来源:汽车产业上市公司研究 | 首图图源:网络

全文 1500+ 字，预计阅读 10-15 分钟

Q:分价格段来看，BEV+Transformer 架构更加成熟后，硬件成本可能会进一步下降，要 25 万元、甚至 30 万元以上车型才能看到一些 L2+级别的辅助。未来 L2+有没有可能进一步渗透到25 万元以下、甚至 20 万元以下的车型上？

A:这是一个必然，L2+的车型，能够附带无图 NOA，有强视觉的算法支撑必须要达到 20 万元以内，在最近两年就可以实现，甚至在十六七万的车型也会逐步看到这样的产品落地。这样硬件层面就会有很强的竞争优势，比方说激光雷达的减少取消，毫米波雷达从 6R、5R 方案变成 3R 或者是更少的数量，前雷达增加 4D 成像雷达。在行车和泊车方面需要 6 到 8 颗摄像头，但是很多车厂目前还在增加摄像头数量，有的有十几颗。因为摄像头可以分组，如果不分组，6到8颗已经足够覆盖全方位了。

域控需要一个强大的控制器，这个控制器需要有高算力芯片支持，最好是异构式架构的芯片。比如芯片里同时有加速器、传统的高算力CPU、GPU、负责安全领域执行命令的区块。短期内会有十五六万级别的车落地，虽然这种NOA不会像L2.99，但完全可以在城市内以较低速度比如60km/h以下执行一些动作，像左转、变道、进出环岛和匝道。目前这些操作有很大的机会实现。

Q:车路协同和无图是不是对立的两个概念？未来算法更成熟，是不是就不太需要考虑车路协同的问题了？

A:不是这样的。车路协同是指在路边建立传感器设备、RTK基站或传统的5G基站，用于为行驶的车辆提供短距离超视距的信息。比如说，在十字路口或环岛等复杂场景下，由于车辆的视距有限，驾驶员可以根据自身的听觉和感知能力来预判交通情况，如判断对面的相位是否为绿灯，从而作出相应的驾驶决策。但当垂直路段有快速行驶的消防车或救护车时，车辆本身可能无法及时察觉，因为这些车辆超出了车的视距范围或因遮挡而看不见。但这些特殊车辆会发出特殊的信号，如声音等，通过路边的基站、雷达或摄像头收集这些信息并进行处理，将相关信息传递给附近的车辆，例如，在路口等待左转的车辆就可以根据收到的信息做出相应的行为。这是车路协同的作用。

高精度地图主要是由3D点云数据构成，这些点云数据是车辆在驾驶经过某一路段时采集得到的。在行驶过程中，车辆通过实时扫描周围环境，并将扫描结果与预存的3D点云进行匹配，如果匹配成功，则形成一个Freespace自由空间，车辆可以继续行驶。如果匹配不成功，则需要进行进一步的探测工作。高精度地图还包括滤波和定位算法，是服务于单车的智能驾驶，而车路协同则是服务于整个社会环境，这两者是不同的逻辑关系。

Q:20万元以内的车需要取消激光，用4D毫米波做前向雷达。那么30万元以上的车型是否还会保留激光雷达，用来保证L2或者L3级别的驾驶能力？

A:对。公司希望技术落地能在车辆不同价格区间，进行更强的渗透，尤其是这些功能的渗透，但是如何实现功能则待后续确定。20万元，只能通过非激光雷达的方式来实现，毕竟激光雷达以及高精地图的成本，每辆车都要1,000元的License，价格比较贵，时不时还要更新这些东西非常耗成本耗人力。但28到30万元以上的车，并不是单纯的实现城市NOA，要实现得更好。20万元以内的有一定速度限制，但是30万元以上的速度限制级别就会更高，可能从55公里每小时升到100公里每小时。

同时30万元以上可以做很多的特殊的CornerCase，让车主重新回到驾驶职责中的概率也会更低，释放驾驶员的概念做得更好。另外视觉雷达、毫米波雷达以及激光雷达各有各的优点，如果能更好地匹配这三者，在提升视觉的情况下，其他两个雷达能够给视觉更好的辅助信息，当然三个都在肯定是最好的。但是很多时候考虑到成本，要进行一些取舍。

Tips：转自网络，大家认同这些观点吗？

<- 联系 & 声明 ->

，安排一下？

智能驾驶专家交流纪要：BEV+Tr­a­n­s­f­o­r­m­er 架构更加成熟后，可能会降低激光雷达和毫米波雷达的搭载量

智能驾驶专家交流纪要：BEV+Transformer 架构更加成熟后，可能会降低激光雷达和毫米波雷达的搭载量