5年之前，資本場的弄潮兒，新勢(shì)力與老牌廠商的角逐熱情激揚(yáng)。5年之后，端到端蓬勃熱烈，自動(dòng)駕駛、座艙加速重構(gòu)，熱情仍在。

　　回首過去，眺望未來，這是一個(gè)獨(dú)屬于中國自動(dòng)駕駛產(chǎn)業(yè)的浩蕩產(chǎn)業(yè)故事。

　　作者|念秋

　　編輯|皮爺

　　出品|產(chǎn)業(yè)家

　　2012年4月，硅谷到北京。

　　在機(jī)器學(xué)習(xí)領(lǐng)域卓有成就的余凱毅然離開美國的NEC實(shí)驗(yàn)室，離開他所熟悉的實(shí)驗(yàn)室，從人工智能的理論前沿邁向AI應(yīng)用的第一線。

　　科學(xué)家邁入工業(yè)界并不是新鮮事。2年后密蘇里大學(xué)，已經(jīng)獲得終身教授的韓旭也做出了離開學(xué)術(shù)界，扎根工業(yè)界的轉(zhuǎn)向。

　　人才與資金的融入，讓百度成為了自動(dòng)駕駛孕育的最合適的溫床。除了學(xué)術(shù)界大名鼎鼎的余凱和韓旭，還有兩位谷歌的資深工程師——彭軍和樓天城。

　　2013年，百度自動(dòng)駕駛車項(xiàng)目正式起步，匯集了中國最頂尖的軟件工程師，在過去十年穩(wěn)扎穩(wěn)打的推動(dòng)著中國自動(dòng)駕駛產(chǎn)業(yè)的飛速邁進(jìn)。

　　可能連百度自己也沒有想到，除了搭建Apollo平臺(tái)，服務(wù)于自動(dòng)駕駛產(chǎn)業(yè)內(nèi)的多方客戶，作為中國自駕的黃埔軍校，也播撒了自動(dòng)駕駛賽道希望的種子。

　　2015年，余凱離開百度，地平線應(yīng)運(yùn)而生，成為中國第一家提出自主研發(fā)人工智能芯片與第一個(gè)實(shí)現(xiàn)量產(chǎn)流片的人工智能公司。

　　“要真正實(shí)現(xiàn)人工智能的普惠，并加快它的效率，僅僅依靠軟件是不夠的，我們應(yīng)該更激進(jìn)一點(diǎn)，為人工智能設(shè)計(jì)專門的芯片。”

　　余凱談及創(chuàng)立地平線時(shí)這樣描述自己的初衷。在自動(dòng)駕駛領(lǐng)域深耕3年后，科學(xué)家們對(duì)于理論與應(yīng)用又建立了更進(jìn)一步的理解。

　　實(shí)踐者如余凱，他們都選擇加速跑入創(chuàng)業(yè)的賽道——2016年彭軍攜手業(yè)界聲名顯赫的樓天城創(chuàng)立小馬智行，2017年韓旭創(chuàng)立文遠(yuǎn)知行，自動(dòng)駕駛賽道百花齊放。

　　而如今，殊途同歸，過去八年的分叉線最終匯合，地平線、小馬智行和文遠(yuǎn)知行都站上了IPO的舞臺(tái)。

　　敲鐘在即，觥籌交錯(cuò)背后，這也是中國自動(dòng)駕駛產(chǎn)業(yè)的蛻變史。

　　一、2024年，自動(dòng)駕駛“終于結(jié)果了”

　　故事從當(dāng)下的時(shí)間點(diǎn)說起。2024年上半年，搭載ADAS的新車交付量占比超過60%。

　　這意味著自動(dòng)駕駛完成了對(duì)于汽車行業(yè)的滲透，對(duì)于大眾不再是紙上談兵。輔助智能駕駛在過去五年爆發(fā)式增長，成為了新車評(píng)估不可忽略的一維，價(jià)格也在國內(nèi)汽車產(chǎn)業(yè)的“內(nèi)卷”中逐步親民。

　　把時(shí)間拉到一年前，2023年7月起，文遠(yuǎn)知行、蘿卜快跑和小馬智行的Robotaxi陸續(xù)亮相廣州、上海、武漢等一線城市，無人駕駛出租車也從科幻故事中走入現(xiàn)實(shí)。

