轉眼又到了北京柳絮漫天飛舞的時節。每當這個時候，我就會想起那句經典的台詞。
「春天來了，萬物複蘇，大草原上的動物們…」
大草原上動物怎麼樣了，我不是很清楚，但我知道，車圈的春天的确是來了。
本周可以說是 2022 年以來車圈最熱鬧的一周，不僅有各家新車的紮堆釋出，還有各種智能駕駛技術的集中亮相。
作為國産智能駕駛 AI 晶片的第一梯隊，地平線也選擇在這個時候帶來了他們的量産級智能駕駛技術體驗日活動。
九個月前，我們說過，地平線對于很多讀者來講還是一家陌生的企業；九個月後，我從地平線官方微網誌的粉絲數推測，對于普通消費者而言，這種陌生可能仍将持續。
但實際上，地平線已經推出了包括 Horizon Matrix Mono 前視輔助駕駛方案、Horizon Matrix Pilot 領航輔助方案、Horizon Halo 車載智能互動方案在内的三大量産級智能駕駛方案。而我的體驗，也将按照這個順序，依次展開。
Mono：一顆攝像頭搞定 L2
Mono 能依靠單個攝像頭，實作 L2 級别的 ADAS 感覺性能，它是地平線推出最早，也是最為成熟的前視輔助駕駛方案，目前已經列裝了多個量産車型。而本次 Mono 體驗，也正是在一輛量産版的長安 UNI-V 上完成的。
一上車，還沒來得及系好安全帶，地平線的從業人員就先給我立了個大大的 Flag，一下子把我的預期拔高了好幾個台階。
「在高速上跑 L2 太簡單了，這次咱們就在城區道路上體驗一下 Mono 的 L2 功能。」
說完，這台長安 UNI-V 真就彙入了地平線總部附近的車流當中。
有一點小失望的是，原本我以為的 L2 指的是全速域 ACC 自适應巡航 + LKA 車道保持同時開啟的狀态，可能是限于車輛本身的狀态，本次 Mono 的體驗全程隻開啟了全速域 ACC 功能。
但該說不說，Mono 的這套全速域 ACC 真的很頂。
我們彙入車流的時間臨近下午 5 點，交通晚高峰已經開始，道路上的情況也變得更為複雜。私家車、公共汽車、機車、電動自行車、行人…平時你能在晚高峰城市路面上見到的交通參與者，我們幾乎都遇到了。但就是在這種路況下，我們開着 Mono，走走停停通過了十多個紅綠燈路口，而儀表盤上的 ACC 訓示燈一直保持常亮狀态。
Mono 最讓我安心的一點，是它會直覺地标注出與前方車輛之間的距離。
當儀表盤上顯示的前車距離減小與車輛制動的拖拽感一起到來時，我就知道，Mono 仍穩定地掌控着局面，而我繼續坐好就可以了。
當然，Mono 也有改進的空間。
比如，或許是受限于晶片算力，我觀察到，Mono 在識别到機車時，并不是第一時間在儀表盤上顯示機車模型，而是先識别成一輛轎車模型，在大約 1 秒鐘後，再切換成機車模型。
不過，這也僅是一種觀感上的不悅，對其控制車速的功能本身并無影響。
Pilot：純視覺實作高速 NOA
如果說 Mono 的體驗隻是這次活動的「開胃小菜」，那 Pilot 的體驗無疑是本次活動的「核心硬菜」。
活動開始前，我在微網誌上發了一張「野生理想 ONE」的照片，這是一輛地平線的研發測試車，車上額外加裝的雷射雷達傳感器吸引了很多網友的注意。
但其實，Pilot 是一套純視覺方案，它依靠 6 個攝像頭 + 高精地圖實作高速領航 NOA 功能。雷射雷達在這裡的用途僅為「真值校準」，以驗證 Pilot 視覺感覺的結果是否準确，到量産車上時，你就見不到雷射雷達了。
既然是高速 NOA，那自然是要上了高速才能顯示實力。
一上高速，地平線的從業人員輕撥換擋撥杆，車内語音提示 NOA 功能開啟，地平線額外加裝的 HMI 人機顯示界面也從 2D 的地圖導航界面變成了 3D 實時車道視角，360 ° 顯示我們車輛周圍的車道、車輛資訊。
總的來說，Pilot 能實作自動跟車，自動變道，主動超越慢車、主動偏移避讓大貨車、大曲率彎道行駛、自動進出匝道等功能。
具體到細分場景，在大家的想象中，可能會覺得大曲率的匝道行駛是高速 NOA 面臨的一大難題。
但其實并不是。對于一套成熟的純視覺 NOA 方案來說，隻要路面上的車道線清晰，大曲率、急拐彎的行駛難度并不高。即使真的碰上了半徑很小的彎道，系統也會自動控制車輛降速，從容通過。
相比之下，車道線不清晰的匝道 Y 型岔路口對 NOA 系統的挑戰更大。
這種場景的難度在于車道線的突變。
