智駕行業中的火藥味越來越重。
近日，一場有關“AEB”（Autonomous Emergency Braking，汽車自動緊急制動）功能的爭論，在智能駕駛行業中被掀起。
這場爭論起初源于小鵬汽車CEO何小鵬在接受媒體采訪時認為“友商講的AEB，99%都是假的，宣傳全是來自小視頻。”
該觀點雖然沒有明確點名，但一經報道后，或許讓華為終端BG CEO余承東感受到了“被冒犯”，于是很快在朋友圈中做出回應，表示“居然有車企的一把手根本都不懂AEB是什么！”
余承東的回應并沒有止住這場爭論。當看到“友商”的回應后，何小鵬在其朋友圈中表示“我最近評價了一個行業亂象，結果行業的沒急，非行業的倒急了，不知道他急什么。”
截至發稿前，余承東還未對何小鵬掀起的“第二回合”做出任何回應，但也吸引了更多造車大佬參與到這場爭論中。比如理想汽車CEO李想表示“不和華為吵架，實在吵不過呀”；而哪吒汽車CEO張勇、阿維塔CEO譚本宏則都表示AEB功能存在局限性。
伴隨著更多車圈大佬參與這場爭論，也讓AEB功能成為了目前行業內外廣泛討論的熱門話題。畢竟，對于這場爭論，拋開看熱鬧和蹭熱點的成分之外，也突出了AEB功能存在的問題。
AEB示意圖，圖源Euro NCAP官網
早在2002年，AEB功能就已被嘗試應用在奔馳、本田等產品中，發展至今這一功能也成為ADAS系統中基礎且核心的功能之一。
但就實際表現來看，AEB功能很有可能會出現“誤觸發”的情況——當車輛高速行駛時，系統誤認為車輛前方有障礙物，隨即做出立即剎停的操作，最終可能會導致車內人員受傷和追尾等事故的發生。
對于這一行業問題，業內已有一些解決方案，比如在車輛感知層面提高精度，提升對環境的識別率；或者提升車輛在決策層面的能力，降低誤觸發的幾率。與此同時，一些激光雷達企業也提出了它們的解法——在車輛感知層面，除了攝像頭和毫米波雷達之外，添加激光雷達來提升感知精度，以便減少誤觸發和漏檢等問題。
如今，智駕行業已打響性價比的價格戰，激光雷達的取舍也已成為眾多主機廠和智駕方案解決方案供應商們思考的問題。激光雷達是否能有效解決AEB功能問題？激光雷達對于智駕行業的重要性到底有多少？
余承東、何小鵬，到底在爭論什么？
這場AEB的爭論，起初還停留在技術上的討論。
當被媒體問到“如何看待小鵬城市NGP和友商AEB”的看法時，何小鵬表示大部分人可能從來沒遇到過AEB，友商講了AEB，“我認為99%是假的，它就是造假，那些宣傳都不是公司官方發布的，全是來自小視頻。”
或許為了佐證自己的觀點，何小鵬還補充道：“我們自己的人還專門去問了，它的AEB根本不能開，路上的誤剎車情況太多了。”此外，他還表示，和其他公司的“小視頻”不同，小鵬的XNGP技術，會把AEB作為一個方向做好，比如“靜態AEB”，一旦周圍有障礙物，車輛就會主動避開，車輛可以主動避障。
何小鵬對于AEB的看法，截圖自何小鵬個人微博
何小鵬的這些觀點，看似沒有點名任何一家友商，但很快卻引起了余承東的關注。后者在其朋友圈中配文表示：“連AEB是什么，居然有車企的一把手還沒有搞懂呢！”
緊接著，余承東在這條動態的評論區補充，“有的車企，整天忙著做智能駕駛，AEB主動安全測試結果非常差，一問才知道他們卻連AEB基本功能居然都沒有做，這讓我十分吃驚！要么讓手下忽悠了，要么是對汽車行業的發展缺乏最基本的認知！”
