向評價(jià)主要OEM在智艙、智駕方面的能力

1、目錄 HYPERLINK l _TOC_250031 中國品牌弄潮智能駕駛進(jìn)化新模式 8 HYPERLINK l _TOC_250030 自動駕駛能力需數(shù)據(jù)積累，海外巨頭暫時(shí)領(lǐng)先 8 HYPERLINK l _TOC_250029 漸進(jìn)式發(fā)展成商業(yè)落地的共識，數(shù)據(jù)成關(guān)鍵勝負(fù)手 9 HYPERLINK l _TOC_250028 領(lǐng)軍人物映射車企智能化戰(zhàn)略方向及潛力天穹 10 HYPERLINK l _TOC_250027 領(lǐng)軍人物決定企業(yè)利用數(shù)據(jù)的方式以及能力 10 HYPERLINK l _TOC_250026 車企智能化戰(zhàn)略的分化，與領(lǐng)軍人物選擇互為映射 12 HYPERLINK l _T

2、OC_250025 造車新勢力成為智能化新模式的排頭兵 13 HYPERLINK l _TOC_250024 小鵬汽車：走在智能化硬件配置及全棧自研的最前沿 13 HYPERLINK l _TOC_250023 P7 已具備領(lǐng)先智能駕駛體驗(yàn)，P5 配置激光雷達(dá)最先量產(chǎn) 13 HYPERLINK l _TOC_250022 帶頭人在計(jì)算平臺應(yīng)用上頗有建樹 17 HYPERLINK l _TOC_250021 蔚來汽車：招募AI 行業(yè)頂流專家，積極探索軟件自主 19 HYPERLINK l _TOC_250020 發(fā)布新一代自動駕駛技術(shù)，實(shí)現(xiàn)點(diǎn)對點(diǎn)駕駛控制 19 HYPERLINK l _TOC_

3、250019 學(xué)術(shù)大拿，AI 界頂流助力技術(shù)發(fā)展 21 HYPERLINK l _TOC_250018 理想汽車：選擇務(wù)實(shí)，人才布局關(guān)注技術(shù)落地 23 HYPERLINK l _TOC_250017 2022 年新車搭載英偉達(dá)最新自動駕駛芯片 Orin 23 HYPERLINK l _TOC_250016 招募到供應(yīng)商核心人員，著力工程化落地 24 HYPERLINK l _TOC_250015 特斯拉：引領(lǐng)行業(yè)技術(shù)演進(jìn)，硬件專注于視覺方案 24 HYPERLINK l _TOC_250014 FSD 芯片迭代，為視覺算法充分優(yōu)化 24 HYPERLINK l _TOC_250013 團(tuán)隊(duì)囊括

4、各領(lǐng)域頂尖人才，研發(fā)開創(chuàng)性及工程能力兼具 27 HYPERLINK l _TOC_250012 傳統(tǒng)中國品牌各盡其能，奮起直追智能化 28 HYPERLINK l _TOC_250011 吉利/億咖通：傳統(tǒng)車企全棧自研的探路者 28 HYPERLINK l _TOC_250010 全棧自研及合作開發(fā)同步進(jìn)行，億咖通承載芯片自研重任 28 HYPERLINK l _TOC_250009 3.1.2 研究院+億咖通+Zenseact 的管理、技術(shù)、工程能力 29 HYPERLINK l _TOC_250008 長城汽車：變革思潮下，借力打力的奮起直追 30 HYPERLINK l _TOC_250

5、007 4.2.1 “331 戰(zhàn)略”發(fā)布，2023 實(shí)現(xiàn)最多 L4 場景覆蓋 30 HYPERLINK l _TOC_250006 4.2.2 團(tuán)隊(duì)各有所長，產(chǎn)品落地經(jīng)驗(yàn)豐富 31 HYPERLINK l _TOC_250005 廣汽集團(tuán)：新技術(shù)領(lǐng)導(dǎo)者正逐步構(gòu)建企業(yè)自身能力 32 HYPERLINK l _TOC_250004 系統(tǒng)集成是廣汽能力構(gòu)建的主旋律 32 HYPERLINK l _TOC_250003 兼具學(xué)術(shù)背景和豐富頭部機(jī)構(gòu)研發(fā)經(jīng)驗(yàn) 33 HYPERLINK l _TOC_250002 上汽集團(tuán)：欲借助高端品牌另辟蹊徑 34 HYPERLINK l _TOC_250001 外資企

6、業(yè)技術(shù)儲備豐富，對應(yīng)變革相對保守 35 HYPERLINK l _TOC_250000 寶馬：穩(wěn)步前行，拾級而上 35Pro 系統(tǒng)應(yīng)用廣泛，L2 級別輔助駕駛是短期工作重點(diǎn) 35團(tuán)隊(duì)在自動駕駛落地方面經(jīng)驗(yàn)豐富 36通用：頭部玩家，漸進(jìn)式、跳躍式路線均在并行 37Bev3 平臺開啟新階段，Super Cruise 高速路自動駕駛 37Cruise 核心技術(shù)團(tuán)隊(duì)在機(jī)器人領(lǐng)域頗有建樹 39福特：早早布局自動駕駛，正嘗試應(yīng)用落地 39攜手 Argo AI 推出第四代自動駕駛測試車 39帶頭人領(lǐng)導(dǎo)力和研發(fā)能力出眾 41豐田集團(tuán)：更重安全，為實(shí)現(xiàn)夢想構(gòu)建一座新城 42Advanced Drive 硬件配置

7、豪華，支持漸進(jìn)式進(jìn)化 42Woven City 探索自動駕駛終極方案 44硅谷大神領(lǐng)導(dǎo)新四化轉(zhuǎn)型 46大眾：大象轉(zhuǎn)身，定位新商業(yè)模式 49乘用車旨在構(gòu)建新的商業(yè)模式 49商用車攜手Argo 場景落地自動駕駛 50領(lǐng)導(dǎo)團(tuán)隊(duì)運(yùn)營、研發(fā)雙管齊下 51圖表目錄圖 1：Navigant 2019 年自動駕駛實(shí)力排行榜 8圖 2：Navigant 2020 年自動駕駛實(shí)力排行榜 8圖 3：主要車企自動駕駛負(fù)責(zé)人學(xué)術(shù)研究情況 10圖 4：主機(jī)廠面對自動駕駛戰(zhàn)略分化為 4 類 13圖 5：XPilot 系統(tǒng)迭代量產(chǎn)之路 14圖 6：NGP 系統(tǒng)具備更直觀的用戶交互界面，具備車道級識別和規(guī)劃 14圖 7：小鵬

8、P5 內(nèi)飾圖 16圖 8：小鵬 P5 的感知系統(tǒng) 16圖 9：吳新宙的論文量和被引用次數(shù) 17圖 10：ES6 傳感器分布情況 19圖 11：Nio ET7 在車頂配置 1550nm 波長激光雷達(dá) 19圖 12：NAD ADAM 控制器內(nèi)部芯片布局 21圖 13：任少卿的論文量和被引用次數(shù) 21圖 14：理想汽車發(fā)展計(jì)劃 23圖 15：搭載 orin 芯片的理想汽車 23圖 16：早期 HW 1.0 采用 Mobileye EQ3 方案 25圖 17：HW 2.5 開始采用英偉達(dá) PX2 芯片，算法自研 25圖 18：HW3.0 開始，算力及算法均為自研 25圖 19: Model 3 算力平

