過去很長一段時(shí)間里，前裝量產(chǎn)曾被看作是自動(dòng)駕駛技術(shù)含量偏低的一個(gè)領(lǐng)域，而且由于價(jià)值太低，以至少人問津。
隨著時(shí)間推移，這樣的誤解越來越少，行業(yè)內(nèi)外的看法也發(fā)生了180度的巨大轉(zhuǎn)變。汽車廠商紛紛推動(dòng)智能駕駛上車，市場層面直接驗(yàn)證了前裝量產(chǎn)的巨大價(jià)值。質(zhì)疑量產(chǎn)，理解量產(chǎn)，選擇量產(chǎn)，成為了自動(dòng)駕駛領(lǐng)域的真實(shí)寫照。
在親身實(shí)踐后，許多從業(yè)者也發(fā)現(xiàn)前裝量產(chǎn)的難度其實(shí)超過預(yù)期。從實(shí)現(xiàn)無人駕駛的角度來看，漸進(jìn)式路線在技術(shù)和商業(yè)上更為可行，前裝量產(chǎn)其實(shí)是件典型的難而正確的事情。
對(duì)于這一點(diǎn)，有的玩家是后知后覺，有的玩家則是早有預(yù)見，把握先機(jī)完成了技術(shù)的布局和商業(yè)的突破。在這當(dāng)中，長期潛心推進(jìn)量產(chǎn)應(yīng)用的Nullmax紐勱是為數(shù)不多的后者。
作為一家“非典型”的自動(dòng)駕駛公司，Nullmax沒有在一開始就強(qiáng)調(diào)無人駕駛的量產(chǎn)，也沒有為自己的方案配上豪華的硬件，而是做了許多不被理解但之后證明正確的事情。比如，堅(jiān)持漸進(jìn)式的路線，打造視覺為主的方案，不依賴激光雷達(dá)，不依賴高精地圖，推出行泊一體系統(tǒng)，為硬件做減法來降本增效，等等。
在Nullmax看來，無人駕駛不可能一蹴而就，漸進(jìn)式自動(dòng)駕駛是實(shí)現(xiàn)無人駕駛的最佳路線。前裝量產(chǎn)是漸進(jìn)式路線主要的落地方式，擁有無可比擬的數(shù)據(jù)優(yōu)勢(shì)，既能夠最快程度地訓(xùn)練出實(shí)現(xiàn)無人駕駛的AI系統(tǒng)，也能帶來持續(xù)的商業(yè)收入支持無人駕駛的長期研發(fā)。不過在兩全的背后，需要應(yīng)對(duì)的挑戰(zhàn)和付出的努力也是成倍。
為此，Nullmax打造了一套尤為完善的平臺(tái)化技術(shù)體系，涵蓋感知、規(guī)控等所有的上層應(yīng)用以及中間件，提供從車端到云端所需的軟件算法，以解決自動(dòng)駕駛開發(fā)、部署、升級(jí)過程中可能遇到的各種難題，并面向汽車行業(yè)推出了滿足不同需求的智能駕駛、視覺感知產(chǎn)品，讓技術(shù)盡可能服務(wù)于更多的量產(chǎn)車輛。
實(shí)質(zhì)性的量產(chǎn)突破是漸進(jìn)式道路上的關(guān)鍵一步。在2021年獲得首個(gè)量產(chǎn)項(xiàng)目，2022年完成首個(gè)交付之后，Nullmax翻過了量產(chǎn)路上的第一座山丘，在無人駕駛的路上加速前進(jìn)。
無人駕駛沒有捷徑，量產(chǎn)可以少走彎路
在自動(dòng)駕駛的浪潮初期，行業(yè)對(duì)無人駕駛的實(shí)現(xiàn)路徑有不同認(rèn)識(shí)。一種主流的看法是應(yīng)當(dāng)先實(shí)現(xiàn)小范圍的無人駕駛?cè)缓笤僦鸩綌U(kuò)大范圍，被稱為跨越式路線；另一種相對(duì)小眾的看法是先實(shí)現(xiàn)大范圍的人車共駕然后再逐步減少司機(jī)的干預(yù)，被稱為漸進(jìn)式路線。
