不知大家注意到没有，如今老牌车企纷纷赶超新势力，以前都是新势力热衷于宣传智能驾驶。
最近有消息称，比亚迪正在大力加强智能驾驶方面的投入，将智能驾驶部门进行整合，人数和技术实力全面提升，计划在明年于全系列车型中推出智能驾驶版，即使是售价仅为6.98万元的海鸥也将搭载。
岚图，作为东风公司的代表，也准备大力发展智能驾驶，计划构建强大的智能驾驶团队，并为此设立了专门针对极越员工的快速通道，待遇十分优厚，实现无缝连接。
奇瑞刚刚推出了自己的猎鹰智驾系统，并率先在 newly 上市的星纪元 ET 上应用。
今年，像广汽和长城这样的大型汽车制造商在智能驾驶领域也表现异常活跃，这使得人们认为传统汽车公司正在齐心协力进行大规模发展。
这时有人会说，你们这些传统汽车公司现在才开始涉足智能驾驶，是不是有点晚了……毕竟，隔壁华子的智能驾驶3.0版本已经在大街小巷普及了。
然而，我认为传统汽车公司在当前时间点发布智能驾驶并非晚到，反而是一个不错的时间选择。
为什么这么认为呢？
首先，需要向大家说明，最近传统汽车公司频频亮相，并非意味着它们才开始研究智能驾驶。
实际上，各家在这方面的布局已经有好几年了。
例如，迪子的公司自2021年开始增加智能驾驶的研发人员。
到了23年上半年，他们将智能驾驶提升为核心战略之一。
到了今年六月，王传福表示，比亚迪已组建了一支规模近五千人的智能驾驶研发团队。
之所以消费者感受不到这些，一方面是因为这些车企过去一直倾向于独自探索，始终处于预研阶段；另一方面是因为这些品牌的在售车型最初大多价格在30万元以下，因此先前无法承受激光雷达高昂成本，只能放弃使用。
然而，如今智能驾驶正在逐渐普及至普通车型，甚至一些售价仅在10万元左右的汽车也开始标配智能驾驶。
之所以出现这种情况，实际上与智能驾驶近年来的技术变革密切相关。
几年前，各种各样的智驾路线争奇斗艳，比如纯视觉和激光雷达的融合方案，每天都争论不休。
另外，还存在先进行L4级研发然后再降低维度适用，与直接从L2级开始逐步升级，哪种路线更优，也各有拥趸。
由于不同的技术路线，使得各车企在智能驾驶这场考试中取得了不同的进展。
有些人已经提前交卷，而另一些人则尚未开始作答。
那些进展较快的企业，早已推出了高速NOA服务，并且已经进入了城市NOA阶段。
而那些进展较慢的企业，甚至连高速NOA都尚未完成。
特别是在NOA开城阶段，拥有与不拥有，能用与不能用，就是如此明确。
因此，当新能源汽车品牌展示出高阶智能驾驶技术时，众人纷纷为之惊叹。
然而，随着技术的不断进步，智能驾驶的技术路径日渐清晰。
以特斯拉为例，他们最早采用了BEV感知方式，随后ChatGPT背后的明星技术Transformer模型问世，这逐渐成为了智能驾驶的主流解决方案。
将这两样东西结合起来，可以使车辆实现对周围环境的实时三维感知。
过去需要依赖高精度地图这一辅助工具，而现在甚至可以实现“无图”操作。
后进入者的优点在于能够迅速追赶，其中最典型的例子就是极氪，它背后有吉利的支持。
起初，极氪采购了供应商Mobileye的方案，迭代速度既缓慢又不好用。
于是他们决定自主研发，并在2021年底邀请了华为的高级专家陈奇负责智能驾驶工作。
一番招兵买马之后，很快就取得了成果。
首先在007上推出了自研智驾，然后在一年内发布了三款产品，实现了NZP在All New 001上的更新。
如今，智能驾驶已经进入了一个全新的技术领域——端到端方案。
