" 恐怖谷 " 這個概念，出自于上世紀 70 年代，是由機器人專家森政弘提出來的。
他是這麽形容的，" 當機器人與人類的相似度達到某特定程度時，人類對其反應便會突然變得非常負面和反感。當機器人和人類的相似度繼續上升，人類對其反應會再度回到正面。"
在自動駕駛這一賽道上，也有 " 恐怖谷 " 的說法。
當前的自動駕駛，奔湧向前，但宣傳口和技術口并不匹配。具體點說，實際處于 L2 級的自動駕駛，已經具備了 L3 或 L4 的部分功能，但整個系統的能力又達不到。
在這種情況下，宣傳口又非常容易 " 越界 "，一波激進的操作，傳遞到用戶那邊，極容易被放大一些功能，卻忽略一些風險。
但真正去用的時候，又覺得 " 不好用 "，落差很大。" 有點像人在開車，卻又非常讨厭讓它來開 "，人會覺得不安全、不舒心，反而有驚吓。
這個過程可能有些漫長，我們又該如何度過呢？我們看到了走出 " 恐怖谷 " 的曙光嗎？
01
" 問界現象 " 的啓示
最近幾天，問界很火。一整個長假，聽到最多的就是 " 遙遙領先 "。
有一個最樸素的觀察，原本以爲 " 遙遙領先 " 四個字是 " 數碼圈 " 和 " 汽車圈 " 的專屬，但回老家才發現，" 遙遙領先 " 已經入侵了爸媽的社交圈。
線上無孔不入，線下同樣兇猛，問界 M7 截至本周一大定數預計有 5.5 萬單，而到本周末，有可能沖擊到 6 萬單。
問界 M7" 起死回生 "，有一個原因值得注意，華爲的智能輔助駕駛系統悄然走紅。
但走紅的背後，不是因爲它多麽高階，如何在城區智駕中大顯身手，反而是因爲銳化了 " 安全 " 這個詞。
很多用戶相信，華爲智駕比人駕駛更安全，尤其是一些突發情況，比如走神了，這個車真有可能幫你緊急刹住。
安全，成爲智駕的 " 超級符号 "，其實有點詫異，因爲這個需求很樸素，似乎與智駕前衛、科技的光環不相搭。
但又覺得恰在情理之中，因爲智駕而選擇一款車的理由可能靠後，但因爲安全而選擇一款車的理由就靠前了。
自動駕駛希望走出 " 恐怖谷 "，讓更多的用戶欣然接受，并真正開始普及，或許，先不必談接管次數、開放城市、雷達數量，将安全這個場景演繹能做好，大概就可以讓不少用戶樂于買單。
宣傳的側重點，俨然需要變一變了！
好消息是，在問界 M7 這款車上，确實有更多用戶願意選擇智駕版本，這個比例或許要達到 6 成了。
無獨有偶，在小鵬 G9 的大定訂單中，超過 80% 的用戶選擇了 MAX 版本。也就是說，每賣出 5 輛 G9，就有 4 輛标配城市 NGP 高階輔助駕駛。
無論青年、中年群體，開始有更多的人接納智能駕駛了。
02
成本，仍是一道枷鎖
9 月 11 日，工業和信息化部裝備工業一司副司長郭守剛在 "2023 世界智能網聯汽車大會 " 新聞發布會上透露：今年上半年，我國搭載輔助自動駕駛系統的智能網聯乘用車市場滲透率近一步提升，達到了 42.4%。
大家總說，汽車的上半場是電動化，下半場是智能化。現在看來，智能化滲透率之快甚至要超過新能源的滲透率。
這場 " 球賽 " 必須得踢，而且還要踢得漂亮。
小鵬 G9、問界 M7 的 " 起死回生 " 之術，不能說完全由智駕推動，但這兩家品牌的智駕實力，确實功不可沒。
再往下走，多家車企都公布了自己的 " 智駕開城計劃 "。這場浪潮還要繼續奔湧的話，必然要真正越過成本這道大關。
解決了成本問題，才能解決普及問題，而智駕普及是穿過 " 恐怖谷 " 的前提。
就自動駕駛系統而言，主要有 3 個組成部分：感知、規劃、控制。
感知部分，經常會提到各種傳感器（攝像頭、激光雷達、毫米波雷達、超聲波傳感器等等，如今又衍生出了 4D 毫米波雷達），主要是對周圍環境進行感知，并且轉化爲數據和信息。
最初，國内的自動輔助駕駛技術大多依賴高精地圖和激光雷達。一些車企也把激光雷達當作智能駕駛的 " 入場券 "，搖旗呐喊。
一時間，激光雷達炙手可熱。今年 2 月，激光雷達的頭号玩家禾賽科技在納斯達克敲鍾上市，2023 年第一季度營收 4.3 億，已是較爲可觀了。
但激光雷達還是貴了！
參考沙利文咨詢公司的數據，機械式激光雷達的價格預計将從 2021 年的 5500 美元均價逐步下降到 2027 年的 2500 美元；MEMS 和 3D Flash/OPA 激光雷達（去機械化）将從 2021 年的 1000 美元均價下降到 2027 年的 500 美元；FMCW 激光雷達将在 2025 年首次上車，均價将從 2025 年的 1000 美元下降到 2027 年的 500 美元。
