4103
賈浩楠 發(fā)自 副駕寺
智能車參考 | 公眾號 AI4Auto
智能汽車領域，一個AI行業(yè)的big name殺進場。交出了這樣的智能駕駛量產(chǎn)方案：
視覺為主，全棧算法自研，成本千元級別。
最驚奇的是，僅僅用現(xiàn)在主流方案1/6-1/5的算力，跑通BEV+Transformer的大規(guī)模感知模型。而這，正是目前競爭最激烈的城市、高速NOA功能實現(xiàn)的基礎。
而且已經(jīng)進入車企定點名單，明年上半年就能量產(chǎn)上車。
該團隊透露，智能車項目自啟動，不過做了2年多時間，卻追趕了行業(yè)平均5-6年的進度。
智能車賽道這位“亮相即交卷”的闖入者，是AI明星公司、全球計算機視覺最強玩家之一的——曠視科技。
成立十二年，計算機視覺算法能力已臻化境，并開拓了城市、消費、供應鏈等業(yè)務場景，還早已實現(xiàn)規(guī)模化營收。
但智能車業(yè)務，之前曠視低調十足，不為外人道。
為什么現(xiàn)在亮相？怎么做智能汽車？有什么獨特優(yōu)勢？最重要的，車企買帳嗎？
現(xiàn)在，一系列疑問都可以直接找曠視專門負責自動駕駛的業(yè)務高管談。
曠視拿出了什么樣的智能車方案
曠視拿出的方案不是技術演示，也不是“高舉高打”的高階自動駕駛降維技術體系，而是極其務實、強調量產(chǎn)和規(guī)?；妮o助駕駛方案。
根據(jù)傳感器配置、算力大小分為三個。
標準版方案，滿足基礎、高頻使用智能駕駛場景，功能包括L2全家桶。亮點之處在于它的上限：標配自主泊車、記憶泊車，以及高速高架NOP功能。
所謂NOP，就是行業(yè)內常說的領航輔助駕駛，通常叫法是NOA。NOA開啟時，用戶僅需作為安全員，車輛全部駕駛任務由系統(tǒng)完成，并且能根據(jù)地圖導航信息自行選擇路線、車道和行進策略。
標準版方案面向10-15萬元車型，這也是曠視智駕方案的第一個特征，就是將“入門版智駕”門檻拉的極高，15萬左右的經(jīng)濟性家用車，高速NOP起步，以及增添了記憶泊車功能。
專業(yè)版方案，在標準版上，增加城市NOP功能，以及跨車道安全停車。面向15-30萬車型。
最后還有一款面向30萬以上車型的旗艦版方案，官方描述為“更多的冗余”，實現(xiàn)“增強城市NOP”功能。
不出意外的話，更多冗余代表著更大的算力，比如英偉達Orin，以及激光雷達。
曠視高級副總裁，自動駕駛業(yè)務負責人劉偉透露，標準版和專業(yè)版是目前商業(yè)上主推的兩個方案，幾乎覆蓋乘用車銷售的絕大部分車型。
曠視的方案可以算是行業(yè)內首個實現(xiàn)“低算力、高功能”的。并且還有一個“行業(yè)首次”：入門即標配高速NOP。
按照以往的固有思路，要實現(xiàn)某一程度的智能駕駛功能，就必須有足夠多的傳感器冗余，以及足夠大的算力支撐。
比如L2+階段，至少需要數(shù)百TOPS算力，以及激光雷達+毫米波雷達+攝像頭的傳感器方案，L4則至少需要1000TOPS。
但也有一個現(xiàn)象是，堆到1000TOPS算力的量產(chǎn)車，其功能體驗也沒有超出L2范圍。
這是不是意味著，智能駕駛類似ChatGPT這樣“大力出奇跡”的轉折點仍未到來，現(xiàn)階段要實現(xiàn)智能駕駛的規(guī)?；占昂徒当荆八惴ㄉ暇氉?盡量榨干硬件潛力”才是更符合技術發(fā)展規(guī)律和商業(yè)邏輯的道路？
所以曠視智能駕駛方案走了一條極致性價比的道路，在智能駕駛套件中，把相同技術指標要求的硬件成本，降到前所未有的低。
