深度 |「疯狂堆料」堆出的成本，该如何化解？

作者 / 于雷

激光雷达、800万像素高清摄像头、4D毫米波雷达、红外传感器...近两年，高阶场景智能驾驶系统上车的同时，还伴随着传感器种类和性能的「内卷」。硬件参数，似乎已经变成了代表智能驾驶系统能力的首要指标。

在蔚来、理想、集度等主打智能驾驶品牌的旗舰车型中，仅800万像素摄像头就达到了5-7个，做到车身周围360°的全覆盖，同时还配有1-2个激光雷达、2-4个英伟达Orin X芯片。

根据相关研究机构的成本测算，800万像素摄像头当前的平均成本在500元左右，是200万像素摄像头的2.5倍。高精度毫米波雷达、激光雷达和Orin X芯片的成本还要更高，分别达到150美元、1000美元和500美元。

这带来的结果是，仅智能驾驶硬件，就已经占据了很大一部分造车成本。无论是对于车企，还是消费者，都有比较大的压力。因此，降低传感器数量和规格，也在这种背景下被提了出来。

「无奈」的传感器堆料

想要「降级」，就要先搞清为何「升级」。这里不得不提到一个技术节点，有高阶场景的智能驾驶上车。

早期辅助驾驶的定义集中在「辅助」，只要能在一定程度上解决问题，就已经满足需求，对成功率、响应速度都没有过高的期望，基本是「有效果就行」。而且，这类系统普遍只针对独立的近处场景，如最远100m的ACC跟车、再不刹车就无法避免的交通事故。

所以，辅助驾驶系统的摄像头、芯片、算法要求都不是很高。即使是至今能力仍在不断提高的AEB功能，普遍也只需要200万像素摄像头。

但智能驾驶直接改变了「底层逻辑」。它所实现的高阶场景，并不是由相互独立的辅助驾驶功能直接升级而来，而是变成了一个全新架构下的大功能，要和人类一样能够同时结合数个场景做出综合决策。而这也意味着，感知范围不能局限于「眼前」，至少要对更远处目标进行识别和监测的能力。

另外，智能驾驶的概念也发生了变化，追求的是能在部分场景下带来近似「自动驾驶」的体验。对系统的需求，已经从「有效果就行」，变成了启用阶段尽可能「完美无缺」。

只不过，这是一个需要时间来不断完善的过程。然而，当前比拼智能驾驶上车速度的玩家们，最缺的就是时间，自然难以等待算法打磨发展，只能暂时从相对简单的传感器方面下手，补足感知能力的不足：利用不同传感器信息相互补充提高精度和鲁棒性，并按照未来OTA可能用到的传感器能力上限选型。

对此，地平线方面向Auto Byte表示，更多的传感器上车，意味着汽车可以获取更丰富的环境信息，有助于自动驾驶实现更高效、更精准、更全面的感知。当前阶段，感知所需的信息仍然没到达瓶颈。

「超出当下软件开发能力的硬件堆料，不一定是坏事，超配的大算力芯片也是同样，很多时候属于车企有意识的超配选择。」

车企正在「内卷」中冷静

面对一个前途无限又刚刚兴起的市场，车企进场来「卷」智能驾驶，似乎才刚刚开始。但是，如果不顾需求地堆砌智能驾驶硬件，并不真正能将作用发挥出来。

「堆砌硬件会给人一种错误的认知，认为传感器越多自动驾驶的能力就越高，但如果测试和算法跟不上，硬件堆砌再多也没用。」某车企自动驾驶负责人曾指出。

当前，大多数车企虽然都少不了将传感器作为卖点，但对于硬件的「堆砌」已经出现了不同的做法。在相关领域有较多积累的公司，已经开始根据实际需求理性考量硬件，而后来者还在寻求尽可能完善的冗余，甚至引入更多种类的传感器。

一位来自车企研究院的技术专家向Auto Byte表示，在当前技术不足够成熟的情况下，为了保障性能，有的车企会追求硬件堆积，这样也有利于宣传。「当然，传感器互补也是有必要的，但建议结合智能驾驶的使用场景及使用概率。比如，目前对红外摄像头评估出来的边际收益就比较低。」

从主流方案来看，当前智能驾驶采用较多的还是视觉+激光雷达方案。视觉以800万像素高清摄像头为主，通过更高密度的像素点，提高对远距离障碍物的感知能力；同时再通过激光雷达获得完整空间信息的优势，与之互补。

以理想L9的AD Max智能驾驶为例，其在视觉能力大幅增强之后，已经开始着手取消了毫米波雷达。从2021款理想ONE的1个前向毫米波雷达+4个角毫米波雷达，变成仅保留1个前向毫米波雷达。

未来，随着感知算法的成熟，对传感器的依赖也会不断减小。

这里比较有代表性的是特斯拉，当前的Model 3只配备了8个120万像素摄像头和累计144 TOPS的算力，但依旧实现了支持城市道路辅助的FSD功能。特斯拉为此也「榨干」了全部的硬件性能，甚至还通过最底层的C代码优化、编译器重写，使有限的144TOPS算力发挥更大价值。

