智能汽车再陷路线之争?

简介: 智能汽车再陷路线之争?

随着AI大模型的持续发酵,业内对于AI大模型在各个行业的应用落地越发关注。比如,“AI+教育”“AI+医疗”……,曾经炒作过的AI概念,有了重新炒作一遍的趋势,AI汽车自然也不例外。

近期,在四维图新的战略研讨会上,明确将围绕“汽车智能化”主赛道,以地图数据、导航产品为基座,以智能驾驶、人车交互为主要应用场景,提供面向智能汽车的软硬件产品组合,加速形成以“芯片+算法+数据+云”的数据驱动创新闭环。除了四维图新之外,华为问界M5智驾版的推出,也在业内引发强烈反响,很多用户更是甘当“自来水”,为问界智驾打call,一时间AI汽车的声量再次走高。

智能汽车人气再度飙升

在6月16日举行的2023未来汽车先行者大会暨全球智能网联汽车商业化创新大会上,华为终端BG CEO、智能汽车解决方案BU CEO余承东发言表示:“中小厂商可能被大的厂商兼并或者重组掉,未来能活下来的车企,年产量达不到500万或者达不到1000万辆的话,恐怕很难在这个时代立足。”值得注意的是,几乎同时华为与赛力斯合作的问界M5智驾版,也在同一天交付引发行业关注。从当下来看,智能汽车再次人气飙升是有原因的。

一方面,智能汽车解决方案发展到今天已经越来越成熟了,当下L3级别的智能驾驶落地,业已步入成熟落地阶段。进入智能汽车时代,汽车传统的电子电气架构,加速从分布式(模块化、集成化)向域集中式(包括集中式化、域融合)、中央集中式演进(车载电脑、车云计算)。在域控制架构之下,汽车的通讯性能更好、成本更低,同时节省了大量ECU(电子控制单元)的使用,大大节省了空间、能耗和物料,使核心域内算力大幅提升,智能化功能开发越发顺畅,应用上车速度大幅提升。

比如,华为就将多年来在ICT方面积累的核心能力,迁移到了智能汽车上,如华为的鸿蒙智能座舱、智能车控以及智能驾驶技术,全都被应用在了华为的合作伙伴,如赛力斯的问界、长安汽车的阿维塔上,创造了极强的智能驾驶体验,问界M5智驾版,更是业内首个同时搭载HUAWEI ADS 2.0智能驾驶系统,和鸿蒙智能座舱3.0的车型,其已经可以提供无限接近于自动驾驶L3级别的智驾体验。

另一方面,在电动车越来越卷的当下,汽车智能化水平高低,越来越成为车企打造产品差异化的核心卖点。前几年,在行业新能源快速渗透的情况下,用户对汽车的电动化体验感知相对更深一些,对于智能化尤其是“蹩脚”的智能化则不那么感冒,这也是包括比亚迪等在内的厂商,虽然智能化水平不高,但是凭借较强的电动化体验,依然跑到了行业前列的原因所在。

但今时不比往日,在经过一轮大洗牌之后,头部电车企业之间的竞争愈加焦灼,除了电动体验之外,智能化体验越来越成为车企拼差异化的一个核心卖点。比如,座舱域与车身域(包括雨刮、车钥匙与车窗)的融合,可以让用户体验到科技走进生活的感觉,智能驾驶水平的提升,则将汽车智能化体验拉升到全新的高度。从这个点来说,当下智能化的再度走热,更像是在之前大浪淘沙之后,行业重新“蓄力向上”的一个开端。

智能汽车迈入关键分水岭

站在当下来看,现阶段汽车智能化或许已经进入“关键质变”阶段。在4月16日举行的2023华为智能汽车解决方案发布会上,华为常务董事余承东表示:“上半场的电动化,是硬件决定体验;下半场的智能化,是软件决定体验。而当下或许已经到了汽车,从制造属性向科技+消费属性的过渡阶段,甚至可以说是关键分水岭。”

