为啥新能源汽车时代，还是做不到科技平权？

酷玩实验室作品

最近，微博上有个热搜在科技圈引起了广泛讨论，热搜的标题叫做“新势力能平替豪华车吗”。

在话题下面的讨论中，一位汽车博主的发文获得了很多人的点赞。他的观点是“能”，并且给出了如下理由：

新能源汽车已经不再是传统的交通工具了，已经成为了一种高科技产品。而高科技天生的倾向就是平权，就像不管你是多么有钱的人还是穷人，你用的微信界面都是一样的。

汽车的品牌已经不再重要，而科技感成了主要矛盾。

智能驾驶、智能座舱以及高速充电是用户最关心的几大功能。而在这几大功能区，豪华车的优势已经不复存在了，新能源车遥遥领先。所以豪华车被新能源汽车替代这是不可避免的趋势。

事实上，类似的话题早在去年年底就掀起过一轮讨论，只不过那时候的聚焦点是，“在电动车时代，法拉利、兰博基尼的故事还能讲下去吗？”

在燃油车时代，衡量豪华车的重要标准就是发动机的排量，百公里加速的能力，3.0L/6缸以上几乎成为了豪华车的门槛。而在新能源车时代，一辆20几万的电车，百公里加速就能轻松崩到3秒出头了，构筑法拉利、兰博基尼等超跑核心壁垒的护城河，已经被攻破了。

消费级高科技产品，发展到极致几乎必然会产生平权。就像在华为受到制裁前，全世界你能买到的最好手机就是iPhone和华为的旗舰，价格就是大几千到1万左右，在功能上与更便宜的手机也不是天壤之别。

但大家仔细观察下就会发现，在新能源车这个市场，现在其实还远远谈不上科技平权。就拿解放人力的智能驾驶来说，目前别说10万元了，15万内都很难买到一辆真正智能的电车。

很多人想买电动车的动力，无非是通过各大短视频APP或者社交软件了解到，智能驾驶能为自己日常开车带来便利。可为啥现在一辆具备智能驾驶的车，普遍要卖到25万元左右呢？

是因为智能驾驶技术很难、成本很高，很难在10万级别的车上普及吗？

01

要搞明白智能驾驶的成本，首先得搞明白智能驾驶的本质是什么。

我们都知道，人开车的过程，可以简单分为三个步骤：一是眼睛来观察交通路况，二是大脑迅速做出决策，三是用手、脚去执行。

而智能驾驶，就是类比了这个过程的AI人工智能。智能驾驶采用摄像头、雷达代替了“眼睛”，用电脑替代人脑做决策，用油门、制动等控制执行。

一个有趣的事实是，组成智能驾驶的硬件，包括摄像头、激光雷达、毫米波雷达等这些东西早就存在了，但智能驾驶却是近十年来才飞速发展的。原因是什么呢？

有人说是过去这些硬件太贵了，但这并不是理由。感知硬件里真正昂贵的只有激光雷达，但一个是以特斯拉为代表的纯视觉路线，到现在也压根没用激光雷达；另一个是随着这几年大规模化量产，激光雷达的成本也在慢慢下降。

智能驾驶近十年来大跨步发展，最核心的原因还是人工智能算法尤其是“深度学习算法”取得了突破性进步，补齐了最后一块软件上的短板。

我们之前文章中，曾详细科普过基于视觉原理的深度学习是怎样实现的，在这里我再简单介绍一下。

深度学习是基于特征的归纳分类，该怎么理解呢？比如说你想让负责智能驾驶的AI，通过深度学习认出倒在马路中央的电线杆子，那就需要去找几万张甚至几十万张不同场景下电线杆子的图片，让AI来学习。

AI会分别提取每根电线杆子在不同光线、背景下的长短、粗细、阴影等部分的特征，在归纳分类完成后，以后再在马路上看到一根倒了的电线杆子时，它就会把这个“不明物体”的特征跟自己过去的分类结果做比对，对上了的话就会告诉你这有根倒了的电线杆子，进行刹车或者绕行。

