五千字长文，深度讨论国内、国外自动驾驶水平

动驾驶差异自动驾驶技术国内各大车企和特斯拉走的是不同技术路线，但是从自动驾驶应用效果来看，国内国外现在处于同一水平。

大家都知道，自动驾驶一共分为5个等级，现在很多车型都已经实现了L2等级的自动驾驶能力，并且已经商业化多年。包括但不限于：特斯拉Model3、MODELS、奔驰S级、奥迪A6L、一汽大众探岳、长安cs75、weyvv6、吉利缤瑞、广汽新能源Aions、小鹏G3、蔚来ES8、红旗E-HS9等等。

经过多年的发展，全行业正处于L3的商业化应用初期，国家也在制定政策推动商业化落地中。今年6月21日，国务院政策例行吹风会举行，介绍促进新能源汽车产业高质量发展有关情况。特别强调了：启动智能网联汽车准入和上路通行试点，组织开展城市级“车路云一体化”示范应用，支持有条件的自动驾驶，这里面讲的是L3级，及更高级别的自动驾驶功能商业化应用。

一、国内国外自动驾驶实际表现如何？

那么当前特斯拉的L3自动驾驶如何了呢？这个可以通过刚刚的马斯克的自动驾驶直播了解大体状况。

今年8月26日，马斯克亲自上线开启了一场FSD Beta V12试驾直播，引百万人现场围观。此次展示的FSD Beta V12是有史以来第一个端到端AI自动驾驶系统（Full AI End-to-End），是特斯拉最重要的一次升级。

直播45分钟，FSD Beta V12系统在行驶全程进展非常顺利，能够轻松绕过障碍物，识别道路各种标志。45分钟内仅人工干预一次 。

马斯克激动地表示：

V12系统从头到尾都是通过AI实现。我们没有编程，没有程序员写一行代码来识别道路、行人等，全部交给了神经网络。

小结一下：马斯克此次展示的是特斯拉最新的自动驾驶成果，其完全基于视觉+深度学习的策略，能够取得如此成果的确让人很惊喜。

那么国产的各大整车厂，L3自动驾驶如何呢？

长安早在2020年就开始了L3自动驾驶路测工作，现在已经累积几千万公里的自动驾驶路测数据。不过早期研发的智能导航辅助驾驶主要应用于高速场景，可实现主动变道、自动上下匝道等。

今年7越，理想汽车官宣，城市NOA（自动辅助导航驾驶）将于近期在北京、上海开放内测，并于半年内开放通勤NOA功能。小鹏汽车也在不久前宣布，城市NGP（智能导航辅助驾驶）功能已正式在北京开放、上海、深圳、广州等地陆续开放。同时，赛力斯、阿维塔也分别公布了城市级别智能辅助驾驶功能上线的计划。

NOA这类导航辅助驾驶则处于L2与L3级自动驾驶之间，该功能可基于用户设定的导航路线，实现从A点到B点的智能导航辅助驾驶。

可以说，国内车企在高速路况测试比较丰富，而且大多能够布局城市复杂路况的介于L2-L3之间的自动驾驶功能。

二、国内国外技术路线不一样

【特斯拉：纯视觉路线】

特斯拉采用的是纯视觉路线，模拟我们人类的驾驶习惯，即用眼睛看、用大脑思考、用自身的经验和实际情况等来做出加减速、踩刹车等动作。

回归到车上，车身周边的摄像头相当于我们的眼睛，实时拍摄并识别车辆周边物体，把获取到的图像等信息传输给车载电脑。车载电脑经过一系列复杂的计算，把需要执行的信息传递给方向盘、加速踏板和制动踏板等执行机构，从而实现对车辆的控制。

1.大脑-AP控制器（自动驾驶域控制器）

核心：特斯拉自主开发的 FSD 芯片+算法

特斯拉HW3.0 版本的 AP 中，配备两颗 FSD 芯片，每颗配置 4 个三星 2GB 内存颗粒。其自研的FAD芯片是其技术核心壁垒。

2.感知部件：摄像头

核心：三目摄像头（纯视觉方案）

特斯拉HW3.0硬件外围传感器：主要包含 12 个超声传感器、8 个摄像头（风挡玻璃顶 3 个前视，B 柱 2 个拍摄侧前方，前翼子板 2 个后视，车尾 1 个后视摄像头，以及1个DMS 摄像头）、1 个毫米波雷达。

