本文来自微信公众号“电子发烧友网”，作者/莫婷婷。
在具备电动化基础后，智能汽车的发展已经进入下半场。但在下半场，智能汽车依旧面临着技术、市场和政策等多方面的挑战和机遇。下半场的竞争将更加注重智能化技术的集成和应用，如何在多变的市场环境中保持竞争力，不少汽车企业都争先推出城市辅助驾驶功能。但更高阶的城市领航等功能还需解决不少技术挑战。
汽车智能化下半场，车路云一体化是关键
目前来看，智能汽车的应用场景可以根据需求分为城市通勤、高端公务、硬核越野、极限运动等，不同的场景对智能驾驶、底盘域控制、智能地形识别等技术的需求程度以及应用痛点都不一样。例如城市通勤中，最需要考虑到的是补能问题和续航里程，例如采用eDTC滑行能量回收扭矩控制，能够在正能量回收的情况下，保证车辆稳定地驾驶。
另外，在实现智能驾驶功能的过程中，智能汽车还有不同的应用痛点。根据麦肯锡汽车数字服务客户调查数据，用户在购买智能汽车时倾向的付费特性中，驻车辅助、自动泊车功能需求是最高的，接下来是自适应巡航控制、车道辅助、交通标志识别功能等。随着智能驾驶级别的提升，“车路云一体化”将在自适应巡航控制、交通标志识别等功能承担更重要的角色。
但在当下，智能汽车的发展还面临着困境，这个困境不仅仅是汽车企业需要解决的。中国信息通信科技集团有限公司副总经理陈山枝近期在行业论坛上分享了他看到的智能汽车发展过程中的挑战以及观点。
一是如何看智能网联汽车、车联网、车路云协同的关系。车路云协同是车联网的具体应用，但从智能网联汽车、智慧交通的角度看，又有不同的应用，例如智能网联汽车的车路云一体化更关注驾驶安全、高效驾驶及信息娱乐。他认为汽车将成为最大的移动智能终端，有望成为继移动互联网后的下一个超级入口，未来将出现车联网平台经济。
二是多种通信技术间的关系（车企/路方）。车联网业务需求包括近程信息交互和远程信息服务。近程信息交互包括车与车之间（V2V)、车与路之间（V21)、车与人之间（V2P）的交互，要求低时延、高可靠，远程信息服务指的是车与云之间（V2N）的交互。
对不同的车联网需求，4G/5G、C-V2X、卫星通信等技术针对性赋能。例如NR-V2X服务于全场景无人驾驶的传感器数据共享、高密度群智协同。卫星通信解决4G/5G基站未覆盖的区域、地震等场景服务。
陈山枝分享了他的三大观点，一是C-V2X网联与单车智能相互赋能，单车智能是基础，车联网（网联）是增强。二是当前的车和路的协同感知是各自的自主决策。三是车联网新型基础设施促进车路城融合发展。
5G基站在车联网业务中解决了广域覆盖、大带宽数据传输的问题。而5G+V2X融合组网，能够带来低时延、广覆盖、稳定可靠的通信服务。中国移动（上海）产业研究院副总经理黄刚提到，车、路、云各自发挥功能的前提是在统一的标准下互联互通。路侧、网络侧、车侧的基础通信建设是必须融合统一的，共同形成覆盖网。据了解，5G+V2X广域覆盖，能够降低40%的RSU设备投入。
AI融合、低成本的高阶智能驾驶方案需求已现
智能驾驶技术的发展带来了不一样的城市生活，从功能的迭代方向来看，高阶智能驾驶技术的实现需要多种技术的配合，包括智能驾驶芯片、传感器、算法、AI、操作系统等等等。现阶段，智能汽车产业链上的玩家都在努力往高阶智能驾驶的方向靠近，不管是硬件产品还是软件产品，都在加速迭代。