由于Nullmax的創(chuàng)始團(tuán)隊(duì)曾親身推動(dòng)并完整經(jīng)歷了自動(dòng)駕駛的大規(guī)模落地，對(duì)自動(dòng)駕駛的研發(fā)和大規(guī)模應(yīng)用有著深入的理解，因此Nullmax從一開始就是漸進(jìn)式路線的堅(jiān)定支持者。
在創(chuàng)業(yè)之前，CEO徐雷博士曾先后在高通、特斯拉工作，并作為Autopilot研發(fā)團(tuán)隊(duì)的核心成員和Tesla Vision的深度學(xué)習(xí)負(fù)責(zé)人，從零開始領(lǐng)導(dǎo)搭建Tesla Vision深度學(xué)習(xí)網(wǎng)絡(luò)，成功取代了特斯拉第一代產(chǎn)品中使用的Mobileye視覺系統(tǒng)。
Nullmax的另一位創(chuàng)始人兼COO宋新雨，曾任特斯拉研發(fā)質(zhì)量和供應(yīng)鏈部門高級(jí)經(jīng)理，作為Autopilot及娛樂系統(tǒng)開發(fā)團(tuán)隊(duì)骨干成員，深度參與了Autopilot 1.0和Autopilot 2.0系統(tǒng)的開發(fā)和產(chǎn)品化過程。
在經(jīng)歷了Autopilot 1.0和Autopilot 2.0的開發(fā)過后，Nullmax的兩位創(chuàng)始人認(rèn)為漸進(jìn)式自動(dòng)駕駛在本質(zhì)上是大數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)問題，它在實(shí)現(xiàn)L4級(jí)無人駕駛上比跨越式路線更具優(yōu)勢(shì)。
當(dāng)時(shí)，特斯拉的量產(chǎn)車輛已經(jīng)售往包括歐美在內(nèi)的世界多地，研發(fā)團(tuán)隊(duì)意識(shí)到真實(shí)世界的場景其實(shí)非常多樣，各種極端場景難以想象。尤其是大量未知的不安全場景，很難通過仿真系統(tǒng)模擬出來，只有通過規(guī)模龐大、遍及各地的量產(chǎn)車隊(duì)在實(shí)際應(yīng)用中一點(diǎn)點(diǎn)發(fā)現(xiàn)。
跨越式路線通常是在小區(qū)域里訓(xùn)練出一套出色的無人駕駛系統(tǒng)，然后再擴(kuò)大范圍，但因?yàn)檫^擬合的問題，原區(qū)域訓(xùn)練的系統(tǒng)很難在新的區(qū)域保證效果。而小范圍的應(yīng)用、小規(guī)模的車隊(duì)，在數(shù)據(jù)的規(guī)模和多樣性上也不具備優(yōu)勢(shì)。
要想最終實(shí)現(xiàn)廣泛可用、真正安全的無人駕駛，漸進(jìn)式路線其實(shí)是一種更高效的方式。根據(jù)國際汽車制造商協(xié)會(huì)數(shù)據(jù)，2022年全球汽車銷量約為8163萬輛，前裝量產(chǎn)可以為漸進(jìn)式路線提供絕對(duì)充足的海量數(shù)據(jù)，訓(xùn)練自動(dòng)駕駛系統(tǒng)，驗(yàn)證功能的可用性。
而且在這當(dāng)中，乘用車占了極大比例，尤其是中國市場，乘用車的銷量占比超過八成。如果以乘用車前裝量產(chǎn)的方式，為普通消費(fèi)者提供成熟可用的功能，撬動(dòng)自動(dòng)駕駛的漸進(jìn)式落地，其實(shí)在技術(shù)和商業(yè)上都更為可行。而前裝量產(chǎn)發(fā)展出的能力，同樣也可以應(yīng)用到更多領(lǐng)域。