橫向比較來看，曠視標準版方案，據(jù)官方介紹僅需主流英偉達Orin 1/5，甚至1/6的算力（大約40-50TOPS），就能實現(xiàn)高速NOP功能。
而目前大部分量產(chǎn)智駕方案，至少需要一整塊Orin（254TOPS）作為主系統(tǒng)和冗余的算力支持。
這樣一來，曠視在面向售價為10-15萬元的車型上，就能靈活搭配成本低得多的英偉達Orin N、地平線J5、黑芝麻A1000等等產(chǎn)品，車企完全能接受。
這屬于在底層計算平臺上降本。
還有一個特點就是“視覺為主，無激光雷達”。屬于在上層傳感器層面降低成本，而且降本的主力。
曠視科技的智駕方案在行業(yè)中至少降本20%。
如何實現(xiàn)低算力高功能
技術上來看，曠視實現(xiàn)“極致性價比”的核心原因在于算法、算力，以及工具鏈的積累。
原創(chuàng)算法，這是曠視的技術底座。以視覺為主，采取“BEV+前融合”的方案，砍掉激光雷達，減少對毫米波雷達的使用。但以視覺為主的技術路線，對感知識別算法要求極高。
曠視對BEV有兩個實現(xiàn)的算法模型，一個是BEVDepth系列，一個是PETR系列，都是曠視研究院提出的視覺3D感知模型。
PETR框架能同時進行3D目標檢測、BEV（Bird’s Eye View，鳥瞰圖）分割和3D車道線檢測等多項感知任務，引入3D position embeding（3維位置映射），實現(xiàn)不依賴于BEV特征的時序對齊并支持BEV分割，避免了BEV可能的信息損失。
BEVDepth是一種帶有顯式深度監(jiān)督的多視圖 3D 目標檢測新網(wǎng)絡，利用編碼的內在和外在參數(shù)獲得明確的深度監(jiān)督，并進一步引入了深度校正子網(wǎng)絡來抵消由投影引起的干擾。
如果有些芯片對于Transformer的算子支持不太好可以采用BEVDepth；如果對于Transformer的算子支持非常好，那采用PETR。
BEV+Transformer架構最早由特斯拉在2020年引入。不過不同于特斯拉占用網(wǎng)絡采用的稠密算法，曠視的PETR系列在輸出對周圍環(huán)境的各種感知表征時，采用的是稀疏算法。
用稀疏的方式來做Transformer，同樣能非常好地檢測到長尾場景中的障礙物，同時還對算力要求更低，低算力高功能的核心就是這項技術。
除了這兩個核心算法，曠視還有基于物體點解決漏標和多標等問題的半監(jiān)督檢測算法 PointDETR、一個錨點檢測多個物體，性能全面超越主流DETR目標檢測器AnchorDETR等等。
算力基礎設施，曠視到目前為止，已經(jīng)構建了一萬多張卡的計算集群，快速迭代能力同樣是大模型實力的基礎。
另一方面，為了降本，曠視還對“統(tǒng)一算法框架”做了大量工作。
一般而言，從旗艦車型到入門級車型，一家主機廠每種車型采用的配置方案都各不相同，供應商方案相當復雜，這導致車輛在推出量產(chǎn)時，無論是把握節(jié)奏、質量、成本，還是管理和維護不同供應商，都很難控制。
曠視在做的，把適配各種定位車型的智能駕駛系統(tǒng)，都采用統(tǒng)一的BEV算法框架，做到算法平臺化、硬件平臺化。比如在適配高中低不同算力的芯片時，曠視采用Pin-to-Pin的系列芯片，即同一套域控可以直接適配不同芯片硬件，如果域控需要適配高算力芯片，就換高算力芯片，如果要適配低算力芯片，就換一個低算力的芯片。
