AI最好的落地場景是什么？

如果放在兩三年前，安防、AIoT一定是最佳答案，這點翻翻AI公司的財報就能看出來。

然而隨著新能源汽車滲透率不斷提高，競爭的重心開始向智能化傾斜，“汽車”也被納入到上述答案之中。甚至在曠視科技智駕業務總裁劉偉看來，智能汽車是AI到目前為止最大的落地場景，“沒有之一”。

【資料圖】

作為一家以算法起家的AI公司，曠視被外界更為熟知的也是其智能手機、智慧城市、智慧物流業務。而現在，它的自動駕駛業務正在浮出水面。

最近，劉偉就對鈦媒體App介紹了自動駕駛業務的最新進展：一個是以視覺為主的智駕方案，另一個是基于大模型的座艙智能交互方案。

現在宣布入局自動駕駛，坦白講時間點并不算早，甚至看起來有點晚，畢竟像商湯這樣的AI企業早就大張旗鼓地進行過布局。對于這一疑問，劉偉解釋道，“當時諸如基于RV的傳統算法，是不可能解決高階智能駕駛問題的。直到以視覺為主的BEV出現之后，才真的打開了一扇窗。”

BEV是Bird"s Eye View（視覺為中心的鳥瞰圖）的簡寫，也稱作“上帝視角”，是一種端到端的，由神經網絡將圖像信息從圖像空間轉換到BEV空間的技術。BEV并非新技術，直到2021年特斯拉引入BEV后才引發了業界的廣泛關注。

曠視也正是在這一年開始沿著這一方向發力，經過兩年的技術研發，曠視自動駕駛業務的定位逐漸清晰，那就是要做智能汽車的AI解決方案提供商，要面向主流車型打造用得起的高階智駕方案。

入局自動駕駛，定位Tier 1.5

曠視入局自動駕駛還有一個基礎前提是：市場對智能駕駛的需求足夠強。

據工信部相關數據顯示，2021年中國L2級輔助駕駛乘用車新車市場滲透率達到23.5%，2022年上半年其滲透率增加至30%，并且滲透率還在持續不斷提升。有機構預測，到2025年，中國L2級以上智能汽車的銷量將突破1000萬臺，滲透率將達到50%。

水足夠大，才能容納更多的魚，也才能讓小魚有機會長成大魚。

大水之中，迫切尋找疆域邊界的主要有三類企業：

第一類便是主機廠。在2021年上汽董事長陳虹提出“靈魂論”之后，“全棧自研”儼然已經成為車企“技術主權”的代名詞，像特斯拉、蔚來、小鵬、理想都極力推崇自研。

不過，這也引起了另外兩類企業的不同看法。比如，地平線副總裁李星宇就說，全棧自研是個奢侈品，從歷史來看，真正擁有全棧能力并在商業上取得成功的公司絕對是少數，也是不可復制的極少數；華為余承東則明確表示，規模和資金實力不夠的車企在智能化上全棧自研就是死路一條。

劉偉在溝通中也表示，在跟主機廠溝通的過程中能夠明顯感覺到對全棧自研的認知在發生變化，變得更加理性。“主機廠商追求的是全棧可控，而不是全棧自研，這個思路已經在發生變化了。”

地平線所代表的正是第二類Tier1和Tier2企業。

華為和曠視則屬于自動駕駛技術公司范疇。這也是涉及企業最多的類型，既有創業之初便瞄準自動駕駛技術的創企，也有百度、華為這樣的互聯網大廠，還有從AI領域切入進來的企業。這類企業大多是以軟件切入，提供自動駕駛系統、解決方案。

在智能汽車領域，“智能”一般指兩種：艙內的智能和艙外的智能。曠視的自動駕駛產品也主要是圍繞這兩個方向進行，一個是以視覺為主的智駕方案，另一個是基于大模型的座艙智能交互方案。目前，曠視的重點還是在智駕方案上。

曠視雖然也是以自身擅長的視覺算法為主，提供端到端的軟件解決方案，但同時也會布局芯片和傳感器在內的硬件。之所以自研這些硬件，主要還是強調傳感器、芯片和算法之間的協同，而在數據和域控上，曠視還是會選擇跟主機廠和Tier 1去合作。因此，在劉偉看來，曠視的定位更像一家Tier 1.5。

傳統的汽車供應鏈，是一個自底向上的線性供應模式，從Tier 2到Tier 1再到OEM整車廠。而現在隨著產業鏈的細分、交叉與耦合，Tier 1.5也就意味著，身段更加靈活，可上可下。向上支持主機廠的智能駕駛應用自定義，向下集成和整合Tier2的資源。

三個版本，聚焦“降本”

目前的智能汽車行業，L2以下的方案基本上已經成為標配。現在的重點則是在L2到L3之間，也就是經常提到的NOA。

根據使用場景不同，NOA有兩個細分方向：高速NOA和城市NOA。從2022年開始，高速NOA快速發展并向城市場景延伸。西部證券在之前的一份研報中甚至提到，2023年或許是“城市NOA元年”。

各家車企也紛紛拿出城市NOA落地進度計劃表：小鵬是50城、理想是100城、長城汽車也是100城。

但問題是車企想要推廣落地更多城市，但用戶實實在在使用城市NOA費用并不低。像特斯拉FSD的選裝價格達到了6.4萬元；華為ADS2.0高級包買斷費用為3.6萬元，包年訂閱為7200元，包月訂閱為720元；蔚來汽車NOP+訂閱費用為每月360元。