在Nullmax看來，自動(dòng)駕駛的漸進(jìn)是全方位的漸進(jìn)。功能從簡單到復(fù)雜，場景從高速到城區(qū)，車輛從有人到無人，應(yīng)用從載人到運(yùn)貨，都是一步步漸進(jìn)的過程，盡管周期漫長，但每個(gè)階段都可以利用成熟技術(shù)輸出成果，并以商業(yè)的落地反哺技術(shù)的迭代。
比如行泊一體，就是典型的例子。從場景的角度來講，自動(dòng)駕駛可以粗略分為行車、泊車場景，行車場景可以再細(xì)分為結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路。在前裝量產(chǎn)的漸進(jìn)策略上，Nullmax選擇了先實(shí)現(xiàn)城市快速路、高速公路等結(jié)構(gòu)化道路行車場景以及泊車場景的高階功能，然后實(shí)現(xiàn)城市道路等非結(jié)構(gòu)化道路的高階功能，一步一步減少場景碎片，最終達(dá)到全場景自動(dòng)駕駛。
因此，Nullmax在2019年就發(fā)布了同時(shí)具備高速代駕、擁堵跟車、自主泊車功能的行車、泊車一體化系統(tǒng)。在技術(shù)層面，行泊一體系統(tǒng)提供面向所有場景的基礎(chǔ)ADAS功能以及面向高速、停車場等場景的高階功能，在自動(dòng)駕駛的應(yīng)用初期最大程度地覆蓋更多場景，并持續(xù)進(jìn)化迭代；而在商業(yè)層面，則是通過芯片、傳感器的深度共享復(fù)用，降低自動(dòng)駕駛的硬件成本，提高量產(chǎn)的規(guī)模。
于是Nullmax的行泊一體方案早早獲得了量產(chǎn)訂單，而行泊一體隨后也在2022年成為了產(chǎn)業(yè)的主要趨勢(shì)。并且行泊一體落地帶來的海量數(shù)據(jù)，也正推動(dòng)自動(dòng)駕駛的性能、功能和場景不斷進(jìn)化。
如果用一個(gè)詞來描述Nullmax的漸進(jìn)式路線，“守正出奇”或許最為合適。Nullmax相信無人駕駛遵循客觀發(fā)展規(guī)律，不可能一蹴而就，以漸進(jìn)方式逐步擴(kuò)大應(yīng)用規(guī)模，通過海量數(shù)據(jù)驅(qū)動(dòng)自動(dòng)駕駛成長迭代，是實(shí)現(xiàn)無人駕駛的合適路線。
放眼長遠(yuǎn)應(yīng)用，堅(jiān)持做正確的事情
視覺信號(hào)是人類獲取信息最主要的方式，也是自動(dòng)駕駛最主要的數(shù)據(jù)來源。
從信息論的角度來說，視覺信號(hào)的熵極高，蘊(yùn)含豐富信息，幾乎所有的感知任務(wù)都可以通過視覺感知完成。同時(shí)，視覺數(shù)據(jù)廣泛存在于真實(shí)世界，易于獲取，可以為自動(dòng)駕駛系統(tǒng)的訓(xùn)練提供充足數(shù)據(jù)。所以在發(fā)展?jié)u進(jìn)式自動(dòng)駕駛的道路上，Nullmax堅(jiān)定選擇了視覺為主、多傳感器融合的感知方式。
盡管在早期，激光雷達(dá)、高精地圖幾乎是所有自動(dòng)駕駛方案的標(biāo)配，而且視覺感知研發(fā)的周期更長、難度更大，Nullmax也沒有動(dòng)搖想法。因?yàn)镹ullmax認(rèn)為視覺感知擁有成熟的應(yīng)用基礎(chǔ)，性能全面、性價(jià)比高，關(guān)鍵的軟件算法以及對(duì)應(yīng)的傳感器硬件都處于快速發(fā)展當(dāng)中，無論是在當(dāng)下還是未來，都更適合作為主要的感知方式。
