為標配?，F(xiàn)在的重點則是在L2到L3之間，也就是經(jīng)常提到的NOA。

根據(jù)使用場景不同，NOA有兩個細分方向：高速NOA和城市NOA。從2022年開始，高速NOA快速發(fā)展并向城市場景延伸。西部證券在之前的一份研報中甚至提到，2023年或許是“城市NOA元年”。

各家車企也紛紛拿出城市NOA落地進度計劃表：小鵬是50城、理想是100城、長城汽車也是100城。

但問題是車企想要推廣落地更多城市，但用戶實實在在使用城市NOA費用并不低。像特斯拉FSD的選裝價格達到了6.4萬元；華為ADS2.0高級包買斷費用為3.6萬元，包年訂閱為7200元，包月訂閱為720元；蔚來汽車NOP+訂閱費用為每月360元。

智駕系統(tǒng)的高成本恰恰是智能駕駛普及最大的“攔路虎”，再加上今年國內(nèi)車市爆發(fā)激烈價格戰(zhàn)，已經(jīng)逐級傳導至上游，產(chǎn)業(yè)鏈上下游整體面臨相較于往年更嚴苛的降本要求。

這也意味著接下來的城市NOA市場競爭重點是如何在保證性能的前提下讓更多用戶用得起。“黑科技最終就要服務(wù)于兩個目標：一個是降低成本，一個是提升體驗?！眲フf道。

作為技術(shù)方案提供商，曠視的降本思路是什么？

劉偉給出了三個關(guān)鍵詞：強視覺、去高精地圖、去RTK。

“現(xiàn)在激光雷達雖然變得越來越便宜，但事實上，半固態(tài)的激光雷達的售價已經(jīng)逼近其BOM成本，繼續(xù)降價的空間已經(jīng)非常小了。如果采用很多激光雷達的方案，成本肯定還是無法降下來。選擇視覺路徑就是為了降低成本和提升性能?！?/p>

強視覺的路徑之下，曠視采取的是實時建圖的方式，只用導航地圖，不用高精地圖。并且將RTK（Real - time kinematic）定位也去掉?！斑@兩個都去掉，每年又能節(jié)省幾百元的成本。”

降本的第二條思路就是：統(tǒng)一算法框架。

一般來說，主機廠的車型眾多，有旗艦車型，也會有入門級車型。每種車型采用的配置方案都各不相同，更可能是來自不同供應(yīng)商，采用不同的芯片平臺等等。主機廠的供應(yīng)商方案矩陣復雜就導致車輛量產(chǎn)的時候，節(jié)奏、質(zhì)量、成本都很難控制。

曠視強調(diào)的“統(tǒng)一算法框架”，就是指無論高中低的不同配置方案都采用統(tǒng)一的算法框架。“我們現(xiàn)在的算法框架在進行數(shù)據(jù)訓練的時候，從5V到11V的方案，所有數(shù)據(jù)都是混在一起來訓練的。因此，這個模型用于具體車型的時候可能需要再做一些微調(diào)，但基礎(chǔ)的模型能力已經(jīng)具備。”

同時，曠視還配合高中低不同算力Pin-to-Pin系列芯片，實現(xiàn)了硬件的域控可以是同一套的。也就是，客戶需要適配高算力的時候，就換一個高算力的芯片；如果需要適配低算力的時候，就換一個低算力的芯片。只要更換芯片即可，其它都可以不變。

在曠視的觀點中，“算法平臺化”和“硬件平臺化”，在最理想的狀態(tài)下，可以幫助一個主機廠實現(xiàn)從硬件、芯片到算法的完全平臺化。而這會降低管理和維護多家供應(yīng)商的消耗成本，從而讓量產(chǎn)成本大幅降低。

目前，曠視的解決方案分為三個配置：標準版、專業(yè)版和旗艦版，全部面向L2+。其中，標準版和專業(yè)版的方案中都不帶激光雷達，成本相對較低，主要服務(wù)于10萬-30萬的車型。據(jù)介紹，專業(yè)版方案正在做量產(chǎn)交付。

在選擇主機廠合作時，曠視的思路很清晰，不見得要大而全地覆蓋所有主機廠，而是要能跟少數(shù)幾家銷量非常大的主機廠有深度的戰(zhàn)略合作。

大模型，打開想象力

隨著汽車智能化競爭的進一步加劇，大模型被業(yè)界寄予厚望。華泰證券在最近的一份報告中就指出，AI大模型的引入，從行業(yè)整體層面可以加速高級別輔助駕駛的量產(chǎn)落地。

事實真如人們預期一般嗎？劉偉表示，大模型在車上的落地，座艙可能成為一個非常大的落地場景。

在智能座艙部分，目前車內(nèi)主要使用的交互形式是“命令式交互”，用戶通過語音給車機發(fā)出一道指令，它按照你的指令完成任務(wù)，但這種方式可以很好滿足用戶的基礎(chǔ)需求，而大模型的加入則會推動座艙交互朝著“決策交互”的方向發(fā)展。并且，由于大模型是多模態(tài)的，未來的感知能力也會更加多元。

至于在智能駕駛上的價值，劉偉則認為，從目前來看最直接的價值則是體現(xiàn)在工具鏈優(yōu)化部分。

如何理解？以數(shù)據(jù)標注為例，眾所周知海量的數(shù)據(jù)是無人駕駛的基礎(chǔ)，行業(yè)通常采用大量的數(shù)據(jù)去訓練自動駕駛算法，以求讓自動駕駛模型成為見多識廣的“老司機”。在通過真實數(shù)據(jù)、虛擬仿真等方式收集到數(shù)據(jù)之后，下一步就是對數(shù)據(jù)進行識別、標注。

但人工標注成本高、效率低，而自動標注就是AI大模型賦能智能駕駛最直接的應(yīng)用，能大幅降低數(shù)據(jù)標注的成本。

除此之外，劉偉認為，大模型還直接影響到了曠視對于Transformer框架的認知，打開了想象空間。

目前曠視在端到端的自動駕駛模型上已經(jīng)實現(xiàn)了“感知、建圖、跟蹤、預測”四合一的模型，但這里面并不包括“規(guī)控”。而規(guī)控主要負責車輛行駛過程中的決策部分，直接關(guān)系到車輛行駛的安全性，其重要性可見一斑。

過去，在曠視看來，“規(guī)控”是不太可能加入進去模型里面的。但是，隨著大模型的演進，曠視認為未來可能會是一個“大一統(tǒng)”的大模型。完成這一模型后，環(huán)環(huán)之間信息傳遞的衰減就會大幅度的削減，提升整個感知的上限。

或許，隨著通用人工智能時代的加速到來，AI玩家持續(xù)發(fā)力，汽車行業(yè)的智能化轉(zhuǎn)型會以前所未有的速度駛來。

從2021年正式建立團隊開始，目前曠視的自動駕駛部門規(guī)模已達數(shù)百人，其中約三分之二是算法研發(fā)團隊，大概三分之一是工程交付團隊。曠視能否憑借著多年的AI實力在內(nèi)卷的自動駕駛市場中占得一席之地，值得期待。而劉偉顯然充滿信心，“希望2025年的時候，我們能做到行業(yè)前三。”（本文首發(fā)鈦媒體App）

關(guān)鍵詞：