【本欄目由騰訊汽車與功夫AUTO聯合出品】
全篇 2547 字數 閱讀時長 4分鐘。
自動駕駛，開始走向大規模爆發時代。
今天，北京發放無人化載人示範應用通知書，百度、小馬智行成為首批獲準企業。
這也意味着，“方向盤後無人”的自動駕駛服務在中國超大城市首次放開。
伴随着這個轟動全城的消息，小馬智行也在上周獲得中國首個自動駕駛計程車牌照。
此前在微網誌上，造車新勢力大佬關于“雷射雷達放在哪”仍在激情辯論中。
從各次元不難看出，關于自動駕駛的讨論正在愈發熱烈，熱度也不斷提升。
一直以來，自動駕駛領域是令車企們垂涎，卻分外難啃的“硬骨頭”。
而伴随着前方不斷傳來的好消息，國内的傳統車企和造車新勢力們，或将再度掀起了一場轟轟烈烈的搶位争奪戰。
“蔚小理”首當其沖，率先推出一款史上“最高配”的智能汽車外，還會在硬體、軟體、資料等各次元來一場最進階别的“軍備競賽”。
畢竟，為了搶奪決戰的入場券，自動駕駛這個最具技術代表性的次元必然是戰場的最前線。
（1）硬體“軍備競賽”：原地踏步，就是落後挨打
現代經濟學之父曼昆曾說，決定價格的是供需關系，而非價值本身。
對于車企而言，能夠活下去需要滿足人們稀缺的需求，需要有市場，讓人們願意掏腰包。
因而，如何滿足消費者的需求，是自動駕駛落地的關鍵一環。
在此之中，“硬體”則是基礎中的基礎，也是車企“軍備競賽”的起點。
說白了，智能汽車使用硬體的種類、數量多少，以及性能高低，将直接影響自動駕駛的落地程度。
從自動駕駛的計算晶片出發，蔚小理在硬體“軍備競賽”率先打響第一槍。
蔚來剛剛傳遞的ET7，率先搭載了英偉達最新的Orin晶片，超過了此前小鵬P7和P5搭載的明星晶片英偉達Xavier晶片。
這款晶片單枚算力可達254TOPS，遠遠超過Xavier的30 TOPS。
同時，ET7還一次裝了四顆，算力高達1016TOPS，遠超小鵬和理想旗下所有車型，直接把硬體配置拉滿。
在蔚來計算晶片的先發制人下，小鵬和理想也不甘落後，在下一代車型也是鉚足勁加碼。
譬如小鵬的最新車型G9，以及理想的下一代車型X01，也選擇了Orin晶片，但在量産時間上可能會稍慢一籌。
不單于此，硬體層面的競賽，還發生在感覺裝置上。
在實作自動駕駛的過程中，環境感覺是第一步，載體是攝像頭、超音波傳感器、毫米波雷達、雷射雷達等等。
去年，伴随着小鵬P5搭載的雷射雷達量産落地後，越來越多車企加入雷射雷達陣營。
不過，在車企搭載雷射雷達的規劃中， 有兩種路線：一種是全系标配、一種是選配（隻有高配車型搭載，類似選配）。
蔚來ET7屬于全系标配，傳聞蔚來今年換代的NT2.0平台所有車型全系标配，小鵬P5屬于選配。
在即将傳遞的車型裡，還有智己L7、理想L9、小鵬G9等等，高合、廣汽埃安、極氪、極狐、飛凡、路特斯、集度等品牌都有計劃推出搭載雷射雷達的車型。
不難看出，在這場硬體“軍備競賽”中，無論是造車新勢力，還是傳統車企，都在加速疊代，誰也不敢絲毫松口氣。
（2）軟體“超前比拼”：資料和算法的全次元博弈
當然，自動駕駛領域的競争，隻憑硬體“堆料”可遠遠不夠。
在硬體之下，還需要有足夠智能的算法和資料支撐，這才是車企之間真正拉開差距的關鍵。
譬如特斯拉，一直在持續通過計算機視覺技術，為“單車智能”提供訓練。
原理上，特斯拉自動駕駛使用神經網絡晶片，通過軟體模拟人腦的運作方式，基于對已有資料的分析學習，對目前道路環境進行預判。
這樣的技術路徑，相當依賴道路測試資料，同時“長尾問題”層出不窮，但它的優勢也顯而易見。
說白了，就是借助軟體節省硬體空間和配置，而非依靠純硬體來堆出精确度。
同時，軟體能在不增加和更換硬體的條件下，提供充足的功能“想象力”。
在蔚小理中，小鵬是首個公開宣稱全棧自研的玩家。
去年1月，小鵬推出了基于英偉達 Xavier 平台的高速場景 NGP，成為國内最早實作自動駕駛全棧自研并量産的車企。
相比于小鵬，其他車企落後不少。
比如理想，在搭載地平線 J3晶片後才開始自動駕駛的全棧自研。
直到去年 12月，理想才向使用者提供導航輔助駕駛系統 NOA，相比小鵬的NGP晚了接近1年。
在下一代車型X01上，理想在硬體上縮小了差距，但能不能把英偉達Orin晶片強大的算力利用好，還要看理想的軟體自研水準究竟如何。
蔚來的自研軟體，在三家新勢力中落地最晚，此前在售三款車型 ES8/ES6/EC6搭載的還都是 Mobileye EyeQ4晶片。
不過，蔚來正試圖強力超車，其率先傳遞的ET7将直接跨過小鵬目前使用的英偉達Xavier，搭載英偉達最新的Orin晶片。
相比封閉的 Mobileye ，英偉達的平台更加開放，能夠滿足感覺算法自研的需求。
基于英偉達的計算平台，車企能夠完全自主開發定位和高精地圖融合、感覺算法和傳感器融合、行為規劃和控制的全棧式自動駕駛技術。
在自研算法之外，資料對于自動駕駛的重要性，也毋庸置疑。
衆所周知，自動駕駛是一種基于機器學習算法的技術，資料是算法模組化與軟體落地的基礎，大量的資料采集是自動駕駛技術開發的前提。
從這個次元來看，蔚小理的積累是領跑國内其他車企的，但相比特斯拉仍有差距。
畢竟，特斯拉在自動駕駛領域的量産車型最多，這也将真實路況資訊源源不斷地輸送給背景算法進行疊代優化更新。
更早更多的量産車型落地“開跑”，也意味着更大更強的資料優勢和算法優勢。
不過，對于國内車企而言，中國錯綜複雜的真實道路場景，仍将是自動駕駛最好的“算法試驗場”和“資料積累場”。
總的來說，自動駕駛軟體的“超前比拼”，完全是車企一場真正意義的長跑。
（3）功夫拍案
從2018年的小浪花到2021年的大浪潮，自動駕駛領域的入局者經過多年沉澱，已經從野蠻生長的技術初創期，陸續進入産品落地階段。
無論是傳統車企，抑或是造車新勢力，都是“新車輩出”。
十年磨一劍，霜刃未曾試。
群雄并起的自動駕駛比拼，誰能在“五代十國”般的産業亂局中成為一方諸侯，還是未知數。
但2022年，中國自動駕駛的玩家們，已經走到了決戰之前的時刻。
為了搶奪決戰的入場券，今年的自動駕駛行業，必定是短兵相接，厮殺激烈。