比如，百萬起步的像素水準(zhǔn)，由廣及窄的視場角度，高幀率的信息采集，以及對(duì)于形狀、顏色、紋理等信息的全方位獲取，都是攝像頭對(duì)比激光雷達(dá)、毫米波雷達(dá)等新舊傳感器的獨(dú)到優(yōu)勢(shì)。而且視覺感知對(duì)應(yīng)的檢測、分割等算法，也是AI領(lǐng)域發(fā)展最快的部分之一。
在量產(chǎn)應(yīng)用當(dāng)中，視覺感知不是像激光雷達(dá)、毫米波雷達(dá)等感知方式那樣，直接發(fā)射電磁波測算距離、速度信息，而是通過神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)時(shí)推理，所以對(duì)AI方面的能力要求極高。從數(shù)據(jù)的采集、篩選、標(biāo)注，到AI模型的設(shè)計(jì)、訓(xùn)練、迭代，再到車端的實(shí)時(shí)推理、計(jì)算，每個(gè)環(huán)節(jié)都需要高效地運(yùn)轉(zhuǎn)。
雖然其中的挑戰(zhàn)巨大、難題繁多，但是一旦具備了這樣的視覺感知能力，開發(fā)者也就掌握了自動(dòng)駕駛開發(fā)的主動(dòng)權(quán)，能夠不受限制地開發(fā)各種功能，同時(shí)也具備了以海量數(shù)據(jù)驅(qū)動(dòng)自動(dòng)駕駛AI持續(xù)迭代的能力。
Nullmax從一開始就確立了視覺為主的感知方式，因此形成了非常全面且深厚的技術(shù)積累。無論是大眾熟知的車道線檢測、障礙物檢測、局部地圖構(gòu)建等感知任務(wù)，還是這些任務(wù)背后的自動(dòng)化標(biāo)注、高效率訓(xùn)練，又或者完全平臺(tái)化的開發(fā)部署、端到端的神經(jīng)網(wǎng)絡(luò)，Nullmax都早早進(jìn)行了研發(fā)，率先應(yīng)用到實(shí)際的項(xiàng)目當(dāng)中。
其中一個(gè)典型的例子就是BEV技術(shù)的研發(fā)。在視覺感知的研發(fā)過程中，為了解決多相機(jī)融合、多傳感器融合以及時(shí)間空間信息融合的難題，Nullmax在2020年就研發(fā)了BEV感知基礎(chǔ)架構(gòu)，并在之后不斷完善，形成了整體的BEV-AI自動(dòng)駕駛技術(shù)架構(gòu)，應(yīng)用到實(shí)際項(xiàng)目當(dāng)中。因?yàn)樵缭贜ullmax的創(chuàng)始團(tuán)隊(duì)研發(fā)Autopilot 2.0的時(shí)候，就已經(jīng)了解多攝像頭感知系統(tǒng)當(dāng)中面臨的技術(shù)挑戰(zhàn)。
憑借視覺感知方面的深厚積累，Nullmax不僅可以根據(jù)自己的需求進(jìn)行靈活的開發(fā)，提供具備一流性能和體驗(yàn)的完整方案，而不依賴第三方；而且在量產(chǎn)部署中，也能夠支持任意的傳感器配置，自由選擇合適的芯片平臺(tái)，擴(kuò)大技術(shù)落地的規(guī)模。
在現(xiàn)實(shí)應(yīng)用當(dāng)中，不同車型很難保證硬件的統(tǒng)一，而且常常差異巨大，因此保留技術(shù)部署的靈活性對(duì)于漸進(jìn)式自動(dòng)駕駛而言意義重大。特別是自動(dòng)駕駛作為一種通用的平臺(tái)型能力，除了前裝量產(chǎn)以外還可以支持其他應(yīng)用，技術(shù)上更應(yīng)該避免使用受限。
為此，Nullmax在最開始就打造了專門的自動(dòng)駕駛中間件，開發(fā)平臺(tái)化的技術(shù)架構(gòu)。因?yàn)橐惶坠潭ǖ姆桨讣幢阍偈軞g迎，也很難應(yīng)用到多款車上，部署的規(guī)模相對(duì)有限。但如果這套方案足夠靈活，從軟件到硬件都可以按需配置，適合多種類型的應(yīng)用，兼具效率和成本優(yōu)勢(shì)，那么應(yīng)用的規(guī)模必然將會(huì)擴(kuò)大。