　　在市場眼中，自動(dòng)駕駛終于完成了一個(gè)重磅節(jié)點(diǎn)的跨越——從0到1的產(chǎn)品驗(yàn)證后，邁向1到10的擴(kuò)張轉(zhuǎn)型。

　　頭部玩家的日夜奮斗是自動(dòng)駕駛過去五年飛速發(fā)展的「火箭頭」，但個(gè)中艱辛卻并不足外人道。其中，車規(guī)級(jí)AI芯片是中國自動(dòng)駕駛企業(yè)遇到的「第一關(guān)」。

　　從訓(xùn)練需求上看，自動(dòng)駕駛技術(shù)的研發(fā)與測(cè)試都是算力上的無底洞。道路環(huán)境復(fù)雜，多傳感器融合，在深度學(xué)習(xí)上都是算力需求的指數(shù)級(jí)增長。產(chǎn)品真正落地，需要的是幾萬次以上的訓(xùn)練和驗(yàn)證，L3級(jí)自動(dòng)駕駛對(duì)算力需求為20-30TOPS，L4級(jí)需要200TOPS以上，L5級(jí)則超過2000TOPS。這對(duì)當(dāng)時(shí)的芯片規(guī)格而言無疑是巨大的挑戰(zhàn)。

　　地平線是為了這個(gè)問題而生，也在這塊「硬骨頭」面前摸爬滾打的很長時(shí)間。

　　“2015下半年恰好是融資的小冬天，地平線拿到了一筆不錯(cuò)的融資。當(dāng)時(shí)我跟小伙伴開玩笑，這些錢怎么花?后來我們芯片團(tuán)隊(duì)開工之后，就發(fā)現(xiàn)這些錢遠(yuǎn)遠(yuǎn)不夠。”余凱在回憶起最初做AI芯片時(shí)期，曾這樣向媒體描述當(dāng)時(shí)的情況。 余凱可能也沒有預(yù)料到，車規(guī) AI 芯片每一次流片，研發(fā)投入就要超過 5000 萬美金。

　　而地平線的初期，公司還在汽車和物聯(lián)網(wǎng)兩個(gè)行業(yè)搖擺，一年多后才專注于汽車，把汽車AI芯片作為地平線的「唯一靶心」。在這樣的經(jīng)濟(jì)壓力和內(nèi)部動(dòng)蕩下，地平線的第一款車規(guī)級(jí)AI芯片在多輪融資后的2019年才姍姍來遲。

　　頭冠中國AI第一芯的征程2，搭載了自主創(chuàng)新研發(fā)的高性能計(jì)算架構(gòu)BPU2.0，提供4TOPS的等效算力，典型功耗僅為2W。即便與同期英偉達(dá)推出的Orin仍有差距，但也給了國內(nèi)新造車勢(shì)力搭建ADAS的一個(gè)希望。

　　但特斯拉FSD芯片無形中給了地平線一些加速度。

　　當(dāng)特斯拉的大屏搭載在民用車的狹小空間時(shí)，人們可能會(huì)想起喬布斯發(fā)布iPhone 4s說出的那句「我們?yōu)槭裁葱枰�鍵盤」。有了諾基亞被蘋果拍在海灘上的例子，頭部的車企也沒有時(shí)間去探究智能系統(tǒng)的合理性。不掉隊(duì)，成為國內(nèi)新造車勢(shì)力的最大目標(biāo)。即便是新起之秀，作為一家本土供應(yīng)商，地平線被被動(dòng)「押寶」。

　　2020年理想和地平線的合作引發(fā)關(guān)注。此時(shí)的小鵬和蔚來選擇牽手英偉達(dá)的Orin芯片，理想則是押寶地平線。從當(dāng)時(shí)的時(shí)間線，以及兩家企業(yè)的經(jīng)營狀況來說，這幾乎算是一場賭局——“新品牌+新芯片”的組合，對(duì)于理想和地平線，都不能輸。