9、臺 26圖 20：Model 3 配置了豐富的視覺傳感器 26圖 21：極氪 001 的硬件具備 L4 級自動駕駛潛力 28圖 22：EQ5 芯片是產(chǎn)品具備 L4 級自動駕駛的核心 28圖 23：長城汽車咖啡智駕戰(zhàn)略規(guī)劃 30圖 24：摩卡的自主跟車功能 30圖 25：摩卡的自主變道超車功能 30圖 26：ADiGO 3.0 系統(tǒng) 32圖 27：ADiGO 3.0 系統(tǒng) 32圖 28：郭繼舜的論文量和被引用次數(shù) 33圖 29：BMW 自動駕駛輔助系統(tǒng) PRO 顯示屏 35圖 30：BMW 自動駕駛輔助系統(tǒng) PRO 傳感器系統(tǒng) 35圖 31：BMW 自動駕駛輔助系統(tǒng) PRO 傳感器系統(tǒng) 35圖

10、32：i Next 傳感器系統(tǒng) 36圖 33：ScaLa 1 和 ScaLa 2 參數(shù)對比 36圖 34：Simon Frst 論文數(shù)量及被引用次數(shù) 36圖 35：通用電動汽車平臺 37圖 36：Super Cruise 系統(tǒng)車內(nèi)傳感器方案 38圖 37：Cruise Origin 內(nèi)部 38圖 38：福特歷代自動駕駛測試車 39圖 39：福特第四代自動駕駛測試車 40圖 40：車頂傳感器 40圖 41：Peter Rander 的論文量和被引用次數(shù) 41圖 42：豐田自動駕駛系統(tǒng) 42圖 43：ADS ECU 和 ADX ECU 43圖 44：電裝為豐田開發(fā)的 LiDAR 43圖 45：電裝

11、為豐田開發(fā)的 SIS ECU 43圖 46：自動駕駛技術(shù)的研發(fā)路線 44圖 47：Woven City 總覽 44圖 48：Woven City 街道 44圖 49：高速道 45圖 50：低速道 45圖 51：James Kuffner 論文數(shù)量及被引用次數(shù) 46圖 52：Gill A. Pratt 論文數(shù)量及被引用次數(shù) 48圖 53：硬件平臺與軟件同步發(fā)展 49圖 54：Project Trinity 三大特點(diǎn) 50圖 55：ID Buzz 外觀圖 50圖 56：ID Buzz 內(nèi)部效果圖 50表 1：車展主要車型硬件配置情況 9表 2：小鵬 NGP 遠(yuǎn)征數(shù)據(jù) 15表 3：小鵬 NGP 對比

12、特斯拉 NOA 16表 4：吳新宙學(xué)術(shù)研究情況 18表 5：NAD 與 Pilot 系統(tǒng)在傳感器領(lǐng)域的配置對比 20表 6：任少卿學(xué)術(shù)研究情況 22表 7：三代 HW 硬件配置及性能對比 26表 8：郭繼舜學(xué)術(shù)研究情況 33表 9：Simon Frst 學(xué)術(shù)研究情況 37表 10：福特各代自動駕駛汽車參數(shù) 39表 11：Peter Rander 學(xué)術(shù)研究情況 41表 12：James Kuffner 學(xué)術(shù)研究情況 46表 13：Gill A. Pratt 學(xué)術(shù)研究情況 48表 14：汽車行業(yè)重點(diǎn)公司估值表 52中國品牌弄潮智能駕駛進(jìn)化新模式自動駕駛能力需數(shù)據(jù)積累，海外巨頭暫時(shí)領(lǐng)先全球主要玩家在

13、自動駕駛上的競爭力排名，近 2 年來沒有太明顯變化。美國調(diào)研機(jī)構(gòu) Navigant（法維翰咨詢公司）是一家專業(yè)的獨(dú)立咨詢公司，是全球能源領(lǐng)域最權(quán)威的咨詢調(diào)研機(jī)構(gòu)，公信力及影響力在全球舉足輕重。Navigant Research 從 2016 年開始發(fā)布自動駕駛競爭力排行榜，根據(jù)以下 10 個標(biāo)準(zhǔn)對報(bào)告中的公司進(jìn)行排名：公司愿景、市場發(fā)展策略、合作伙伴、生產(chǎn)戰(zhàn)略、技術(shù)、銷售、營銷和分銷、產(chǎn)能、產(chǎn)品質(zhì)量和可靠性、產(chǎn)品組合和持久力，由此評出全球自動駕駛領(lǐng)域的主流玩家競爭力排行榜。下圖中縱坐標(biāo)為執(zhí)行能力（Execution），橫坐標(biāo)為策略能力（Strategy），Navigant將他們劃分為“領(lǐng)導(dǎo)者”

14、、“競爭者”、“挑戰(zhàn)者”以及“跟隨者”四個等級。圖 1：Navigant 2019 年自動駕駛實(shí)力排行榜圖 2：Navigant 2020 年自動駕駛實(shí)力排行榜資料來源：Navigant 官網(wǎng)、研究資料來源：Navigant 官網(wǎng)、研究Waymo、GM Cruise、福特、百度是“領(lǐng)導(dǎo)者”陣營，且 2020 年依舊處于領(lǐng)跑位置。1）通用汽車在 2020 年 1 月舊金山發(fā)布了首款“Origin”無人駕駛汽車之后，Cruise目前已在美國舊金山測試 L4 級完全無人駕駛汽車。2）福特汽車攜手自動駕駛技術(shù)合作伙伴 Argo AI 在美國推出了第四代自動駕駛測試車，目前正在美國六個城市進(jìn)行自動駕駛的

15、技術(shù)測試。因此，GMFORD 均走在了自動駕駛技術(shù)發(fā)展的前列。3）百度在自動駕駛方面的投入有目共睹。2020 年其在北京路測的車輛就達(dá)到 55 臺，占北京市總投入自動駕駛測試車輛的 75%。同時(shí)其規(guī)劃在 3 年內(nèi)（2021 2023 年），實(shí)現(xiàn) 30 個城市落地，車隊(duì)規(guī)模達(dá)到 3000 輛，服務(wù) 300 萬乘客。豐田穩(wěn)定在“競爭者”的位置上,其在 2020 年 CES 上發(fā)布了 Woven City（編織之城）計(jì)劃，要創(chuàng)建一個以未來智慧城市為主題的試驗(yàn)區(qū)，展現(xiàn)了豐田智能出行的理念。寶馬、特斯拉、蘋果為“挑戰(zhàn)者”行列。1）寶馬近 3 年名次逐年下滑，2020 年已進(jìn)入“挑戰(zhàn)者”行列。此前寶馬、M