做到這一點后，主機廠各個車型的量產(chǎn)速度將大大加快，質量更好的同時，成本也將大幅降低。
在硬件配置方面，曠視則堅持走以視覺為主的感知路徑，支持采用實時建圖的感知方式，只用導航地圖，不用高精地圖。
除此之外，曠視還能做到直接去掉RTK（實時差分定位，高精度測量方法）。去掉這兩項，每套套件又能節(jié)省數(shù)百元的費用。
總計一下，曠視智駕方案的技術特征或比較優(yōu)勢，有以下這些：
業(yè)內首個實現(xiàn)長達300米距離視覺感知。
業(yè)內首個將 [BEV+Transformer] 感知算法模型，運行在低算力芯片平臺。
業(yè)內首創(chuàng)魚眼BEV模型，感知范圍擴大三倍。基于BEV+Transformer] ，在泊車場景下車位的感知距離可達30米(傳統(tǒng)方案支持約8米左右)，3D感知定位能力接近激光雷達。
支持3D地圖構建，不依賴于高精地圖便可實現(xiàn)高速和城區(qū)NOP去RTK定位算法，定位能力達到RTK方案水平。
端到端Transformer大模型進展迅速，已經(jīng)在Orin平臺實現(xiàn)感知、建圖、跟蹤、預測4合一模型。
除了智能駕駛，曠視在智能座艙領域也開始了布局。相關的技術，依托12年技術研發(fā)，早已有積累。
目前的狀態(tài)是和主機廠協(xié)商，瞄準下一代智能座艙產(chǎn)品進行預研。
比如，曠視認為智能座艙會成為大模型落地的重要場景。這首先會帶來感知能力的進一步提升。但落到產(chǎn)品體驗層面，更重要的還是決策。
比如智能汽車的底盤、空氣懸掛、剎車系統(tǒng)、車窗、燈光氛圍，幾乎所有東西能被控制。但是，這么多東西都用觸摸屏、語音的方式進行交互嗎？顯然不可能。
曠視基于AI生產(chǎn)力平臺Brain++的能力，未來會聚焦于智能座艙的決策引擎。同時，結合在芯片、軟件算法方面的能力，形成覆蓋感-知-決的智能座艙產(chǎn)品體系。
而在基礎的在“感”和“知”上面，曠視目前已經(jīng)擁有相對成熟的產(chǎn)品積累。例如IMS雙光融合傳感器，以及在“知”上面的DMS/OMS SDK等。
曠視做智能汽車的邏輯
智能汽車賽道之所以火熱，是因為智能汽車本身就是AI能力的綜合載體，又是一個融合了汽車工業(yè)和科技產(chǎn)業(yè)，“含金量”無法估量的大賽道。
這是不能錯過的商業(yè)前景。有實力的AI玩家，幾乎都時不我待的投身其中。
另一方面，無論智能駕駛和智能座艙，計算機視覺技術都是重要基座。
2006年Hinton提出深度學習。包括曠視在內的第一批AI創(chuàng)業(yè)公司，都敏銳地抓住了深度學習和計算機視覺技術結合帶來的機會，并為它們找到了合適的落地場景。
比如曠視的三大業(yè)務場景：消費、城市、供應鏈。這些業(yè)務成了曠視成為平臺型AI“巨頭”的支柱，計算機視覺技術也成為了曠視自身優(yōu)勢的來源。
所以，于時勢、于商業(yè)、于技術，曠視入局智能車，只是個早晚問題。
一直在等待的，是合適的時機和人選。
從早期的輔助駕駛技術開始，主流的技術路線一直是“雷達+視覺”。
而且因為早期深度學習算法還不成熟，彼時視覺數(shù)據(jù)只是作為輔助，智能駕駛絕大部分功能，依賴毫米波雷達。
但毫米波雷達本身存在局限：精度有限、缺失物體高度信息，以及最致命的，是對靜止物體感知不佳。
所以曠視認為，基于RV（雷達+視覺）的傳統(tǒng)算法，是不可能解決高階智能駕駛問題的，而自己的優(yōu)勢又集中在計算機視覺算法，因此一直選擇觀望，等待一個技術層面的突破。