　　回看這次對(duì)賭，勝負(fù)顯而易見。征程系列在理想車型上的表現(xiàn)，認(rèn)證了國內(nèi)AI芯片在智能輔助駕駛上的算力不遜色于頭部企業(yè)。隨后的市場動(dòng)作也驗(yàn)證了這個(gè)事實(shí)，小鵬和蔚來隨后都紛紛將大量資源投入到芯片自研的道路中。

　　2024年7月27日，蔚來“神璣 NX9031”芯片面世，擁有500億顆晶體管，號(hào)稱全球首顆5nm智能駕駛芯片成為蔚來交付給自動(dòng)駕駛場景的答卷。一個(gè)月后，小鵬也迅速跟上隊(duì)伍。蟄伏四年的“小鵬圖靈”芯片成功流片，場景覆蓋AI汽車、AI機(jī)器人和飛行汽車。這枚面向L4自駕場景的芯片搭載40核處理器，2個(gè)獨(dú)立圖像ISP分別用于行車感知于用戶可感知圖像，并擁有2個(gè)處理神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)的NPU，可運(yùn)行3 0B的大模型數(shù)據(jù)。

　　理想則是“兩手抓”，在牽手地平線 的同時(shí)也沒有放棄AI芯片的自研進(jìn)程。目前理想L9 Pro搭載的征程5芯片，同時(shí)能夠支持業(yè)界的自動(dòng)駕駛算法(BEV)和高速NOA。另一方面，理想也投入了大量資源在自主研發(fā)智能駕駛SoC芯片中，據(jù)知情人士透露，這款名為“Shu Ma Ke”的芯片，傾注了理想在Chiplet和RISC-V技術(shù)方面的深入研究，預(yù)計(jì)在今年年底面世。

　　“蔚小理”在AI芯片上的突破是中國新造車勢(shì)力在自動(dòng)駕駛躍進(jìn)的縮影，可以說，在最底層的“卡脖子”問題上，中國自駕正在走出困境。

　　除了AI芯片，從傳感器到感知算法，從高精地圖服務(wù)到云圖廠商，自動(dòng)駕駛產(chǎn)業(yè)的鏈路逐步被打通，成本也逐步降低，為自動(dòng)駕駛服務(wù)走向大眾鋪平道路。

　　上下游企業(yè)一同摸著石頭過河，中堅(jiān)力量在不斷的燒錢過程中完成了大逃殺，才能夠完成自動(dòng)駕駛產(chǎn)業(yè)過去五年的高歌猛進(jìn)，站上2024年IPO的舞臺(tái)。

　　十年前，手機(jī)代替PC，成為了人人觸手可及的智能設(shè)備。而2024年，也走下神壇，不再神秘，成為觸手可及的新興技術(shù)。如今，臺(tái)上有了新主角——自動(dòng)駕駛。

　　二、2000天：看得見的分岔路，隱藏的交匯口

　　“實(shí)現(xiàn)自動(dòng)駕駛，猶如攀登珠峰。我們要走過的路至少也有南坡、北坡兩條路線可供選擇，也總會(huì)有先行者和后來者之分。雖然山頂只有一個(gè)，但攀登者的經(jīng)歷、登山過程中的故事往往層出不窮，精彩紛呈，讓人神往。”

　　這是2023年10月，中國工程院院士、清華大學(xué)智能研究院院長張亞勤在一次演講中描述的自動(dòng)駕駛現(xiàn)狀。

　　攀登珠峰的困難困不住勇士，反而激發(fā)自動(dòng)駕駛玩家多種解法的靈感。

　　可以說，過去五年激光雷達(dá)與視覺算法的硝煙從未停歇，兩種策略的安全性和商業(yè)可行性被不斷捶打。

　　難度系數(shù)更低的激光雷達(dá)解法，將自動(dòng)駕駛問題轉(zhuǎn)換為成本問題。激光雷達(dá)模式結(jié)合了高精度地圖與場景的實(shí)時(shí)距離速度測(cè)算，通過先驗(yàn)信息和實(shí)時(shí)信息結(jié)合的方式評(píng)估自動(dòng)駕駛的路況。