其最核心的前视三目摄像头包含中间的主摄像头以及两侧的长焦镜头和广角镜头，形成不同视野范围的搭配。

可以说，硬件方面，特斯拉的技术核心技术壁垒就是其自己研发的FSD 芯片，并基于此的高效的视觉算法计算能力。更少的传感器的应用，使得特斯拉的“低成本”自动驾驶方案更具竞争力。

低硬件成本的方案就需要强大的软件处理能力来做支撑，那么特斯拉又是怎么在软件上突破的呢？

3.AI算法：庞大的“数据”支撑其算法更快的迭代进步

AI 算法方面，根据特斯拉官网人工智能与自动驾驶页面的描述，AutoPilot 神经网络的完整构建涉及 48 个网络，每天依据其上百万辆车产生的数据进行训练，需要训练 70000 GPU 小时。

小知识：深度学习网络使用串联式多层人工神经元，从经过软件识别与标上标记的数字图片中捕捉图片特征。其实，深度学习网络识别物体的方式与人类相同，首先认识某个细小的特征，然后把该特征抽象出来，应用至更广义、更抽象的概念中去。比如，人类的眼睛看到一双尖尖的耳朵，八根胡须和毛茸茸的尾巴时，总能快速地把以上视觉信息分类:“啊，是只猫!”。同样的，构建神经网络时，通过进行快速的个体特征分析确实是物品分类的一种办法，人工感知也由此更接近人类的感知水平。

在小结一下，大家可以看到，特斯拉的另外一个技术壁垒就是行驶在各个国家的特斯拉车辆本身。他们每天产生大量的数据，以支持特斯拉算法的训练和进化。

【国内：多传感器融合路线】

其实了解自动驾驶的人都知道，现在自动驾驶方案主要有两套，一套是特斯拉的“纯视觉”方案，另外一套就是“视觉+雷达的”多传感器融合”方案。

经过不断探索和多年发展，国内采用的多类多个传感器融合方案，实践证明也是有效成熟的方案。

1.传感器：多种传感器融合方案

车载传感器主要包含摄像头、毫米波雷达、激光雷达等传感器，用于获取图像、距离、速度等信息，扮演车辆眼睛、耳朵的角色。

·摄像头：自动驾驶之眼

摄像头是自动驾驶的核心传感器之一，它由镜头，镜头模组，滤光片，CMOS/CCD，ISP，和数据传输部分组成。自动驾驶汽车可以通过相机采集的图像信息实现对周围环境的感知。例如：车辆，行人等道路使用者的监测，车道线监测，交通标志监测，红绿灯监测等。

摄像头传感器技术成熟，价格便宜，尤其是相较于目前市场上动辄上万的激光雷达来说，以摄像头为主的视觉方案是自动驾驶汽车量产的首选。

摄像头受天气因素的影响较为严重，对摄像头造成最明显的影响是导致摄像头成像间接的失真，以及图像细节的丢失，这种问题是传感器特性所致，只能靠其他传感器或算法进行弥补。

·毫米波雷达：ADAS核心传感器

毫米波雷达，波长介于厘米波和光波之间， 因此毫米波兼有微波制导和光电制导的优点，穿透雾、烟、灰尘的能力强，传输距离远，具有全天候全天时的特点。其性能稳定，不受目标物体形状、颜色等干扰。毫米波雷达很好的弥补了如红外、激光、超声波、 摄像头等其他传感器在车载应用中所不具备的使用场景。是自适应巡航（ACC）、自动紧急刹车(AEB) 的首选传感器。

·激光雷达：成本与功能的取舍

激光直线传播、方向性好、光束非常窄，弥散性非常低，因此激光雷达的精度很高。激光雷达可以获得极高的角度、距离和速度分辨率，这意味着激光雷达可以利用多普勒成像技术获得非常清晰的图像。是无人驾驶的最佳技术路线。

尽管激光雷达具备如此多的优势，其落地在量产车型上的最大阻碍就是成本，激光雷达单价以万为单位，高昂的价格让其难以市场化。

当然不同等级的传感器配置方案是不同的，具体可以参考如下，当然不同厂家的方案也不尽相同：

国内采用的多传感器独立工作，增加了感知系统的几余性，个别传感器出现故障不至于导致感知系统瘫痪，从而增强了整个自动驾驶系统的安全性和鲁棒性；其次，不同传感器的感如性能各有特点，采用先进的融合感如算法可以取长补短，发挥每种传感器自身的优势。

