比亚迪靠什么才能成为自动驾驶第一梯队？

不久前，随着小米SU7和腾势N7先后发布，“自动驾驶第一梯队”正式成为车圈新标配。他俩一个发誓今年一定会进入自动驾驶第一阵营，另一个则立出比亚迪要稳居第一梯队的FLAG。

有人质疑小米，更多人则是怀疑比亚迪。毕竟就在去年，船夫哥可是亲口说过“自动驾驶都是忽悠，都是扯淡，是被资本裹挟”这句名人名言的。

小米的自动驾驶水平到底如何，这里暂且不议。我好奇的是，比亚迪是否真的进入自动驾驶第一梯队了？

我们先把这个大问题拆解成三个小问题：什么是第一梯队的首要判断条件；通过怎样的技术可以达到这些条件；比亚迪会用哪些技术或者功能体验？

其实在过去的3年里，自动驾驶第一阵营的判断条件已经发生了好几次转变。

2021年是将高速NOA作为第一阵营的判断条件。

当时，蔚来于2020年10月份首个实现高速NOA。2021年，小鹏和理想也都在高精地图的帮助下，迅速开通了高速NOA。

2022年开始，标准渐渐变成城区NOA。这一点，小鹏和华为先后达成，自此树立了国内智驾双领头羊的格局。

2023年下半年起智驾竞争陡然加速，大家又开始卷量产城区NOA。各家开城的数量从10城、50城到100城不等。最后还是华为先甩王炸，实现全国都能开。

所以，能不能实现全国都能开的城区NOA，成为今年各个车企在营销层面的第一梯队判断标准。

目前，宣布要在年内实现全国都能开的车企有：蔚小理、华为系、百度系（极越），以及刚刚推出SU7的小米，和企图在用户认知上后来者居上的比亚迪。

但不少专家认为，包括特斯拉在内几乎所有车企，把“高阶智驾全国都能开”的时间表都定得有些过于乐观。因此，从真正技术层面讲，判断标准也就是2022年的1.5版本，即“大规模量产城区NOA”。

所以第二个问题就变成了：通过什么技术实现城区NOA大规模量产？

大鹏老师说过，解答问题的关键是要找到关键的问题。

按照感知、决策、执行的认知方法论，自动驾驶系统的关键问题就是感知。对于城区NOA，自动驾驶系统的感知要实现三大作用：识别动态目标、识别道路拓扑、识别信号标识。

图片来源：小鹏汽车

尖子生华为其实给出过更加容易理解的标准答案：“看得懂物，看得懂路”

“看得懂物”指的是能够识别道路上的交通参与者；“看得懂路”指的是能够推理出道路拓扑。

图片来源：华为

于是，交通参与者和道路拓扑共同构成了车辆行驶的交通场景。

对车辆的驾驶行为而言，“物”指的就是障碍物。

包括可以被车端神经网络识别的车辆、行人这类白名单障碍物，以及各种长尾事件中，那些无法被神经网络识别的通用障碍物。

“路”即道路拓扑。

道路拓扑则是一个比较宽泛的概念。它包含了车道交通类型、功能类型、道路设施、路面标线、标线类型、车道数量、道路曲率、坡度、地标性建筑、护栏、信号灯等各种丰富信息，把这些信息归类成不同主题的道路特征，同类道路特征便是所谓的“图层”。

对“物”和“路”的感知，现在一般是通过三大技术联袂实现：BEV（即Birds-Eyes-View，鸟瞰图）、占用网络（华为GOD 2.0的本质）和道路拓扑推理网络（就是小米汽车的“道路大模型”）。

