圖片來源 @視覺中國
文 | 汽車像素，作者 | 張家磊，編輯 | 冒詩陽
11 月 28 日，智界 S7 正式上市。作爲華爲與奇瑞合作的首款車型，從誕生之初便引起了不小的關注。值得注意的是，這款車與問界 M5、M7 一樣，都隻裝配了一顆激光雷達。
在高端車型上将激光雷達數量減少至一顆，說明在華爲的智駕方案中，單激光雷達已然足夠。從 2022 年首次有合作車型上市以來，華爲智駕方案的激光雷達數量從三顆逐步減少至目前的單顆。與此同時，華爲智駕方案也經曆了從 ADS 1.0 到 ADS 2.0 的演變。
華爲的選擇，是智能駕駛終于走出堆料時代的一個縮影。本文詳解華爲的智駕方案，以及 GOD 網絡可能的技術原理。硬件方案上 " 靈魂減配 " 的背後，華爲智能駕駛同樣面對傳感器融合的難題，尤其以激光雷達和攝像頭的融合挑戰最大。
11 月 26 日，華爲智能駕駛核心業務将建立合資公司的方式曲線實現 " 獨立 "，那麽 ADS 2.0 方案，真的成熟到可以獨自成長的地步了嗎？
華爲智駕硬件的兩次 " 減配 "
從華爲智駕到鴻蒙智行，華爲的智駕方案經曆過從 ADS 1.0 到如今 ADS2.0 的演變。1.0 時代，智能駕駛的未來路線還不太清晰，從各種傳感器到高精地圖，華爲可以說把能想到的都用上了。
比如在 2022 年 4 月首次合作推出的極狐阿爾法 S HI 版上，這款車配備了三顆激光雷達，相似的硬件配置方案，也用在了同年 8 月推出的阿維塔 11 上。
智駕硬件上的堆料，直接推高了車的終端售價，兩款車最終定價都觸及了 40 萬元的高位。但智駕堆料堆出了高定價，堆出了汽車品牌追求的高端産品，卻沒有爲智能駕駛用戶體驗的落地鋪出路來。
包括華爲在内的智能駕駛研發團隊一直沒有解決的一個問題是，這些五花八門的傳感器之間，所面臨的 " 語言不通 " 障礙。
多傳感器的融合是十分困難的，其中最有代表性的就是激光雷達和攝像頭的融合。前者提供點雲信息，後者直接給出圖像信息。
激光雷達的工作原理是這樣的：通過發射脈沖光束，測量光束觸碰周圍物體後所反射回來的時間，由此來計算被測物體的距離。它的好處是精準和适應性強，可以達到毫米級的測距精度。可以在各種環境中使用，包括光照強烈和惡劣天氣。
雖然可以準确的感知周邊環境的三維信息，但激光雷達隻能提供稀疏特征數據，行業裏稱之爲 " 點雲信息 "。而攝像頭卻能直接采集出圖像信息，提供給系統算法，自動分析圖像并識别出其中的各種物體，由此來更精準的做出駕駛決策。
激光雷達與攝像頭的差異
也就是說，激光雷達雖然精準可靠，但無法單獨支撐智能駕駛功能的叠代。如果華爲不想向特斯拉一樣走向純視覺的方案，多傳感器之間的融合，是必須解決的問題。
如何做好傳感器之間的融合一直是個難點。目前行業中探索的主流融合方式之一，稱爲點級，這套方案，需要将激光雷達和攝像頭在車上的位置，進行高質量校準，極其精密的對齊，才能讓兩者的内容完全重合，如此來實現兩組傳感器的之間的 " 硬關聯 "。
但這是一套脆弱的融合方式，如果車輛行駛中産生的颠簸，讓傳感器發生輕微的位移，那很小的誤差也會造成對齊失敗。
此外，這種融合方案會浪費很多數據。比如激光雷達所采集到的稀疏矩陣數據，在與攝像頭這種稠密矩陣數據進行融合的時候，會浪費大量具有豐富語義信息的圖像特征。另外在圖像特征質量比較低的時候，性能會大幅度下降。
今年 4 月 16 日，華爲發布了自己的 BEV+Transformer+GOD 方案，爲如今華爲更成熟的 ADS2.0 方案打下了基礎。與特斯拉的純視覺不同的是，華爲在傳感器硬件上，依然保留了一顆激光雷達，采用的是多傳感器融合的方式。那在這個方案之中，華爲是如何解決激光雷達和攝像頭的融合問題呢？
對于 GOD 技術的細節，華爲沒有做特别詳盡的解釋。但我們在 2022 年華爲與香港科技大學、香港城市大學發布的這篇論文裏，可以看到華爲解決激光雷達和攝像頭融合問題的一些可能的方式。
首先通過激光雷達的點雲數據，初步獲得行車環境的特征圖，再基于特征圖，用 Transformer 結構的解碼器，預測一個初始邊界框，大概的将行車環境中，所需要注意的物體框選、标注出來，得到含有距離信息的邊界框。
到這一步，系統仍然處理的是激光雷達所采集到的信息，處理完激光雷達的信息後，系統會将這些信息投影到攝像頭采集到的圖像上，把 2D 圖像的特征融合進去，給邊界框賦予語義信息。
這裏面很重要的一個工具，是大模型 Transformer，它能夠自适應地尋找 2D 圖像與 3D 點雲的關聯。對硬件的對齊要求也沒那麽高了。
通過 Transformer，華爲可以讓雷達和攝像頭，兩個傳感器之間的硬關聯，變成了軟關聯。這樣就可以得到一個包含詳細距離信息，系統又能看得懂的感知數據了。
