技术创新提速汽车智能化

• 作者: 经济参考报
• 来源:
• 日期: 2023-11-04
• 浏览次数: 117次

  图为参与试乘无人自动驾驶商业运营的车辆在重庆市永川区路边停靠。 记者 李贺 摄

  编者按

  新技术、新方案的快速“上车”正在让汽车更加智能：一方面，不同技术路线的百花齐放让各种新技术快速应用在新能源智能汽车领域；另一方面，产业创新也在不断为智能汽车新型风险扎紧“安全带”，如此良性循环使得我国新能源汽车的技术水平快速提升，产业竞争力不断增强。

  四维图新聚焦汽车智能化

  随着汽车行业进入智能化的下半场，四维图新也从原先的地图供应商角色逐步进化为新型Tier 1，并给出了自己在汽车智能化方面的全栈解法。

  “智能驾驶不可‘无图’”

  智能驾驶领域“有图”和“无图”的争论再次被点燃。

  近来，部分车企纷纷落地城市NOA（Navigate On Autopilot导航辅助驾驶），试图摆脱对高精地图的依赖。

  对此，四维图新CEO程鹏近日 在公司四周年用户大会上表示，当下一些车企“去图化”的背后，是因为这些车企“无地图资质、无知识产权和无安全敬畏”。四维图新经过测试发现，一些宣称不依赖高精地图的车企，在遮住传感器后依然有地图信息，这说明其仍采用了地图方案。

  高精地图，又称高清地图，是精度更高、数据维度更多的导航地图。除简单的道路及其形状等基础信息之外，高精地图还包含了道路类型、曲率、车道线位置等道路信息，以及路边基础设施、障碍物、交通标志等环境对象信息，同时包括交通流量、红绿灯状态信息等实时动态信息。

  相比传统硬件传感器，高精地图可以很好地弥补传感器数据缺失，利用高精地图数据对前方道路情况进行补充，无论在怎样的场景中，高精地图都能更精确、全面地感知前方路况，使行车安全性得到更高的保障。

  不仅如此，配合传感器，高清地图还可以实现更精确的定位。传统的车辆定位系统容易受到环境干扰，在立交桥等立体交通场景，或是高楼大厦的高反射场景，表现通常不尽人意，从而无法实现精准定位。而高精地图则提供了一个稳定的无源定位方式，通过匹配传感器感知特征和高精地图具有特征，车辆可以获知其相对位置，从而完成在全局环境当中的准确定位。

  另外，高清地图还可以被看作一个超视距传感器，给智能驾驶系统提供道路拓扑信息，让其提前知晓道路前方的交通情况，进行最优的路径规划，从而实现车辆可以保持乘客舒适的加减速行驶。

  过去一段时间，高精地图因其强大的能力曾一度被业界认为是迈向高阶智能驾驶的必经之路，然而采集难度大、更新频率低、维护成本高的痛点，却让部分车企走上了“无图化”道路。

  不过，程鹏认为，绝对的“无图化”会导致很多问题出现，比如数据的采集、匹配和对传感器的需求都会出现新的矛盾和成本压力，且无法依靠规模效应来平摊。所以，现阶段智能驾驶仍需要“地图”辅助。

  在他看来，“有图”和“无图”的路线之争，症结在于市面上缺少能足够打动车企的高性价比“轻地图”解决方案。

  因此，基于市场需求，四维图新推出了智能驾驶轻量化地图产品HD Lite，将城市道路上采集的要素减少至30余个，相对精度降低到1米，并大幅提升了覆盖广度和数据鲜度，降低了单位数据成本。

  深度合规挖掘数据价值

  程鹏说，从目前的技术来看，高精地图在智能驾驶方面仍发挥着重要作用，同时绝对的“无图化”也难以保证道路信息的采集合法合规。

  近年来，随着汽车智能化程度的加深，汽车对于用户来说，已不仅仅是单纯的出行工具，而是成为了数据融合的终端，数据量也从GB激增到PB。

  据了解，智能驾驶产生的数据大致可以分为四类，一是车对外部环境的感知数据，二位置及轨迹的数据，三是车辆数据，四是用户采集的数据。

  从软件定义汽车到数据驱动开发，汽车在使用过程中贡献的数据已经成为行业重要的新动力，但数据在产生的同时，数据安全也成为日益严峻的挑战。

  目前，汽车出行数据有三大难题待解：一是数据确权问题，即数据的采集、处理、使用等的归属问题；二是数据安全、信息安全问题，三是数据闭环问题，汽车数据安全涉及环节多，是一项复杂的系统工程。

  针对此，四维图新提出了自己的解决方案，包括数据采集与传输、数据存储与处理、数据使用的全流程数据合规服务。

  程鹏表示，汽车数据的挖掘及应用仍有极大提升空间，要解决上述问题， 不仅需要一个懂合规、懂技术、懂应用场景、云中立的专业第三方数据合规服务商，也需要一个开放且值得信赖的数据交易平台。

