博弈、降价、创新 回顾2024智能驾驶“技术之战”

汽车之家 技术 2024年，汽车智能化发展迅猛，从车企上看，问界、理想、小鹏、小米在市场拓展和应用场景方面取得了令人瞩目的成绩，从技术上看，纯视觉和多传感器融合路线“相爱相杀”，端到端大模型、BEV+Transformer 算法也开始大规模兴起，智能驾驶的一切都比想象中来的更快也更凶猛，这也让我们对2025年的交通出行充满想象。

本篇文章，我将带大家回顾2024年智能驾驶的大事件和核心技术，让我们回顾过去，展望未来，也希望这篇文章能成为您过年餐桌上的谈资，有任何问题或者想法也欢迎来评论区讨论。

一、智驾路线之争，多传感器融合和纯视觉的再次交锋

如果我们把一台智能车看做机器人，那它的动作都是通过“感知”、“决策”、“执行”这个逻辑来进行设计的，其中感知就是车辆的眼睛。它可以笼统的理解为感知周围的传感器，通常来说包含摄像头、超声波雷达、毫米波雷达、激光雷达这四种类型，有些豪华品牌也会加入红外成像设备，这个相对少见暂且不提。

在智能驾驶最初的时候，研究单位主要采用的是将这些传感器的信息进行融合，以此实现相关的智驾功能，比如当年的沃尔沃、宝马，就是融合前视摄像头和毫米波雷达，通过不同传感器的信息对周围环境进行判断，然后再去控制车辆。

我们第一次发现侧翼子板、B柱也能布置摄像头，IMU惯性测量单元竟然也会在车辆上安装，当然实现的功能也更加丰富，在高速上车辆会自动跟随车流，自动变道等等。

至此，多传感器融合和纯视觉感知两大技术路线正式形成。从有缺点上看，两者其实都有自己的长处和短处。

因为核心传感器以摄像头为主，它的硬件成本确实是低的。因此也能将智驾功能应用到更低成本的车型上，让更多消费者去体验智驾功能，以此来提升车型竞争力。第二个是目前纯视觉对异性障碍物的识别能力有了巨大提升，尤其在去年BEV+Occupancy Network技术的普及，提升了纯视觉感知的鲁棒性。

视觉方案有一个很大的问题，那就是如何规避道路上异型障碍物。虽然视觉有着更加丰富的环境信息，同时分辨率也是激光点云所无法比拟的，但是它不具备深度信息，且系统需要「认识」道路上无穷无尽的异形障碍物。因此就需要不断的去标注然后对系统进行训练，但是道路上一定会出现新的、没见过的障碍物，车子就有可能不识别，而发生危险。Occupancy Network（占用网络）的出现，成了一种新的解题方法。

所以说Occupancy Network技术可以更好地解决通用障碍物难以处理的问题，让纯视觉路线突破瓶颈。

以上就是纯视觉的一些主要优势，那它的缺点是什么呢？

1、从咱们刚才的试验也能看出来，恶劣环境，对摄像头影响不小，其实就跟我们人眼一样，黑暗环境啊或者有大光比的明暗环境变化时，我们人眼也受不了，对于摄像头来说也同样如此。

2、前面提到的占用网络其实目前还不算成熟，有时候还是无法处理道路上的异形障碍物，这个还是需要时间的积累。

3、第三点就在于纯视觉对算法要求很高，这是一个链条，算法要求高，执行算法的算力也要有高要求，也就是芯片要很好，同时想要一个好的算法就需要好的数据去不断的训练，所以你的数据量也要高，这都是隐形成本，这些在下面我还会更详细的跟大家聊一下。

反过来看多传感器融合路线：

首先说说优点：

1、应对恶劣环境的能力更强，因为有多个传感器，一般还配有激光雷达，所以在应对复杂环境时安全冗余高。

2、感知准确度高，激光雷达能厘米级感知低矮物体，同时在追踪近距离物体上，尤其是拥堵下的慢速加塞，表现的会更好。

3、一般搭载激光雷达的智驾系统，都采用了多传感器融合的方式，也就是激光雷达也不是唯一的传感器，一般都是配合着视觉感知、毫米波雷达甚至还有超声波雷达，一起去对周围环境进行感知，就相当于你开车时既能看到道路的情况，又能听到道路上的声音，它的冗余更大，鲁棒性更高，在理论上讲，这种融合性感知是更安全、全面的。

当然，激光雷达的缺点也挺明显的，

目前来看主要有两方面，一个是成本，一个是算法。

成本就不用多说了，价格高肯定会限制车企的搭载，如果激光雷达真的和毫米波雷达一个价位，想必随便做个智驾都会加上激光雷达；第二个问题在算法，这个有点类似双刃剑。优点里面我们提到过，搭载激光雷达的智驾系统都属于多传感器融合。

