賈浩楠 發自 副駕寺智能車參考 | 公衆号 AI4Auto
地平線“颠覆”地平線。
新智駕硬體征程6系列釋出，遠遠超出了“硬體”範疇：
首次同時釋出了一整套基于征程6的高階智駕方案，基于端到端和資料驅動的技術範式。
創始人餘凱博士給出的評價是：拟人化、真可用。
智駕硬體Tier 2一哥地平線，為啥「越俎代庖」搞起了算法軟體？餘凱這麼解釋……
SuperDrive首秀：老司機般的熟練度
SuperDrive官方定義為“全場景”高階智駕解決方案，也就是在功能上覆寫高速NOA、城市NOA以及自主泊車等主流智駕場景。地平線希望通過打造基于征程6的高階城區智駕軟體行業标杆，發揮示範效應，牽引高階落地。
不過官方重點展示的是城市NOA，因為2024年高速NOA、自主泊車場景挑戰已經不大。談高階智駕的普及、痛點等等問題，都是圍繞城市NOA展開，更是所有玩家競争決勝的焦點。
高速 NOA 中的困難場景，如擁堵彙流等，也是城區場景的常見場景。
這個場景中除了避讓行人，挑戰更大的是不規則路口右轉。
路面的自行車道和機動車道之間沒有明顯間隔，從HMI界面中看到，系統憑一小段不連續栅欄就準确識别了可通行區域。
避讓的過程，地平線形容為“優雅”，也就是沒有急促的刹車、猛打方向這樣的動作：
這說明在感覺和規控兩個層面，SuperDrive的實力都很強。
比避讓目标更加複雜的，是環島的駛進駛出，分成兩個片段解析：
完成了這麼幾個厲害的動作：
環島入口被大客車違停擠占，綠化帶進一步侵占可通行區域，SuperDrive不拘泥于地上劃線，靈活繞行，這是通行效率的展現。
安全性上，SuperDrive進環島同時，還避讓了一輛低速兩輪車。
環島中通行時，妥善避讓了一對在路中央停車落客的行人。
第三個場景絕對算是高難度corner case，畢竟在環島裡面停車上下乘客的“迷惑操作”，實在太危險也很罕見。
這裡面還有一個感覺上的難題。以往“白名單”機制做感覺的智駕系統，可以識别單獨的車、單獨的人，但“人在車邊”往往會成為系統的盲點，由此也引發過被廣泛關注的事故。
駛出環島的路口，有大量逆行的自行車：
SuperDrive在這個場景下的表現，說明地平線已經突破了過去以規則驅動為主的自動駕駛技術體系。
最後再來看看SuperDrive表現最驚豔、最重要的場景——變道。
旁車道空間不足，多數系統會放棄變道或減速等待，但SuperDrive能根據前方空間條件主動加速，創造變道機會：
以及在密集的車流中，對于轉瞬即逝的變道空間，SuperDrive“瞅準機會”幹淨果斷完成變道：
其餘的像是向快車道變道、彙出彙入變道等等手到擒來，對SuperDrive基本不構成挑戰：
為什麼把變道這個看似簡單的功能重點強調？
因為用這在技術體系上，變道是直接區分水準高下的試金石；使用者層面，它是智駕“可用”與否最關鍵的因素。
簡單說，現在市面上幾乎所有量産傳遞的“高階”智駕系統，在變道的規劃和執行層面根本不是神經網絡，而是人工手寫定義的規則：十分緩慢的速度、十分平滑的角度切入。
很謹慎很禮貌，但問題是，道路上很少有人願意主動讓行，尤其是節奏快的一線城市。
這就造成各種釋出會上“遙遙領先”的智駕系統，在城市環路、多車道穿行場景下變得“弱智”：
因為“不跟慢車”的邏輯頻繁做出變道決定，又因為僵硬刻闆的變道方式屢試屢敗，最後隻能提示接管…
或者是在環路、高速出口一邊蠕行一遍等變道機會，最終還是錯過出口。
智駕體驗支離破碎，本來是讓你減負的系統，現在讓你更加費心費力的監督矯正。
問題就出在不夠拟人，很難在複雜交通流下與多個不同交通參與者協同
地平線餘凱博士是行業内第一個站出來戳破“皇帝新衣”的人，對當下量産城市NOA的評價是：慫、莽、急、貴，不可用。
這也是為什麼智駕硬體供應商地平線要搞一套智駕系統：
用資料替代手寫規則，讓神經網絡直接學習人類成熟司機的駕駛方法來應對複雜場景，找一條徹底解決城市NOA量産普及問題的路徑。
具體方法是這樣的…
SuperDrive如何達成更拟人的體驗？
兩個最主要的技術手段：端到端感覺架構，以及資料驅動的互動式博弈算法。
一個是為了智駕系統看的更清楚更明白，一個是讓智能代駕的“腦子”更靈活更高效。
端到端感覺架構的優勢，是避免了子產品化算法架構中，資料多級傳遞造成的“損耗”，算法模型一端直接輸入傳感器資料，另一端直接輸出軌迹預測，包括本車的，也包括道路其他交通參與者的。