直到2020年，特斯拉首次提出BEV算法，并且成功用8個攝像頭的數(shù)據(jù)實現(xiàn)了NOA功能的演示，純視覺路線的一扇窗突然被打開。
BEV+Transformer的技術路線，跟曠視長處完美結合，于是開始迅速跟進。并且明確以商業(yè)化落地為目標確定研發(fā)方向：
目前的智能汽車L2以下基本上是標配?，F(xiàn)在的重點，是在L2到L3之間。曠視判斷接下來兩三年的時間，高速NOP肯定會快速普及。
阻礙高階智駕方案落地的，首先是性能，第二是成本。曠視所有的技術研發(fā)都是基于這兩個方向展開的。而體驗好、成本低的高階智能駕駛產(chǎn)品，必須要有非常強的AI能力支撐。
同時為了支持智能車業(yè)務，曠視組建了一支數(shù)百人的團隊，其中超過2/3是研發(fā)人員。
帶領這支隊伍的關鍵人物劉偉，曾擔任SAP全球副總裁，微軟渠道事業(yè)部總經(jīng)理。有消費電子、車載AI方案、智能傳感器、計算芯片等領域豐富的落地經(jīng)驗。
這也符合曠視一直以來具體業(yè)務落地的風格——尋找一個有行業(yè)背景或商業(yè)化knowhow的高管。
所以曠視進軍智能車業(yè)務的邏輯，可以簡單總結為這樣的一句話：
這件事有前景，自身技術實力又有積累，現(xiàn)在產(chǎn)業(yè)鏈條件剛好又足以支撐“極致性價比”的產(chǎn)品策略。
智能車業(yè)務亮相，重估曠視
曠視智能車業(yè)務亮相，對于這個行業(yè)來說是一個明顯的轉折點。
從透露的智駕方案配置來說，曠視首次把高階智駕功能，標配給10-15萬入門車型。
這是全球智能汽車產(chǎn)業(yè)L2+功能普及的開端，也是汽車工業(yè)智能化革命更加深化的標志。
另外，曠視將高階智駕門檻降得前所未有的低，性價比做的前所未有的高，以及把這條賽道的技術天花板，拉的史無前例的高。
這意味著，一輪更加劇烈的行業(yè)內卷已經(jīng)開始。
有利于技術迭代推陳出新，有利于用戶消費體驗。
而對于曠視自身的發(fā)展來說，進軍智能車，也釋放了新的信號。
曠視在過去，一直聚焦在AIoT領域。在消費物聯(lián)網(wǎng)、城市物聯(lián)網(wǎng)和供應鏈物聯(lián)網(wǎng)三大場景展開落地。
這些業(yè)務場景，都以計算機視覺技術作為依托，這也是曠視創(chuàng)業(yè)的根基。
而在12年之間，曠視除了在算法層面深耕，更重要的的是積累了AI生產(chǎn)工具和“方法論”，實現(xiàn)快速生產(chǎn)、敏捷開發(fā)。
這是一種更廣義的AI技術“泛化”能力，即把相同的算法軟件框架，快速應用到不同的場景、行業(yè)和產(chǎn)品形態(tài)上。
不一定是簡單的核心算法通用，更重要的是算法生產(chǎn)工具，平臺工具鏈發(fā)揮作用。
所以理解曠視入局智能車，不能簡單的把它作為一個智能駕駛技術供應商，而應該縱向連接起它的歷史——
曠視一直是一個以算法為基礎，軟硬一體為核心的智能機器人公司。
智能汽車，是一個控制維度最少（橫縱兩向），目前產(chǎn)業(yè)化最成熟的“機器人”罷了。
事實上，曠視、大疆、商湯這類“平臺型”AI公司，業(yè)務順理成章延伸到智能汽車，也是某種意義上AGI的萌芽和開端。
曠視科技，毫無疑問是中國乃至全球最具價值的AI視覺公司之一。
而現(xiàn)在，加上自動駕駛場景，智能車業(yè)務……曠視，到了該被重估的時候。
下載ECAD模型