　　這類解決方案中，系統(tǒng)會(huì)內(nèi)置城市的高精度地圖，記錄靜態(tài)建筑物的形狀與距離。激光雷達(dá)或毫米波雷達(dá)生成實(shí)時(shí)的3D點(diǎn)云數(shù)據(jù)，記錄當(dāng)下的動(dòng)態(tài)數(shù)據(jù)。 再依賴同步定位與建圖( SLAM )技術(shù)建立環(huán)境地圖，為車輛提供規(guī)劃與決策信息。由于高精度地圖已經(jīng)提供了大部分先驗(yàn)信息，這種解決方案被認(rèn)為更安全可靠，也成為了自動(dòng)駕駛行業(yè)的首選。美國加州的 Waymo ，上海浦東的蘿卜快跑都是采用這種解決方案。

　　國內(nèi)的價(jià)格“卷”下來，激光雷達(dá)的方案落地也坐上了火箭。

　　高德地圖、騰訊地圖、百度地圖等頭部五家企業(yè)作為主要的高精度地圖供應(yīng)商，占據(jù)高精度地圖市場超80%份額，涵蓋多家頭部車企。隨著國內(nèi)無人駕駛市場突破100億元大關(guān)，高精度地圖的成本也逐漸下降，頭部廠商對(duì)于單臺(tái)車報(bào)價(jià)達(dá)到百元級(jí)別，從采集地圖、繪制地圖到維護(hù)的程度連年降低。

　　價(jià)格戰(zhàn)為激光雷達(dá)方案帶來了紅利，但這樣的產(chǎn)業(yè)升級(jí)也非一帆風(fēng)順。2021年，多個(gè)品牌的汽車接連發(fā)生事故，致使大眾對(duì)于激光雷達(dá)的自動(dòng)駕駛安全性的信任節(jié)節(jié)敗退。

　　2021年8月12日，一輛蔚來ES8汽車在啟用NOP領(lǐng)航輔助功能后，在沈海高速發(fā)生交通事故。同一天，小鵬汽車G3在ACC功能開啟時(shí)，以70km/h的速度追尾靜止車輛。

　　黑天鵝事件的發(fā)生，讓自動(dòng)駕駛的融資也遭遇寒冬。2022年自動(dòng)駕駛投資事件125起，涉及金額超過205億元，盡管事件總數(shù)與2021年持平，但累計(jì)披露的金額不足2021年的1/3。當(dāng)安全事故層出不窮，資本市場對(duì)自動(dòng)駕駛的未來抱有戒心。

　　然而安全性只是自動(dòng)駕駛糖衣外殼的表層，內(nèi)核虛空的盈利能力讓投資機(jī)構(gòu)也停下燒錢的腳步。

　　整體而言，激光雷達(dá)為核心的產(chǎn)品產(chǎn)業(yè)化推進(jìn)高于視覺算法類的產(chǎn)品，但商業(yè)化一公里 的目標(biāo)遙遙無期。以在美國加州率先運(yùn)營Robotaxi的Waymo為例，2024年Q2收入3.65億美元，高于去年同期2.85億美元，而虧損也從去年同期的8.13億美元擴(kuò)大至11.3億美元。這意味著即便激光雷達(dá)產(chǎn)業(yè)上下游的企業(yè)不斷壓縮成本，「燒錢」仍然會(huì)成為未來的主流。

　　這種背景下，視覺算法為核心的自動(dòng)駕駛，成為大廠逐鹿的新舞臺(tái)。

　　但視覺算法相較于激光雷達(dá)，更像是一場“有錢人”的游戲。想擺脫高精度地圖的先驗(yàn)信息，依賴攝像頭與傳感器完成對(duì)于周圍事物的全部感知，這對(duì)視覺算法而言是超高難度的挑戰(zhàn)。選擇這條道路，需要十年甚至更長時(shí)間的資金投入，招兵買馬高精尖人才與設(shè)備，其技術(shù)難度系數(shù)更高于激光雷達(dá)。

　　能清晰看到的是，在這樣的資金壓力下，在這個(gè)賽道能留在牌桌上的只有擁有雄厚資金的大企業(yè)。國內(nèi)自動(dòng)駕駛基底深厚的百度與華為、海外特斯拉，都是在這個(gè)賽道深耕不輟的頭部玩家。