一来,以华为等为代表的龙头科技厂商,正在以顶级智能化体验,重新定义智能汽车产品。根据汽车之家发布的《2022中国智能汽车发展趋势洞察报告》(以下简称《报告》)显示,当前国内智能汽车品牌的智能化表现特征不一,长短板十分明显,总体上呈现出“强座舱、弱智驾”的特征,同时算法迭代压力大,交互式体验不足等问题也比较明显。

在车企与车企之间,智能化体验的差异也比较明显。据《报告》用户严格测评的结果显示,2021年智能座舱评分Top 10中,中国品牌车系占据8席。其中小鹏P7交互便利性高,语音功能尤其强大;理想综合娱乐系统较强,星越场景覆盖度较高,蔚来的互动沟通体验好。即便如此,各家依旧有各家的短板。作为近两年才大举入局智能汽车行业的“新人”,华为鸿蒙4.0车机系统,确实给现有的智能座舱市场带来了全新改变。

其具体亮点体现如下:六音区声源定位、多人多屏多音区并发控制、舱内眼球位置追踪及眼部状态识别、多屏多通道双向流转、多屏跨设备投屏。与此同时,新一代 HUAWEI 车载智慧屏、xPixel 智能车灯解决方案,以及HUAWEI xHUD AR-HUD 增强现实抬头显示也同步亮相,其他诸如数字座舱和智能车云服务、华为的鸿蒙系统等,也都被一并带上车。这预示着真正意义的“数字化移动第三空间”正在诞生,这与简单地将中控屏等智能化功能串起来的智能座舱,显然已经完全不同了。

二来,新的智能化革命正在广泛兴起,给汽车智能化带来了全新的外部刺激。今年以来,以ChatGPT为代表的AI大模型,迅速席卷各个行业产业,为很多行业带来了全新的数字化机遇,其中自然也包括了智能汽车。目前包括已经发布了AI大模型的百度,华为等,都已经宣布了将自家的AI大模型应用,接入到相应的智能汽车产品中。

那么,AI大模型会对智能汽车带来什么改变呢?从目前已知的资料来看,大模型给智能汽车带来的改变有二:一是大模型与智能座舱结合后,可以实现车内跨业务、跨场景人车自由交流,提升座舱交互体验;二是它将促进自动驾驶的发展。其具体表现为:在云端,大模型可以发挥参数量增加带来的容量优势,加快汽车内的数据挖掘和标注任务能力;在车端,它可以将分管不同子任务的小模型合并为一个大模型,节省车端推理计算时间,增加汽车安全性。

总之,无论是科技大厂下场参与“催化”智能汽车发展,还是AI大模型给整个产业链带来的外部影响,都意味着当下智能汽车正在迈入关键分水岭。

路线之争仍在继续

随着智能驾驶的热度攀升,业内围绕纯视觉解决方案,以及激光雷达解决方案的智能驾驶路线之争再度被提起。尤其是问界M5智驾版的推出,让很多人对于以特斯拉为代表的纯视觉方案的评价,越发两极分化:一种认为,纯视觉方案是一条不现实的路线,因为它不能解决驾驶安全的问题,它将在相当长的时间内面临政策压力;另一种则认为,纯视觉方案具有长期价值,激光雷达在当下可能是个过渡方案。那么,这两种方案究竟哪种更适合当下的环境呢?

一方面,纯视觉方案的确有成本优势,但安全性“硬伤”也难以遮掩。具体来说,纯视觉方案依托于高分辨率、高帧率的成像技术,来感知外界环境信息,做到无死角场景全覆盖,然后借助传感器将得到的环境数据上传到系统,依托系统进行分析判断、做出决策,更类似于人类的反馈系统。

作为这方面的代表,像特斯拉、百度、极氪等车企,均使用这一方案。比如特斯拉搭载了8 颗摄像头,包括前置三目摄像头(分别是长距窄视角、中距中视角和短距鱼眼)、车辆的左右两侧各有2颗面向侧前和侧后的摄像头,再加上1颗后置摄像头,8颗摄像头完成了360° 纯视觉感知的无死角覆盖,而百度的Apollo Lite与特斯拉基本一致,只是加装了2颗环视摄像头做感知补充。