大疆车载此前推出了标配高阶智驾方案成行平台7V+32TOPS。7V指的是前视一对800像素的惯导立体双目摄像头，后视一个800万像素的单目摄像头，加上4个300万像素的环视摄像头。所需算力仅为32TOPS。
降低单车智能成本是智能汽车发展的关键方向。正如大疆车载负责人沈劭劼提到的观点，“高阶智驾不仅要平价，还要平权，才能标配普及”。据了解“7V+32TOPS”方案成本约为5000元，在静态障碍物刹停等高阶智能驾驶需要处理的极限场景，能够做到跟20万，甚至30万的智能汽车相媲美。
为了实现更高阶的城市领航等功能，大疆车载推出“7V+100TOPS”及“10V+100TOPS”的配置。只需更换域控就能完成升级，域控内部嵌入标清地图，加快上车速度。在“胜者为王”的汽车市场，产品上车速度影响着新车型的存活周期，往往决定了企业能否抢占市场先机。
沈劭劼透露，基于已有合作伙伴的情况来看，该方案的适配周期约为3到6个月，新合作伙伴的新车型约为6到9个月。预计2024年将有超过20款车型上市。
该方案不依赖高精度地图，包含高速领航，城市记忆领航，记忆泊车跨层记忆泊车等高阶智驾功能体验，且油车电车均可用。由于燃油车在结构性和技术上的瓶颈，因此其智能化需要解决更多问题。大疆车载成行平台的推出能够在一定程度上加速燃油车智能化。
在提升单车智能系统的感知能力方面，传感器已经是“必要条件”。由于考量因素不同，选择雷达还是纯视觉方案，在前两年一直有所争议。在这个过程中，智能驾驶技术进入城市路段，带来更复杂的技术挑战，笔者认为未来AI技术在汽车智能化过程中同样将发挥不可替代的作用。
鉴智机器人推出了以AI驱动的双目视觉传感器方案，可显著提升NOA的性能边界。该方案有着10x稠密的3D信息表达，能对复杂场景3D拓扑结构感知，可应用于通用障碍物检测，且不依赖Lidar的4D数据闭环。鉴智机器人联合创始人、CEO单羿表示作为天然的Occupancy表达，以1/100的数据需求达到Occupancy实用性能，助力体验升级。
值得关注的是，传统双目立体视觉是由日德系车企引领，应用于L2 ADAS领域。而AI双目立体视觉，是中国科技企业打造的新质生产力”，赋能高阶自动驾驶的革新已实现规模量产。单羿行业论坛上分享了一组数据：双目立体视觉已量产/即将量产的市场机会已覆盖超过10%的乘用车，并在快速提高。也就是说双目智驾方案在市场的接受度越来越高。
根据介绍，搭载鉴智机器人AI双目立体视觉系统PhiStereo的智能底盘方案已实现规模量产，智驾魔毯二合一的方案也将于今年大规模量产上市。
单羿认为下一代的智能驾驶系统会是以AI大模型驱动的智能驾驶方案，但前提是要实现端到端车上的部署。因此在2023年，鉴智机器人推出了端到端自动驾驶模型Graph AD，已在头部车企实车调试NOA功能，是业内第一批端到端自动驾驶大模型项目。
如何让大模型与芯片结合，释放芯片的计算优势？鉴智机器人选择与地平线展开合作，发布首个基于征程5的标准感知产品PhiVision。该产品具备车辆检测、红绿灯检测、车道线及地面标记检测、一般障碍物监测等感知功能。
小结：
当前，智能汽车市场的竞争越来越激烈，除了“价格战”，更加高阶的智能驾驶功能、更懂用户需求的产品将获得市场的认可。如何争夺更大的市场份额，汽车企业在城市辅助驾驶功能上下了不少“功夫”，但首先需要实现的还是“车路云协同”，汽车企业也在与通信企业合作，打造更高的智能驾驶体验，AI技术在这个过程中的作用也在进一步凸显。