在這樣的技術(shù)體系之下，Nullmax實(shí)現(xiàn)了產(chǎn)品方案的平臺(tái)化輸出，不僅能夠通過差異化的配置滿足高中低不同智能駕駛需求，也能夠擴(kuò)大自動(dòng)駕駛的量產(chǎn)規(guī)模，獲得更豐富多樣的數(shù)據(jù)。
高配置方案的特點(diǎn)是可以支持更復(fù)雜的功能，不過量產(chǎn)規(guī)模相對(duì)較??；而低配置方案在同樣覆蓋行泊場景的前提下，因?yàn)椴渴鹨?guī)模極大的特點(diǎn)，擁有量級(jí)更大、更加多樣的數(shù)據(jù)優(yōu)勢(shì)。所以通過高中低配置實(shí)現(xiàn)大范圍的量產(chǎn)部署，從數(shù)據(jù)層面而言對(duì)漸進(jìn)式自動(dòng)駕駛來說也更為合適。
普通人對(duì)于自動(dòng)駕駛數(shù)據(jù)存在著許多的認(rèn)知誤區(qū)。比如，低精度的數(shù)據(jù)對(duì)于無人駕駛沒有作用，自動(dòng)駕駛的里程數(shù)代表著數(shù)據(jù)的豐富程度，非自動(dòng)駕駛狀態(tài)的數(shù)據(jù)沒有作用，等等。
實(shí)際上，海量低精度數(shù)據(jù)對(duì)于自動(dòng)駕駛的提升價(jià)值遠(yuǎn)遠(yuǎn)大于少量高精度的數(shù)據(jù)，巨大規(guī)模和豐富多樣性帶來的數(shù)據(jù)優(yōu)勢(shì)超過單一的數(shù)據(jù)精度。同樣的，如果數(shù)據(jù)量很大，但是數(shù)據(jù)單一或者無法有效利用，那么數(shù)據(jù)的價(jià)值也會(huì)大打折扣。而在系統(tǒng)運(yùn)行的時(shí)候，無論高階功能是否激活，一些系統(tǒng)模塊都會(huì)在后臺(tái)保持運(yùn)轉(zhuǎn)，以支持AEB等主動(dòng)安全功能，以及功能的快速激活等等，期間同樣會(huì)處理許多有價(jià)值的數(shù)據(jù)。
因此對(duì)于漸進(jìn)式路線來說，走向無人駕駛的關(guān)鍵其實(shí)是擴(kuò)大自動(dòng)駕駛的應(yīng)用規(guī)模。為此，開發(fā)者需要分析市場主流的需求，開發(fā)有吸引力的方案，覆蓋盡可能多的車輛。這正是Nullmax過去幾年一直在做的事情，盡管周期更長、技術(shù)更復(fù)雜，但長遠(yuǎn)來看價(jià)值也會(huì)更大。
也正是因?yàn)檫@樣，Nullmax在自動(dòng)駕駛的量產(chǎn)進(jìn)展上收獲頗豐，不僅獲得了多家客戶的量產(chǎn)訂單，不同配置方案先后實(shí)現(xiàn)量產(chǎn)定點(diǎn)，也早早開始了方案的交付，開啟技術(shù)與商業(yè)的正向循環(huán)。
在這背后，既有超前的洞見，也有充分具體可行的戰(zhàn)略規(guī)劃，更有數(shù)年如一日的堅(jiān)持。
漸進(jìn)式路線從來不是一條簡單的路，但是在完成前裝量產(chǎn)的上車應(yīng)用過后，Nullmax已然越過了通往無人駕駛的第一座山丘，在漸進(jìn)之路上越走越快。
免責(zé)聲明：市場有風(fēng)險(xiǎn)，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。
關(guān)鍵詞：