这项新的技术，又将所有参赛选手置于同一起跑线上。
今年，端到端这个词频频出现在大家的视野中。
起初，这项技术由特斯拉率先采用，随后国内车企纷纷效仿。
它的含义可以用一句话来概括：它代表了从传感器输入到控制输出的单一神经网络模型。
我们知道，在之前的自动驾驶系统中，通常会包含感知、预测、规划和控制等多个模块，每个模块中都写满了诸如红灯停、绿灯行之类的规则算法。
这些模块各司其职，整个过程如同一条流水线。
端到端方案用神经网络模型取代了这些规则算法，并利用实际数据对这个大型模型进行训练，从而使机器的表现更加类似于人类。
端到端的理论上限更高。
例如，当面对静止的前车和实线车道时，以往的车辆必定不敢前行，但端到端的车辆则可能向人类学习到变通的方法，即压线行驶以绕过障碍。
然而，当各大汽车厂商开始研究端到端方案时，他们发现这种方案并非轻而易举就能提升。
端到端的神经网络是一个黑匣子，其中许多东西都无法解释。
数据量越大，机器的表现并不一定越好，反而可能会出现这样的情况：当你试图优化某个功能时，却意外导致另一个功能的性能下降。
马斯克曾经解释过为什么推迟发布FSD V12.4.2，原因是他们在喂给机器大量需要人工接管的复杂场景数据后，发现在简单场景中的驾驶平稳性反而有所下降。
这种现象在理想等车企中同样出现过。
实际上，并没有特别有效的解决方法，只能继续提供数据，让机器不断学习，直到重新记住为止。
因此，在端到端阶段，你将会发现头部玩家的发展速度开始放缓，仿佛进入了一个瓶颈期，不再像在开城阶段那样每隔一段时间就能听到一次更新。
毕竟，大家都是刚刚接触这个领域，早一步或晚一步并不会相差太多。
因此，传统汽车公司现在进入仍有机会赶得上。
目前市场上各家智驾之间的差距，在消费者层面看来，并没有达到天壤之别的程度。
根据我的亲身经历，华为智驾属于第一阵营，但并非完美无缺。
在我之前试驾ADS 3.0时，一个晚上下雨的夜晚，路面积水并反光，当车辆经过一个无车道线路口时，它突然失去了对前方道路的判断，开始向左拐弯。
为了避免进入对面车道，我们只好介入接管。
极氪、小米、智己等车企的智驾系统，其功能相似，但在实现效果上各有长处和短处，很难一眼看出哪家有明显的优势。
当然，这并不意味着在端到端阶段，各个公司的智驾水平已经趋同，NOA也没有技术差距了。
归根结底，端到端的较量其实是数据和算力的比拼。
数据质量越高，算力越强，模型优化的速度就越快。
在算力方面，特斯拉至少领先一步。
特斯拉曾透露，到今年10月，其算力将达到100 ExaFlops（亦有数据称其为87.5 ExaFlops）。
举例来说，就是它所储备的算力，相当于咱国内能叫上名字的华为、理想、小鹏等公司的算力总和还要多。
这是基础，只有基础打牢，才能保证在未来某个阶段，某家车企手头的数据积累丰富，从而引发量变到质变的飞跃，再次引发技术革命。
也许到那时，智能驾驶将会出现马太效应，这个行业就会像互联网一样，强者愈强，赢家通吃。
然而，现在谁也无法预测，这个时刻何时到来，是否真的会到来。
在大家被端到端延误的阶段，车企发布自己的智驾系统，仍然能够及时赶上这股潮流，让众人分得一杯羹。
对于消费者而言，越来越多的参与者涌入智能驾驶领域，无疑是一个好消息。
此外，电车之王Tesla降价促销，有望带动智能驾驶的普及。
那些尚未涉足该领域的汽车公司可能会感到最难受。
如果不能尽快拿出应对措施，将来有可能会成为被吞并的对象。
全部评论 （0）