图片来源：小米汽车

所以，BEV+占用网络+道路大模型是实现城区NOA的必要条件。而这些车企所拥有的泛化能力，则决定能不能量产。

营销可以吹牛皮，但做技术需要脚踏实地。

个人预计，起步晚、发力时间短的比亚迪，大概率是要借助外部Buff，才能实现泛化能力较强的BEV+占用网络+道路大模型。

而这第3个问题等价转换一下，就相当于“在高阶智驾的功能体验上，比亚迪要加入哪些Buff，才能更快更好更高效的追赶华为和蔚小理？

稍微留意一下小米智能驾驶的三大技术图就会发现，“道路大模型”的作用，是实时生成效果媲美高精地图的道路拓扑。

这就意味着，如果有地图加持，即便车端感知能力不是那么强大，同样可以生成满足高阶智驾要求的道路拓扑。

所以理论上说，最省时省力的做法就是高精地图。其原本就是智能驾驶系统的一类感知传感器，无需车端感知和推理，就可以直接给出道路拓扑。

但从实践上看，即便比亚迪能轻松负担高精地图的成本，可目前高精地图目前的覆盖率，是无法满足量产乃至全国都能开这项要求的。

普通导航地图覆盖率是很高，使用成本只需要一年几十块钱，它提供的信息却少得可怜。

既然甘蔗没有两头甜，那么可不可以啃中间？有没有既要又要还要全都要的中间路线？

答案当然是有的。

事实上，这几年国内头部车在摆脱对高精地图依赖的过程中，已经产生了各种各样介于普通导航地图和高精地图之间的“轻量级高精地图”。

通过字面意思，大家也能明白，就是提供的图层信息比高精地图少，但比普通导航地图多——的地图。

比如蔚来的心愿单和群体智能，本质就是通过众包建图的方式，生成心愿单路线上的轻量级高精地图；类似的还有理想汽车通勤NOA，也是针对用户固定的通勤路线进行地图的采集和制作。还有在各个智驾企业的宣传中出现的“定制”导航地图，本质上都是一种轻量级高精地图。

这里，就必须要说到众包地图——正是比亚迪目前拥有的最大优势，毕竟几百万新能源销量成绩单摆在那里了。

和智能驾驶算法模型的迭代不同，制作这种地图，并不需要所有车型都部署上同样规格的传感器。所以，无论车载摄像头是800万像素、300万像素还是200万像素，都不会影响最终地图的生成。

因此，在众包建图的助力下，即便比亚迪的车端感知算法能力暂时不那么强大，一样可以实现比较准确的道路拓扑推理。

说完“路”再讲“物”。

众所周知，对于物体的识别，激光雷达是一个非常有用的拐杖。尤其是在视觉神经网络还没被训练地非常强大的情况下，它可以更好地感知交通场景中的障碍物。也难怪前几年国内不少车企疯狂堆激光雷达，只为实现高阶AEB。

对于比亚迪，在纯视觉感知算法能力还没有追上来之前，通过激光雷达辅助车端感知能力，是一种非常理性的做法。比如利用激光雷达真值，来加速纯视觉感知神经网络的训练已相当纯熟——国内有蔚小理华，国外有过特斯拉。

更重要的是，激光雷达的成本，比亚迪是真有能力通过其他形式来有效分摊。

图片来源：速腾聚创

记得雷军在小米SU7发布会上讲过这样的话：“虽然小米的百公里电耗水平不及特斯拉，但是小米可以堆电池，实现比特斯拉更高的续航。”

这背后反映的，其实是从参数优先到用户体验优先的思路转变。

而刚刚宣布退出造车业务的苹果，也给行业留下过这种产品理念：不要卷参数，要卷就卷用户体验。

我们也可以将这种理念，套用在比亚迪的高阶智驾上——在当下这个时间点，不必追求纯视觉、无图这类“参数”。只要用户的功能体验足够好，价格合适，车企用不用轻量级高精地图、用不用激光雷达都不重要。

所以在追赶华为、小鹏的过程中，比亚迪只要暂时用上激光雷达和地图这两根拐杖，向用户兑现城区NOA，成为头部智驾车企这个FLAG，就能立住。

但这背后，依旧要牵扯到成本控制问题。

理论上来说，经过这几年的价格战和大规模量产车端，高线数车载激光雷达的价格，已经落到3000元左右，再加上比亚迪的采购规模，应该能拿到更低的上车价格。

再加上比亚迪强大的垂直整合和成本控制能力，的确是可以在其它方面消化掉激光雷达带来的成本压力。

事实也的确如此：早在去年7月，比亚迪就已经成为全国首个获得L3级测试牌照的汽企。今年年初，王传福也宣布要在年内，推出超过10款搭载激光雷达的智驾车型。

比亚迪这家将追求极致成本控制刻在骨里子的车企，已经开始用成本换时间，疯狂追赶那些头部智驾车企了。

这里，我再做一个合理推断：如果激光雷达的价格能再好些，应该不会车企会拒绝它，包括特斯拉。