智駕系統的高成本恰恰是智能駕駛普及最大的“攔路虎”，再加上今年國內車市爆發激烈價格戰，已經逐級傳導至上游，產業鏈上下游整體面臨相較于往年更嚴苛的降本要求。

這也意味著接下來的城市NOA市場競爭重點是如何在保證性能的前提下讓更多用戶用得起。“黑科技最終就要服務于兩個目標：一個是降低成本，一個是提升體驗。”劉偉說道。

作為技術方案提供商，曠視的降本思路是什么？

劉偉給出了三個關鍵詞：強視覺、去高精地圖、去RTK。

“現在激光雷達雖然變得越來越便宜，但事實上，半固態的激光雷達的售價已經逼近其BOM成本，繼續降價的空間已經非常小了。如果采用很多激光雷達的方案，成本肯定還是無法降下來。選擇視覺路徑就是為了降低成本和提升性能。”

強視覺的路徑之下，曠視采取的是實時建圖的方式，只用導航地圖，不用高精地圖。并且將RTK（Real - time kinematic）定位也去掉。“這兩個都去掉，每年又能節省幾百元的成本。”

降本的第二條思路就是：統一算法框架。

一般來說，主機廠的車型眾多，有旗艦車型，也會有入門級車型。每種車型采用的配置方案都各不相同，更可能是來自不同供應商，采用不同的芯片平臺等等。主機廠的供應商方案矩陣復雜就導致車輛量產的時候，節奏、質量、成本都很難控制。

曠視強調的“統一算法框架”，就是指無論高中低的不同配置方案都采用統一的算法框架。“我們現在的算法框架在進行數據訓練的時候，從5V到11V的方案，所有數據都是混在一起來訓練的。因此，這個模型用于具體車型的時候可能需要再做一些微調，但基礎的模型能力已經具備。”

同時，曠視還配合高中低不同算力Pin-to-Pin系列芯片，實現了硬件的域控可以是同一套的。也就是，客戶需要適配高算力的時候，就換一個高算力的芯片；如果需要適配低算力的時候，就換一個低算力的芯片。只要更換芯片即可，其它都可以不變。

在曠視的觀點中，“算法平臺化”和“硬件平臺化”，在最理想的狀態下，可以幫助一個主機廠實現從硬件、芯片到算法的完全平臺化。而這會降低管理和維護多家供應商的消耗成本，從而讓量產成本大幅降低。

目前，曠視的解決方案分為三個配置：標準版、專業版和旗艦版，全部面向L2+。其中，標準版和專業版的方案中都不帶激光雷達，成本相對較低，主要服務于10萬-30萬的車型。據介紹，專業版方案正在做量產交付。

在選擇主機廠合作時，曠視的思路很清晰，不見得要大而全地覆蓋所有主機廠，而是要能跟少數幾家銷量非常大的主機廠有深度的戰略合作。

大模型，打開想象力

隨著汽車智能化競爭的進一步加劇，大模型被業界寄予厚望。華泰證券在最近的一份報告中就指出，AI大模型的引入，從行業整體層面可以加速高級別輔助駕駛的量產落地。

事實真如人們預期一般嗎？劉偉表示，大模型在車上的落地，座艙可能成為一個非常大的落地場景。

在智能座艙部分，目前車內主要使用的交互形式是“命令式交互”，用戶通過語音給車機發出一道指令，它按照你的指令完成任務，但這種方式可以很好滿足用戶的基礎需求，而大模型的加入則會推動座艙交互朝著“決策交互”的方向發展。并且，由于大模型是多模態的，未來的感知能力也會更加多元。

至于在智能駕駛上的價值，劉偉則認為，從目前來看最直接的價值則是體現在工具鏈優化部分。

如何理解？以數據標注為例，眾所周知海量的數據是無人駕駛的基礎，行業通常采用大量的數據去訓練自動駕駛算法，以求讓自動駕駛模型成為見多識廣的“老司機”。在通過真實數據、虛擬仿真等方式收集到數據之后，下一步就是對數據進行識別、標注。

但人工標注成本高、效率低，而自動標注就是AI大模型賦能智能駕駛最直接的應用，能大幅降低數據標注的成本。

除此之外，劉偉認為，大模型還直接影響到了曠視對于Transformer框架的認知，打開了想象空間。

目前曠視在端到端的自動駕駛模型上已經實現了“感知、建圖、跟蹤、預測”四合一的模型，但這里面并不包括“規控”。而規控主要負責車輛行駛過程中的決策部分，直接關系到車輛行駛的安全性，其重要性可見一斑。

過去，在曠視看來，“規控”是不太可能加入進去模型里面的。但是，隨著大模型的演進，曠視認為未來可能會是一個“大一統”的大模型。完成這一模型后，環環之間信息傳遞的衰減就會大幅度的削減，提升整個感知的上限。

或許，隨著通用人工智能時代的加速到來，AI玩家持續發力，汽車行業的智能化轉型會以前所未有的速度駛來。

從2021年正式建立團隊開始，目前曠視的自動駕駛部門規模已達數百人，其中約三分之二是算法研發團隊，大概三分之一是工程交付團隊。曠視能否憑借著多年的AI實力在內卷的自動駕駛市場中占得一席之地，值得期待。而劉偉顯然充滿信心，“希望2025年的時候，我們能做到行業前三。”（本文首發鈦媒體App）

關鍵詞：