端到端展現在SuperDrive将動态、靜态、OCC（Occupancy占用網絡）三網合一，統一在一個Transformer架構下，不需要對感覺資料進行抽象和逐級傳遞，“所見即所得”：實作感覺端到端同時，又保證了每個子網絡的可解釋性。
實際上SuperDrive的算法基礎，正是來自于智能車參考前幾天剛介紹過的CVPR 2023最佳論文成果——UniAD，地平線學者一作。
動态、靜态、Occupancy三網合一的感覺端到端架構下，有效解決感覺架構時延高、規則多、負載重的問題。
感覺端到端網絡輸出的結果，會接着進入資料驅動的互動博弈算法，這一算法也是基于蒙特卡洛樹搜尋的端到端深度學習算法。
名震一時的圍棋AI AlphaGo背後的主要技術之一就是蒙特卡洛樹搜尋。簡單來說，它的基礎是一個機率模型，所要求解的問題是某種事件出現的機率。
在智駕場景中，這個“機率”可以是對象來車軌迹、前車變道意圖、變道時多個目标的運動軌迹等等…
蒙特卡洛樹搜尋會通過某種“試驗”的方法，得到這種事件出現的頻率，或者這個随機變數的平均值。
試驗方法，可以是人為定義，不過地平線選擇的是通過10000小時高品質駕駛資料來訓練，讓算法最大程度了解效仿人類老司機的駕駛方法。
這就是上面例子中SuperDrive果斷幹脆變道的技術核心。
算法之外，SuperDrive“拟人化”體驗仍然離不開地平線軟硬結合的實力——最新釋出的征程6系列計算硬體，CPU、BPU、GPU、全功能的MCU四芯合一。
單顆征程6旗艦即可支援感覺、規劃決策、控制、座艙感覺等全棧計算任務。同時,高內建度令開發難度進一步降低。
SuperDrive搭配征程6旗艦版，BPU納什架構是核心：
獨特設計三級片上存儲架構，核間高效協同，極緻優化大參數下的帶寬瓶頸；
具備多脈動立方加速引擎，靈活的引擎間資料流動實作高能效且低帶寬占用；
資料變換引擎，靈活支援Transformer細小算子；
浮點向量加速單元，具有通用、靈活的特性，滿足關鍵算子精度需求；
緊耦合異構計算單元高效加速不同類型資料處理；
核内、核間、片間高效靈活的多向資料流動，實作計算動态排程與靈活調優；
虛拟化技術，透明式提升多任務并行處理能力；資料驅動功耗優化，針對神經網絡資料動态範圍特性，降低功耗30%。
征程6系列目前一共6款産品，征程6B、征程6L、征程6E、征程6M、征程6H、征程6P。覆寫各個區間智能駕駛需求，算力依次遞增，從數十TOPS一直到數百TOPS。
地平線認為，一個時代有一個時代的計算架構。地平線BPU架構的最新進展，其實就是資料驅動的智能計算架構，支援智能算法軟硬體體系相結合。
在此基礎上誕生的SuperDrive，其實也沒有突破颠覆地平線智能汽車Tier 2的定位本質：
可以量産傳遞，但更重要的是實踐端到端和資料驅動的新技術範式，以及驗證征程6對這種技術體系的完美支援。
地平線「破壁」城市NOA
SuperDrive當下最珍貴的價值也是這點：
向行業、使用者證明隻有在技術體系上重構、變革才能徹底解決城市NOA量産普及問題。
試圖在以前的技術棧上修修補補，通過增加規則用“窮舉法”兜住所有長尾場景，是一條死路。最終隻會留下一堆“屎山”代碼和泛化性極差的系統。
使用者用過幾次就勸退的系統，隻會成為白白浪費的成本，規模普及無從談起。
因為對于城市NOA來說，智能不徹底，就是徹底不智能。
盡管SuperDrive推出，地平線憑技術體系和功能體驗拿到了城區NOA智能駕駛的門票，并且站穩第一梯隊，但它定位仍然是Tier2，隻不過毫無疑問是最全能的Tier2。
SuperDrive是以成為一個樣闆間，目的是帶動車企、tier 1盡快向新的技術範式轉移，實作這個目标的基礎，是新的征程6系列。
而從行業格局來看，地平線推出軟硬一體的智駕方案有更深刻的意義：生态正在成為智駕壁壘和護城河。
這展現在自動駕駛正在以底層硬體不同，演化出不同陣營。通用GPU演變過來的英偉達、電子通信領域延伸的高通，以及自主玩家地平線。
地平線的的優勢，恰恰是沒有過往優勢業務的慣性，從智能車和自動駕駛算法演變的角度設計硬體架構，并且在大模型浪潮中，前瞻性的提出專門為端到端模型和資料驅動算法服務的新平台。
除了自給自足生态封閉的特斯拉以外，地平線征程6是目前唯一的選擇。
而智駕底層硬體“三分天下”，還能從商業角度解讀出趨勢：
地平線堅持Tier2，選擇和所有自動駕駛算法公司共赢。而所有的自動駕駛公司也成為了地平線生态護城河的一部分。
而在在中國所有的智能汽車供應商中，服務能力，客戶廣度，商業潛力…地平線是所有玩家中獨一無二的。