16、obileye、Intel 和 FCA 作為項(xiàng)目開發(fā)合作伙伴共同研究自動駕駛平臺開發(fā)，對 BMW 前兩年的榜單排名起到了助推作用。雖然其在 E-NCAP 駕駛輔助測評中榮獲滿分四星“VERY GOOD”評級，但目前自動駕駛輔助系統(tǒng) Pro 仍屬于 L2級別。2）特斯拉由于技術(shù)路徑獨(dú)樹一幟，并未得到大部分企業(yè)認(rèn)可，排名穩(wěn)定在“挑戰(zhàn)者”之列。特斯拉目前正在開發(fā)基于自研的自動駕駛芯片 HW4.0，預(yù)計(jì)其性能將是 HW3.0 的 3 倍，2022 年發(fā)布。公司規(guī)劃采用硬件預(yù)埋，影子模式持續(xù)訓(xùn)練算法的方式，借助 OTA升級的方法將現(xiàn)有車型升級到 L4。但該機(jī)構(gòu)認(rèn)為特斯拉目前所展現(xiàn)出的能力（包括硬件配置）

17、將不具備進(jìn)一步提升自動駕駛能力的可能，所以排名暫時(shí)穩(wěn)定在“挑戰(zhàn)者”之列。3）蘋果專利多但缺乏“商業(yè)化計(jì)劃的清晰路線圖。蘋果的自動駕駛一直非常神秘，除了大批招人外，頻頻爆出相關(guān)專利技術(shù)，很難說清它的技術(shù)究竟達(dá)到什么樣的程度，因此，2020年蘋果沒有入選，很大原因是蘋果沒有提供“任何商業(yè)化計(jì)劃的清晰視圖”。而傳統(tǒng)中國汽車品牌（包括新勢力）在這份榜單中卻少有露面，主要原因在于大部分公司都還處于量產(chǎn)功能的研發(fā)階段，對于早期預(yù)研并沒做過多投入。這也與此前行業(yè)認(rèn)為 L4 以上自動駕駛功能是跳躍式的發(fā)展有關(guān)，多數(shù)公司均為兩條腿走，獨(dú)立的自動駕駛研發(fā)團(tuán)隊(duì)對于國內(nèi)主機(jī)廠來說是一筆不小的負(fù)擔(dān)。因此，長期的工作重心

18、便不在這一領(lǐng)域造成了中國企業(yè)在全球自動駕駛的舞臺上缺少了一席之地的現(xiàn)狀。漸進(jìn)式發(fā)展成商業(yè)落地的共識，數(shù)據(jù)成關(guān)鍵勝負(fù)手2021 年 4 月，領(lǐng)導(dǎo) Waymo 長達(dá) 5 年之久的 CEO 約翰克拉夫奇克（John Krafcik）宣布離職。作為推動 Waymo 自動駕駛商業(yè)化落地的第一人，他的離職不免讓人猜測直接跳躍式發(fā)展的 L4 級自動駕駛的商業(yè)化前景到底如何。而目前在榜單前列的海外巨頭均為跳躍式發(fā)展的典范，無論是互聯(lián)網(wǎng)企業(yè)，還是 OEM 單獨(dú)成立/投資的自動駕駛團(tuán)隊(duì)，均采取了直接強(qiáng)裝所有傳感器，在小范圍場景下運(yùn)營 Robotaxi，來完善高階自動駕駛功能的路徑。只是這一做法，無論是在車型推廣成

19、本，還是數(shù)據(jù)采集范圍上，都限制了玩家對于大規(guī)模場景數(shù)據(jù)的采集廣度。因此，通過“影子模式”的漸進(jìn)式發(fā)展逐漸成為商業(yè)落地的共識。并且國內(nèi)傳統(tǒng)勢力和新勢力已經(jīng)通過硬件預(yù)埋的方式開啟這一征程。2021 年上海車展后，我們的報(bào)告硬件預(yù)埋趨勢已成，智能駕駛數(shù)據(jù)迭代開啟中提到，硬件預(yù)埋成為新的趨勢，通過 L4 級的硬件在 L2 場景下大規(guī)模收集數(shù)據(jù)進(jìn)行算法訓(xùn)練已成為一個全新的能力構(gòu)建方式。而在這一趨勢下，我們發(fā)現(xiàn)此次車展自主品牌的硬件配置突出，遠(yuǎn)超合資。國產(chǎn)車型不僅有全球首款搭載 Orin 產(chǎn)品的蔚來 ET7，搭載量產(chǎn)激光雷達(dá)的小鵬 P5，具備 L4 自動駕駛硬件配置的北汽極狐，還有浩瀚架構(gòu)下的全球首發(fā) E

20、Q5 芯片的首款重磅車型極氪 001。他們都已經(jīng)把硬件配置提升到了具備 L3 及以上能力的水平，只要終端市場大規(guī)模部署后，影子模式將幫助中國品牌快速提升算法能力和水準(zhǔn)。 表 1：車展主要車型硬件配置情況小鵬 P5蔚來 ET7智己 L7Zeekr 001極狐 S攝像頭數(shù)量14551513毫米波雷達(dá)53356激光雷達(dá)2133算力平臺英偉達(dá) XavierOrin * 4Orin * 4Mobileye EQ5華為 MDC610資料來源：蓋世汽車、公司官網(wǎng)、研究硬件預(yù)埋讓國內(nèi)自主品牌的車企在智能配置上毫不處下風(fēng)，這也給了我們更多數(shù)據(jù)采集和訓(xùn)練的機(jī)會，這將是一個正向循環(huán)。智能化硬件的優(yōu)勢正在逐步確立，用

21、戶感知的重心也將逐步遷移至“智能化”。智能化的載體可以是大屏、麥克風(fēng)陣列、算力芯片、HUD等硬件，但核心卻是本地化的 AI 算法、場景應(yīng)用、語音交互、嵌入式的生活服務(wù)等等功能。中國的新勢力們正在踐行這一商業(yè)邏輯路徑。目前，蔚來的產(chǎn)品已經(jīng)達(dá)到了 L2 級別輔助駕駛，2021 年初蔚來宣布輔助駕駛系統(tǒng)NIO Pilot 升級為NIO NAD（NIO Autonomous Driving），未來將直接進(jìn)化為 L4 級別自動駕駛。理想汽車將會在 2021-2022 年前實(shí)現(xiàn)地圖導(dǎo)航輔助駕駛 NOA，到 2023 年推出具備 L4 自動駕駛硬件能力的新車型 X01，2024 年通過 OTA 使其具備 L

22、4 級別自動駕駛能力。2021 年下半年推出的小鵬 P5 搭載了小鵬最新的 Xpilot 3.5 系統(tǒng)，已經(jīng)具備了 L4 級自動駕駛的硬件能力。在市場與產(chǎn)業(yè)的雙重驅(qū)動下，國內(nèi)的傳統(tǒng)車企也加大了自動駕駛領(lǐng)域的投入。傳統(tǒng)新勢力中的“智己”、“塞力斯”、“極狐”均已經(jīng)大量預(yù)埋了高級自動駕駛硬件。除此之外，吉利旗下專門負(fù)責(zé)研發(fā)汽車智能化科技的億咖通也已形成了四大序列、多款核心產(chǎn)品的芯片矩陣，其與沃爾沃汽車成立合資公司將聯(lián)合開發(fā)適用全球市場的新一代車載智能操作系統(tǒng)。廣汽埃安目前擁有兩款支持 L3 級別功能車型，同時(shí)宣布和華為合作共同開發(fā) L4級自動駕駛汽車，計(jì)劃于 2024 年量產(chǎn)。長城汽車將在 202