余承東的反應，在業內看來就是對何小鵬的反擊，畢竟余承東在發布問界新M7時，曾把AEB功能作為主要賣點，表示“AEB最高剎停時速提升至90km/h，可減少90%因注意力不集中和路況復雜造成的交通事故，主動安全能力業內持續領先”。
看到余承東“對號入座”后，何小鵬又在朋友圈發文“我最近評價了一個行業亂象，結果行業沒急，非行業的倒急了，不知道他急什么。”這一“非行業”的表述，直接把兩人的爭論又增添了幾分火藥味。
針對何小鵬的再度回應，余承東截至發稿前雖然再無任何回應，但兩人的爭鋒相對也上升至品牌層面。
AITO汽車官方公眾號在昨日發布了題為“不打無謂嘴戰，打贏安全硬戰！”的文章，對于問界的AEB功能進行了大篇幅的介紹；很快，小鵬汽車官微也發布了一篇AEB學習筆記的博文，并以“AEB測試≠營銷炒作”作為配圖。
小鵬汽車和AITO汽車對于AEB的科普文章，截圖自各自官方渠道
殊不知，這場有關AEB的論戰，并沒有止于何小鵬和余承東的“隔空辯論”，而是吸引了更多車圈大佬的加入。
比如李想率先以“吵不過華為”的聲明，站在了論戰觀眾席的位置；而像比亞迪騰勢銷售事業部總經理趙長江、譚本宏和張勇等大佬，則是對于AEB功能先做了科普，然后借勢對自家的產品做了波營銷宣傳。
從上述大佬們的爭論中看，核心的焦點在于AEB的功能性方面，這也是因為該功能已是乘用車主動安全的核心功能。
AEB，即自動緊急剎車系統，屬于乘用車輔助剎車的電子系統，當車輛遇到突發危險情況，或與前車及行人距離小于安全距離時主動進行剎車，可減少追尾和碰撞等事故的發生。翻譯一下，就是幫助駕駛員在危險發生的短時間內“踩”剎車，避免事故發生。
按照分析機構Euro NCAP的數據顯示，AEB功能能在現實世界中減少38%的追尾碰撞，將顯著提升駕駛的安全性。由此該功能在乘用車的裝備率較高，根據乘聯會數據顯示，截至今年上半年乘用車配置AEB功能的占比為49.5%，其中新能源車配置該功能占比已達到55.8%。
即便經過20多年的發展，AEB技術已趨近成熟，但不可否認這一技術依然存在問題。
這其中以“誤觸發”為主要的問題，簡單說當車輛行駛過程中，車輛的感知硬件誤認為車輛前方存在一個障礙物，為了避險AEB就會觸發，讓車輛緊急剎停，何小鵬、譚本宏和張勇等大佬也都認為AEB復雜性較大。
哪吒汽車CEO張勇對AEB復雜性的描述，截圖自張勇個人微博
AEB誤觸發的危險性在于，如果當車輛高速行駛在高速或者高架上，車輛急剎后，不僅會導致車內人員受傷，也有可能讓車后車輛來不及避讓，導致追尾事故。“行業內講的AEB主要是縱向AEB，觸發條件大部分情況下是60km/h以內。如果速度過高誤剎車對用戶會造成巨大的驚嚇，是根本無法接受的。”何小鵬對媒體曾這樣表示。
此外，AEB技術還有一個不足，就是對障礙物的漏檢。比如在霧霾、黑暗環境下，人類駕駛員對于較矮、較小（路邊消防樁、小動物）等障礙物無法發現的同時，AEB也沒有識別到，最終導致了碰撞的發生。
因此，再來看何小鵬、余承東等人對AEB的爭論，其實也揭露了AEB技術和系統存在的問題，作為車輛主動安全的關鍵功能，這些問題也需要得到解決。
AEB系統問題，該如何解決？
要優化AEB問題，得先了解該系統是如何運作的。