当然了，这是个非常简单的例子，因为电线杆子非常好认。

在实际交通路况中，目前AI认不出的东西可太多了。就比如《谭谈交通》里要去二仙桥的那位大爷，一辆三蹦子后面驮着一堆钢筋之类的东西，AI看完基本就懵逼了。因为这个造型的“车”，它过去大概率是没学习过的，很难第一时间认出这到底是什么。

智能驾驶AI认不出面前的东西，会发生什么呢？

一种情况是当算力跟不上的时候，长时间犹豫容易发生危险。正常人类的反应时间在300ms左右，智能驾驶车辆想要做到安全可靠，算力控制的反应时间必须短于100ms。

另一种情况是车子会显得“很呆”，比如车子前方突然飘来几个“奥特曼形状”的气球，如果AI认不出的话，就会进行绕行躲避，而人开车的话很容易判断出气球其实没啥危险，就直接开过去了。

所以，让AI来学习开车，最大的难点其实在于人类世界的驾驶场景几乎是无穷尽的。

尤其中国交通路况复杂，马路上像二仙桥大爷那种造型的“车”数不胜数。根据美国兰德智库的研究，如果想让自动驾驶达到人类驾驶的水平，至少需要大约累计177亿公里的驾驶数据来完善算法。

这当然是一个相当漫长的过程。

于是，你会看到现在很多车厂，提前把高级别智能驾驶才能完全利用的硬件比如多个激光雷达、多个高清摄像头等先放到车上去，这对于有钱人来说当然没什么，大可以买了后等未来OTA升级，但对于更多普通人来说，门槛无疑大大提高了。

普通人只想用上现阶段成熟的智能辅助驾驶，不想为未来做铺垫的硬件付钱。而说白了，现在各大新能源汽车品牌，不管卖多少钱的车，功能宣传得多么花里胡哨，成熟的技术也都只是辅助驾驶级别。

而辅助级别的智能驾驶，经过这么多年发展，早已经不再是高不可攀了，也不再是花25万以上才能享受的特权。

站在科技平权、以人为本的角度看，很容易产生个疑问：

为啥车厂们都不愿意造性价比高的车，让更多人花更少的钱用上智能驾驶呢？

02 

根据工信部数据，2022年上半年中国新能源汽车产销分别完成266.1万辆和260万辆，同比均增长1.2倍。这其中，有超过40%的电动车是A00级与A0级以及部分A级车。在价格上，这些车基本都在10万元上下。

为什么不造这个价位的智能驾驶车？

直白点说，就是因为这些车太便宜了。一辆不到10万的车，售价可能都不如一辆豪车的利润高，造这种车能有啥动力呢？

但科技毕竟不该成为少数人的狂欢。如果让超过4成的消费者都用不上智能驾驶，新能源车行业又怎么好意思说自己是高科技行业，喊科技平权的口号呢？

更有一些不好的现象是，一些买过电动车的消费者可能还会发现，因为现在都是辅助驾驶，有些厂商为了显得“更厉害”些，经常会进行功能堆砌，把辅助驾驶设计得很复杂，导致很多人把车买回去很久都用不明白，有了智能驾驶也不常用、不会用。

功能堆砌是没有意义的，智能驾驶的本质是要解放人力，什么样的智能驾驶，才是当下最实用的呢？

对于这个问题，各大车厂都有自己的答案，比如“人民需要什么，五菱就造什么”的上汽通用五菱认为，智能驾驶应该与实际使用场景紧密结合，要让功能来找人，而不是人去找功能。只有当司机遇到某种驾驶场景，可以快速调用相应的功能，甚至让功能主动跳出来让司机一键选择时，才是人人都爱用的智能驾驶。

也正是基于这个初心出发，上汽通用五菱提出了“情绪引擎”的理念，这套理念特别通俗易懂，我给大家简单介绍一下。

简单点来说，绝大多数人买车回家，最常用的场景无非就是上下班通勤、周末约朋友郊游、偶尔出近差开开车等。大家回想一下，在这些日常开车活动中，你开得最烦躁、最不舒适的都是哪些时候？