但是，降低硬件需求也并非易事。宏景智驾相关负责人向Auto Byte表示：「多传感器路线是为了通过有不同优势的传感器互补，来提高智能驾驶系统的安全性。智能驾驶的最终的目标，是比人类开车更安全，只要单一传感器还有无法弥补的缺陷，加入其它传感器进行互补的需求就不会消失。」

事实上，面对高阶场景上车，对系统能力提出的要求更高。即使是著名的「视觉派」特斯拉，也没有在发展过程中，完全拒绝其它传感器的帮助。

今年年中，特斯拉向FCC美国联邦通信委员会注册了一款4D毫米波雷达，并提交了详细的合规测试报告。而在最近泄露的一封邮件来看，这款雷达将用于明年1月中旬上市的车型上（大概率为改款Model 3）。

长期的「降本」共识

从长期来看，降低传感器数量，已经成为多家受访相关公司的共识。除了通过软件能力进步、减少硬件需求的因素外，还有着降本、减轻融合难题等考虑。

地平线表示：「多传感器有助于在硬件层面解决不同环境下的感知难题，但不同信源也带来了融合的难题。例如，马斯克在讨论纯视觉和融合方案差异时，提到的『信噪比』问题。」

信噪比太低，是马斯克拿掉毫米波雷达时，给出的原因。翻译过来就是没有精确的高度信息、角分辨不够，只能作为特征参考。比如，这款雷达的长焦水平角分辨率只有3.3°，意味着只要前车距离稍远，都无法做到所在车道的识别，18°的俯仰角FoV也难以提供准确的高度信息。

「相对于技术挑战的克服而言，成本是更大的考量。」地平线还补充道，「特斯拉单仅去掉毫米波一项目就可以节省700元，而其2021年全球销量高达936172辆，2022年预计销量为150万，因此降本是显而易见的结果。」

（特斯拉明年将采用的4D毫米波雷达是新技术架构下的传感器，并非技术倒退。从FSD Beta V9开始，特斯拉就已经改为了纯视觉方案，目前已更新至V11。）

宏景智驾也持有类似的观点：越复杂的系统越容易出问题，成本也更高。随着传感器性能的提升，完全可以在不降低总体性能的情况下，减少传感器的数量。「现在的方案，其实是在当前性能和性价比的限制下，不得不做的选择。如果更少的传感器就能满足功能和性能需求，相信大家都会选择。」

另外一位资深自动驾驶从业者也向Auto Byte表示：「随着各种传感器技术的发展，各类传感器的盲区会越来越小，缺陷会越来越少，整车上的传感器数量和种类也都会减少。但是马上减少为单一传感器是不太现实的，因为有些缺陷是传感器物理原理决定的，现有的传感器都不够全能。」

「传感器应该减少，但保留必要的传感器互补，这个过程还需要积累大量的经验和数据训练。」车企研究院的专家如此说道。

现在能做到什么？

从近些年的发展来看，硬件供应商已经在提高传感器能力方面，做了不少工作。

比如，智能自动驾驶解决方案服务商福瑞泰克的第二代视觉系统方案（FVC2），就通过一个FoV 100°、300万像素的摄像头，实现了包含领航辅助（Pilot Assist）在内的L2级全功能智能驾驶。

其第三代方案（FVC3）上，又通过将摄像头像素提高至800万，增强了远距离探测能力，可支持最远250m的超长距离车辆检测（含3D），并能提供施工区域和可行驶区域输出。

福瑞泰克FVC2和FVC3带来的成本好处都显而易见：以一个摄像头的单目方案，实现了此前双目、三目的同等能力，减少了1-2个前向摄像头需求。

此外，规模化能力也将在另一维度解决成本问题，地平线表示：「随着上车量产的普及，开发与生产规模化的成本会获得均摊，边际效应之下，800万像素高清摄像头、激光雷达等传感器降本是大势所趋。」

「随着传感器性能的提升、成本的下降，智能驾驶系统会朝着更高性能、更低成本方向的发展，用户如果只想实现一些基础的L2功能，那将会是白菜价。」宏景智驾相关负责人认为，「到那个时候，高阶自动驾驶必然也有了一定的发展，用户也许会愿意选择花更多的费用，购买更高阶的功能。」

但对于高阶智能驾驶来说，未来传感器在分辨率方面，也有不小的升级空间。李想汽车CEO在去年年中表示：「800万的像素用完了以后就会往2000万的像素上去看的，那个价格会更贵了。看四五年以后，可能2000万像素的摄像头会跟激光雷达一个价格。」

目前，市场上已有不止一家厂商传出开发1200万像素或1500万像素摄像头的消息。比如，百度Apollo、索尼半导体方案公司、联创电子（LCE）与黑芝麻智能在今年夏天宣布，已经联合完成了1500万高像素车载摄像头模组的初步设计，将在不久后上市。

但对于有着强烈短期商业化需求的车企来说，考虑传感器的同时，还需要注意夯实基础。否则频繁更换传感器类型，不仅芯片、线束等配套部件都要同步升级，不一致的采集数据，也不利于模型训练。