但你仔細看了，比較明顯的降幅預計在 2027 年發生。即使如期下降，激光雷達仍是很貴的一個零部件。
而且，激光雷達到底用沒用上，用了多少，這是又一個話題了。但行業裏已有觀點 " 冒頭 "，激光雷達在智駕中的重要性正在弱化，會僅僅擔當 " 驗證真值 " 和 " 盲區補盲 " 的作用。
智駕系統的成本一定要降，踢館的選手也接踵而至。
低價位的平民車型上，逐漸出現了好用的 L2 級智駕解決方案。比如，宏景智駕宣布隻用攝像頭和超聲波傳感器就能實現 L2 級輔助駕駛，成本還很可觀，隻要 2000-3000 元；而大疆和五菱的組合，更把智駕戰場拉到了 15W 以下的價位。
至于特斯拉，一直奉行低成本解決方案。早在 2021 年，它就幹掉了北美市場部分車的毫米波雷達和超聲波傳感器，采用純視覺的智駕方案。
行至此處，行業也在不斷反思，堆砌硬件、設法融合，到底是不是過頭了？
原來的邏輯很簡單，在行業初期，車企爲了盡快布局、市場搶位，硬件堆滿，必然頗有故事可講，尤其擔心某個傳感器失效，至少其他傳感器也可以産生數據。
但這麽多年實踐下來，堆料并不意味着 " 本事就大 "，反而，傳感器一多，融合的難度更大了。
再說回 " 根兒上 " 的成本問題，它正驅使着部分車企逐漸舍棄價格昂貴的激光雷達，往純視覺方案轉向，但這對數據處理和算法設計的要求俨然更高了。
03
路線之争，還沒有終局
就這麽短短幾年，自動駕駛發展很快。回顧三年前，設定導航、自動變道的高速 NOA 還是稀罕物，再看看今年，已經開始推廣城區智駕，" 無圖 "、" 開城 " 皆是火熱的賽道。
我們關于自動駕駛的知識，也需要不斷更新了。比如，激光雷達、攝像頭的路線之争，還在繼續，但也不像幾年前那般完全笃定了。
最終的答案，還不見終局。
至少，大家開始關心更深處的決定因子，比如對算法的叠代，哪怕是宣傳口，也開始踏足這個不太能給用戶講明白的内容。
這說明，自動駕駛開始進入 " 深水區 " 了。
目前，就自動駕駛系統而言，分化出 2 大技術路線：模塊化和端到端。
模塊化設計将自動駕駛拆分爲衆多模塊，每個模塊的算法不盡相同，基于規則的代碼程序控制，或者由訓練好的機器學習或深度學習模型控制。
這就很考驗算力和算法，在車輛行駛過程中，實際情況非常複雜，限制條件很多。當越來越多的模塊采用深度學習網絡時，将徹底引爆計算需求，這幾乎是一片填不滿的 " 算力海洋 "。
而端對端将自動駕駛當作一個整體，并不切分模塊，可以做到将感知、規劃和控制一體化。
傳感器采集數據信息傳送到神經網絡，神經網絡直接輸出自動駕駛的指令。
前段時間很火的 ChatGPT，就是一個典型的端到端的例子，輸入語句，直接就得到答複。
也就是說，端對端相當于一個聰明的大腦，但是天才也需要努力學習，才不緻于 " 傷仲永 "。
對于自動駕駛來講，想要得到精确的處理結果，前期就需要海量的數據來進行深度學習。
看罷前面的描述，至少有一種感覺吧？" 端到端 " 更簡潔，既節省計算資源，又消除級聯誤差，多個小模型，最終變成了一個大模型。
能實現這種跨越，BEV+Transformer 起到了關鍵作用。
BEV 是鳥瞰圖，說得直白些是 " 上帝視角 "，由此具備了深度信息，相較于平面 2D 圖，所承載的信息更加豐富，可以将圖像空間 " 翻譯 " 到向量空間。
再加入 Transformer，可以按照時間序列，給不同的特征和信息賦予權重，更好完成比對多路攝像頭的特征，以達成一緻的結果，借此實現更準确的感知識别效果。
BEV+transformer，已經能形成高質量的 3D 感知結果了。而這種優質的原始數據，才讓 " 端到端 " 落地成爲現實，也使得高精地圖成了舍棄的對象。
是的，從有圖到無圖，就這麽快速扭轉了認知。當然，成本也降低了。
下一個要舍棄的會是激光雷達嗎？occupancy 占用網絡可識别異形物體，似乎也讓這種可能性成爲現實。
但激光雷達的 " 下車 " 會比較遙遠，因爲它像 " 多一個安全氣囊 " 一樣，在用戶心智中，正與安全牢牢地綁定在一起。
前文也說了，智駕普及的一種方式，就是講安全。安全，更易動人心。
冒然砍掉激光雷達，絕對是冒險行爲。除非，技術真的再突破，又經曆一輪心智建設，以場景力證的方式，告訴用戶，原來不用激光雷達，同樣是那麽安全。
但不必着急了，如果技術達到了，輿論扭轉并不難。況且，激光雷達也能做 " 溢價 " 款型，倒也不是沒有故事可講。
前幾年，智能駕駛，還像是 PPT 演練。今年開始，智能駕駛已漸成氣候，真正從空中樓閣朝着購買動因做轉變。
比起今年常規的降價促銷，這張技術牌，倒是給各位廠家提供了不錯的新思路。
