想判传统车企死刑？可人家要翻盘了
-
" 在电动汽车时代，传统车企在电动汽车时代完全没有机会了。"
前段时间，罗永浩在直播中公开宣判了传统车企的死刑。
如果这番话放在去年，尚可让人接受。因为在技术迭代、商业模式演化的加速期，从互联网公司跨界到汽车领域的造车新势力们，通常都会以小步快跑、大胆试错的方式，抢占市场先机。
但这并不意味着，" 慢火细熬 " 的传统车企就没有翻盘机会了。比如在量产车的智能驾驶领域，魏牌就在近日宣布：魏牌城市 NOH 功能将成为首个实现量产的重感知城市辅助驾驶系统，比新势力落地时间更早。
究其根本，在汽车行业，要将新技术所带来的新体验，从概念阶段推向量产规模化阶段时，往往遵循的了 " 慢既是快 " 的原则。而方向的选择远比努力奔跑更重要，因为一旦出现了方向判断的偏差，那就只能调头重来，严重影响交付的节奏，甚至威胁用户的生命安全。
在当下的智能驾驶领域，" 老实 " 的传统车企迎来了翻盘的机会。
别再拿互联网思维造车了
对于汽车行业的转型，我们通常陷入了一个误区：快，就是胜利；慢，就是掉队。这也就为什么外界把现在车企分为两派——造车新势力和传统车企。于是，外界进而衍生出了一种判断：擅长快速迭代的造车新势力在智能汽车时代的全面领先，" 慢火细熬 " 的传统车企面反而掉队了。
如果真要论辈分的话，传统车企在智能化领域是绝对的 " 先行军 "。比如，长城汽车在 13 年前就开始着手自动驾驶了。早在 2009 年的时候，长城汽车就在内部进行了 ADAS（辅助驾驶）系统的研究。2015 年，自主研发的智能驾驶系统，在长城内部的一个科技节上进行了动态演示，同年 9 月首款搭载 ADAS 系统的哈弗 H9 上市。
在 2015 年这个时间节点上，绝大多数的造车新势力还没有推出第一款车，甚至一部分新势力连公司都还没有注册、连正式的品牌名称都没有。
究其根本，造车新势力们的 " 快 "，是因为它们正在用互联网思维造车。一方面，将原来冗长的汽车产品迭代周期压缩到极致。另一方面，新势力通常会采取 " 硬件先行、软件升级 " 的模式，把 " 半成品 " 先交付给用户。
在早期普及阶段，" 小步快跑 " 确实能大幅提升产品力。比如，靠 " 视觉摄像头 + 毫米波雷达 " 的感知硬件，让很多新势力的车型快速实现了大量超前功能，诸如打灯自动变道、拥堵路况跟车等等的，瞬间就提升产品的智能化属性。
为了进一步稳固 " 科技感 " 的标签，新势力的产品开始引入高精地图的数据。配合原有的 " 视觉摄像头 + 毫米波雷达 " 的感知硬件基础，从而实现高速导航辅助驾驶功能。但这一尝试，同样也是危险的开始——在过去一年，因为使用辅助驾驶功能而导致的有重大人员伤亡的交通事故，频繁发生。
这是 " 快速迭代 " 所带来的后果之一。
因为软件功能的迭代速度，往往会快于硬件的升级演化。比如，传统的 " 视觉摄像头 + 毫米波雷达 " 组合，对于高速工况下的静态障碍物识别，存在着硬件技术层面的短板。如果，驾驶员的存在分神的情况，最后可能就会酿成惨祸。
然而，激光雷达的量产能从根本上解决老一代感知硬件所存在的短板。比如魏牌摩卡 DHT-PHEV 激光雷达版，就采用了速腾聚创 M1P 激光雷达，双激光雷达可以达到 170° 的 FOV 视角，探测距离达到了 180m。相比之下，老一代的毫米波雷达，会分为广角 / 窄角两种探测角度，探测距离在 100 米 /160 米的水平。
本质上，造车是实用市场，不是资本市场。毕竟，汽车行业现在仍是一个传统的制造业，遵循客观规律是从业者的原则和底线。那么，技术的研发和探索可以快，但量产上车一定要 " 慢 "。
量产上车，慢即是快
《道德经》里说 " 合抱之木，生于毫末；百丈之台，起于垒土；千里之行，始于足下 "。所谓的 " 慢 "，并不是 " 躺平 "，而是在看准了道路和方向之后，默默积蓄力量，待时而发。
过去的动力电池技术已经证明过 " 慢即是快 " 这一点——早期的动力电池的技术路径百花齐放，但经过市场的一轮轮淘汰后，只剩下三元锂和磷酸铁锂这两种技术路径，而磷酸铁锂凭借着成本优势，开始 " 大杀四方 "。
在如今的量产智能驾驶技术领域，也在经历动力电池类似的演变过程。目前，智能驾驶的技术路线分为三种流派：1、纯视觉；2、重地图、轻感知；3、重感知、轻地图。
纯视觉流派，具有成本低、可规模化的特点，但单靠视觉感知摄像头，会容易受环境限制从而影响探测精度。而绝大部分车企，目前都在走重地图的路线，即依靠高精地图的辅助完成智能驾驶。
理论上，高
精地
图是城市辅助驾驶的 " 神器 "。