  而这正好是四维图新的优势所在，作为国内首批获得甲级测绘资质的公司，四维图新拥有超过20年的数据采集经验和全国范围的高效数据采集能力，在数据脱敏合规技术方面积累颇多，可提供专业的服务和丰富的行业知识。

  另外，随着汽车出行行业的变革，四维图新为用户提供的产品也在快速迭代，例如城市级的交通信息服务、交通的拥堵情况和其产生的原因、信号灯相应的分析和发布应用、动态道路天气、停车服务的细致化等，都是在原有功能上附加了动态信息的图层。

  更重要的是，四维图新也在助力自主品牌出海摆脱数据困境。

  数据显示，我国汽车出口延续高增长势头，继2022年全年出口超300万辆之后，今年前三季度汽车企业出口已达338.8万辆。

  然而，在汽车出口高歌猛进的同时，也出现了一些不容忽视的挑战，比如如何根据地域差异，成功地将中国智能网联汽车解决方案在当地落地。

  四维图新CMO兼董秘孟庆昕称，凭借在地图制作和数据合规方面的丰富经验，四维图新已开发出一套数据合规全球化解决方案，帮助合作伙伴更好地解决痛点。

  据介绍，从数据收集到匿名化，从数据标记到数据回传，四维图新的这套解决方案可根据当地的合规要求进行全流程设计和实施。孟庆昕说：“无论是客户已经采集好的数据，还是客户需要本地支持来收集数据，四维图新的数据出海解决方案都能很好地提供支持”。

  积极转型汽车智能化Tier 1

  和外界一直将四维图新视为地图供应商不同，在程鹏眼中，四维图新有自己的新定位。

  “我们的目标是成为新型Tier 1。”程鹏说，基于自有的海量GIS数据、传统地图与高精度地图数据及智能驾驶数据底座，四维图新拥有训练行业大模型所需的数据池，同时具有地图供应商、智能驾驶软件开发商、座舱与芯片硬件制造商等多重身份，这为其成为汽车智能化领域“极致性价比的解决方案提供商”奠定了基础。

  根据公开资料显示，四维图新拥有智驾、智云、智舱和智芯四大业务体系，兼具智能汽车和云服务两大科技领域的跨界融合发展能力。

  此次用户大会上，除了轻量化的地图产品，四维图新还推出了轻量版领航辅助驾驶系统NOP Lite和符合功能安全ASIL-D、基于Arm Cortex R52内核的多核高主频MCU——AC7870x。

  据悉，NOP Lite采用了国产芯片公司地平线的征程3芯片，搭载了5个摄像头5个毫米波雷达，在强大算力的支持下，能够实现行泊一体以及轻量版NOP（领航辅助驾驶）功能，使得车企可以用较低的成本，快速获得智能驾驶能力。

  四维图新在汽车电子芯片领域同样进行了长期布局。据了解，四维图新从2015年开始关注芯片行业，并于2017年收购了杰发科技。截至2022年底，其国产车规级汽车芯片累计出货量超2.5亿颗。其中，四维图新自主研发的AC8015芯片出货量超100万颗，其中90%服务于自主品牌，合作车型近百个；今年6月，该公司发布的中高端域控芯片AC8025已获得国际车企定点，项目预计将累计覆盖车辆级500万台。

  目前，思维图新的芯片类产品已经覆盖了智能座舱SoC、车联网SoC、车载信息娱乐SoC、车规级微控制器MCU、车载音频功率放大器AMP、胎压监测专用芯片TPMS等产品类型。

  时下，智能化已成为汽车业竞争的新赛道，并涌入了不少玩家，技术路线也各不相同。但在孟庆昕看来，四维图新对车的理解、在智能网联车相关数据和合规方案的积累以及对算力的理解，都是其优势所在。她说，“谁掌握了数据，谁才是未来的王者。光有平台没有意义，一定要基于数据，才会有相应的算力和训练。”

  程鹏则认为，“汽车智能化是一场马拉松比赛，四维图新将携手行业伙伴做好底层产品，助力车企打造自己核心竞争力的同时，可以在汽车竞争的下半程跑得更快、更稳。”

  AI大模型加速汽车智能迭代

  未来的城市交通可能是这样的：车辆之间能够相互“沟通”，提前预知前方路况并做出及时反应；车辆驾驶人员可在行进中放松片刻；交通成本降低，安全事故减少，城市交通效率提高……

  这一切可能，都源于汽车的日趋智能化。AI大模型的快速发展和广泛应用，为中国汽车行业高度智能化按下“加速键”。

  前段时间，工业和信息化部副部长辛国斌介绍说，2023年上半年，中国具备组合驾驶辅助功能的乘用车新车销量占比达到42.4%。

  早期的自动驾驶更多是基于传感器与深度学习算法的融合，存在对高精度地图过于依赖、成本过高等问题。中国汽车工业协会总监韩昭表示，今年以来，随着生成式人工智能技术的发展，自动驾驶也开始向端到端大模型方式演进。