23、1 年實(shí)現(xiàn)中國首個全車冗余 L3級自動駕駛，2023 年實(shí)現(xiàn)中國場景覆蓋最多的 L4 級自動駕駛。領(lǐng)軍人物映射車企智能化戰(zhàn)略方向及潛力天穹領(lǐng)軍人物決定企業(yè)利用數(shù)據(jù)的方式以及能力中國品牌不僅在硬件上已經(jīng)毫不弱于海外巨頭，而在數(shù)據(jù)處理的能力上部分企業(yè)已走在業(yè)界前列。通過對比各大車企的領(lǐng)導(dǎo)團(tuán)隊(duì)來看，以 Tesla、Apple、Nio、XPEV 等為代表的造車新勢力，帶頭人技術(shù)背景深厚，對算法和芯片方面有更多的能力布局。由此其帶領(lǐng)的企業(yè)領(lǐng)跑智能駕駛、人工智能賽道有突出優(yōu)勢。圖 3：主要車企自動駕駛負(fù)責(zé)人學(xué)術(shù)研究情況文論數(shù)（篇）引用次數(shù)（次）160140120100806040200100000任少卿吳

24、新宙Zeljko Popovic特斯拉simon FurstJamesGill A Pratt KuffnerPeter Rander福特汽車郭繼舜蔚來汽車小鵬汽車新勢力寶馬汽車豐田汽車海外勢力Ian Goodfellow廣汽汽車蘋果自主品牌其他9000080000700006000050000400003000020000100000論文數(shù)被引用次數(shù)資料來源：蓋世汽車，賽迪顧問，研究研發(fā)帶頭人的能力決定了公司在自動/智能駕駛能力的高度及方向。而基于此邏輯，我們注意到 Nio 擁有著中國品牌中較為優(yōu)秀的領(lǐng)軍人物素質(zhì)，且專注于人工智能算法的研究。而海外品牌中，除特斯拉外，豐田汽車的研究實(shí)力深度較

25、超預(yù)期，CTO 的能力專注于機(jī)器人視覺算法落地。具體看，新勢力、互聯(lián)網(wǎng)企業(yè)人才儲備普遍較好：特斯拉的前自動駕駛團(tuán)隊(duì)背景包括芯片、硬件、軟件各領(lǐng)域頂尖人才，不乏芯片及算法領(lǐng)域的開創(chuàng)性的專家。蔚來汽車自動駕駛負(fù)責(zé)人任少卿在計(jì)算機(jī)視覺領(lǐng)域成果顯著，8 篇論文專注與 AI、感知，及機(jī)器學(xué)習(xí)領(lǐng)域，并已經(jīng)獲取超過 66888 次引用，是國內(nèi)少有的頂尖專業(yè)型人才。小鵬 CTO 吳新宙在硬件領(lǐng)域能力突出，深耕芯片研發(fā)多年，顯示出小鵬在這一方向上的布局野心。理想汽車自動駕駛總經(jīng)理擁有近十年地圖及 L3 系統(tǒng)開發(fā)經(jīng)驗(yàn)，CTO 王凱則是系統(tǒng)架構(gòu)方面的資深專家，顯示出了理想更注重在系統(tǒng)層的能力布局。Apple 的團(tuán)隊(duì)

26、更是包含對產(chǎn)品、供應(yīng)鏈、硬件、軟件、芯片等理解非常深刻的專家。國外傳統(tǒng)主機(jī)廠又分為兩類。一類以豐田、Argo AI、通用 Cruise 為代表的技術(shù)派，另一類是以大眾集團(tuán)為代表的管理創(chuàng)新派。豐田集團(tuán)的 James Kuffner 是典型的硅谷技術(shù)大神，擅長機(jī)器人視覺算法及控制策略，擁有超百篇的公開論文，以及近 2 萬次的引用，技術(shù)能力可見。通用汽車Cruise 的Kyle Vogt 和 Argo AI 的Peter Rander 是機(jī)器人技術(shù)的先驅(qū)和專家。寶馬的 Alejandro Vukotich 在汽車主動安全、駕駛輔助和自動駕駛等領(lǐng)域擁有長達(dá) 19 年的工作經(jīng)驗(yàn)。大眾集團(tuán)負(fù)責(zé)自動駕駛的高

27、級副總裁 Alexander Hitzinger 和福特汽車自動駕駛負(fù)責(zé)人 Scott Griffith 在產(chǎn)品運(yùn)營方面經(jīng)驗(yàn)頗多；國內(nèi)傳統(tǒng)主機(jī)廠的自動駕駛負(fù)責(zé)人目前相比國外較弱，但也不乏技術(shù)性的人才。吉利汽車億咖通的 Peter Rogbrant 具有豐富的汽車行業(yè)、IT 管理經(jīng)驗(yàn)，擅長領(lǐng)導(dǎo)產(chǎn)品開發(fā)、系統(tǒng)工程管理，擁有很強(qiáng)的信息技術(shù)專業(yè)能力。長城汽車毫末智行 CEO 顧維灝也曾在互聯(lián)網(wǎng)公司積累了多年的算法開發(fā)經(jīng)驗(yàn)。廣汽集團(tuán)研究院負(fù)責(zé)人郭繼舜是斯坦福大學(xué) AI 和機(jī)器人專業(yè)的博士，擁有豐富的人工智能研發(fā)經(jīng)驗(yàn)；上汽集團(tuán)副總裁兼智已汽車總工程師祖似杰畢業(yè)于清華大學(xué)工程系，在汽車行業(yè)擁有近三十年豐富的

28、規(guī)劃、研發(fā)及制造經(jīng)驗(yàn)。車企智能化戰(zhàn)略的分化，與領(lǐng)軍人物選擇互為映射2017-2018 年 “軟件定義汽車”被提出后，智能化的研發(fā)成為評價(jià)一個主機(jī)廠在未來是否具有核心競爭力的重要維度。主機(jī)廠在經(jīng)過 3 年的考慮后，面對自動駕駛開始有了戰(zhàn)略分化，我們認(rèn)為可以分為以下 4 類：全權(quán)委外：主機(jī)廠把所有智能化建設(shè)都承包給第三方，如小康和華為的合作。該模式主導(dǎo)方來自外部勢力，即新入局玩家（如華為），對進(jìn)入汽車行業(yè)有更強(qiáng)的訴求，且具備軟硬件的綜合能力，因此需要找一個整車話語權(quán)相對弱的戰(zhàn)略合作伙伴，通過優(yōu)勢互補(bǔ)的方式進(jìn)入市場。底層委外，其余自研：傳統(tǒng)整車廠包括吉利汽車、長城汽車、長安汽車等，在短期內(nèi)選擇了這種

29、模式。之所以選擇這一模式，原因在于主機(jī)廠很難在短時(shí)間內(nèi)將能力建設(shè)的觸角衍生到太基礎(chǔ)的領(lǐng)域，而又需要在“軟件定義汽車”中尋找并發(fā)揮出自己對市場把握的能力。因此這是一個難與易、慢與快的權(quán)衡之選。中長期維度，各主機(jī)廠發(fā)展戰(zhàn)略存在諸多區(qū)別。硬件委外，軟件自研：核心零部件外采，算法自研，最典型的代表是小鵬汽車和正在推進(jìn)這項(xiàng)工作的蔚來。選擇這一模式的公司特點(diǎn)是均為互聯(lián)網(wǎng)出身，有較強(qiáng)的軟件基因，對數(shù)據(jù)有很強(qiáng)的敏感性，已有一套成熟的模式將用戶產(chǎn)生的大數(shù)據(jù)做反饋來優(yōu)化自身產(chǎn)品。新勢力不停 OTA，帶給消費(fèi)者持續(xù)新鮮感的產(chǎn)品沖擊力非常強(qiáng)。在更新迭代的掌控力上，這種模式的速度和效率要遠(yuǎn)好于第二種。全棧自研：特斯拉。