從工作原理看，AEB要正常運作就需要經過感知-運算-決策的過程，當車輛在非自適應巡航的情況下正常行駛時，該系統會基于毫米波雷達和視覺攝像頭等感知傳感器來自動探測車輛前方是否具有障礙物，同時判斷碰撞風險。
當遭遇危險情況，比如車輛與前車或行人的距離小于安全距離時，AEB會向人類駕駛員發出警報，并且觸發執行機構（電子穩定程序ESP），最大限度地進行自動緊急剎車或使車輛減速，避免碰撞事故的發生。
AEB工作原理，圖源CATARC汽車測試中心官網
需要注意的是，以上描述的是AEB正常工作的工況，該系統也會隨著一些因素的變化，開始出現問題。
比如當車輛行駛車速過快時，AEB的傳感器對于環境中障礙物的感知能力就會減弱，從而影響系統的決策判斷能力，以至于在很多時候AEB系統對于障礙物沒有做出反應，這正是上文提到的“漏檢”。
相比于“漏檢”，前文提到的“誤觸發”，也就是業內俗稱的“幽靈剎車”，由于更大的危險性，從而更受業內關注。
按照NHTSA此前對于特斯拉“幽靈剎車”的調查結果來看，出現這一情況時車輛大多都面對著低速或者靜止的物體，比如車輛前方有樹木、彎道護欄、減速的車輛以及斜坡，都會讓車輛“誤觸發”AEB。
甚至在2019年Autolog的一份報告中，提到了連城市地下管道冒出來的水蒸氣，都有可能引發車輛做出“幽靈剎車”。換句話說，車輛識別到了東西，但無法判斷是否是危險的障礙物，為了保證安全只能決策剎車。
為了解決AEB“誤觸發”的問題，首先想到的就是讓算法認識和識別什么才是障礙物，這就需要對算法層面進行優化。
由于特斯拉此前頻繁被曝出“幽靈剎車”，因此該品牌一直在對其算法進行迭代。按照建約車評報道，特斯拉自2019年就已開始快速迭代算法，截至目前FSD已迭代至V12版本，“幽靈剎車”現象已大幅減少。
特斯拉FSD V12路測，圖源TeslaSide
與此同時，提高感知精度，也是業內公認降低AEB“誤觸發”的另一方案。基于多傳感器融合，可以讓車輛探測環境的物體（數量）達到此前的數倍，并且保證在每個物體上獲得更多的細節信息。
為此，一直喊著堅持“純視覺”路線的特斯拉，在其HW 4.0的感知系統中增加了一顆高精度4D毫米波雷達，探測距離為300米左右，成本在千元級別；而其他主流車企，也會基于AEB主控感知硬件之外，加入攝像頭或毫米波雷達作為感知輔助。
但一個事實也擺在全行業面前——解決誤觸發的同時，很難一同解決AEB漏檢的問題，正如通用汽車-卡耐基梅隆大學自動駕駛協作研究實驗室的聯合主任Raj Rajkumar說的那樣；“從技術的角度來看，如果你想降低誤觸發，那么漏檢率必然上升，反之亦然。”
也正因如此，行業內現階段對于AEB的態度是——寧可漏檢，也要避免誤觸發。畢竟漏檢只是“幫不上忙”，而誤觸發則是“幫倒忙”。
面對這一行業的矛盾平衡問題，有激光雷達企業提出了解法。
禾賽科技戰略負責人施葉舟告訴連線出行，目前市面上現有的AEB方案，無論是純視覺，還是毫米波感知方案，都存在精度不足的問題。在這樣的基礎上，當AEB設定閾值過高，就會出現漏檢的情況；而閾值過底，則會有誤觸發的風險。
當車輛感知硬件中加入激光雷達后，基于整體感知精度實現提升后，就可減少誤觸發情況的發生。對此，施葉舟以搭載了一顆激光雷達的理想L9 MAX作為例子，表示每10萬公里中，該車型的誤觸發次數為0.31次，遠低于行業平均的1次。