相比激光雷达解决方案,这种方案避免了购置价格动辄上万块钱的激光雷达,因此规避了造车成本太高的问题。但短板同样明显,那就是它高度依赖于算法驱动和高算力支持,在反应速度上稍微较激光雷达慢一些,而且其容易受光照等极端环境影响,安全风险不少,这也是纯视觉方案被人“诟病”的根源所在。

另一方面,激光雷达的确成本高,但反应灵敏、安全性高。激光雷达在运行时,可以通过发出光束快速并且准确地对外界物体进行位置、大小的判断,并同时获取数据以形成准确的数字模型。相比视觉派而言,它监测的距离更长(周围300米以内的物体),精度更高,响应速度更灵敏(反射弧更短),并且不受环境影响,可以应对暴雨、冰雹等极端天气。以问界M5智驾版的反应来说,它在南方暴雨天气之下应付自如,智能驾驶可以在脱离手扶的情况下,通过各种复杂路况,具备极强的环境适应能力。

综合两种方案不难发现,当下智能化普及的先决条件,依旧是智驾的安全性,相对而言激光雷达方案更加稳妥。但从长远角度来说,随着算法和算力能力的提升,纯视觉方案也将逐渐受到产业内外的关注和重视。

商业化将成未来决胜关键

纵观整个国产智能汽车发展历程不难发现,从开始的“热火”到后面的“沉寂”,再到再次受到外界关注,影响外界对智能汽车评价的,从来都不是它重不重要,而是它能不能商业化落地,即它的商业逻辑能否跑通才是核心关键。

首先,技术的应用是否存在安全隐患,符不符合“人本主义”的商业伦理,是影响智能驾驶产业落地的重要因素。如前文所述,纯视觉方案虽然好、成本也低,具备长期商业价值,但是当下依旧有很多车企,选择激光雷达方案,关键正在于其存在安全风险,而这恰恰是用户不能接受的,也是社会和政府部门不能接受的,这将直接影响政府推动相关政策落地的开放速度。

换言之,只要安全的智能驾驶技术,才会让政府部门给车企开白名单,让车企测试更先进的自动驾驶技术。最近华为推出的问界M5智驾由于过于抢眼,所以外界都在预测是否会提前落地L3级别的自动驾驶,果然在本月我们也出台了L3级别的政策指引,这在某种程度上来说并不能算凑巧,而是社会对技术共识的逐步达成。

其次,智能化落地的成本方案,是否能为各方所接受。过去特斯拉非常排斥激光雷达的原因,除了考虑视觉解决方案这种技术活,他们比较擅长做之外,成本也是一个很重要的考量。为了控制整车成本,马斯克不仅不装激光雷达,甚至在去年还宣布将在欧洲、中东、北美地区交付的model 3、model Y,统一移除超声波雷达,而后者的成本也才几百元。因为根据马斯克的规划,特斯拉的智能车必须做到越来越便宜,因此成本只能是越来越低,不能搞太“高”的昂贵硬件。

在这一规划指引下,特斯拉在电动化基础上做到低购置成本的智能车体验,也就能够吸引更多用户来购买特斯拉的FSD,达到软件赚钱的目的。不过,激光雷达的“贵”也不是没有办法解决,目前华为、速腾聚创等厂商,已经将动辄上万的激光雷达价格,打到了一个适合产业化(华为的相关产品在200美元)的程度,而且伴随着其合作车企产品的大量出货,规模效应越发显著,成本的下降空间进一步打开(比如问界、蔚来等已经交付了上十万辆的车),产业化也进一步提速。

以此来看,其实所谓的路线之争背后,核心还是商业化卡点的问题,只要商业化能走得通,那种技术路线都有可能落地实现。而考虑到自动驾驶落地的长期性和复杂性,先依靠市场化的手段度过前期生存阶段,而后再依托先进技术来推动体验升级,将会是未来车厂争夺自动驾驶话语权的关键策略。

