2023年6月15日-16日，在2023第六屆自動駕駛與人機共駕論壇上，嵐圖汽車智能駕駛兼底盤開發高級總監付斌表示，L2和L3是駕駛輔助和自動駕駛區別的分水嶺，智能駕駛配置將成為用戶衡量車型產品實力的重要考量因素，并且城市NOA將是智駕下一個功能的主戰場。

付斌|嵐圖汽車智能駕駛兼底盤開發高級總監

(資料圖)

以下為演講內容整理：

近年來，智能駕駛行業不斷發展，智能駕駛很難搞，自動駕駛更難搞，難在哪里？

首先，智能駕駛技術跨度較大，涉及傳感器、執行器、芯片、算法及底層軟件和車端、云端；其次，協同難度相對較高；最后，消費者對智能駕駛的體驗感要求較高。

關于智能駕駛分級

2021年，工信部出臺《汽車駕駛自動化分級》，從L0-L5，對智駕進行了分級。L3-L5稱為自動駕駛，尤其是L3，被稱為有條件自動駕駛。

L2和L3之間是駕駛輔助和自動駕駛的分水嶺。

圖源：嵐圖汽車

L2駕駛輔助是指車輛能輔助駕駛人執行轉向、加速和減速，且系統默認駕駛人能完成剩余動態駕駛任務。在輔助駕駛模式下，駕駛員是操作主體。輔助駕駛旨在讓駕駛員在駕駛時更舒適，而非完全替代駕駛。

L3自動駕駛允許駕駛員不完全待命，車輛可獨立完成全部駕駛操作。但駕駛員仍需保持注意力集中，以隨時接管機器無法應付的情況。L3自動駕駛對系統和駕駛員都有要求，當系統識別不滿足設計運行規范和范圍時，要及時向用戶發出介入請求；駕駛員收到介入請求時，要及時接管。如果沒有響應，系統要適時采取減緩車輛風險的措施。

這意味主機廠和供應商需要承擔更多責任，同時也可能存在悖論，如果系統提出接管要求，駕駛員拒絕接管，該如何處理？但有的時候系統真的全壞了而無法執行降級，這樣的安全風險就會極高。因此，目前市面上高階自動駕駛輔助產品，無論能力多強，基本都稱為L2.9。

為達到自動駕駛技術要求，我們要開發L3級自動駕駛產品，要從硬件層面提高產品穩定性和魯棒性。

智能駕駛發展趨勢

相關數據顯示，高端電動車最吸引消費者的因素中，更先進的輔助駕駛功能占比達68%，排名第二。中國用戶對自動駕駛的態度更開放，2021年的39%提升至2022年的81%。在中國，71%的里程和90%的駕駛時間都在城市道路，因此，智能駕駛的發展方向將向著城市NOA持續演進。

2017年，各車企按照L2標準進行輔助功能大規模量產；2012年，高速NOA開始量產，但搭載率僅為1%，2022年，高速NOA規模化量產；預計到2025年，搭載城市領航L2.9級別的高階自動駕駛的市場滲透率或超過15%；2026年，市場預測可能會有L3級的自動駕駛；2030年后，隨著L4和L5自動駕駛技術的逐漸成熟，各車企才會逐漸實施量產。

圖源：嵐圖汽車

從功能角度看，當高速點對點NOA功能出現后，車輛實現自主變道，點對點的作用價值僅僅從功能的角度看已實現自動駕駛。但需要澄清幾個概念，這與分級標準有關。動態駕駛任務DDT、設計運行范圍ODD、動態駕駛任務接管DDT fallback、目標和事件檢測與響應OEDR都有相關規定。

另外大眾與從業者對自動駕駛的認知完全不對等。從業者了解自動駕駛的局限性，但用戶理解相對較淺。建議媒體和從業者盡量少談“自動駕駛”，多提一些高級功能的名稱，如智能導航輔助駕駛等大眾相對容易理解的功能。

自動駕駛的量產落地

我們統計了市面上的一些車型，在功能方面已有多款車型在加速城市NOA功能落地，激光雷達是加強感知的重要硬件之一。

圖源：嵐圖汽車

同時隨著泊車功能的普及，高階功能記憶泊車HPP逐漸搭載，行泊一體方案逐漸普及。

圖源：嵐圖汽車

以城市NOA為例，自動駕駛要解決的場景非常復雜。比如鬼探頭、自主過環島、自動繞障，以及掉頭行駛、禮讓行人等。同時智能駕駛的真正落地不僅需要設置功能，還需要攻克不少典型課題。

我們認為，多傳感器融合是實現自動駕駛的基礎，多傳感器組合能互為冗余、為智能駕駛安全奠定基礎、適應場景更多、感知范圍更廣。對自動駕駛而言，沒有任何一款傳感器能夠盡善盡美地滿足所有智能駕駛需求。理論上，傳感器多元異構能夠讓環境信息獲取更全面、更準確、更高效。