率先在美国获得 L3 级智能驾驶运营许可的梅赛德斯-奔驰表示：奔驰的DRIVE PILOT搭载包含激光雷达在内的多个传感器，足够的安全冗余对实现安全可靠的L3级别智能驾驶是必不可少的。

本质上，是激光雷达具有抗干扰、三维、高置信度的优势，能为算法预测和规控提供高质量的感知输入。

所以，我们有理由相信激光雷达既是智能汽车的“隐形安全气囊”，更是加速算法开发落地的「秘密武器」。

而对于纯视觉感知来说，背后隐含的是数据驱动的逻辑。与这套方案相匹配的是特斯拉通过数百万辆车源源不断采集的数据，官方统计，Autopilot累计行驶里程超90亿英里，FSD beta累计行驶里程超5亿英里。而为了处理这些海量数据，特斯拉储备了14000块总价值数十亿的AI芯片，可同时处理 1600亿帧图像。

“算法+算力+数据”，构成了后来者难以追赶的竞争壁垒。从全局看，不光要关注看得见的显性成本，更要关注看不见的隐性成本。拿掉激光雷达看似节省了一些硬件成本，但车端感知能力的下降，需要在云端投入更多的资源进行开发，极大抬高了隐性成本，在车辆销量没有非常高的情况下，这些隐性成本均摊下来实际上远高于硬件成本。

纯视觉与传感器融合的路线之争，本质是"仿生派"与"工程派"对智能驾驶终局的不同想象。在算力狂飙的今天，两种路线正在逼近同一个目标：用更优雅的方式解决"机器如何理解世界"这个问题。这场对决并没有分出胜负，唯有继续的比拼、进化才能看到终章。

二、端到端提了一年，但究竟是个啥东西？

2024年在智驾技术方面第二个热点技术就是端到端，相信网友们或多或少也听到过这个名词。但端到端到底是个啥呢？下面我们就用简单点的语言来跟大家聊一聊。

我们以学车为例，学车的过程是先学交规、驾驶的理论知识，接着教练会手把手教你一遍，自己练一遍，教一遍，练一遍，慢慢我们就会掌握基本的驾驶技巧。以前的智驾系统基本也是遵循这个道理，工程师们需要教它认路、认车、认人，再教它怎么打方向盘、踩油门，最后才能上路。这种方法步骤繁多，特别复杂，而且容易出错。

端到端就是省略了认路、认车、认人，再教它怎么打方向盘、踩油门的步骤，直接给机器放老司机开车的视频，让机器直接“看”人类司机开车，从起点到终点，它自己琢磨该怎么开。

从智驾体验上讲，应用端到端技术的智驾开起来也更自然，坐车的人也更像老司机驾驶体验。当然，目前的端到端依然是个新手，不仅仅是“上车”的时间短，其学习老司机的时间也很短，还需要大量的练习和经验才能开的更好。但毫无疑问，它是提高当前智能驾驶能力的一条有效路线，它让机器可以更像人类驾驶，提升我们智驾时的安全、便捷性。

三、智驾企业的上市大年

聊完具体的技术，接下来让我们再把目光转向行业。2024年对整个智驾行业来说也是不同寻常的一年，大量的企业开始涌入市场，速腾聚创、地平线、黑芝麻智能、文远知行、小马智行等企业受到了大量资本青睐，这也为行业发展注入了活力，上市-融资盘活了企业，也进一步促进了智驾的发展，不断换代的产品也降低了成本，极大提升了车企对智驾的兴趣度。

当然也引出了下个话题，平价智能车开始逐渐普及。

从价位上看，2024年装配有主流L2功能的智能车已经下探到20万以下，其中以小鹏汽车为核心代表，小鹏P7i甚至全系配置了高阶智驾，部分20万以下车型甚至搭载了城市及高速NOA，智驾平权运动已然在车企竞争中悄然兴起。而传统汽车厂商也不再低调，比亚迪“天神之言”、奇瑞大卓智驾都开始在20万以下车型开始布置。

写在最后：智能驾驶技术的发展，近年来已经步入了一个全新的阶段。随着人工智能、5G通信、传感器技术的进步，越来越多的车企和科技公司在这一领域取得了突破性进展。2024年，智能驾驶技术在各个层面都有了显著的进步，涵盖了自动驾驶的硬件、软件、法规以及伦理等多方面的内容。未来几年内，我们将迎来一个更加智能、安全和高效的出行时代。尽管挑战依然存在，但可以肯定的是，智能驾驶将继续以令人惊叹的速度改变我们的出行方式、交通格局乃至整个社会结构。（图/文 汽车之家 冷晓阳）