30、特斯拉核心算力芯片、自動駕駛算法都為自研，同時(shí)整車電氣架構(gòu)是越級發(fā)展的狀態(tài)，在 Model 3 上選擇了域控制器狀態(tài)，顛覆了汽車產(chǎn)業(yè)原有的節(jié)奏，倒逼全行業(yè)進(jìn)入快速發(fā)展新周期。這一能力是眾多傳統(tǒng)玩家短期難以企及的。全權(quán)委外：如小康和華為的合作底層委外，其余自研：包括硬件委外，圖 4：主機(jī)廠面對自動駕駛戰(zhàn)略分化為 4 類資料來源：研究而不同的戰(zhàn)略選擇也與企業(yè)選擇技術(shù)領(lǐng)軍人物的結(jié)果相互印證。具備技術(shù)探索和突破屬性的戰(zhàn)略，企業(yè)更多選擇技術(shù)大牛作為公司領(lǐng)軍人物來執(zhí)行公司戰(zhàn)略，由此我們才更愿意去相信公司在技術(shù)上的成功概率。而現(xiàn)階段以協(xié)作為主的戰(zhàn)略，則需要一位有著更豐富管理經(jīng)驗(yàn)的領(lǐng)軍者來掌舵公司技術(shù)升級的大

31、船。技術(shù)突破派以小鵬、蔚來最為典型。蔚來汽車招募了 AI 行業(yè)的頂流專家，積極探索識別算法領(lǐng)域的自主掌控；而小鵬則是請來了在芯片設(shè)計(jì)及落地領(lǐng)域有著豐富工作經(jīng)驗(yàn)的吳星宙來幫助其進(jìn)一步向著全棧自研邁進(jìn)。而管理派中，多數(shù)傳統(tǒng)整車品牌均可成為典型的參考樣本。造車新勢力成為智能化新模式的排頭兵小鵬汽車：走在智能化硬件配置及全棧自研的最前沿P7 已具備領(lǐng)先智能駕駛體驗(yàn)，P5 配置激光雷達(dá)最先量產(chǎn)小鵬的自動駕駛量產(chǎn)之路分為 6 個階段進(jìn)行推進(jìn)：階段一:2018 年，XPILOT2.0 正式產(chǎn)品落地。階段二:2019 年，XPILOT2.5 支持自動變道輔助；輔助駕駛能力從單車道向多車道邁進(jìn)，并首次實(shí)現(xiàn)遙控泊

32、車的量產(chǎn)，目前的小鵬 G3 正處于該階段。階段三:2020 年，XPILOT3.0 第三級自動駕駛釋放：全自研 360 度感知能力、基于 AI的智能座艙、高速自動駕駛量產(chǎn)，將在小鵬 P7 上開始實(shí)現(xiàn)。階段四:2021 年，XPILOT3.5 全場景第三級高速自動駕駛，實(shí)現(xiàn)高速自動駕駛能力的全閉環(huán)、基于停車場(代客)自主泊車量產(chǎn)。階段五:2022 年，XPILOT4.0 面向城市的自動駕駛能力釋放，提升城市行車效率&解決城市行車安全痛點(diǎn)。階段六:2024 年，XPILOT Next 局部的全自動駕駛能力釋放。圖 5：XPilot 系統(tǒng)迭代量產(chǎn)之路資料來源：車友頭條、研究小鵬汽車當(dāng)前階段為 XPi

33、lot 3.0 自動駕駛，其一大核心亮點(diǎn)是 NGP （Navigation Guided Pilot）高速自主導(dǎo)航駕駛，即在高精地圖覆蓋的高速公路設(shè)定好導(dǎo)航目的地，小鵬汽車可以根據(jù)路線指引，在行車中實(shí)時(shí)選擇最優(yōu)路線，自主進(jìn)入高速公路，選擇合適的車道，實(shí)現(xiàn)自主變道、切換高速路線，自動駛?cè)?出匝道口，并在接近目的地時(shí)自行離開高速公路。圖 6：NGP 系統(tǒng)具備更直觀的用戶交互界面，具備車道級識別和規(guī)劃資料來源：小鵬汽車、研究2021 年初，小鵬汽車通過 OTA 升級向用戶推送了 NGP 公測版，14 天用戶使用里程超過 50 萬公里，25 天內(nèi)突破百萬公里。根據(jù)用戶反饋，在自動超車、變道自動緊急避讓

34、、理解他車的意圖并進(jìn)行交互等關(guān)鍵體驗(yàn)細(xì)節(jié)的處理上，NGP 工程板十分成熟，在特斯拉和蔚來更早發(fā)布的同類功能自動導(dǎo)航輔助駕駛（NoA）和領(lǐng)航輔助（NOP）實(shí)現(xiàn)了后來居上。根據(jù)搭載 NGP 的小鵬 P7 遠(yuǎn)征數(shù)據(jù)來看，通過隧道的成功率在某些路段達(dá)到了 100%，且整體成功率都在 90%以上。變道超車成功率大部分在 93%以上，出入高速匝道的成功率，只有在廣州-泉州這段路途中低于 90%?？傮w上，每百公里的接管次數(shù)控制在 1 次以內(nèi)。這是數(shù)據(jù)迭代軟件能力的一次優(yōu)秀的展示。在此之前小鵬汽車多次跳票NGP 的OTA 時(shí)間，就是在持續(xù)優(yōu)化這套系統(tǒng)的算法和功能體驗(yàn)。小鵬 NGP 遠(yuǎn)征數(shù)據(jù)表 2：小鵬NGP

35、遠(yuǎn)征數(shù)據(jù)成功率成功率成功率里程（公里）接管次數(shù)廣州-汕頭93.45%83.76%99.65%3800.65汕頭-泉州86.05%85.00%91.23%279.150.85泉州-溫州95.44%90.91%94.51%410.670.67溫州-杭州97.91%96.93%93.47%281.151.07杭州-上海-南京93.36%96.30%100%363.870.93南京-青島93.03%96.67%100%4460.88青島-濟(jì)南97.36%93.29%98.33%385.730.48路段變道超車出入高速匝道隧道通過平均每車 NGP 行駛平均每百里資料來源：小鵬汽車、研究將小鵬 NGP 和