多傳感器融合+V2X是實現全場景自動駕駛的必經之路。因為V2X在自動駕駛中的應用可以提高感知能力、增強安全性、優化交通流，并促進車輛之間的協同合作。

接下來是一個比較熱門的話題：“重感知”還是“重地圖”？

自2018年第一臺智能駕駛車輛搭載ADAS地圖以來，高精地圖一直是先進感知元素的代表。目前，國內大部分整車廠主要采用高精地圖方案。而近兩年，我們逐漸關注“輕地圖”方案，如特斯拉的純視覺感知方案。今年下半年，我們可能會推出區域地圖方案，2023年是否會成為“去地圖化”的元年？

“重感知”和“高精地圖”方案，各有優劣。首先在國內量產搭載高精地圖，要向測科院申請圖號和偏轉插件。并且高精地圖信息敏感，采集定位和傳感器信息都屬于測繪行為。因此，法規限制對高清地圖的推廣產生了壁壘；其次，高精采集的費用非常高，如厘米級高精度采集，每公里在千元級，再加上采集車的高成本，導致高精地圖無法像普通地圖一樣在全國范圍內覆蓋。最后地圖數據需要多次采集，還需關注地圖更新程度。這些因素導致高精度地圖產業應用成本過高。

重感知輕地圖的方案同樣面臨自動駕駛系統級難題，涉及到算法、算力和數據問題。因為我們需要大量的算法人才和架構師，同時量產車需要搭載龐大的商業平臺、訓練模型和大量數據，整體方案的實現門檻較高。

圖源：嵐圖汽車

我們認為高精地圖仍有存在必要，通過對市面上的地圖進行調研，我們發現這些地圖主要是為了解決法規、覆蓋度、鮮度三個問題。目前高精地圖方案已相當成熟，但只有6個重點城市的部分路段進行了覆蓋，覆蓋度無法滿足我們對功能實現的要求。

SDmap方案能夠解決法規、覆蓋、鮮度問題。如果采用SDmap方案，再加上感知的不斷進步，完全能滿足后續城市點對點自動駕駛的要求。因此，我認為智能駕駛需要補足感知功課，而非完全依賴感知或地圖方案。

關于算力，我們對L1-L5的算力需求進行了測算。按照目前的展示，智能駕駛未來的發展趨勢基本明確，主要是大數據和大算力推動人工智能走向大模型的發展。

圖源：嵐圖汽車

高算力芯片的需求來源主要有以下幾點：首先是新感知技術的應用；其次是行泊一體技術方案的應用，導致以前分布在多個SOC或MCU的算力，現在務必要集中到一個SOC。第三點系統資源需求增多。例如SOA的應用，這些服務化應用對智能駕駛系統的運行和CPU算力有較大要求。此外，我們還需要開發車云一體數據閉環應用，包括信息安全上傳和打碼處理等，都會對整體算力產生較大需求。

總體來說，高算力芯片對新技術的應用是技術保證。硬件決定下限，軟件決定上限。只有合適的算力和優秀的算法，才是未來智能駕駛行業的核心競爭力表現。

隨著智能化程度的提高，我們對功能安全的要求也隨之提升，已經從輔助駕駛ASIL B到自動駕駛ASIL D，我們需要對影響自動駕駛實現的鏈路進行全面冗余。在復雜系統和場景中，安全性問題源于環境帶來的非預期性安全因素。因此在自動駕駛落地前需要對其功能性能進行充分測試驗證，這也是輔助駕駛和自動駕駛的最大區別。

大數據是向自動駕駛進階的基石。人工智能在海量數據訓練下會變得越來越聰明。因此，在“數據+數據閉環=智能駕駛下半場的引擎” 的宏觀趨勢下，數據閉環已成為智能駕駛持續迭代的行業主流方案。基于車端海量數據，依托智駕云平臺，實現通過數據驅動，構建智能駕駛研發、驗證和升級的閉環。

僅靠硬件對稱無法解決人機共駕的安全感和信任感，也無法實現更高的體驗。這表明一套安全、穩定、全面的智能駕駛系統不僅要解決場景問題，還要解決系統如何與駕駛員建立默契的交互合作。通過可視化信息、恰當語音提醒和更智能的接管方式，我們應該為用戶構建人機共駕新體驗。

嵐圖要打造安全可靠、軟硬分離，具備成長性的智能駕駛系統。盡管我們對傳感器冗余方案、云平臺、大型芯片、高精定位等技術進行了儲備，但基于市場消費者的認知和成本考慮，近期并未真正打算將L3級自動駕駛應用落地。我們將在L2.9上，在特定場景和有限范圍內實現自動駕駛的落地。

總結與展望

在真正實現自動駕駛落地之前，首先整車廠和媒體在宣傳時要正確引導客戶，使他們了解功能的適用場景和必要操作方法。

其次，我們要嚴格遵守數據安全和信息安全法，建立企業內部管理機制和云端技術防御體系。最后，更廣泛的智慧交通建設和應用，可以開放更多可靠路端信息給車端，車路協同將加速自動駕駛的落地。

（以上內容來自嵐圖汽車智能駕駛兼底盤開發高級總監付斌于2023年6月15日-16日在2023第六屆自動駕駛與人機共駕論壇發表的《自動駕駛量產：道阻且長，但行則將至》主題演講。）