小米城區(qū)NOA，8個月后追平華為？

2021年3月，雷軍推出了小米首款折疊手機MIX FOLD，也正式宣布了要跨界造車，這一年，華為也帶來了Mate 40系列，已經(jīng)成立兩年多的華為車BU，推出了華為乾崑智駕的第一代版本，華為ADS 1.0。三年后，華為智駕版本已經(jīng)迭代了2次，小米汽車也迎來了第一次城區(qū)NOA升級，從實測體驗看，智駕整體的邏輯趨于人類駕駛員，效果似乎非常接近華為ADS 3.0，如果從小米SU7的上市時間開始算，將近7個月，就幾乎趕上了華為在過去一年的迭代水平，那么問題來了，這一次，小米智駕新版本的實力究竟如何？有沒有可能在明年追平華為？

復(fù)雜路口不再保守，但下一代版本細(xì)節(jié)處理會更好？

在聊小米汽車城區(qū)NOA 1.4.0的效果之前，我們有必要先簡單復(fù)盤一番小米汽車的端到端大模型。現(xiàn)階段國內(nèi)幾乎所有涉及高階自動駕駛技術(shù)的車企，都從分段式網(wǎng)絡(luò)切換到了端到端一體式大模型，具體的技術(shù)邏輯這里不再贅述，簡單說，就是不用再給控制端寫代碼規(guī)則，把感知端和規(guī)控端融合成一個大模型，目的就是減少數(shù)據(jù)傳輸?shù)臅r間，在面對發(fā)生過的事情時有經(jīng)驗處理，面對沒發(fā)生的事去學(xué)著處理，這是一個主動學(xué)習(xí)的過程，最終讓系統(tǒng)實現(xiàn)“看到就執(zhí)行”的效果，小米的智駕技術(shù)也是如此。

從底層邏輯看，其實和理想汽車的One-Model結(jié)構(gòu)非常相似，都是端到端+視覺語言模型（VLM），也是用到了2枚算力508TOPS的英偉達(dá) Orin-X芯片。不同的是，小米汽車在BEV網(wǎng)絡(luò)上用到了變焦技術(shù)，也就是可以在感知層面做到動態(tài)調(diào)節(jié)，當(dāng)在比較考驗精度要求的窄路或者停車場時，像素網(wǎng)格大小會調(diào)整到0.05米，而在相對寬闊的場景下，這個尺寸會擴大到0.2米，這也是能夠?qū)崿F(xiàn)雙向十車道無保護左轉(zhuǎn)的基礎(chǔ)條件，理想汽車雖然沒用上變焦BEV技術(shù)，但是基于快慢兩套系統(tǒng)之外，實際上比小米汽車多了一個云端世界模型，當(dāng)系統(tǒng)遇到無法解決的問題時，會將采集記錄后的數(shù)據(jù)上傳，在云端將問題場景進行二次搭建，讓大數(shù)據(jù)分析問題根源之后再針對性進行訓(xùn)練，學(xué)習(xí)后再交給端到端處理，總之三套模型之間是相互輔助的關(guān)系，這兩套智駕系統(tǒng)比起來，在不同場景下都有各自的優(yōu)勢。

在上一代的智駕版本中，有不少車主給到的反饋是，復(fù)雜路口的處理相當(dāng)謹(jǐn)慎，人車混行之下接管頻次較高，其實相比后期對硬件層面的調(diào)整，這類屬于軟件層面的問題通過OTA做優(yōu)化更容易解決，在智駕框架思路確定之后，接下來更多的工作就是不斷再去優(yōu)化細(xì)節(jié)。所以在這一次的新版本中，特意強調(diào)已經(jīng)優(yōu)化了功能升降級邏輯，對車輛和行人的速度檢測也進行了優(yōu)化，目的就是避免再出現(xiàn)遇到人車流量大的交錯路口，系統(tǒng)算不準(zhǔn)合適的起步時機只能主動降級。

在新版本中，多了U型路的掉頭能力，更據(jù)交通信號燈指令能夠自主通行，在無前車的路口也能通過，支持對靜態(tài)占道的臨停車、錐桶、三角架等障礙物繞行，從目前多數(shù)實測的體驗來看，新版本在復(fù)雜路口的通行軌跡和細(xì)節(jié)確實更加趨于擬人化，比如，在變道邏輯中，目前市面上大多智駕系統(tǒng)普遍的做法是，提前開啟轉(zhuǎn)向燈，在合適的契機再插入規(guī)劃道路，而這次小米汽車的新版本，是確保和后車具備安全距離，并確定后車的大致運動軌跡之后，幾乎在執(zhí)行轉(zhuǎn)向的同時開啟轉(zhuǎn)向燈。再比如，在無保護左轉(zhuǎn)彎邏輯中，新版本不會按照前車的運動軌跡跟車行駛，而是會向左多打半圈，繞到前車側(cè)后方的“安全區(qū)”，巧妙的利用前車的位置，躲開了和對向車輛、行人或者非機動車的混輪博弈。