我觉得有两个场景，基本能获得所有老司机的共鸣：

一个是碰上拥堵路况时，需要不停地踩刹车，时刻观察前车是否突然减速，如果这时候再碰上个非常没礼貌的人近距离加塞，那心态基本就崩了；

另一个是在停车的时候，有时候周末、节假日开车去周边商场，可能停车的时间比开车时间都长，找不到车位、好不容易找到又不好停时是最烦躁的。

这是很多经常开车人的共鸣，而五菱为了验证这个“共鸣”是否准确，专门做了一个可量化的测试。具体操作手段就是找来大量受测者，然给他们身上贴上生理仪、脑袋上套好脑电仪、眼睛上戴齐眼动仪等。

之后让这些受测者戴着这些设备去开车测试，收集每个受测者的生理指数、脑电波动和眼动变化，精确地把惊喜、愉悦、舒适、疲劳、紧张、生气、害怕等六种情绪阈值和具体路况一一对应。

经过大量实际测试后，得出结论：

0-80km/h的城市道路行驶场景是日常最高频的，而“拥堵路况”和“泊车环节”则是大家心态最容易崩的。

其实现在市面上搭载各种智能驾驶的新能源车，在城市道路中，无非也就是解决了这两个核心难题。在面对交通拥堵时，车子能够自主跟随前车走走停停，在保持安全车距的前提下，能尽量阻止旁边车道车辆的不文明加塞。在需要泊车时候，车子能实现智能泊车，能准确识别各类车位 ，能识别车位上有没有地锁，然后自己把车子停进去。

这些功能听起来已经不稀奇了，但说起来可笑，往往还是要25万元以上的车才具备。

从传统汽车开始，五菱就以造人民需要的车而闻名，来到新能源汽车时代后，五菱又一次降低了普通人拥有上述智能驾驶功能车子的门槛。

五菱推出了一套叫做“灵犀智驾系统”的智能驾驶方案，并把城市用车和智能泊车两个场景做得更加好用了。这俩功能我们一个一个来看。在泊车功能方面，灵犀智驾系统包含了智能泊车和智能泊出两大应用场景。

其中智能泊车指的是，它能以360°任意角度识别车位，并在平均时间30秒内，把车子精准泊入，做到了可见即可停。在这个过程中，还能智能识别地锁和限位器，并自动避开不可用的车位。

也就是说，以后大家再走到停车场看到车位，就啥也不用管了，再难停的车位，只要不会跟其它车剐蹭，这套驾驶系统都能给你停进去。

而智能泊出，指的则是五菱行业首创了“AI智慧出库”。这套方案集智能出库、方向判断、路径规划功能于一身，任意泊入的方式都可以实现智能泊出，并能及时应对障碍，为驾驶者预留出足够的上车空间。

在城市行车方面，五菱与其它智能驾驶车最大的不同，就是它率先实现了“让功能来找人”。即通过智能识别周围环境，主动向司机推荐使用智能驾驶功能。

比如遇到早晚高峰拥堵时，相比以往智能驾驶繁琐的开启流程，五菱只需要驾驶者按方向盘上的一键，即可启动“灵犀智驾系统”，然后就可以解放双手了，不管是跟车、变道，还是起步、停车，都可以交给车辆来判断。

遇到加塞时，也不用害怕，因为五菱能轻松应对与本车距离1.5m 的车辆加塞，留足了安全空间。

此外，开启智能辅助驾驶后，想变道行驶的话，只需要简单拨下杆，这套智能驾驶系统就会自动检测车周围的环境，自动完成变道。

与此同时，以往人车接管时常出现的“抢方向盘”情况，这套灵犀智驾系统可以实现人控方向、车控速度的智能驾驶策略，车与人之间的交流非常默契。

最令我惊讶的是，上汽通用五菱官方介绍：

这套系统，无需学习训练即可智能识别侧翻车、改装车、落石、掉落纸箱、异形雪糕筒、施工栏杆等任意障碍物，并能根据障碍物占用车道的情况，智能选择减速避让或侧移避让。

上面我们介绍过，AI如果没有经过学习训练的话，是无法认出它从未见过的东西的。

那为啥五菱这套系统，却能顺利解决掉这个难题呢？

03

这就不得不提，这次五菱为“灵犀智驾系统”选择的技术合作方——大疆车载了。

很多人都知道，大疆目前是全球当之无愧的民用乃至工业级无人机市场上的霸主。但不知道的是，大疆通过研发无人机飞行过程中的视觉识别、路径规划、飞行控制等技术，还顺带积累了自动驾驶所需的相关技术的研发经验。

