42号车库|地平线的阶段胜利( 二 )
本文插图
还有一个关键的参数变化是接入的摄像头数量 ， 在征程 2 芯片上最多只能接入一路摄像头数据 ， 这意味着一辆车只采用一颗征程 2 的芯片最多也只能实现一个基础的 L2 级辅助驾驶 。
但是到了征程 3 上则可以接入 6 路摄像头数据 ， 这一优化带来的好处有两点 。
实现的功能更多了 。
6 颗摄像头既可以是 1 颗前视摄像头 + 4 颗环视摄像头 + 1 颗后视摄像头 ， 也可以是 1 颗前视摄像头 + 4 颗环视摄像头 + 1 颗驾驶员监测摄像头 。
接入了 4 颗环视摄像头之后 ， 视觉感知系统可以完成对车辆 360 度的感知 ， 更丰富的感知信息 ， 也意味着车辆具备实现更高阶辅助驾驶的能力 。
并且基于环视摄像头 ， 车辆还可以实现视觉融合感知自动泊车 ， 从我们在小鹏车系上的体验来看 ， 相比传统的超声波雷达泊车 ， 在使用体验上视觉融合感知自动泊车有质的飞跃 。
成本降低了 。
在传统的 L2 级别辅助驾驶车型上 ， 前视摄像头和环视摄像头分别为两个独立的模块 ， 征程 3 芯片则可以将原来的一个分布式计算 ， 一个域控制器 ， 合成一个域控制器 。 张玉峰在采访中透露 ， 上述二者成本上有一千人民币以上的节省 。
此外 ， 在征程 3 芯片的发布会上 ， 地平线还透露了部分征程 5 芯片的信息 ， 相较于征程 2 和征程 3 ， 征程 5 的算力大幅提升 ， 并且在做到 96 Tops/128 Tops 高算力的同时 ， 能耗只有 20W/35W ， 另外还可以接入超过 16 路摄像头信息 。
本文插图
开放赋能
【42号车库|地平线的阶段胜利】解读完了前半句 ， 我们再来看后半句「开放赋能」 。
开放赋能翻译成大白话就是 ， 这事儿我会 ， 我来帮你一起做 。
从上文的描述中大家也可以看出 ， 地平线并不直接为车企提供 ADAS 功能 ， 地平线所做的只是 ADAS 功能中的一环 —— 底层的算力与感知算法 。 如果把一个完整的 ADAS 功能比作一台电脑 ， 地平线在这其中充当的更像是显卡 + 驱动的供应商 。
本文插图
虽然感知技术是自动辅助驾驶最基础的能力 ， 但是真正自研感知技术的目前只有特斯拉和小鹏汽车 ， 大多数厂家采用的都是供应商的方案 。
而目前主流的 L2 级 ADAS 方案无非是供应商打包 ， 或是厂家寻找感知、车控等领域的供应商自己做集成 。
在这里我们并不想通过是否自研来评判一个车企的自动辅助驾驶的强弱 ， 自研确实可以把更多权限和数据掌握在自己手里 ， 但是对企业的研发能力也提出了很高的要求 。
如果能把专业的事儿交给专业的人来做 ， 双方又能高效、密切地合作 ， 这同样也是一个双赢的局面 。
现在面对自研感知取得巨大成功的特斯拉 ， 一众车企都展现出了史无前例的焦虑 ， 为了保证自己产品能够不受感知能力的桎梏 ， Mobileye、Nvidia 的最新自动驾驶感知芯片成了大家争相选择的产品 。
从我们 42Mark 的测试结果来看 ， 采用供应商打包 ADAS 方案的车型表现普遍较弱 。
一方面 ， 采用打包方案的车型价格相对便宜 ， 很难用上太好的硬件 。
另一方面 ， 供应商和车企的合作并不够深入 ， 并不会对针对不同的车型做过多的优化 ， 后续优化升级的空间也非常有限 。
更高阶的车企则更希望把更多核心技术掌握在自己手中 ， 虽然 Mobileye 的能力够强 ， 但是相对车企并不友好 ， 众所周知 Mobileye 的视觉感知数据是一个盲盒 ， 只有特定的数据输出给车企 ， 在视觉感知这一块车企能优化得非常有限 。
