如今，汽车智能化正在加速渗透。自适应巡航、车道保持、自动泊车这些功能，几乎成了主流新能源车的标配。有机构预测，2025年全球自动驾驶汽车出货量有望达到5000万台，中国L2级以上智能汽车销量将突破1000万台，智能汽车渗透率将攀升至50%。

自动驾驶的实现流程，简单说就是感知—决策—执行：感知部分负责识别和分析周围环境，决策部分负责路径规划和导航。而这些环节，都离不开AI技术的支撑——感知部分用到了计算机视觉，决策部分则依赖路径规划算法和行为决策模型。

智能驾驶技术最新进展

不仅仅是智能汽车的数量在增长，辅助驾驶功能本身也在不断升级。今年以来，行泊一体功能开始在多款车型上实现量产，城市全场景辅助驾驶系统也陆续上车。

行泊一体是什么？随着整车电子架构从分布式走向集中式，再加上大算力芯片和域控技术日益成熟，过去需要分别装配、独立运行的行车和泊车系统，开始走向一体化融合发展。简单说，就是基于一套传感器和域控硬件，同时实现行车辅助和泊车辅助功能——这就是行泊一体。

相比过去行车和泊车系统独立运行，行泊一体系统能在多项功能和应用场景中复用传感器硬件，在成本、整体性能和开发效率上都有明显优势。

早在2021年，就有数十家供应商宣布推出行泊一体解决方案，比如德赛西威、福瑞泰克、未动科技、魔视智能、智驾科技、知行科技、东软睿驰、纵目科技等。到了今年，行泊一体方案开始逐渐走向量产。比如4月，搭载易航智能NOA行泊一体方案的首款量产车上汽大通MAXUS正式上市；小鹏P7等车型也实现了行泊一体方案的量产落地；理想、上汽、极氪、比亚迪等品牌也都发布了配备行泊一体功能的车型规划。

此前，更多车型专注于高速域驾驶辅助系统。而现在，不少整车企业和自动驾驶技术公司，已经把目标锁定在更高阶的城市域场景应用。在这方面取得进展的，有毫末智行和小鹏汽车。

今年9月，搭载毫末智行城市辅助驾驶系统（NOH）的长城汽车旗下魏牌摩卡DHT-PHEV激光雷达版实现量产——这也是国内首个量产上车的城市辅助驾驶系统。

城市场景远比高速场景复杂。在产品力层面，毫末智行城市NOH的路口通过率超过70%、变道成功率超过90%、交通流处理能力达到4级。基于毫末数据智能体系MANA的强大能力，城市NOH解决了业内公认的红绿灯识别、红绿灯与路口绑路、车道线识别等一系列难题。

搭载毫末HPilot3.0的魏牌摩卡全新车型，采用了高通5nm制程的Snapdragon Ride芯片，AI算力达到360TOPS，同时配套2个激光雷达、12个Camera、5个毫米波雷达。

9月15日，小鹏汽车董事长何小鹏在个人社交平台上晒出一段自己驾驶小鹏G9在广州公开道路行驶的视频。作为小鹏旗下第四款新车，小鹏G9除了更大的空间和全系标配800V高压超充平台，其重要卖点之一就是实现城市全场景智能辅助驾驶功能。

小鹏城市NGP具备首个可量产的厘米级城市定位能力。基于视觉、高精地图、GPS、IMU、轮速仪的多传感器融合定位，城市定位精度达到厘米级。同时，它拥有更细颗粒度的城市高精地图静态信息加上天级更新能力，也是首家实现不依赖激光点云地图的厘米级城市定位能力。

高精地图加上单车多融合传感系统，是NGP走进城市的基础。该系统的硬件配置包括2个激光雷达、12个超声波传感器、5个毫米波雷达、13个高感知摄像头、1套亚米级高精定位单元等多种感知硬件。

自动驾驶用到的AI算法和硬件

在自动驾驶的发展过程中，AI技术起到的作用至关重要。如前所述，自动驾驶的实现流程基本就是感知—决策—执行：感知部分负责识别和分析环境，决策部分负责路径规划和导航，执行部分负责加速、刹车和转向。