因为在城市道路下，如果有高精地图数据，系统可以基于红绿灯在高精地图的位置，在感知上做预瞄，然后再进行识别。所以，在高精度地图的辅助下，车辆可以很好地找到当前道路、车道所对应的红绿灯信息。甚至可以通过 V2X 车路协同等方式，来获取红绿灯倒计时。
于是，在量产智能驾驶领域开始形成一种新的共识：" 高精地图方案，因为国家安全、法规、 政策审批等因素，会让技术落地非常困难。而以视觉为核心的多感知融合方案是未来的技术趋势。"
曾在百度工作 16 年的顾维灏，很早就意识到了这一点。他曾带领团队在中国首次研发并量产自动驾驶地图。对于应用高精地图的优与劣，他心里是最为清楚。后来，顾维灏以联合创始人 &CEO 的身份加入了自动驾驶人工智能技术毫末智行，其前身是长城汽车智能驾驶前瞻分部。
在长城汽车内部也有一个共识："很难用同一套技术去超越别人"。
在魏牌摩卡 DHT-PHEV 激光雷达版上，就另辟蹊径地采用了 " 重感知、轻地图 " 的技术路线。凭借着 2 颗 125 线速腾聚创激光雷达的加持，与毫米波雷达、摄像头等传感器高效协同，确保对城市复杂路况及环境感知的准确性。同时，这款车还全球首搭了第三代高通骁龙 Ride 平台，单板算力 360TOPS，足以应对重视觉方案的车端算力需求。
当然，只是有硬件基础还不够。在不完全依赖高精地图辅助的情况，要靠单车智能在城市里进行高级别辅助驾驶，需要从智能算法层面去解决一个核心问题是——如何让车辆识别复杂的城市路况？
举个简单例子，不同城市里红绿灯识别，会有四个典型难点：一是小目标检测、二是状态会实时发生变化、三是形态各地差异很大、四是绑路困难（如何把红绿灯与对应的道路进行绑定）。
答案只有一个——深度学习。顾维灏表示，" 要解决红绿灯识别的问题。首先，需要大量的数据用来训练学习。通过图像合成和迁移学习，加快技术的迭代，是数据能够快速获取积累的方法。其中，真实数据和合成数据混合训练问题，是主要的技术难题。"
毫末设计了一个针对红绿灯检测及绑路的 " 双流 " 感知模型，将红绿灯检测和绑路问题分解成两个通道。再则，利用注意力机制（Transformer）将二者结合，输出绑路后的目标车道红绿灯通行状态——这时，车辆才能看懂红绿灯的信息。
不光是解决红绿灯识别的问题，通过基于注意力机制的感知算法，还能解决掉车道线检测、障碍物检测、道路交通标志检测等难题。以此来尽可能多的采用视觉感知，去完成道路信息的识别，减少对高精地图的依赖。
对于用户来说，最大的好处就是，感知系统和高精地图可以互为冗余。即便是在复杂多变的工况中，
得益于技术路线的坚持、硬件配置的超前量产，这才有了 8 月 26 日的成都国际车展上，魏牌正式宣布：摩卡 DHT-PHEV 激光雷达版是长城首款搭载城市 NOH 系统的车型，是中国首款量产搭载城市辅助驾驶系统的车型。
下半场，拉开智能化差距
量产交付城市辅助驾驶系统，只是魏牌跻身行业前列的第一步。而接下来，是拉开差距的关键阶段。魏牌城市 NOH 功能，目前还要在两个方面继续扩张：一是所覆盖的城市数量；二是所覆盖的场景和功能。
在覆盖城市方面，魏牌 NOH 功能将在 2022 年底前，实现超过 10 座城市覆盖，未来将突破超过 100 座城市落地应用；在功能方面，魏牌城市 NOH 可根据导航提供的行驶路线，在城市环境中实现自动变道超车、红绿灯识别与控车、复杂路口通行、无保护左右转等主要功能 , 同时也可应对车辆近距离切入、阻塞占道、交叉路口、隧道、立交桥等复杂的城市交通场景，核心城市场景覆盖率超 90%。
在这套号称 " 更懂城市路况 "、" 更多城市覆盖 " 的城市辅助驾驶系统背后，更有一套数据闭环体系作为支撑。
在业内有一个共识：高阶智能驾驶能力，是一种递进式的解决问题，遇到了问题，把数据回传回来以后，解决这个问题。通过算法的优化，从而实现功能和体验的升级。说白了，就是 " 喂 " 数据的过程。
毫末智行总结了一个自动驾驶能力发展曲线，它是一个与数据规模相关的函数—— F（x）=Z0+M（x），其中 F 代表产品力，Z0 代表第一代产品的产品力，M 是一个把数据转化为知识的函数。包括数据的获取、表达、存储、传输、计算和验证。
而在顾维灏看来，产品力增长，需要大规模的产品落地和产品使用，需要数据智能把数据转化为知识。
所以，当搭载魏牌 NOH 城市辅助驾驶系统的车辆大规模落地之后，系统遇到的有效数据将持续为功能进行迭代，并进一步提升 NOH 系统的产品力——
如今，魏牌城市 NOH 辅助驾驶系统的大规模量产，就与预示着飞轮开始启动。
