国内玩家自动驾驶布局进展如何？

国内玩家齐发力，自动驾驶未来已来。

1、 华为：GOD 感知网络+PDP 预决策规划网络推进端到端

通过 GOD 感知网络+PDP 预决策规划网络推进端到端算法。华为在 2024 年的 智能汽车解决方案发布会上首发 ADS3.0 系统，形成了以 GOD 网络核心的感知模块， 以及以 PDP 网络为核心的预决策规控网络，先将两大算法神经网络化，进而向端到 端自动驾驶迈进。感知端：ADS1.0 是基于 BEV 的白名单目标和道路结构感知， ADS2.0 在 BEV 基础上增加 GOD 网络实现异形障碍物的感知，ADS3.0 去掉 BEV， 只保留 GOD，在白名单障碍物、异形障碍物识别、道路结构感知的基础上增加对 场景的理解，包括红绿灯、车流信息等。华为采用融合传感，对激光雷达进行进一 步升级，提升全天候能力以应对恶劣天气，同时提升小目标和小物体的检测能力， 激光雷达持续升级 2025 年有望推出 D5 产品。同时发布 4D 毫米波雷达，支持 280 米测远，成像精度从 20cm 提升到 5cm，时延降低。规控端：在预测决策规控端采 用整体化的神经网络，使得决策更准确，行为更类人，通行更高效。

通用障碍物感知网络，端到端的前哨。华为在 ADS 2.0 发布了 GOD（General Obstacle Detecttion, 通用障碍物感知）网络。前端用不同的骨干网络来提取外部环 境的特征，这些特征被送入时空神经网络，来构建一个外部世界的 3D 表达形式， 这是完成多模态感知的关键，网络可以输出占用栅格、光流预测、危险区域预测甚 至可以输出规划结果，同时网络中也包含有丰富的语义信息。这样的网络可以感知 静态和动态的障碍物，也可以预测道路的 3D 结构，进而帮助车身控制以及 ARHUD 显式，由于网络中包含了驾驶所需要的所有信息，因此它也可以预测车辆 的危险行驶轨迹，甚至可以做端到端的规划。

算力和数据持续进化坐稳本土领军。依托华为云的能力，到 2024 年 6 月，华 为在自动驾驶领域算力将提升至 3.5EFlops，每天训练的数据量超过 3000 万公里， 模型更新速度每 5 天一次。到 2024 年底，累计采用华为智驾在路上行驶的车辆将 超过 50 万辆。整体而言华为基于其强大的全产业链布局能力，自底向上，形成了 以数学、物理等基础研究为根基，基础算法、操作系统、各类应用及软硬件的强大 体系，未来有望在自动驾驶领域持续引领行业。

2、 元戎启行：领先算法玩家有望率先落地端到端自动驾驶

端到端先行者，有望快速落地量产。元戎启行是国内端到端自动驾驶的先行者， 在 2023 年 8 月即开启端到端模型的道路测试，预计 2024 年将有多款搭载端到端模 型的量产车型上市。元戎认为，系统是否能够在复杂路段流畅行驶、全场景理解能 力及类人化决策、兜底策略是否可靠、天花板等几个方面是端到端的关键，目前元 戎可以满足所有上述要求。创始人周光认为，端到端模型拥有极高的上限，同时在 初期上车的阶段，还有很多安全兜底策略，例如测试到碰撞可能发生，会启动安全 模型让车采取保守的安全策略，随着模型表现越来越好，兜底规则会越来越简化。

3、 小鹏：自驾领先新势力，发布端到端方案

小鹏汽车采用 Xnet、Xbrain、Xplanner 配合协同，共同推动端到端算法上车。 小鹏汽车在 2024 年 5 月 20 日的发布会上介绍了其技术领域的最新进展，何小鹏在 在发布会上提到，较为稳定的传统量产智驾系统，大约有 10 万条左右各类人工定 义的规则，而一个无限接近人类司机的自动驾驶系统，大概等效于 10 亿条规则，这对于需要快速更新迭代的自动驾驶系统来说是难以承担的。而端到端算法通过让 机器学习海量的人类驾驶视频片段，可以把数以百万计的人类驾驶方式放到具有海 量参数的自动驾驶模型中。具体而言，小鹏的算法将感知、策略和规控统一在相同 的 Transformer 架构下，保证模型有足够解释性的前提下，提升算法的一体化程度。 在感知端，采用升级后的 Xnet，类似人的眼睛，感知范围提升，识别目标类型增加； 规控端采用 Xbrain 类似人的大脑，可以识别车辆意图，对待转区、特殊车道、后期 甚至可以读取文字信息进而进一步增强对场景的理解；而 XPlanner 则起到小脑的作 用，在控制环节让车辆变得更像老司机，减少前后顿挫、减少违停卡死等弊端。

目前小鹏的端到端大模型可以实现 2 天迭代一次，智驾能力 18 个月提升 30 倍， 视频训练超过 10 亿公里，每天新增里程超过 9.78 万公里，实车测试超过 646 万公 里，仿真测试里程累计达到 2.16 亿公里，核心模拟场景超过 2.2 万，专业模拟场景 超过 5.8 万。