此外，由于激光雷達工作會自主發射激光，由此可在霧霾、黑暗和強光環境下正常工作，再加上高精度的感知特性，在施葉舟看來，可支持車輛在行駛過程中有效識別不同障礙物，以便降低AEB漏檢率。
同為激光雷達廠商的Luminar，也有相似的看法。該企業認為，激光雷達可以提供比單目攝像頭更精確的距離測量，同時，相比雙目等立體視覺感知，可以實現更遠的探測距離，進而為AEB系統提供障礙物及行人的檢測支持。
“即使有足夠的數據，目前的攝像頭性能還是不足以支持AEB功能，在城市街道以及人車混流的復雜場景中，激光雷達對于實現進一步的AEB自主功能至關重要。”法雷奧公司首席執行官曾這樣對媒體表示。
基于以上分析來看，激光雷達感知硬件，已經被業內視為解決AEB漏檢和誤觸發平衡的一個解決辦法，而AEB也是車輛主動安全中的關鍵一環，由此在業內看來激光雷達就像車輛結構中的“隱性氣囊”一樣。
正因如此，“激光雷達，對于智駕行業有多少重要性？”的問題，引發越來越多人關注和討論。
激光雷達，會成為智駕行業的剛需嗎？
智駕行業的價格戰，已經打響。
從今年6月開始，大疆車載、四維圖新、地平線和毫末智行等供應鏈企業均發布了各自的智駕方案，它們的共同點——都是硬件成本達到千元級別的高階智駕解決方案，這些企業也都把各自的產品稱為“極具性價比”。
具體來看，四維圖新和大疆車載在千元級方案的落地上，都暫時沒有使用激光雷達支持；而毫末智行這邊，雖然在8000元級方案中有選配激光雷達的選項，但該企業CEO張凱也對連線出行表示，未來有可能會走“去激光雷達”路線。
這些企業會這樣選擇，并不令人意外。因為在他們看來，只有把激光雷達去掉，才能降低自身產品的成本，用更低的售價賣給主機廠客戶，以便實現商業化。
但不能否認的是，激光雷達對于現階段的智駕行業，依舊存在著重要的價值。
今年下半年開始，落地城市NOA功能已成為諸多主流新能源車企的關鍵詞，并且都已喊出了各自的開城目標。比如小鵬宣布將城市NGP在今年底前拓展至50城，明年擴展至200城。理想則打算把城市NOA功能擴展至100城。
相比之下，華為更為激進，曾高調宣布ADS 2.0無圖版本在今年第四季度落地45個城市，讓城市NOA在全國都能開。
華為ADS 2.0開城目標，圖源華為終端官微
在這些品牌的開城目標之下，有著激光雷達的支持，因為就這些品牌參與城市NOA落地的產品來看，無論多少價位和定位，都至少配有一顆激光雷達，比如小鵬G9和G6都搭載了兩顆激光雷達；理想L系產品的MAX版本都搭載了一顆激光雷達，阿維塔11甚至搭載了3顆激光雷達。
“從國內道路情況看，不僅有著十分復雜的道路環境，有時一條路上同時會有汽車、自行車、兩輪電動車、商販三輪車和行人等眾多參與者；與此同時，國內城市道路的整修也是頻繁發生的。在這些環境中，如果僅用純視覺或者毫米波+攝像頭融合感知來實現城市NOA，大概會有較大的壓力。”輕舟智航產品負責人許諾這樣對連線出行解釋。
在許諾看來，在這些場景中加入激光雷達后，就可以很好地提升車輛的感知能力和精度，包括對影子、通用障礙物的識別。就比如最常見的修路場景中，當一位工人躺在路邊護欄中休息時，僅有純視覺很難識別到工人的存在，而在激光雷達支持下，就可明顯識別到。
由此可以看出，無論是城市NOA、還是前文提到的AEB功能，只有基于激光雷達的支持下，才能實現更多且可靠的功能落地。這也印證了禾賽科技CEO李一帆所說的觀點——“激光雷達不是安全件，而是決定功能實現的功能件。”
