比亞迪的一件緊迫事：自動駕駛上車

圖片來源@視覺中國

文｜錦緞

定義未來汽車產業發展的“新四化”分別為：電動化、智慧化、網聯化、共享化。迄今為止，這一邏輯線仍屬產業共識。

全球範圍內，特斯拉拔得頭籌，在其中的電動化（ 三電系統 ）和智慧化（ FSD服務 ）領域均處於領先。

作為目前能在銷量上和特斯拉掰掰手腕的比亞迪，也已經在電動化上取得了普遍認同，下一步的整體進階，必然要求它在智慧化上有所突破。

從微觀視角延伸至宏觀視角，中國新能源車叢集，已階段性奪得電動化全產業鏈的先發優勢，但在以自動駕駛為核心的智慧化價值鏈維度，則正面臨以特斯拉為首的海外軍團的深度壓力。

這也意味著，在即將到來的2023年，智慧化將成為新能源賽道核心看點，一場不可避免的全面戰爭即將開場。

01 噪音

近期圍繞自動駕駛公司“折戟”的討論氛圍甚濃，智慧化長期以來的懸浮感開始令市場陷入迷茫。

例如：

10月底，英特爾將旗下資產MOBILEYE以170億美元再度上市，而2017年英特爾卻是以153億美元將其私有化，期間MOBILEYE的估值還一度膨脹至超500億美元；

因福特決定停止對Argo AI的投入，曾以至少70億美元估值並計劃IPO的L4自動駕駛公司Argo AI日前宣佈倒逼，未來福特將集中資源在L2+級別的智慧駕駛的開發上；

背靠谷歌的行業先行者Waymo曾估值高達1750億美元，現已跌至300億美元，並且每年至少消耗谷歌母公司至少10億美元的運營支出，而從2018年率先取得鳳凰城和舊金山的Robotaxi運營許可後，其商業化推進速度受到質疑；

而依靠通用和本田輸血的Cruise也在Robotaxi業務（也從2018年開始）上錄得近50億美元的虧損，並且其未來商業化盈虧點仍然模糊；

國內專注於L4級自動駕駛公司如百度、小馬智行等也同樣面臨著持續鉅額投入和商業化難題，自動駕駛變成了難以實現的夢境；

全球範圍內自動駕駛的龜速匍匐，甚至令“自動駕駛之父”——萊萬多夫斯基發出如此感嘆：“忘掉利潤吧，所有的自動駕駛計程車、自動駕駛貨車或者諸如此類的公司的總收入是多少？有百萬美元嗎？也許吧，但我認為零收入的可能性更大。”

以L4級自動駕駛為代表的智慧化道阻且長，直接原因當然還是在於政策法規層面的限制，背後是小機率事件所隱含的道德難題，當然也包括車企在其中需要承擔的事故責任等，根本原因還在於技術上沒有取得顯著突破。

似乎，自動駕駛的普遍發展困境使其成為了一場海市蜃樓，構建的願景雖美好，但要落地又顯得不真實。

但，特斯拉在自動駕駛上卻表現出十足的堅定和信心，宣佈放棄鐳射雷達進入純視覺感知方案後，展現出一套全棧全自研全產的全鏈路自動駕駛軟硬體構架，並基於現階段L2自動輔助駕駛的執行表現不斷地訓練迭代自己的純視覺體系效果。

雖然，特斯拉還遠未達到實現自動駕駛的水平，但基於每次beta的迭代都有相應的提升，相較之下，逐步的效果最佳化令市場開始對純視覺方案抱有更開放的態度，也加深了市場對特斯拉“智慧化”的標籤認知力。

02 視覺方案

從大的方向看，自動駕駛的實現路徑分為單車智慧和車路協同，前者又可分為以鐳射雷達為主的感測器感知方案，以及以攝像頭為主的視覺感知方案。除了特斯拉之外，幾乎所有主機廠和自動駕駛公司都選擇了單車鐳射雷達方案，並且國內在鐳射雷達方案的基礎之上，同步在推進車路協同的基礎建設。

之所以大多數廠商都選擇了成本要高得多的鐳射雷達方案，是因為感測器天然就具備向量空間的探測感知能力，而鐳射雷達則能夠應付高速實時條件下還原路況資訊的必要要求，但感測器也面臨多訊號融合問題，並且容易受天氣狀況的影響。

而攝像頭無法直接還原三維空間資訊，需要智慧演算法的大量學習過程後轉化來解讀，並且視覺方案對算力和演算法延時的要求極高。視覺方案最大的難點在於這個系統擬人化的智慧程度，例如基於開車經驗為基礎的預測能力以及舉一反三的泛化能力。

車路協同，雖然能夠在一定程度上降低單車的智慧程度和算力要求，但另一方面則需要大規模新基建（ 如高精地圖、5G、雲計算、大資料、物聯網等 ）的推進，所以短期內，車路協同的落地主要將依託於試執行區域的效果而定，目前離確定路徑和大規模推廣還相差甚遠。