36、特斯拉 NOA 進(jìn)行一次 2300 公里測試比較，發(fā)現(xiàn)：從全程接管情況、變道情況、轉(zhuǎn)換匝道情況和隧道通過情況等方面看，小鵬整體表現(xiàn)已毫不遜色于特斯拉。小鵬 P7 的百公里接管次數(shù)為 2.4 次，而特斯拉 Model 3 的百公里接管次數(shù)則為 3.3 次，人為接管次數(shù)上兩者相差不大，但降級次數(shù)上，小鵬明顯更勝一籌。特斯拉 Model 3 的變道次數(shù)多于小鵬 P7，而成功率略低于小鵬。全程小鵬 P7轉(zhuǎn)換了 10 次匝道，成功了 6 次，特斯拉 Model 3 轉(zhuǎn)換了 11 次而成功了 7 次，兩車均失敗 4 次，差別不大。小鵬 P7 在隧道中的表現(xiàn)不錯，通過率達(dá)到 91.3%；Model 3 在進(jìn)

37、入隧道前幾乎都會出現(xiàn)降級的情況，通過率僅為 14.2%，小鵬完勝特斯拉。高速路上的最高限速：小鵬 P7 最高限速的調(diào)節(jié)，是根據(jù)高精度地圖對路牌進(jìn)行識別，系統(tǒng)可以實(shí)時(shí)根據(jù)該路段的最高限速進(jìn)行調(diào)節(jié)。而特斯拉 Model 3 不能夠進(jìn)行自動識別，不同限速的路段需要手動調(diào)節(jié)。從上面的測評中可以看出，無論是 NGP 表現(xiàn)，還是人機(jī)交互上的體驗(yàn)，亦或是充電費(fèi)用方面，小鵬并不輸于特斯拉。雖然特斯拉是電動汽車領(lǐng)域首屈一指的玩家，但小鵬的追趕速度也不慢，在一些特別場景下，小鵬 NGP 的功能令人意外，隱約有趕超特斯拉之勢。小鵬 NGP 對比特斯拉 NOA表 3：小鵬NGP 對比特斯拉NOA小鵬 P7特斯拉 Mo

38、del 3全程接管情況全程接管次數(shù)19 次18 次全程降級次數(shù)30 次46 次百公里降級接管次數(shù)2.4 次/100km3.3 次/100km變道情況全程觸發(fā)變道次數(shù)321 次347 次平均百公里變道次數(shù)15.4 次17.7 次變道失敗次數(shù)25 次30 次變道成功次數(shù)296 次317 次變道成功率92.20%91.40%匝道轉(zhuǎn)換情況匝道轉(zhuǎn)換次數(shù)10 次11 次匝道轉(zhuǎn)換成功次數(shù)6 次7 次匝道轉(zhuǎn)換失敗次數(shù)4 次4 次通過隧道情況隧道數(shù)量23 個23 個隧道成功通過數(shù)量21 個3 個隧道通過成功率91.30%14.20%資料來源：新出行、研究繼 G3 和 P7 之后，小鵬汽車又將迎來一款全新的搭載激

39、光雷達(dá)的擁有 XPilot3.5 系統(tǒng)的車型-小鵬 P5。小鵬 P5 將硬件預(yù)埋的產(chǎn)品延伸至了激光雷達(dá)領(lǐng)域，具備更強(qiáng)的環(huán)境感知能力。該車最大亮點(diǎn)是配備來自 Livox 的車規(guī)級 LiDAR 激光雷達(dá)，疊加全身上下的毫米波雷達(dá)及高清攝像頭而共同組成了多傳感器的融合方案，并在具有 30Tops 算力的英偉達(dá) Xavier 自動駕駛芯片的加持下，具備了 L4 級自動駕駛的硬件能力。圖 7：小鵬P5 內(nèi)飾圖圖 8：小鵬P5 的感知系統(tǒng)資料來源：小鵬汽車、研究資料來源：小鵬汽車、研究小鵬 P5 其保險(xiǎn)桿的兩側(cè)均采用了雙激光雷達(dá)，增強(qiáng)全身感知能力。其單顆雷達(dá)的橫向視場角達(dá)到 120 度，而兩顆雷達(dá)則構(gòu)成了

40、 150-180 度的橫向視場感知能力，最遠(yuǎn)探測距離達(dá) 150m3，刷新率達(dá)到 10 赫茲，掃描能力達(dá)到等效 144 線點(diǎn)云密度，測距精度厘米級，角度分辨率高達(dá) 0.16，中心區(qū)域刷新率 20Hz。并且可以利用激光三位掃描生成的點(diǎn)云，創(chuàng)建 3D 地圖，讓 NGP 功能在城市中使用。同時(shí)，相較于毫密波雷達(dá)+攝像頭的組合，激光雷達(dá)對高速靜態(tài)物體識別，以及弱光環(huán)境下的表現(xiàn)也更佳，檢測能力全面提升。P5 是全球首款量產(chǎn)激光雷達(dá)的智能汽車。新車將于 2021 年第二季度正式上市，第四季度開始交付。帶頭人在計(jì)算平臺應(yīng)用上頗有建樹公司自動駕駛副總裁吳新宙擁有豐富的專業(yè)和供應(yīng)商背景。清華大學(xué)電子工程專業(yè)的學(xué)士

41、學(xué)位和美國伊利諾伊大學(xué)香檳分校的電子工程專業(yè)博士學(xué)位，持有一百六十項(xiàng)專利，發(fā)表八十余篇論文，被引用次數(shù)達(dá) 1800 多次，是車載網(wǎng)絡(luò)和下一代移動網(wǎng)絡(luò)技術(shù)的關(guān)鍵發(fā)明者和參與者。曾于 2011 年 1 月在哥倫比亞大兼職擔(dān)任了 7 個月的副教授。2006 年 1 月至 2018 年 10 月在高通公司擔(dān)任高級工程師、總工程師和經(jīng)理、高級工程總監(jiān)，為自動駕駛團(tuán)隊(duì)負(fù)責(zé)人，致力于在計(jì)算平臺上提供基于計(jì)算機(jī)視覺、深度學(xué)習(xí)、精準(zhǔn)定位和傳感器深度耦合的自動駕駛解決方案。后于 2018 年 12 月加盟小鵬汽車。吳新宙博士將全面負(fù)責(zé)小鵬汽車自動駕駛美國及國內(nèi)的整體技術(shù)路線規(guī)劃、業(yè)務(wù)及團(tuán)隊(duì)管理。圖 9：吳新宙的論

42、文量和被引用次數(shù)資料來源：AceMap、研究吳新宙學(xué)術(shù)研究情況表 4：吳新宙學(xué)術(shù)研究情況論文名字大致內(nèi)容作者被引次數(shù)345Xinzhou Wu、Saurabha Rangrao Tavildar、 Sanjay Shakkottai、 Thomas J. Richarson、Junyi Li、 Rajiv Laroia、Aleksandar Jovicic無線 PHY/MAC 網(wǎng)絡(luò)體系結(jié)構(gòu) FlashLinQ。通過利FlashLinQ: a synchronous用 OFDM 的細(xì)粒度并行信道接入，F(xiàn)lashLinQ 開發(fā)distributed scheduler for了一種基于模擬能量電平

43、的信令方案，實(shí)現(xiàn)了基于peer-to-peer ad hocSIR 的分布式調(diào)度。作者在 DSP/FPGA 平臺實(shí)現(xiàn)了networksFlashLinQ-over 許可頻譜，并使用了實(shí)作和模擬兩種方法來呈現(xiàn)FlashLinQ 的效能結(jié)果。作者提出了一種用于分布式信道分配的同步點(diǎn)對點(diǎn)Distributed uplink powercontrol for optimal sir assignment in cellular data networks作者通過分布式算法解決了多蜂窩無線網(wǎng)絡(luò)上行鏈路的聯(lián)合功率控制和 SIR 分配問題，并使用 3GPP網(wǎng)絡(luò)和路徑損耗模型進(jìn)行模擬。Prashanth Ha