除此之外，激光雷達對于智駕行業的發展，也有著更大的價值。
自特斯拉采用純視覺方案研發自身自動駕駛系統后，經過多年的布局，目前已站在了全球智駕行業的前列。由此，也吸引了一些車企學著同樣的技術路線，來試圖追趕特斯拉，但效果并不明顯。
會出現這一現象的原因，在施葉舟看來是因為很多人只看到了特斯拉不用激光雷達的低成本研發表象，就好比只看到了水面上的冰山，而忽略了該品牌所擁有的更深層先發優勢，也正像水面下更多冰山的部分。簡言之，特斯拉早在2010年左右就開始布局自動駕駛技術、并且也很早就自研芯片和自建數據中心。
通過這些布局，特斯拉在算力、算法和數據三方面都逐漸占據了先發優勢，比如截至今年第三季度特斯拉FSD累計的數據量已經超過了5億英里（折合約為8億多公里），反觀國內新能源車企銷量較好的理想汽車，截至今年7月NOA行駛里程也才突破2億公里。
正是基于這些先發優勢，才讓特斯拉憑借純視覺實現了高階輔助駕駛能力，但這并不代表其他車企沒有機會追趕上特斯拉。對此，施葉舟認為激光雷達，能幫助車企實現快速追趕技術優勢的目的。
按照許諾介紹，基于激光雷達的高精度和多信息的感知特性，輕舟智航已經拿這一部件應用到自動駕駛算法自動化標注和訓練中。過程中，不僅可以實現在數據標注中進行補充和修正，同時提升大模型算法的訓練能力。
效果是明顯的。按照NuScenes機構的數據顯示，從2020年純視覺路線一直在追逐對環境目標追蹤準確度的提升，以便更快落地智駕能力，從當時5%的準確率上升至今年上半年的56%。
而作為對比，攝像頭+激光雷達融合感知路線雖比純視覺發展較晚一些，但在2020年下半年已經超越了行業平均65%的準確度，而到了今年上半年這一數值已達到75%。
不同感知路線環境目標物追蹤準確度逐年變化趨勢，數據來源于NuScenes，連線出行制圖
這就意味著，有激光雷達支持的融合感知方案，可以幫助車企和智駕解決方案供應商實現更快的算法迭代以及功能落地，以至于在智駕行業中建立并形成自身的優勢。
“在智駕行業中，尤其對于一些高端產品，激光雷達有著重要的價值，無論是滿足消費者的訴求和心理價值，還是針對實際的應用場景、功能落地和安全冗余，激光雷達都有不可替代的效應。”奧緯咨詢董事合伙人張君毅這樣對連線出行表示。
需要注意的是，隨著禾賽等激光雷達廠商們，在迭代技術和提升規模的布局下，也讓激光雷達本身的成本正逐年下降。按照施葉舟介紹，一款激光雷達的成本已從2016年的7-8萬美元，降至目前的一千美元以下（折合約為7200元左右）。
綜上分析，再加上激光雷達成本正逐年下降，在連線出行看來，激光雷達在智駕行業中的使用率會越來越高，智駕技術的迭代也會越來越快。伴隨著這一變化，智駕行業的戰火或許會越燒越旺，戰場上的所有玩家都需要做好準備。
參考資料：
Research on subjective evaluation method of automatic emergency braking (AEB) for passenger car.Shuai Zhang*、Bin Lei、Shuai Chen and Lei Sha.CATARC Automotive Test Center(Tianjin) Co
轉載請注明出處。
相關文章
熱門資訊
精彩導讀
關注我們