目前從L2級的使用體驗看，特斯拉自能駕駛輔助系統autopilot的使用體驗優異，大概不輸於任何一輛量產車的智慧輔助系統表現。特斯拉用一套低成本的方案，最終獲得了規模上的先發優勢。

隨著其交付量的顯著增加（ 大概400萬輛特斯拉車和約10%的搭載FSD的車輛 ），以及背後基於正常啟用運轉和“影子模式”運轉不斷學習最佳化的一整套自動駕駛系統，其autopilot和FSD都在齊頭並進做最佳化迭代。

在獲得全球最多路況資料量後，特斯拉需要做三件事：一是將2D路寬資料3D化，完成資料資訊的格式化和標準化，這一過程的工作量極大，特斯拉除了有上千人組成的資料標註團隊之外，還為此開發了自動化資料標註工具；

二是匯入加工後的資料，訓練控制決策系統的“聰明度”。為此特斯拉近年來重寫了FSD基礎構架，並用蒙特卡洛樹搜尋+神經網路相結合的方式，不斷地讀資料、看路況，挑出複雜路況或事故問題路況，模擬比對決策結果，再在虛擬環境中模擬構建現實世界的複雜路況，儘可能多的覆蓋長尾路況資訊，進一步訓練決策系統應對小機率事件的從容度；

三是需要一個強大的算力模組及系統構架，為此特斯拉研製基於分散式架構的Dojo晶片，並且優化了晶片間的通訊頻寬（ 即縮短延時 ），理論上能夠實現無上限的算力拓展，這將隨著資料量和算力的需要同步擴容。

為了大幅精進這三件事情，特斯拉的核心聚焦點放在了AI領域，所以今年AI day的目的就是廣泛的招賢納士。

客觀上，特斯拉有一套系統化的自動駕駛方法論，由於攝像頭擁有標準的資料格式和通用資料介面，特斯拉只需要完成軟體端的突破即可；但多感測器融合面臨通用化和標準化的難點，其中鐳射雷達仍在機械、半固態、固態的路線爭論中，加之車企和硬體供應商之間有強耦合的關係，會面臨同步協調的系統性問題。

所以，在某種程度上，路徑問題也可以簡化成另一個問題，到底是一個人跑得快or一群人跑得快？

03 中國需要跟注

很多車企都宣稱自身的“智慧化”程度不輸於特斯拉，或宣稱已具備L4級的硬體基礎及能力，未來將透過OTA方式來更新系統與之適配。

但相比於特斯拉的“全鏈路自主可控”，大部分車企的智慧化都需要供應商的先行，如果在底層基礎不穩的情況下，車企也是難有大的突破錶現。

現階段，國內廠商的智慧化語境基本都是一個模板的產物，例如在支援OTA、晶片算力、語音互動、攝像頭解析度、鐳射雷達、駕駛輔助能力、及潛在的自動駕駛能力等多個維度上刷資料，其實仍側重於“推配置”的表達方式，基本區別於特斯拉對“智慧化”的理解與表達。

當然，在法律法規的約束視窗期內，市場也很難真正認清究竟孰優孰劣。

但如果以自動駕駛為代表的智慧化終將落地，並且是以特斯拉的方式率先突圍，那麼將拖累我國整體汽車“新四化”的程序。

電動化化的滲透，主要依託於製造業產能擴張的客觀規律，週期較長，我們尚且還能夠依靠大市場和產業體系進行有效追趕甚至是取得先發優勢。但智慧化將區別於自動化的程序週期，一旦智慧化開始落地，特別是以更具單車價效比的純視覺方案落地，短期內將虹吸所有紅利，並且也牢牢掌握未來推進網聯化、共享化的主動權。

這意味著，無論是對品牌車企、供應商，還是以汽車產業為基礎的國別競爭，拿下自動化只是一場卡位晉級的戰鬥，而智慧化才是覆蓋整個新能源車戰爭的高地戰役，戰略意義至關重要。

為此，我們不應該滿足於自動化在全球範圍內的率先表達，而智慧化則繫結產業系統一同踏步， 我們應該要效仿特斯拉，至少也要下注純視覺方案，讓自動駕駛能夠儘可能“脫鉤”硬體維度的束縛。

在接下來視窗期內，國內能夠在短期內撬動“智慧化”標籤最大效用槓桿的，就只有擁有最大產能與銷量的比亞迪。

04 現實抉擇

一來在於比亞迪是國內唯一盈利的新能源車企；二是多年來的電動化深耕讓他成為了全球最具產業鏈縱深的電動車企；三是它的規模化已不僅僅侷限在國內市場，已成為我國最具出海競爭力的新能源車企代表——而 自動駕駛破局之路最關鍵的要素便是資料，以及更多的資料。

