讲述 | 小马智行
编辑 | HiEV
L4独角兽自我造血
小马为什么要做智能驾驶？答案很简单。
2020年下半年，我们内部对技术发展有了新的研判。
高算力芯片的推出、车规级激光雷达量产提上日程。我们认为到2024年，车主用户对于智能驾驶的需求会升级，除了泊车和高速的基本功能外，消费者将会为更好的城区高速泊车一体的辅助驾驶买单。
这些标志性的突破和市场变化，掀起了高阶智能驾驶的趋势。这个趋势一旦开始，就不会停止。
虽然是新玩家，我相信小马具备差异化的优势：
首先，6年超过2000万公里的自动驾驶测试里程积累，涵盖了国内所有一线城市的城区和高速场景，并且拥有极为丰富的场景数据集。在此基础上，小马的自动驾驶算法具备了先天优势。
第二，过去投入大量资源打磨的虚拟司机技术，我们拥有前装量产所需的全栈技术，能以最小成本为客户进行定制化开发。
2021年上半年，纯视觉方案和多传感器融合的辅助驾驶方案相继上路测试；
2021年下半年，Orin域控器样件下线，基于这款域控的高速NOA和城市NOA路测也开始了；
很短时间内，域控制器ADC产品在去年三季度拿下了新石器的定点，开始交付；
2022年一季度，我们开始工具链的商业化探索，然后在四季度拿到OEM的定点；
同时期我们也拿下OEM软硬件一体的定点项目。
最新进展是，今年二季度我们向美团开始量产交付域控制器。
随着三大产品线均取得定点，我们成立了独立事业部运营POV（Personally Owned Vehicle）业务。
小马识途、方载和苍穹，覆盖了智驾软件方案、自动驾驶域控制器以及数据闭环工具链，满足当下市场的大部分需求。
这三大产品线上：
高速NOA加记忆泊车方案会在今年二季度上市，城市NOA加自主泊车方案也会在今年晚些时候推出；
方载方面，我们将提高产能，向多个客户完成域控的量产交付，并开始基于其他芯片平台的域控研发和合作；
苍穹方面，我们将向OEM交付全链路。数据闭环工具链会增加更加灵活选配的工具链产品。
在独立事业部加持下，我们将全力为市场提供高性能、高性价比的智能驾驶量产方案。
相同体验如何做到成本最优，
相同成本如何做到体验最优？
对于这一难点，我们进行了很多思考。
今年1月份，我们公布了小马识途下的三大产品：PonyClassic、PonyPro以及PonyUltra，提供优质的高速NOA、城市NOA以及行泊一体方案。
（编者注，三个高阶智驾方案分别是：
入门PonyClassic，含高速NOA+记忆泊车，6摄像头+1毫米波，算力50 -100T，支持英伟达Orin或地平线J5等，数千元级成本；
高阶PonyPro，含城市NOA+AVP，1激光雷达+5毫米波+11摄像头，算力200T，支持单英伟达Orin-X、双J5等；
顶配PonyUltra，含超级城市NOA+AVP，3激光雷达+5毫米波+11摄像头，算力500T，支持双英伟达Orin-X、地平线J6等。）
我们的目标是从低算力低成本到高算力高成本，每一种预算区间，小马识途都有对应价位的最优方案，可以根据客户需求进行灵活配置。
我们追求方案能做到和人类司机同样甚至更强，而且是可控的能力，并非追求在某些场景下的自动驾驶但在大部分场景下表现及格甚至不及格的水平。
对于还无法做到人类司机水平媲美的场景，我们采取人机共驾或者提示驾驶员手动驾驶的方式，提高用户体验，提升安全性，明确边界，为用户与社会负责，安全、舒适、通行、高效。
成熟的自动驾驶系统，一定要能够兼顾安全、舒适以及通行效率。
「去高精地图」的秘诀
目前业界最热的话题，就是在量产辅助驾驶中移除对高精地图依赖。移除高精地图依赖，不仅能显著提高产品可能覆盖的区域，也有助于降本。
我们并不是简单通过“重感知轻地图”来移除对高精地图的依赖。
我们认为，不可能只依靠感知结果来取代高精地图，而是所有模块都需要同步提升。
感知模块，要更准确地识别道路元素及道路环境，引入可通行区域；
预测模块，在道路环境元素识别不充分，识别距离不够远的时候依然需要预测准确；
我们的规控算法借助多年积累，早有应用Freespace通行能力，如修路等施工区域可不看到车道线通行，无车道线的大路口区域，可以根据车轮情况动态选择路线通行。
首先，这些算法本身就可在无高精地图下使用。
最后，没有了高精地图，我们不再需要，也无法做到高精度的绝对定位。而是需要在没有高精地图作为参照的情况下，实现精确的相对定位。