目录
相关文章
|
负载均衡 Cloud Native Java
【云原生】Spring Cloud Alibaba 之 Gateway 服务网关实战开发
【云原生】Spring Cloud Alibaba 之 Gateway 服务网关实战开发
3187 0
|
8月前
|
人工智能 数据安全/隐私保护
深度揭秘CoT!普林斯顿耶鲁发布最新报告:大模型既有记忆推理、也有概率推理
普林斯顿大学和耶鲁大学研究人员发布报告,探讨链式思维(CoT)提示对大型语言模型(LLM)推理能力的影响。研究通过移位密码任务,揭示了三个关键因素:任务输出概率、预训练阶段的隐性学习及中间操作数量(噪声推理)。实验使用GPT-4、Claude 3和Llama 3.1模型,发现CoT提示可显著提升模型准确性,但也存在局限性。论文地址:https://arxiv.org/abs/2407.01687。
349 29
|
人工智能 自动驾驶 云栖大会
大模型赋能智能座舱,NVIDIA 深度适配通义千问大模型
9月20日杭州云栖大会上, NVIDIA DRIVE Orin系统级芯片实现了与阿里云通义千问多模态大模型Qwen2-VL的深度适配。阿里云、斑马智行联合NVIDIA英伟达推出舱驾融合大模型解决方案,基于通义大模型开发“能听会看”的智能座舱助理,让车内人员通过语音交流就能操作座舱内的各类应用,享受极致丰富的交互体验。
598 14
|
SQL 存储 JSON
微信朋友圈转发第三方网站带缩略图实现
前情提要 有时候我们会在朋友圈看到如下两种转发情况:一种是前面带缩略图的 ,一种是无缩略图的,当然有缩略图的不管是从用户体验,还是网站推广运营方都是更优的选择。 那我们看看微信分享朋友圈缩略图是 怎么一回事呢 注:微信6.5.5版本后,微信调整了分享规则。
1762 0
|
9月前
|
Cloud Native Apache 流计算
资料合集|Flink Forward Asia 2024 上海站
Apache Flink 年度技术盛会聚焦“回顾过去,展望未来”,涵盖流式湖仓、流批一体、Data+AI 等八大核心议题,近百家厂商参与,深入探讨前沿技术发展。小松鼠为大家整理了 FFA 2024 演讲 PPT ,可在线阅读和下载。
8402 18
资料合集|Flink Forward Asia 2024 上海站
|
人工智能 开发框架 Java
重磅发布!AI 驱动的 Java 开发框架:Spring AI Alibaba
随着生成式 AI 的快速发展,基于 AI 开发框架构建 AI 应用的诉求迅速增长,涌现出了包括 LangChain、LlamaIndex 等开发框架,但大部分框架只提供了 Python 语言的实现。但这些开发框架对于国内习惯了 Spring 开发范式的 Java 开发者而言,并非十分友好和丝滑。因此,我们基于 Spring AI 发布并快速演进 Spring AI Alibaba,通过提供一种方便的 API 抽象,帮助 Java 开发者简化 AI 应用的开发。同时,提供了完整的开源配套,包括可观测、网关、消息队列、配置中心等。
7054 115
|
存储 人工智能 缓存
[AI Kimi] Context Caching 正式公测,推动长文本模型降本 90%
Kimi 的上下文缓存(Context Caching)技术正式公测。该技术通过预先存储数据,显著降低了计算成本和延迟,适用于长文本模型,帮助节省高达 90% 的费用,并将首 Token 延迟降低 83%。
|
11月前
|
C语言
C语言字符(串)函数
C语言字符(串)函数
|
安全 物联网 Linux
AliOS Things 物联网操作系统介绍
AliOS Things 物联网操作系统介绍
14068 1
AliOS Things 物联网操作系统介绍

热门文章

最新文章