  据了解，特斯拉发布的FSD V12版本已实现端到端的AI自动驾驶方案；商汤科技推出“日日新SenseNova大模型”体系，可提供智能化多模态的人车交互体验；阿里巴巴称AliOS智能汽车操作系统已接入通义千问大模型测试；东风日产、红旗、长城等多家车企宣布接入百度的“文心一言”……

  中国汽车企业也在应用AI大模型解决自动驾驶问题，通过大量数据的注入推动模型成长、优化算法，提升汽车智能化水平。

  2022年4月，北京成为全国首个开启乘用车无人化运营试点的城市，百度、小马智行获批“无人化载人示范应用通知书”。

  百度集团资深副总裁李震宇表示，过去一年，百度的“萝卜快跑”无人车队在运营面积、单量和车辆数上都有了大幅增长。目前，“萝卜快跑”累计为公众提供服务超过330万次。

  算法、算力、数据等是AI大模型与汽车行业融合的基础。多家中国汽车企业正在软件、算法等方面重点布局，未来更多研发投入将向智能网联技术领域倾斜，聚力攻关核心技术。

  业内普遍认为，AI大模型技术初步落地，加速智能网联技术晋级，将会对智能网联汽车的发展起到加速推动作用。近两年来，不少中国汽车企业在AI大模型领域进行大量投入，通过AI大模型实现了文本生成能力、多模态感知能力、智能驾驶数据生成能力等，实现了百亿乃至千亿级别参数覆盖。

  “中国在全球经济中发挥着重要作用，我们希望通过对话合作与中国汽车行业共塑未来。”欧洲汽车工业协会秘书长狄薇斯表示，中国对外开放的持续推进，使自动驾驶汽车的数字化安全、技术创新等方面的很多机会得以激发。

  车联网创新扎紧智能汽车“安全带”

  电池过热出现危险、车辆自动驾驶时出现事故、网络漏洞导致汽车被控制……随着车辆变得更加智能，一系列传统汽车未遇到的新问题开始浮现。为此，在加速交通智能化、网联化和绿色化发展的同时，我国也在不断为智能汽车新型安全风险扎紧“安全带”。

  “扶好方向盘，按下控制按钮，车辆将自行控制车距，根据导航自行变道甚至超车。”当下，越来越多的乘用车正在成为“聪明车”，加快进入市场。数据显示，2023年上半年，我国具备组合驾驶辅助功能的乘用车新车销量占比达到42.4%。

  日前，工业和信息化部网络安全管理局副局长张光明说，车联网通过贯通汽车、道路交通运输、云网通信和平台等关键要素，实现人车路云数据交互和高效协同，是提振经济的引擎，已成为汽车行业新的发展方向和世界主要国家推进产业升级的重要途径。

  国家市场监管总局缺陷产品管理中心副主任肖凌云表示，安全是智能网联汽车发展道路上的核心问题。新风险一方面来自新能源汽车领域的“热失控”等问题；另一方面则是新技术和新功能所带来的，例如自动驾驶或者高级辅助驾驶功能应用中，可能会出现场景无法识别、误识别、目标丢失等传统车辆未曾遇到的新问题。

  面对新风险，我国正在通过技术和监管创新，持续提升车联网安全保障能力，营造与汽车行业创新发展相适应的安全生态体系。

  据公安部交通管理科学研究所所长孙正良介绍，截至目前，全国已有7个国家级车联网先导区，有40多个城市发放了1万多张临时号牌。这些城市的示范应用从公安交通管理、通信、网联汽车、智慧出行的角度，跨行业协同发力，推动技术创新和规模应用。

  新的监管模式和理念也在助力智能网联汽车产业高质量发展。

  前不久，国家市场监督管理总局等五部门启动了汽车安全“沙盒监管”试点工作，在风险可控的情况下，对新的产品和模式进行一定范围内的测试，既实现风险可控、监管可控，同时让新产品更快上市。

  作为传统监管方式的有益补充，沙盒监管是一种针对技术创新的柔性监管制度。肖凌云说，为了让新技术更好进入市场，同时规避大规模召回，我国在准入和召回之间，增加了“沙盒监管”理念，建立起创新型的监管机制。

  数据安全也是车联网安全的重要支撑，我国一些地方已率先步入保障车联网数据安全的实践阶段。

  在2023年世界智能网联汽车大会上，北京市发布《北京市高级别自动驾驶示范区数据分类分级白皮书2.0》。示范区相关负责人表示，作为数据安全治理的前提条件，数据分类分级是示范区数据治理的重要抓手，能够有效助力数据规范有序流通，不断推动数据产权制度落实应用。

  车联网安全是全球性问题，需要国际社会通力合作。张光明说，我国将加强与其他国家在车联网安全领域的交流与合作，共同推进理论研究、技术交流、标准共研等工作，积极输出高质量、高性能、高安全的车联网安全产品和服务，为世界车联网安全发展提供中国方案。