2.控制器（大脑）：自动驾驶芯片是关键

随着自动驾驶汽车智能化水平的提升，需要处理的数据量不断增加。高精度地图、传感器、激光雷达等软硬件设备对计算能力提出了更高的要求，因此具备人工智能（AI）能力的主控芯片成为主流。加速芯片可以提高计算能力，并促进算法的发展。目前，常见的AI加速芯片主要包括GPU、ASIC和FPGA三类。

英伟达：自动驾驶芯片第一梯队

算力和能效比是芯片最核心的竞争力，如今英伟达可以说是全球算力芯片领域最具活力的巨头。2015年英伟达推出了NVIDIA DRIVE系列产品，其中DRIVE PX面向自动驾驶，随后迭代出DRIVE PX2、DRIVE PX Xavier、DRIVE PX Pegasus、Drive AGX Orin数个自动驾驶平台。

从用户来看，在造车新势力中，蔚来的ET7、ET5和ES7、小鹏的G9、上汽集团旗下的智己和非凡汽车、威马的新车型M7、高合汽车的HiPhi Z、理想汽车L9、比亚迪的部分新能源车型等车型都采用了英伟达的芯片。可以说在中高端新能源汽车中，英伟达的自动驾驶芯片逐渐成为标配。

地平线：率先实现车规级AI芯片量产前装

国内率先实现车规级人工智能芯片量产前装的企业。

2017年12月，地平线发布了首款芯片征程1。随后于2019年8月发布了征程2，提供超过4TOPS的等效算力。征程3于2020年9月发布，算力达到5TOPS。2021年7月发布的征程5则拥有算力高达128TOPS。迄今为止，地平线征程芯片合作伙伴包括奥迪、北汽集团、比亚迪、长安汽车、长城汽车、东风汽车等多家国内外企业。

黑芝麻智能：早期布局自动驾驶芯片企业之一

黑芝麻智能成立于2016年，是一家专注于车规级智能汽车计算SoC及相关解决方案的供应商，也是我国早期布局自动驾驶芯片领域的企业之一。推出的产品包括华山一号A500、华山二号A1000、A1000L、A1000Pro和A2000。

目前，华山二号A1000系列芯片已经通过了所有车规级认证，并与上汽通用五菱、江淮、一汽集团、东风集团、江汽集团、合创、亿咖通科技、百度、博世、采埃孚和马瑞利等多家车企达成了量产合作。

华为：自动驾驶平台型技术型公司

华为是国内提供自动驾驶平台较为全面的一家技术型公司，包括智能车控平台（VDC）、智能驾驶平台（MDC）和智能座舱平台（CDC）。其中，智能驾驶平台提供了L2~L4四个级别的芯片平台方案，分别是MDC210、MDC300、MDC600和MDC610。

2022年，基于华为MDC610，搭载L2++NDA高级智能服务驾驶功能的广汽埃安AION LX发布。到2023年，同样基于华为MDC 610，广汽传祺搭载L2++NDA高级智驾辅助功能，将实现燃油车全球首发。据悉，比亚迪也与华为达成了合作协议，比亚迪旗下新高端品牌的首款车型将搭载华为MDC计算平台。此外，华为MDC还在奥迪Q7等车型上得到很好的采用，支持高速巡航、拥堵跟随、交通灯识别、行人识别和地下车库自动泊车等多种场景应用。

【特斯拉：视觉为主 vs 国内：多传感器融合优缺点分析】

1.成本差距：特斯拉的纯视觉方案，最大的优点在于成本。虽然激光雷达从几十万下降为十几万，甚至是现在的一万左右，但是和几千元的视觉传感器来讲，价格还是贵上许多。

2.技术差距：特斯拉能够采用纯视觉方案，最大的依仗就是软件能力：深度学习中“端到端”的训练方法。还记得上面提高的，马斯克直播自动驾驶的情况么，他的描述是：完全没有人工逻辑的参与，完全是数据训练的结果。软件能力，国内还是要弱于特斯拉的。

3.高精度地图：上面讨论过程中，没有提及高精度地图。其实国内现在很多城市NOA功能，都是基于高精度地图的。这个和特斯拉的方案也有很大区别。高精度地图可以提供很好的道路指引，但是最大的问题就是地图的“鲜度”。频繁的地图更新，又是一笔不小的开销。

综合来看，现在特斯拉的方案在于强软件算法，弱硬件依赖。而国内的方案在于堆叠更多的硬件，弱化对软件能力的需求，成本更高。但是未来，随着更多的量产车的使用，硬件成本也许会得到大幅降低，国内方案也许能获得不小的突破。