但眾所周知，比亞迪的智慧化表現落後於國內新勢力。為彌補這一劣勢，近年來比亞迪已經觸達過多輪供應商。

2020年推出DiPilot輔助駕駛系統，博世是這套L2系統的供應商，但隨後沒有更新迭代；

2021年比亞迪推出自研作業系統BYD OS，開始自己整合關於自動駕駛輔助系統的供應方案；

同年，比亞迪開始投資晶片供應商地平線、鐳射雷達供應商騰聚創、自動駕駛解決方案商Momenta；

2022年，比亞迪聯合百度為其提供ANP（城市智慧輔助駕駛產品）以及百度地圖，並宣佈與自動駕駛晶片供應商英偉達合作，未來將採用英偉達的自動駕駛平臺，之後比亞迪還與華為傳出合作，也將引進華為MDC計算平臺及自動駕駛解決方案。

顯然，廣撒網的策略目的是讓未來的產品在智慧維度上具備行業競爭力，看似多方押注萬無一失，但長遠來看，這樣的操作過於被動，未來也恐怕難以建立智慧化的競爭壁壘。由電動化轉向智慧化，價值鏈亦必然將向後者轉移。而一旦特斯拉率先打通的自動駕駛的任督二脈，比亞迪剛剛建立起的銷量優勢恐將不保。

所以，在保持自身銷量優勢的基礎下，覆蓋 特斯拉的智慧化發展路徑，是比亞迪卡位下一階段行業競爭的一個合理選項。

那麼第一步，比亞迪要做的就是儲備並試驗全棧自動駕駛解決方案（ 包括軟體演算法、硬體配置、資料處理等維度 ）。這牽涉的最大問題是汽車行業的智慧化空窗期究竟還有多久。

如果沒有期限限制，相信比亞迪未來能夠透過招人和研發投入實現全棧自研，並裝配在量產車上，再透過大規模的資料“餵養”不斷精進自身的輔助駕駛系統表現以及未來自動駕駛的潛在能力；但如果特斯拉憑一己之力加快行業邁入智慧化階段的時間進度，那麼特斯拉將再次遠遠甩開比亞迪，並且實現在全球範圍內更大規模的市場收割，這極有可能削弱我國在汽車“新四化”過程中的話語影響力。

事實上，這不應該是一道選擇題，“高階製造”是未來中國之於世界經濟體系的重要定位和身份標籤，汽車產業無疑是展示這一戰略定位的根基，所謂“國之大者”，中國車企必然是要攀登並且站上汽車智慧化的高地。

現階段參與到“智慧化”的公司大體可以分為三類，一類是如長城汽車與毫末智行的關係，屬於大型車企獨立孵化的智慧駕駛公司，主要為母公司車型的智慧駕駛服務；另一類是以科技公司的身份切入到智慧化供應商的領域，如百度、華為、小馬智行等，主要向車企提供整體解決方案；還有一類是電動化先行車企“蔚小理”這類的自研公司。

從公司背景、定位、運營情況等角度看，小鵬汽車的智慧化理念是離特斯拉相對較近的公司。但今年其產品的市場銷售表現出現一定頹勢，導致其開始明顯掉隊，無論是在行業、市場、資本、或是輿論的處境中，小鵬正變得愈發艱難。

在國內，小鵬汽車身上的智慧化標籤受市場接受度較高，可惜在於其品牌價格的定位和類SaaS的商業模式。但這對於製造業和電動化經驗豐富的比亞迪而言，卻非常契合未來智慧化的需要。

雖然小鵬汽車走的並不是單車純視覺的路線，但其全棧自研的自動駕駛系統架構於特斯拉的很相似。小鵬在高速NGP場景中，採用的是高精地圖的策略，但進入城市NGP階段，將採取視覺感知為主的方案，並且當下小鵬也在致力於打通“高速、城市、泊車”三種駕駛系統的使用場景，真正實現“端到端”的一體式系統整合，這可能需要類似特斯拉2020年的重寫FSD程式碼的工作。

如果比亞迪能夠與小鵬構成深度合作，那將會對比亞迪的智慧化程序助推動力，以應對特斯拉可能率先掀起的智慧化自動駕駛浪潮。但前提還在於小鵬是否能夠接受“為他人做嫁衣”的局面。

當然，比亞迪另一重要選項還包括百度。在自動駕駛領域浸淫近10年的百度，被認為是最懂自動駕駛的中國公司。特別是百度方面的解決方案選擇餘地更多，其本身就是車路協同與視覺兩條腿走路。

汽車“新四化”的程序必然是會帶來市場格局的重構，卻也是大浪淘沙的過程。而車企間也不永遠只是單一的競爭關係，在更大的使命和責任面前，有遠見的車企需要達成競合的默契。