4、 蔚来：推动功能落地，端到端算法在路上

感知和规控合并，端到端方案即将发布。蔚来的端到端智驾方案将是感知和规 控合并，实现信息无损传递。2023 年年中蔚来开始探索世界模型，目前已经有阶段 性成果，端到端方案也将在年内发布。 厚积薄发，构建完备自动驾驶体系。借助云端和车端的算力，搭建超级 AI， 通过不同的闭环体系做相应的数据处理和分布式训练，在这样的平台基础上构建算 法能力，包含感知、地图行为、环境信息识别、人机共驾、规控等模块，最终汇聚 成两大功能：全域领航辅助和安全，这也契合蔚来自动驾驶的愿景——解放时间， 减少事故。

蔚来在自动驾驶算法中的感知和规控环节都采用了神经网络赋能。在感知端采 用融合化的感知网络，占用网络 2.0 通过一个网络识别动静态物体，并采用可变分 辨率的架构解决远近物体识别的问题，同时在云端训练一个大模型进行无监督的训 练，辅助车端模型进行感知。在规控端，引入了数据驱动的分层价值网络，通过分 层搜索的形式，找到最优解。具体而言，通过多模态的注意力网络从感知数据中筛 选出 10-100 种未来的可能性，之后将这些可能性进行更进一步的推演，通过交互搜 索的树，做 7 秒钟的推演，通过经人类偏好数据训练的博弈价值网络来进行推演， 在具体的行为规划和控制过程，采用奖励函数网络给出一个最舒适、拟人化的结果。 最后将结果送入凸优化的空间进行兜底，保证输出的结果安全。

截至 2024 年 3 月 31 日，蔚来的城区智驾用户规模达到 22.89 万人，截至 4 月 19 日，蔚来用户累计智驾里程达到 8.99 亿公里，截至 4 月 20 日开通 84 万公里的城 区道路。

5、 地平线：本土自驾芯片领军，推动软硬一体化方案落地

地平线推动自驾从可用到好用到爱用。地平线在发布会上深入阐述了对智驾阶 段的思考，1.0 阶段是技术跑通，保障车辆的物理安全，2.0 则是更加拟人化，系统 行为要符合用户的心理预期，且满足社会惯例，为用户提供心理安全，安全感，即 好用，最后智驾 3.0 阶段随着用户教育提升达到每程、每刻、每人都用的阶段。

感知和规控分别采用神经网络构筑拟人化的自动驾驶解决方案。感知端地平线 采用了基于 Transformer 的端到端感知网路，将动/静态障碍物感知和占用网络融合， 实现更强的检测能力和准确的长尾物体感知能力，以及对鬼探头等场景的识别能力， 同时代码行数降低，效率有效提升。在规控端，采用了交互式预决策模型，将自车 的决策放入模型，进行反复推演，进而实现更好的他车、自车意图的推理，使得系 统做出的行为更加拟人化，最终送入传统的运动规划器做安全兜底，实现信号输出。

6、 商汤绝影：AI 先行者，推动算法走向极致

商汤绝影推动“真”端到端上车落地。2022 年末，商汤绝影提出了行业首个感 知决策一体化自动驾驶通用模型 UniAD，次年，这篇论文获得了计算机顶会 CVPR 2023 年的最佳论文。2024 年，经过团队的不懈努力，升级后 UniAD 已经可以在车 端部署，作为“真”端到端的模型，UniAD 将感知、决策、规划等模块整合到一个 全栈的 Transformer 端到端模型，实现感知决策一体化，表现出更高的性能上限， 同时由于团队在模型的可控性等方面加入了更多的优化，模型的安全性也大大提升。 这样的端到端模型拥有更强的泛化能力，迭代效率更快，可低成本快速的为车企自 动驾驶赋能。从公布的视频来看，算法可以良好应对大角度左转上桥、避让占道车 辆、施工区域、无保护左转等场景，做到“像人一样开车”。

探索大语言模型和自动驾驶结合，探索完全无人驾驶技术路径。在端到端系统 基础上，商汤绝影还在推出了新一代自动驾驶大模型 DriveAGI，将大语言模型和自 动驾驶融为一体。通过适当的自然语言提示，模型可以实现，对当前场景状态进行 表述，并给出所应当执行的行为，或作为更高阶的决策模块去驱动底层的控制模型 去操控车辆作出具体行为。由于大语言模型具有强大的开放世界理解能力，因此模 型可以良好的处理各类复杂场景，如在十字路口有交通引协管员引导小朋友过马路， 即使前方是绿灯，模型也能够清晰理解到当前场景的状态。此外模型也可以实现场 景生成功能，通过控制信号和环境表述可以控制未来生成未来的视频以及生成新的 训练数据，赋能自动驾驶的仿真。DriveAGI 拥有贴近人类的思维方式，能够理解人 类意图并能够解决驾驶困难场景，向着完全无人驾驶迈出重要一步。

目前商汤已经拥有 12000P 的算力储备，到 2024 年底算力规模将达到 16000P， 作为国内 AI 领域的领军玩家，商汤原生自研了包含大语言模型、多模态模型、文 生图、文生视频等诸多产品，具有自底层到上层的大模型构建能力，对人工智能的 理解和应用以及组织架构和人才储备都具有较深的积累，未来有望在大模型时代厚 积薄发。