　　從長期來看，視覺算法如果真正實(shí)現(xiàn)交付，其維護(hù)成本先天低于以激光雷達(dá)為核心的產(chǎn)品，因此更有可能快速實(shí)現(xiàn)商業(yè)化變現(xiàn)。

　　然而，2024年10月10日特斯拉股價(jià)9%的跌幅，展現(xiàn)了資本對(duì)于特斯拉答卷的「不買賬」。從本質(zhì)上，資本需要完整清晰的商業(yè)模式，細(xì)致豐滿的技術(shù)細(xì)節(jié)，這是開一場派對(duì)無法去傳達(dá)的價(jià)值。這樣的訴求不僅僅是面向特斯拉這類在視覺算法深耕的玩家，更是面向自動(dòng)駕駛賽道的每一個(gè)玩家。

　　正如張亞勤院士所描述的那般，不同路線的自動(dòng)駕駛玩家在2024奔向同一個(gè)山頂。

　　這個(gè)山頂，是經(jīng)得起推敲的自動(dòng)駕駛產(chǎn)品，是能夠被咀嚼的商業(yè)化變現(xiàn)模式。

　　十年高資金投入，五年超高速發(fā)展，誰能率先攀登這座山峰，將持續(xù)不斷的「燒錢」轉(zhuǎn)為「變現(xiàn)」，誰即能加冕為王。

　　三、端到端的長期主義，以及自動(dòng)駕駛的“AI Agent”節(jié)點(diǎn)

　　二十年前，自動(dòng)駕駛產(chǎn)業(yè)的穩(wěn)扎穩(wěn)打如同一場馬拉松。到如今，五年的飛速成長也不代表最后的沖刺。

　　GPT的橫空出世，讓人工智能有了「實(shí)體」，讓真正的自然語言處理有了「方向」，也讓大模型成為可以應(yīng)用于各行業(yè)的生產(chǎn)力工具。

　　「端到端」，正在悄然成為市場對(duì)于自動(dòng)駕駛新范式的新共識(shí)。

　　過去的模塊化部署，圍繞感知、預(yù)測(cè)、規(guī)劃和控制四個(gè)方向發(fā)力。對(duì)于產(chǎn)業(yè)的不同產(chǎn)商而言，只需要在一個(gè)方向，甚至一個(gè)子方向做到最優(yōu)，通過協(xié)議與接口與其他模塊的技術(shù)方案鏈接就可以獲得成熟的能夠落地的自動(dòng)駕駛解決方案。這樣的產(chǎn)業(yè)升級(jí)路線容易實(shí)現(xiàn)，也提高了技術(shù)迭代的開發(fā)效率。

　　但短板也很明顯，即模塊化的局限性在自動(dòng)駕駛初期沒有引起重視，盡管子任務(wù)伴隨著信息損失，得出的都是局部最優(yōu)解從而導(dǎo)致累積誤差，這樣的系統(tǒng)性問題無法在現(xiàn)有架構(gòu)中得到解決。

　　AI Agent的變革是一個(gè)轉(zhuǎn)折點(diǎn)。

　　AI研究者開始意識(shí)到數(shù)據(jù)量和算力的提高能夠引發(fā)系統(tǒng)的質(zhì)變，大模型的力量超出預(yù)期。同時(shí)，在自動(dòng)駕駛的產(chǎn)業(yè)變革中，模塊的融合也構(gòu)建了一些小型的「端到端」的任務(wù)，其表現(xiàn)顯然比純模塊化方案更優(yōu)秀。例如用BEV結(jié)合Transformer方案代替感知模塊，引入了更多的數(shù)據(jù)但減少了工程量，同樣獲得了更優(yōu)異的表現(xiàn)。

　　「端到端」究竟有何魅力?