这些技术的背后是小马智行多年的技术积累和目标明确后的快速执行，最终使得我们拥有在无高精地图时也可安全高效通行的辅助驾驶能力。
重构规控算法，兼容无图方案
规控算法是小马智行的核心优势。
为了让我们的规控算法在无高精地图时，也保证同样的水准，我们重新设计了规控架构——全新规控算法NLPP（Navigation Link Path Planning）。
“Link”是电子地图中的专业术语，表示一段道路的数据结构。
高精地图中的车道及数据与导航地图中的道路及数据，有着本质的不同。
基于导航地图道路讯息，结合在线感知信息进行路径规划和控制，这个全新的架构去高精地图的核心技术，使车辆在无高地图时也能在复杂道路环境中流畅穿梭。
同时，新架构兼容高精地图方案，将高精地图语义信息转化为在线感知，识别一致的几何信息，做到两者可以同时维护，后续对算法提升可同时提升有无高精地图的两种场景。
规控算法高度复用，
保障不同模式下体验一致性
我们的辅助驾驶系统不强依赖高精地图，可实现全场景连贯体验。
研发过程中，我们也不像传统的做ADAS升阶的供应商，先有基础的ACC、LCC功能研发，然后再做NOA。
而是直接从L4降维，复用一套算法同时研发的三种功能：
比如在ACC模式下，规控算法和LCC、NOA是保持一致的；
在LCC模式下，横向的规控算法，比如隔壁有大车或者前方有施工需要绕行，车辆行为是和NOA一致的；
在NOA模式下能自主变道，在LCC下可以拨杆变道，一旦决定变道，复用同一套变道算法。
这一切都是基于新的NLPP架构，不强制依赖高精地图，在任何区域都运行我们的规控算法，才能做到同样的极致体验。
基于对自动驾驶的多年的思考和实践，再加上目前量产辅助驾驶领域的算力芯片、传感器选择多样性，我们设计的伸缩网络架构，一套多任务、大模型BEV算法架构。
可基于不同算力平台，灵活调整网络大小以及对应的资源消耗率。
更高的算力，可识别更多的静态元素类型、更多的动态障碍物分类，和更好的识别范围。
在每种算力下，我们都将性能和体验做到其算力的极致，多种算力下的模型共同维护，每次模型迭代可提升所有文件配置的感知性能。
结合小马智行之前在L4激光雷达感知算法方面的多年积累，L4感知算法的开发、离线的感知大模型的识别结果已经可以媲美人类标注员水平，从而可以直接用于数据采集，数据的全自动化标注，上万倍提高标注效率。
从公式看很复杂，但它表达意思非常简单。
数据是非常重要的，但随着数据量增大之后，边际效应会明显下降。在这时候，新场景比新数据更重要。
高价值的数据占比在数据量增加的时候会非常低。与此同时，算法与数据同等重要，没有好的算法，数据无法发挥其价值。
如今，越来越多的车辆也可以采集数据，但好的算法依旧稀缺。
而好的算法正是小马智行的强项，是我们深耕自动驾驶技术多年最宝贵的积累。
方载、苍穹，已向客户交付
目前方载也推出了三款域控制器，分别是单Orin液冷版、单Orin风冷版和双Orin液冷版。
从产品设计上，方载产品将面向两类使用场景：
第一类是智能辅助驾驶，包括城市NOA、高速NOA泊车场景。
第二类是低速无人驾驶，包括无人配送、环卫、港口、矿机等场景。
方载与市面产品相比，小马硬件团队有全栈研发能力，能一站式解决客户需求，提高交互效率。
我们深刻理解自动驾驶真实需求。在面对高算力芯片时，方载精通软硬件联合调优，不浪费一分一毫的性能。
我们的六年研发积累，如何体现到方载产品中？
第一，在前期设计时，研发团队会充分利用仿真工具提前识别设计风险。
第二，在业务上的过程中，成立了独立的质量团队，严格执行APQP、PPAP等汽车行业质量管理流程，确保放在从研发到交付全过程的高品质。
第三，域控的产线和交付能力，采纳高效的代工模式，选择历史悠久的优质代工厂，利用其强大和稳定的供应链资源，保证生产供应和成本持续下降。
另一方面，代工厂会在设计早期就参与开发过程，确保生产和测试的可行性。通过透明的生产管理系统，保证域控制生产过程可监控和原材料可追溯，保证交付质量，让客户更添一份安心。
苍穹产品包含三大模块：
车路协同大数据平台；
云端大规模仿真平台；
配套服务。
通以上种种的努力与打磨，苍穹工具链目前已经落实了客户合作，也希望在未来能够服务赋能更广泛的客户群体，助力自动驾驶智能驾驶研发效率的跨时代提升。