44、nde、Sundeep Rangan、 Mung Chiang、 Xinzhou Wu167158Xinzhou Wu、Rayadurgam Srikant作者研究了無線網(wǎng)絡(luò)中受簡單沖突約束的分布式調(diào)度問題。作者將分布式調(diào)度算法的效率定義為最大數(shù)（分?jǐn)?shù)），使得分布式調(diào)度策略下的吞吐量至少等于效率乘以集中式策略下可實(shí)現(xiàn)的最大吞吐量。Scheduling Efficiency ofDistributed Greedy Scheduling Algorithms inWireless NetworksRegulated MaximalMatching: A Distributed Schedulin

45、g Algorithm for Multi-Hop Wireless Networks WithNode-Exclusive Spectrum Sharing作者考慮具有一種特殊類型的頻譜分配的無線網(wǎng)絡(luò)，其中唯一的限制是一個節(jié)點(diǎn)不能一次向多個接收器發(fā)射，并且不能一次接收多個發(fā)射。引入一種稱為調(diào)節(jié)最大匹配的調(diào)度算法，該算法是完全分布式的，并且保證了吞吐量至少是集中式算法所能達(dá)到的吞吐量的一半。Xinzhou Wu、 Rayadurgam Srikant122103Ratul Kumar Guha、Robert G. White、 Junyi Li、Kevin W. Lu、 Anthony Buc

46、ceri、Tao ZhangVehicular Communications作者研究了DSRC 目前用于支持車輛安全通信的技Using DSRC: Challenges,術(shù)，分析了現(xiàn)有的和可能的 DSRC 性能改進(jìn)，并對Enhancements, andDSRC 的發(fā)展路徑提出了一些初步的想法。EvolutionXinzhou Wu、Sundar Subramanian、On the design of device-to-device autonomous discovery作者提出了一種 adhoc 網(wǎng)絡(luò)的同步設(shè)備發(fā)現(xiàn)解決方案。在這種網(wǎng)絡(luò)中，設(shè)備可以在人類移動范圍內(nèi)自主地找到對等組。作者開

47、發(fā)了 PHY 和 MAC 協(xié)議來實(shí)現(xiàn)自主設(shè)備發(fā)現(xiàn)。通過仿真和基于隨機(jī)幾何的分析驗(yàn)證了設(shè)計(jì)，并認(rèn)為與傳統(tǒng)的基于 Wi-Fi 的解決方案相比可以獲得顯著的收益。Franois Baccelli、Nilesh Khude、 Rajiv Laroia、 Junyi Li、91Thomas J. Richardson、Sanjay Shakkottai、 Saurabha Rangrao Tavildar、 Xinzhou Wu88Loc Bui、Atilla Eryilmaz、 Rayadurgam Srikant、Xinzhou Wu作者提出了一個公平資源分配的體系結(jié)構(gòu)，它由一個分布式調(diào)度算法和一個

48、異步擁塞控制算法組成。并證明了所提出的聯(lián)合擁塞控制和調(diào)度算法至少支持任何其他算法（包括集中式算法）所能支持的吞吐量的三分之一。Joint AsynchronousCongestion Control and Distributed Scheduling for Multi-Hop WirelessNetworksCongestion control for vehicular safety: synchronous and asynchronous MAC algorithms作者評估了所提出的 DCC 算法的性能，并觀察到DCC 中的標(biāo)稱參數(shù)在許多情況下不合適。作者在 MAC 層之上設(shè)計(jì)了一

49、個標(biāo)準(zhǔn)兼容的 TDM 覆蓋層，它可以顯著提高分組接收性能。與分布式資源選擇協(xié)議相結(jié)合，同步 MAC 可以發(fā)現(xiàn)比改進(jìn)的異步方法更多的相鄰設(shè)備，使 DSRC 安全應(yīng)用更加可靠。Sundar Subramanian、Marc W. Werner、 Shihuan Liu、72Jubin Jose、Radu Lupoaie、 Xinzhou Wu資料來源：AceMap、研究蔚來汽車：招募AI 行業(yè)頂流專家，積極探索軟件自主發(fā)布新一代自動駕駛技術(shù)，實(shí)現(xiàn)點(diǎn)對點(diǎn)駕駛控制2021 年，蔚來汽車的產(chǎn)品 L2 級別自動駕駛，預(yù)計(jì) 2024 年將借助硬件預(yù)埋并通過 OTA 進(jìn)化為 L4 級別自動駕駛。從蔚來的量產(chǎn)車

50、型（ES6/ES8/EC6）來看，目前蔚來的傳感器配置應(yīng)該是市面上最全、最多的，共有 1 個三目攝像頭、5 個毫米波雷達(dá)、12 個超聲波雷達(dá)和 4 個環(huán)視攝像頭，共 22 個傳感器。圖 10：ES6 傳感器分布情況資料來源：新出行、研究2021 年初，蔚來宣布輔助駕駛系統(tǒng) NIO Pilot 升級為NIO NAD（NIO Autonomous Driving）自動駕駛系統(tǒng)，在該系統(tǒng)幫助下，蔚來首款自動駕駛車型，智能電動旗艦轎車 ET7 將逐步實(shí)現(xiàn)高速、城區(qū)、停車、加電等場景下安全輕松的點(diǎn)對點(diǎn)自動駕駛。圖 11：Nio ET7 在車頂配置 1550nm 波長激光雷達(dá)資料來源：蔚來汽車官網(wǎng)、研究N

51、IO Aquila 蔚來超感系統(tǒng)擁有 33 個高精度傳感器，包括遠(yuǎn)距離高精度激光雷達(dá)，11個 800 萬像素高清攝像頭，同時(shí)還擁有 5 個毫米波雷達(dá)以及 12 個超聲傳感器，冗余高精度定位單元和 V2X 車路協(xié)同感知。定義了自動駕駛感知系統(tǒng)的全新標(biāo)準(zhǔn)，有瞭望塔式傳感器布局，這款傳感器可有效的越過遮擋，尤其是對于城市復(fù)雜交通場景，能夠有效的減少很多盲區(qū)，一定程度上提升了很多安全性。感知的核心是視覺，而分辨率則決定了視覺的高下。800 萬像素的高清攝像頭感知距離更遠(yuǎn)，感知的內(nèi)容也更加精準(zhǔn)，再加上超遠(yuǎn)距高精度激光雷達(dá)，能讓安全性提高兩個等級層次。表 5：NAD 與 Pilot 系統(tǒng)在傳感器領(lǐng)域的配置