感知部分需要感知周围环境，尤其是车辆、行人、路障等对行驶有影响的信息。这个模块主要通过激光雷达、毫米波雷达、超声波雷达、摄像头等对周围物体进行感知，同时计算机视觉会在其中起到辅助定位的作用。

比如物体的识别与跟踪——通过深度学习方法，自动驾驶车可以识别行驶途中遇到的物体，比如行人、空旷的行驶空间、地上的标线、红绿灯，以及旁边的车辆等。行人及旁边车辆等物体都在运动，需要跟踪它们以防止碰撞，这里会涉及光流等运动预测算法。

再比如车辆本身的定位——通过基于拓扑与地标的算法，或者基于几何的视觉里程计算法，自动驾驶车可以实时确定自身位置，满足自主导航需求。

硬件层面，现在多数车型都会搭载摄像头、超声波雷达、激光雷达、毫米波雷达，搭配计算机视觉技术，获取足够多的路况信息和交通信息。比如上文提到的搭载毫末HPilot3.0的魏牌摩卡全新车型，以及小鹏G9，传感系统搭配的各种传感器数量总计达到20到30多个。

车载摄像头是智能驾驶汽车最重要的传感器之一，通常搭配数量最多，功能是监控汽车内外环境以辅助驾驶员行驶。按安装位置不同，可以分为前视、后视、环视、内视等。超声波雷达技术成熟、性价比高，一般是倒车、停车场景下最优的量产选择。一般车型上都会搭配多颗毫米波雷达，它们具备全天候、全天时的探测能力，在极端恶劣环境下仍能正常工作。很多车型也会搭载少数激光雷达，让车辆对障碍物的判断更精准。

决策部分相当于自动驾驶的大脑。它通过感知层收集的数据，对周边环境进行分析，规划驾驶路线，做出行为决策。路径规划，就是计算出地图上从起点到终点的最优路径。如何在各种场景下迅速、准确地规划出高效路径，并且具备应对场景动态变化的能力，是路径规划算法需要解决的问题——常用的有Dijkstra算法、PSO算法、遗传算法、强化学习等。

行为决策，则是决定车辆的行驶意图。比如遇到静态障碍物，决定往左绕还是往右绕；遇到动态障碍物，决定减速避让还是加速超车。目前自动驾驶汽车常用的行为决策算法主要有三种类型：第一种是基于神经网络，决策系统通过神经网络确定具体场景并做出适当的行为决策；第二种是基于规则，工程师设计出所有可能的“if-then 规则”组合，再按规则对决策系统进行编程；第三种是混合路线，结合前两种方式，通过集中性神经网络优化，再通过“if-then 规则”完善。

在计算芯片方面，各家都在积极推出更大AI算力的芯片，包括英伟达、高通、地平线等。比如日前英伟达发布了最新一代的自动驾驶计算芯片DRIVE Thor，单颗芯片算力高达2000 TOPS，直接碘伏了目前各家自动驾驶计算芯片的最高水平。

在此之前，最高的应该是高通5nm制程的Snapdragon Ride芯片，单颗AI算力达到360TOPS；再往前是英伟达上一代的Orin，单颗芯片AI算力256TOPS；还有地平线的征程5，单颗芯片AI算力128TOPS。

各家汽车品牌想要实现更高级别的辅助驾驶功能，都尝试搭载更大算力的计算芯片。比如今年3月开始交付的蔚来ET7，其自研的车载NIO Adam平台配备了4颗Orin芯片，算力达到1016TOPS；搭载毫末HPilot3.0的魏牌摩卡全新车型，采用高通5nm制程的Snapdragon Ride芯片；极氪已经表示将搭载英伟达最新2000TOPS算力的Thor。

小结

从目前的情况来看，智能汽车的数量在不断上升，辅助驾驶功能也在持续升级，汽车的智能化程度越来越高。这其中，离不开人工智能技术的不断发展——比如计算机视觉，也离不开各类传感器——比如激光雷达，以及自动驾驶计算芯片性能的持续提升。相信随着各项技术的不断进步，更高级别的智能驾驶汽车将会更广泛地走向市场。