爲了提高對小物體檢測的穩健性，系統再次導入整個高分辨率的圖像。通過 Transformer 中的交叉注意機制，以一種稀疏到密集的、自适應的方式将 2D 圖像再次融合。使得系統能夠自适應地确定，應該從圖像中獲取哪些信息，包括信息的位置和性質。來對之前的邊界框進行增強，讓小物體的識别更加精準。
解決了傳感器融合的問題後，華爲就能讓 GOD 網絡獲取更加豐富的感知數據，能幫助神經網絡模型更好地感知和理解車輛周圍環境。再通過 GOD 網絡自主學習，構建 3D 世界模型。
激光雷達的取舍
華爲爲什麽要大費周章的建立 GOD 網絡，而不是像特斯拉一樣，采用一套純視覺的智能駕駛方案呢？
事實上，華爲乃至整個智能駕駛行業，都沒有停止對特斯拉的學習。
2021 年，特斯拉 FSD Beta 開始采用了一套基于 BEV+Transformer 的智能駕駛方案，BEV 即鳥瞰圖，它就像是爲智能駕駛打開了一個從空中俯視上帝視角，讓車輛能夠把近處的感知統一放到一個平面中。
特斯拉的方案，爲華爲和其他埋頭苦幹的智駕公司，提供了另一種思路，華爲在 ADS1.0 時代，也采用了這項組合技術。
但 BEV 框架還是不能解決所有問題，智駕系統需要先識别面前的是什麽物體，才能做出相應的決策。如何識别前方物體呢，就需要依靠大量的系統訓練，将一個個識别成功的物體，放進智駕系統所建立的 " 白名單 " 中。
可是 " 白名單 " 不足以覆蓋實際交通環境中出現的海量障礙物類型，真正複雜的交通場景下，白名單永遠都填不滿。另外，感知系統隻能識别到之前見過的物體，而沒有辦法識别一些異形的物體。
BEV 視角下的點雲信息
這項技術有一個硬傷，就是鳥瞰圖是一套隻有橫縱坐标的二維圖像，無法在 Z 軸上，感知到高度信息。
也就是說，特斯拉的這套方案可以讓姗姗學步的智能駕駛走起路來，卻還是不能保障走路時不摔倒。
特斯拉很快找到了自己的解決方法。2022 年的特斯拉 AI Day 上，OCC 占用網絡被引入，它通過大量的分析和訓練，将多個攝像頭提供的 2D 圖像信息，在 3D 空間中還原。用無數個小體塊來展現現實世界。
但到這一步，國内智能駕駛方案商卻跟不上了。實際上，純視覺 FSD 真正的難點在于海量的駕駛數據，除了采集數據，更需要一個強大的模型，來對智能駕駛方案進行訓練。
特斯拉自研芯片和 Dojo 模型，外購 GPU 将雲端算力堆到 10 Exa-flops，就是爲了處理大量的傳感器數據，并進行深度學習和模型訓練。
如果國内智能駕駛方案商貿然模仿，自家智能駕駛技術進步速度，可能永遠也追不上特斯拉，華爲不甘心隻當一個追随者。
原本國内的新勢力們解決這個問題的方式是依賴高精地圖。在發現高精地圖因爲成本和更新不及時的問題，而無法長久應用後，大家紛紛開始研發自己的方案，華爲就是其中之一。
華爲所建立的多傳感器融合方案，就是爲了避開特斯拉 OCC 花在将 2D 圖像還原成 3D，所需要的那部分複雜計算。通過加上一顆激光雷達，提供更加詳細的距離信息，華爲降低了數據分析的難度，對雲端算力的需求也相應降低。
此外，在國内複雜的城區路況下，對近距離測距的精準度要求更高，比測試場地中更棘手的 case 多很多。這顆激光雷達就可以對前方障礙物進行詳細測距，再與攝像頭的數據精準匹配，得到更爲準确的數據。并且在暗光、大光比、雨霧天氣這種攝像頭識别不那麽準确的時候，也可以穩定輸出感知數據。
雖然眼下華爲保留單激光雷達的方案，在裝車的硬件成本上，仍然會高于隻有攝像頭的純視覺方案，但研發投入、時間周期，也是需要被計算的成本。
如今，在華爲智駕方案不斷叠代的途中，特斯拉的純視覺方案 FSD 已經很久沒有披露出進展了。也許，融合激光雷達的智駕路線，" 總成本 " 更低。
智能駕駛方案叠代到現在，算法已經不是各家競争的焦點。在數據量不足的時候，面對不同城市的複雜路段，難免出現漏洞。如何快速獲取行駛數據，并在短時間内将訓練結果 OTA 到車輛，才是加快開城速度的關鍵。
從競争者蔚小理的部署情況來看，也許明年，輔助駕駛的數據競争賽，就要正式開始了。
與這幾家企業一樣，華爲計劃今年年底開通全國的無圖城區智能駕駛，壓力一點都不小。
按道理來說，輔助駕駛開通之前，車廠都應該用自己的車隊跑一遍，給大模型的訓練一個基礎的數據。但全國都跑的話，需要耗費大量的時間和人力、算力。如果直接開通給用戶，短時間内大量的數據湧入，也會讓華爲不堪重負。優先開通 " 通勤模式 "，讓各地的車主在同一路段反複跑，對大模型反複進行 " 自訓練 "，也許是比較穩妥的方式。
華爲的融合方案，就單車的硬件和計算成本來說，肯定是有所增加的。融合算法必須證明自己在 " 總成本 " 上更具性價比，才有可能被大規模的鋪開。多去路上收集實戰數據持續訓練 AI，才能讓車輛越 " 開 " 越聰明。
華爲打算如何面對這些挑戰，我們也隻能拭目以待了。