52、對比傳感器數(shù)量NIO NADNIO Pilot前向攝像頭1前向車頂攝像頭2側(cè)向攝像頭2后向攝像頭1激光雷達(dá)1前向毫米波雷達(dá)1側(cè)向毫米波雷達(dá)4環(huán)視攝像頭4超聲波雷達(dá)12高精度定位單元2V2X 車路協(xié)同感知1增強(qiáng)主駕感知1資料來源：蔚來汽車官網(wǎng)、研究在硬件計(jì)算平臺上，蔚來汽車不僅可以應(yīng)對全棧算法計(jì)算，還具有強(qiáng)大的學(xué)習(xí)和冗余能力。蔚來為 ET7 搭載了 NIO Adam 超算平臺，配備四個 NVIDIA Drive Orin 芯片，其中兩個用于自動駕駛，一個用于安全輔助，一個用于 AI 學(xué)習(xí)，綜合算力可達(dá) 1016TOPS。值得一提的是，特斯拉 FSD 自動駕駛系統(tǒng)算力為 144TOPS，也就是說，

53、NIO Adam 的算力等于 7 個特斯拉 FSD。分布在 ADAM 內(nèi)的四顆 Orin 芯片，則被賦予了不同的角色。主控芯片：通過兩顆主控芯片，實(shí)現(xiàn) NAD 的全棧計(jì)算，包括多方案相互校驗(yàn)的感知、多源組合定位、多模態(tài)預(yù)測和決策。充足的算力，使得 NAD 在處理復(fù)雜交通場景時(shí)，算的更多，算的更準(zhǔn)，算的更快。獨(dú)立的實(shí)時(shí)冗余芯片：任何一個主芯片失效，NAD 都能確保安全，不僅如此，整個超算平臺的電源、影像和主控系統(tǒng)，全都是熱備份的冗余設(shè)計(jì)。群體智能與個性訓(xùn)練專用 SOC：可以大大加快 NAD 的總體進(jìn)化速度，同時(shí)又可以針對每個用戶的用車環(huán)境，進(jìn)行個性化本地訓(xùn)練，確保每個用戶自動駕駛體驗(yàn)更好。四顆芯

54、片，各司其職，也要互相協(xié)作，以保證系統(tǒng)的安全，畢竟在大數(shù)據(jù)量運(yùn)算時(shí)，系統(tǒng)出錯宕機(jī)的概率也會增加。圖 12：NAD ADAM 控制器內(nèi)部芯片布局資料來源：蔚來汽車官網(wǎng)、研究學(xué)術(shù)大拿，AI 界頂流助力技術(shù)發(fā)展蔚來汽車助理副總裁任少卿專業(yè)出身，為原自動駕駛初創(chuàng)公司 Momenta 研發(fā)總監(jiān)。任少卿曾于 2007 年-2011 年在中國科技大學(xué)攻讀信息安全專業(yè)理學(xué)學(xué)士，于 2012 年 8月在微軟擔(dān)任了 4 年的聯(lián)合博士生。他在計(jì)算機(jī)視覺領(lǐng)域成果顯著，在計(jì)算機(jī)科學(xué)、人工智能、模式識別、機(jī)器學(xué)習(xí)等領(lǐng)域的的 21 篇相關(guān)論文的引用量高達(dá) 87676 次。他和何愷明、孫劍等人提出適用于物體檢測的高效框架 F

55、aster RCNN 和圖像識別算法 ResNet，相關(guān)論文于 2016 年獲得計(jì)算機(jī)視覺領(lǐng)域頂級會議 CVPR 的 Best Paper Award。20 年 8 月加入蔚來，負(fù)責(zé)重啟 L4 自動駕駛自研項(xiàng)目，直接向李斌匯報(bào)。目前正處于團(tuán)隊(duì)組建、數(shù)據(jù)采集階段。值得注意的是，其在建的 L4 級自動駕駛新團(tuán)隊(duì)中有一部分為任少卿在Momenta的舊部人員，經(jīng)驗(yàn)豐富。任少卿的到來為蔚來的技術(shù)發(fā)展提供了強(qiáng)大助力。圖 13：任少卿的論文量和被引用次數(shù)資料來源：AceMap、研究任少卿學(xué)術(shù)研究情況表 6：任少卿學(xué)術(shù)研究情況論文名字大致內(nèi)容作者被引次數(shù)42716Xiangyu Zhang、Shaoqing

56、Ren、Jian SunKaiming He、越深的網(wǎng)絡(luò)越難以訓(xùn)練， 因此作者提出了殘差網(wǎng)絡(luò)。在ImageNet 數(shù)據(jù)集上，作者使用了 152 層的殘差網(wǎng)絡(luò)進(jìn)行訓(xùn)練，比 VGG 網(wǎng)絡(luò)深了 8 倍，但是復(fù)雜度卻更低，同時(shí)精度取得了第一。Deep ResidualLearning for ImageRecognitionFaster R CNN: Towards Real Time Object Detection with Region Proposal Networks作者提出了一種RegionProposal Network(RPN),它能夠檢測網(wǎng)絡(luò)共享整張圖像的卷及特征，作者通過共享卷及特

57、征進(jìn)一步將 RPN 和 Fast R-CNN 合并成一個網(wǎng)絡(luò)。Shaoqing Ren、 Kaiming He、 Ross B. Girshick、 Jian Sun88416441Xiangyu Zhang、Shaoqing Ren、Jian Sun作者以 ReLU 為激活函數(shù)的網(wǎng)絡(luò)的缺陷并提出了改進(jìn)的激活函數(shù) PReLU 與新的 Kaiming 初始化方法Kaiming He、Delving Deep intoRectifiers: Surpassing Human Level Performance onImageNet ClassificationIdentity Mappings i

58、n Deep Residual Networks深度殘差神經(jīng)網(wǎng)絡(luò)表現(xiàn)出了很好的分類準(zhǔn)確率和很好的收斂特性。作者在原始 resnet 的基礎(chǔ)上分析了殘差塊背后的數(shù)學(xué)原理，表明了無論在前向還是反向過程中，信號可以在任意一對殘差塊之間進(jìn)行傳遞。Kaiming He、 Xiangyu Zhang、 Shaoqing Ren、 Jian Sun34281964Kaiming He、Xiangyu Zhang、 Shaoqing Ren、Jian SunSpatial Pyramid作者把經(jīng)典的 Spatial Pyramid Pooling 結(jié)構(gòu)引入 CNN 中，Pooling in Deep從而使 C

59、NN 可以處理任意大小和規(guī)格的圖片；這中方法不僅Convolutional Networks提升了分類的準(zhǔn)確率，而且還非常適合探測，比經(jīng)典的 RNNfor Visual Recognition快速準(zhǔn)確。Face Alignment at 3000 FPS via Regressing Local Binary Features作者提出了一種高效、快速的人臉對齊算法，該算法在電腦上能達(dá)到 3000 FPS 的速度，在手機(jī)上也能達(dá)到 300 FPS 的速度，因此業(yè)界稱其 face3000。算法的創(chuàng)新點(diǎn)在于局部二值特征以及訓(xùn)練這些局部二值特征的規(guī)則。Shaoqing Ren、 Xudong Cao、

60、 Yichen Wei、 Jian Sun663Dong Chen、Joint Cascade FaceShaoqing Ren、Detection andYichen Wei、318AlignmentXudong Cao、Jian SunJifeng Dai、 Kaiming He、Yi Li、227作者提出一個新的基于 CNN 的級聯(lián)型框架，用于聯(lián)和人臉檢測和對齊；還提出一個有效的 online hard sample mining 方法來提高表現(xiàn)能力，作者還在人臉檢測和人臉對齊上提高了不少精度。Instance Sensitive Fully Convolutional Networks