遇见“不认识”的东西，大疆如何做出正确决策？

原理说起来很简单，就是“我没必要认识它”，直接选择把行驶路径中出现的东西识别为“障碍物”。不管你到底是什么，我开车的目的是要开往目的地，我直接在决策时选择绕开它。

这个技术原理听起来很简单，但真要实现起来又很难，原因就在于传统视觉感知用的基本都是单目摄像头，而单目摄像头能看到的都是平面信息，当目标颜色与背景颜色相近时，很容易识别错误。

相信很多人都看过几年前特斯拉撞上白色卡车的新闻，原因就是当时特斯拉的摄像头把白色卡车识别成了云彩。

要解决这个问题，可以采用类似人双眼的“双目立体视觉”。

双目立体视觉的工作原理像人的眼睛，它通过左右“眼”同时来观测一个物体，能够得到精确的目标物体位置、距离信息，同时也能够更好的把目标物体从背景信息中分离出来，天生就适合进行目标识别。

业内都知道双目立体视觉好用，可为啥又很少有公司用呢？

其实不是大家不想用，而是因为双目立体视觉有一大技术难题，就是两个镜头的自适应对焦一定要足够精准，一旦对焦不准，就会出现类似人“视力模糊”的情况。

对无人机有过研究的朋友，一定听说过大疆在自适应对焦算法上的技术有多强悍。

事实上，虽然大疆无人机采取的是多传感器融合感知的方式来完成和环境的交互，但早已做到了即使在其他传感器如GPS失效的情况下，也能基于双目相机的视觉感知，来完成无人机的悬停、避障和测速等功能。

现在，这双经过千万级量产落地验证的“眼睛”，被拿来装在五菱的这套系统上，专门用来解决自动驾驶的感知问题。

上汽通用五菱和大疆的这次合作，绝不是简单的“拿来主义”。

“灵犀智驾系统”的顺利落地，离不开五菱这些年在智能化技术上的积累。

截至目前，上汽通用五菱已建立了包含全球 109 位博士在内、共 4000余人的智能研发团队，建成了全球首条集5G 通讯、V2X、远程驾控、无人驾驶四位一体的公开测试道路。

4000人的队伍，稍微对这个行业有了解的人都应该知道，这其实比很多高调投身造车的互联网头部大厂的队伍要大得多，如果只是简单地把大疆车载的技术搬运来，或者是只实现简单的智能驾驶水平，根本不需要养这么大的团队。

在给2023款KiWi EV车型正式搭载“灵犀智驾系统”之前，五菱通过自己打造的“人-车-路-环境”的全闭环虚拟测试平台，用超过2万种用户使用场景，为灵犀智驾系统提供了仿真验证。

在实车验证环节，五菱又累计完成了超500万公里路试、超100万次智能功能测试，并覆盖了全国20个省份、100个以上城市，涵盖了几乎各种场景下的行车和泊车场景。 

从研发，到仿真验证，再到实车验证，每一步除了强大的技术来做支撑外，更重要的这都是真金白银的付出，说明了五菱是下定了决心要做成这件事。

强大的实力做后盾，最终使得搭载这套系统的2023款KiWi EV最终斩获了2022年世界智能驾驶挑战赛“智能泊车金奖”和“智能行车金奖”两项荣誉。

尾声

智能驾驶的概念从最初提出，到今天获得极大发展，它不应只出现在各种电影展示的“黑科技”里，也不应只出现在一般消费者买不起的“豪华车”里。

作为提高生活幸福度的科技产物，智能驾驶应该出现在每一个人的日常生活里。

什么是科技平权？

花十天半个月才能学明白，甚至很多人在日常中都不会使用的智能驾驶，还能算科技平权吗？

在智能驾驶改变每一个普通人生活的历史大潮中，五菱围绕最让人困扰的城市拥堵场景和智能泊车，打造出了简单实用，并且能让更多普通人消费得起的智能驾驶。

这种从老百姓的真实需求出发，认认真真研发产品的态度，再一次给大家展示了，什么叫：

人民需要什么，五菱就造什么。

---

酷玩实验室整理编辑