　　要實(shí)現(xiàn)L4級(jí)別的無人駕駛，針對(duì)所有可能場景進(jìn)行推理和處理是不現(xiàn)實(shí)的。然而如果將感知-預(yù)測(cè)-決策-控制作為一個(gè)完整模塊，利用傳感器獲取原始數(shù)據(jù)，直接輸出車輛駕駛動(dòng)作，那么所謂的一步步推理便不是必須。在大量數(shù)據(jù)樣本的前提下，整個(gè)神經(jīng)網(wǎng)絡(luò)將又?jǐn)?shù)據(jù)驅(qū)動(dòng)，由算子對(duì)于各類情況進(jìn)行計(jì)算，在沒有數(shù)據(jù)損失的前提下也擁有更好的泛化性。

　　具象的看，過往幾萬行的代碼，在大模型的加持下，只需要幾百行卻有更好的效果。

　　這樣的產(chǎn)品架構(gòu)，得到了自動(dòng)駕駛行業(yè)內(nèi)的共識(shí)，也稱為許多AI產(chǎn)品的模版。例如機(jī)器人、人機(jī)交互等行業(yè)目前都認(rèn)同端到端的處理模式，這是當(dāng)下最流行的技術(shù)方向。

　　構(gòu)建這樣一套自動(dòng)駕駛解決方案，也讓自動(dòng)駕駛公司不再受交付形式所困。無論是Robotaxi或者是民用車的自動(dòng)駕駛方案，在「端到端」的技術(shù)模型下，只要收集到足夠的真實(shí)數(shù)據(jù)，就可以跑通整個(gè)鏈路，實(shí)現(xiàn)在各種場景下的交付。

　　這也是今年國內(nèi)汽車廠商的核心步伐——小鵬在2024年發(fā)布了面向自動(dòng)駕駛的端到端大模型——XNet感知神經(jīng)網(wǎng)絡(luò)，XPlanner規(guī)劃控制大模型，XBrain大預(yù)言模型。分別執(zhí)掌感知、規(guī)劃和決策三個(gè)方面，協(xié)同工作處理自動(dòng)駕駛內(nèi)的復(fù)雜場景。除了 小鵬，華為、商湯和元戎啟行也分別交出了他們對(duì)于自動(dòng)駕駛端到端解決方案的答卷。

　　然而回顧現(xiàn)行的端到端解決方案，都仍然潛伏著模塊化的影子——小鵬的三方協(xié)同工作方式并沒有實(shí)現(xiàn)端到端一體化的初衷，商湯的理論模型缺少真實(shí)數(shù)據(jù)的加持。這樣的解決方案更接近于國內(nèi)廠商對(duì)于端到端應(yīng)用的表態(tài)，距離可以落地的服務(wù)仍有差距。

　　另一方面，端到端的最大痛點(diǎn)就是數(shù)據(jù)量。

　　本質(zhì)上，端到端的大模型是通過數(shù)據(jù)和算力去和工程難度置換。如果是算力是可以用資金解決的，那么數(shù)據(jù)量卻是需要實(shí)實(shí)在在積累的。 構(gòu)建一個(gè)面向各類自動(dòng)駕駛場景的大模型，所需要的數(shù)據(jù)量過于龐大，如果積累到足夠量的數(shù)據(jù)，會(huì)成為自動(dòng)駕駛廠商探索端到端的下一個(gè)命題。

　　回顧整個(gè)自動(dòng)駕駛產(chǎn)業(yè)的成長，交匯口之后，成熟的商業(yè)化變現(xiàn)模式還需要與長期主義相結(jié)合，展現(xiàn)自動(dòng)駕駛解決方案的普適性，實(shí)現(xiàn)自動(dòng)駕駛技術(shù)持續(xù)進(jìn)步。

　　2023年，自動(dòng)駕駛中上游的禾賽科技、黑芝麻智能接連上市。現(xiàn)在上市的交接棒來到了產(chǎn)業(yè)中下游的地平線、小馬智行和文遠(yuǎn)知行手上，標(biāo)志著自動(dòng)駕駛產(chǎn)業(yè)的又一個(gè)重要轉(zhuǎn)折點(diǎn)。

　　5年之前，資本場的弄潮兒，新勢(shì)力與老牌廠商的角逐熱情激揚(yáng)。5年之后，端到端蓬勃熱烈，自動(dòng)駕駛、座艙加速重構(gòu)，熱情仍在。

　　回首過去，眺望未來，這是一個(gè)獨(dú)屬于中國自動(dòng)駕駛產(chǎn)業(yè)的浩蕩產(chǎn)業(yè)故事。