很多 Y 型岔路口前的匝道都是單車道，在接近岔路口時，兩側車道線之間的距離會逐漸變寬，直至 Y 型路口前。靠近 Y 型路口的過程中，單車道的匝道并不會提前在道路中央畫上一條額外的車道線來區分不同方向的兩個車道。
在我們人眼看來，一條小路分成了兩個方向，一目了然，很好分辨。但對于計算機來講，它更多是依靠車道線資訊來判斷前進方向。在這種場景下，車道線隻是變寬了，并沒有改變走向，計算機也就很難判斷出前方路況。很多情況下，系統會認為車道沒有發生變化，但當匝道的一個車道瞬間裂變成兩個不同方向的車道時，這種判斷的後果就是，車輛會直直朝着分岔口的護欄撞過去。
而地平線 Pilot 在這種場景下的表現就異常驚豔。
在識别到 Y 型岔路口後，Pilot 會早早地控制車輛向前進方向偏轉一個非常輕微的角度，車仍然是保持在車道中間附近的位置，但我能感受到，車将朝預定的那個方向轉向。
這種細微操作能讓我很明确地預判到車輛的下一步動作，而這種預判帶給我的，則是滿滿的安全感和信任感。
至于大家之前覺得很難的匝道大曲率行駛，就這麼說吧，即使是在春日夕陽直照的低可視場景下，Pilot 也僅是稍微晃動了一下方向盤，然後立即控制了車速，繼續平穩行駛。
如果非要給地平線這套高速 NOA 挑挑毛病，我能想到的就是兩點。
一是，這套系統對于變道時，目标車道前後車距的判斷還是過于保守。根據我的目測估計，它在前後車距均大于 20 米的情況下能比較順暢地完成變道。
二是，這套系統目前無法自主通過收費站。地平線給出的解釋是，這是出于安全的考量。由于收費站車道驟然增多，路況也更加複雜，是以需要駕駛者在進入收費站前自行接管車輛。
我相信這也是未來地平線 Pilot 進化曆程中将要解決的問題。
Halo：多模互動
不管是 Mono，還是 Pilot，背後展現的都是地平線對于 AI 感覺的絕對能力。有了這個前提，地平線打造智能車載互動方案 Halo 也就成了順理成章的事情。
Halo 的核心賣點是全時免喚醒。
目前主流的語音互動往往需要一個「你好，XX」的喚醒詞來激活語音系統。對于系統來講，這種特定詞激活能避免日常談話誤識别的問題，但也帶來互動不夠自然的問題。特别是在車上有其他乘客的情況下，突然開口喊一聲「你好，XX」，我個人多少是會有些羞恥感。
Halo 全時免喚醒的亮點在于，它可以自動根據語義，分辨你是在對它講話，還是在對車内其他乘客講話。
「比如說我們現在覺得有些熱，想打開車窗，這四個字是一個明确的指令，但我并不是在對 Halo 說，Halo 也識别到了這個場景，是以我們的車窗并沒有被打開。但是，當我希望 Halo 執行我的指令時，就像這樣，打開車窗，你看，車窗就被打開了。」
地平線的從業人員用這個例子向我展示了 Halo 全時免喚醒的特點。
這的确是一種很奇妙的體驗。作為人來講，我們可以根據說話的語氣，聲音大小，甚至朝向分辨這句話的對象是否是我們自己。但對計算機來說，不同語氣的「打開車窗」的識别結果實際上并沒有太大差别，而 Halo 憑借着 AI 感覺，恰恰做到了這一點。
因為帶着「自動駕駛」、「智能駕駛」等标簽，地平線常常被人拿來和特斯拉做比較。但實際上他們并不算是競争對手，認真算算，他們之間的賽道甚至隔了好幾層。
是以，盡管做出了三套可用度很高的智能駕駛方案，但整場活動，地平線一直在強調，他們是一家定位 Tier2 的晶片廠商。做出這三套方案，更多的目的也是希望向汽車主機廠表達他們的晶片平台可以實作這樣的功能。
相比這些終端功能的實作，地平線表示，他們在消費者看不到的後端，從 AI 晶片到作業系統，再到 AI 算法、AI 功能開發工具鍊、AI 雲上 SaaS 開發平台等方面做出了更多的努力，進而為車企客戶提供了一整套完整易用的智能駕駛開發鍊。
而 20+ 車企定點合作，50+ 車型前裝定點，超過 100 萬片的征程晶片出貨量，越來越多的使用者選擇地平線，也驗證了地平線這個模式的正确性。
回到晶片本身，3 顆征程 3 組成的 Pilot 3 方案僅僅憑着 15 TOPS 的算力，已經能提供非常成熟的高速 NOA 體驗，這就讓我不得不期待後續 128 TOPS 算力的征程 5、最高 1000+ TOPS 算力的征程 6 将會有怎樣的表現。
而搭載征程 5 晶片的新車也即将在今年第四季度亮相。
地平線，我們 Q4 見。
-END-
（請記得關注我們的視訊号，寶馬 i7 了解一下）