這兩個細(xì)節(jié)的提升，可以說基本解決掉了絕大多數(shù)變道轉(zhuǎn)彎的難題，不過這一代版本也有需要提升的地方，比如，通行效率的優(yōu)化程度還不夠，由于系統(tǒng)在復(fù)雜路口做了較多的安全冗余，整體反映會顯得稍慢一些，在丁字路口已經(jīng)出現(xiàn)合適的起步契機時，系統(tǒng)識別到了后方有正在移動的障礙物，所以還在考慮是否繼續(xù)行徑時的幾秒鐘，錯過了本可以直接通行的機會，盡管在復(fù)雜路口系統(tǒng)降級的次數(shù)變少了，但通行的效率依然不夠高。

另外，當(dāng)行駛至道路中央有靜態(tài)車輛占道時，系統(tǒng)并不是全部都會采取繞行，即便是道路劃線非實線，系統(tǒng)也會提示需要接管，但是在變道、轉(zhuǎn)彎時，多數(shù)情況又可以實現(xiàn)流暢的繞行，這個差異顯然是決策還不夠“成熟”，一部分原因也可能是小米SU7的交付量還在增加，數(shù)據(jù)積累量還不夠多，雷軍在最近一次的城區(qū)NOA體驗中也提到了，在北京50公里左右的城市道路，全程出現(xiàn)了4次接管，原因分別是遇到了事故無法繞行、修路施工、排隊進出收費站和人行橋下遇到強加塞，所以不出意外，在下一個版本中，這些細(xì)節(jié)可能都會被優(yōu)化。

不用高線束激光雷達(dá)，明年也能追平華為ADS 3.0？

從小米汽車新版本的城區(qū)NOA效果來看，其實很大程度上，可以說已經(jīng)非常接近理想汽車的6.4版本了，也相對接近當(dāng)時還沒把BEV融到GOD網(wǎng)絡(luò)的華為ADS 2.0。那，明年有機會追平ADS 3.0嗎？

答案是大概率可以實現(xiàn)。首先，我們從感知硬件來看，現(xiàn)階段要實現(xiàn)華為ADS 3.0滿血功能，是需要1顆激光雷達(dá)（192線）、3顆毫米波雷達(dá)（一顆4D）、11個攝像頭和12顆超聲波雷達(dá)，在不同感知硬件的數(shù)量上，實際上小米汽車也是如此，只不過，激光雷達(dá)用的還是禾賽提供的128線（同款理想汽車），在探測距離上比華為自研那枚少了50米，另外小米沒有搭載4D毫米波雷達(dá)，華為用的來自碩貝德，探測距離在280米，而且擅長捕捉不規(guī)則異性障礙物，通過回波將采集到的數(shù)據(jù)建立立體坐標(biāo)，再配合實時掃圖的192線激光雷達(dá)，可以說這套組合把GOD大網(wǎng)的優(yōu)勢全部能挖掘出來，這也是為什么，華為在今年10月25日，只是發(fā)布了對細(xì)節(jié)優(yōu)化的ADS Pro V3.1版本，而不是發(fā)布4.0的原因之一。

理論上講，96線、128線和196線，線束越多，探測的精度和精度自然越高，而且目前車規(guī)級激光雷達(dá)產(chǎn)業(yè)的價格已經(jīng)降到了千元級別，小米汽車似乎沒有理由不更換高線束的激光雷達(dá)，為什么還會用禾賽的128線呢？這是因為，高線束激光雷達(dá)本就會占用一部分算力資源，而華為ADS 3.0的芯片算力已經(jīng)做到了1000TOPS，小米汽車用的2顆英偉達(dá) Orin-X芯片，疊加后算力雖然只有508TOPS，但分給128線激光雷達(dá)的資源空間足夠用，而這其中最關(guān)鍵的就是，小米汽車只要不放棄BEV技術(shù)，就不需要高線束激光雷達(dá)。

BEV網(wǎng)絡(luò)的特點，就是將整個場景給障礙物碼上坐標(biāo)，然后再對每個障礙物單獨去做運動軌跡分析、預(yù)判，前面已經(jīng)提到，小米汽車還用上了變焦BEV技術(shù)，就是為了把不同場景的精度做好，并且BEV網(wǎng)絡(luò)對算力的要求遠(yuǎn)不如高線束激光雷達(dá)，這在一定程度上可以說是給VLM讓出了一大部分算力資源，而針對道路細(xì)節(jié)的感知任務(wù)，在華為ADS 3.0體系里是由4D毫米波雷達(dá)負(fù)責(zé)的，所以，這樣一來，華為的GOD+PDP和小米的端到端+VLM，就形成了兩類截然不同的技術(shù)路線，底層邏輯看似相同，但是感知層面需要的儲備卻是不同的，至于二者的大模型能力，目前都已經(jīng)具備了從周更升級到日更級別，所以接下來要做的，就是比拼數(shù)據(jù)積累量了，畢竟實測有效數(shù)據(jù)越豐富，學(xué)習(xí)訓(xùn)練后的大模型才會更“聰明”。最后也就能給出一波預(yù)測了，小米SU7上市7個月就幾乎做到了華為用一年升級的ADS 2.0水平，隨著后續(xù)交付量和數(shù)據(jù)的提升，估計很快下一代版本就會發(fā)出，追平ADS 3.0，大概率明年會實現(xiàn)，若是參考小米首次推送的節(jié)點（今年6月）來看，不排除明年6月也會發(fā)布新版本，這距離追平華為的時間，還剩下8個月。

作者丨張衛(wèi)東

原文標(biāo)題:小米城區(qū)NOA，8個月后追平華為？