隨著全球科技的迅速發(fā)展，汽車(chē)產(chǎn)業(yè)正經(jīng)歷著從機(jī)械化向智能化的發(fā)展轉(zhuǎn)型，而智能駕駛技術(shù)則是這一變革的核心推動(dòng)力。全球各大汽車(chē)制造商和科技公司紛紛布局智能駕駛，希望在未來(lái)出行領(lǐng)域搶占市場(chǎng)先機(jī)。據(jù)麥肯錫預(yù)計(jì)，中國(guó)未來(lái)很可能成為全球最大的自動(dòng)駕駛市場(chǎng)，至2030年，自動(dòng)駕駛相關(guān)的新車(chē)銷(xiāo)售及出行服務(wù)創(chuàng)收將超過(guò)5000億美元。自動(dòng)駕駛汽車(chē)的普及率必然大幅上升，這也預(yù)示著未來(lái)出行模式將會(huì)發(fā)生根本性變革。

華為作為信息通信技術(shù)領(lǐng)域的領(lǐng)軍企業(yè)，憑借其在通信、云計(jì)算和人工智能（AI）方面的技術(shù)積累，迅速切入了智能駕駛領(lǐng)域。自2021年發(fā)布ADS 1.0以來(lái)，華為通過(guò)持續(xù)的技術(shù)迭代和優(yōu)化，推出了更為先進(jìn)的ADS 2.0和ADS 3.0，逐步確立了其在全球智能駕駛領(lǐng)域的競(jìng)爭(zhēng)優(yōu)勢(shì)。

華為ADS的發(fā)展歷程：從1.0到3.0的技術(shù)演進(jìn)

華為的智能駕駛系統(tǒng)ADS自2021年問(wèn)世以來(lái)，經(jīng)歷了三次重大版本迭代，每個(gè)版本的技術(shù)演進(jìn)都反映了華為在智能駕駛領(lǐng)域的創(chuàng)新與突破。從ADS 1.0依賴(lài)高精地圖的“有圖”方案到ADS 2.0的“無(wú)圖”自主駕駛，再到ADS 3.0引入端到端大模型，華為ADS系統(tǒng)的每一次升級(jí)都帶來(lái)了技術(shù)上的質(zhì)變。通過(guò)不斷優(yōu)化傳感器融合技術(shù)、提升系統(tǒng)算力和算法精度，華為ADS系統(tǒng)在自動(dòng)駕駛的安全性、穩(wěn)定性和成本控制方面取得了顯著進(jìn)步。

華為ADS歷史版本特性

1.1 ADS 1.0：多傳感器融合與高精地圖依賴(lài)

2021年發(fā)布的ADS 1.0是華為進(jìn)入智能駕駛市場(chǎng)的起點(diǎn)。該版本采用了多傳感器融合方案，包括激光雷達(dá)、毫米波雷達(dá)、攝像頭等設(shè)備的組合，依賴(lài)高精地圖實(shí)現(xiàn)車(chē)輛的路徑規(guī)劃和障礙物檢測(cè)。ADS 1.0的技術(shù)核心在于傳感器數(shù)據(jù)的融合，車(chē)輛通過(guò)采集周?chē)�環(huán)境信息進(jìn)行實(shí)時(shí)分析，從而為駕駛員提供駕駛輔助功能。

l高精地圖依賴(lài)：ADS 1.0高度依賴(lài)高精地圖進(jìn)行路徑規(guī)劃，這意味著車(chē)輛需要提前獲取城市或道路的高精地圖數(shù)據(jù)。這種技術(shù)方案在一些特定城市（如上海、廣州等）能夠?qū)崿F(xiàn)較為穩(wěn)定的自動(dòng)駕駛功能，但在城市拓展性方面存在局限性。

l硬件配置：ADS 1.0采用了較為高配的硬件配置，包括3個(gè)激光雷達(dá)、6個(gè)毫米波雷達(dá)和13個(gè)攝像頭。這一組合提供了豐富的環(huán)境感知能力，但也使得系統(tǒng)硬件成本居高不下。

l技術(shù)挑戰(zhàn)：高精地圖的覆蓋和更新成本較高，特別是在新興城市或新建道路中，地圖更新滯后會(huì)導(dǎo)致車(chē)輛無(wú)法獲取準(zhǔn)確的道路信息。此外，復(fù)雜硬件配置也增加了系統(tǒng)的維護(hù)難度和成本。

1.2 ADS 2.0：自主感知與無(wú)圖駕駛的突破

ADS 2.0于2023年4月發(fā)布，帶來(lái)了重大技術(shù)突破，其最大的亮點(diǎn)在于“無(wú)圖駕駛”。華為通過(guò)自主感知技術(shù)和路徑規(guī)劃算法，使車(chē)輛能夠在沒(méi)有高精地圖的情況下自主識(shí)別車(chē)道、障礙物及周?chē)�環(huán)境，從而實(shí)現(xiàn)智能駕駛。ADS 2.0標(biāo)志著華為在智能駕駛技術(shù)領(lǐng)域從依賴(lài)外部數(shù)據(jù)到完全自主感知的跨越，華為ADS 2.0在2023年Q2已實(shí)現(xiàn)深圳、上海、廣州、重慶、杭州的城區(qū)NCA落地，并在2024年春節(jié)之前實(shí)現(xiàn)了無(wú)圖智駕城區(qū)NCA對(duì)M5M7智駕版用戶的全量推送，2024年3月實(shí)現(xiàn)了對(duì)問(wèn)界M9的全量推送。

GOD算法：ADS 2.0采用了GOD（Generalized Occupancy Network）算法，通過(guò)將外界環(huán)境劃分為多個(gè)立方體，并判斷每個(gè)立方體的占用狀態(tài)，系統(tǒng)能夠?qū)崟r(shí)生成精確的環(huán)境模型。這種算法極大地提高了系統(tǒng)在復(fù)雜城市環(huán)境中的泛化能力。

無(wú)圖駕駛的實(shí)現(xiàn)：無(wú)圖駕駛意味著ADS 2.0不再依賴(lài)高精地圖進(jìn)行導(dǎo)航和路徑規(guī)劃，而是通過(guò)傳感器采集到的實(shí)時(shí)數(shù)據(jù)和GOD算法進(jìn)行自主決策。這一技術(shù)的突破大大降低了自動(dòng)駕駛系統(tǒng)對(duì)地圖更新的依賴(lài)，并且使車(chē)輛在任何復(fù)雜或未知的環(huán)境中都能安全運(yùn)行。

硬件優(yōu)化：ADS 2.0進(jìn)一步優(yōu)化了硬件配置，激光雷達(dá)數(shù)量從3個(gè)減少到1個(gè)，毫米波雷達(dá)數(shù)量從6個(gè)減少到3個(gè)，攝像頭也從13個(gè)減少到11個(gè)。這種優(yōu)化在降低硬件成本的同時(shí)，依然保證了系統(tǒng)的感知能力和穩(wěn)定性。

1.3 ADS 3.0：端到端大模型的應(yīng)用

2024年，華為發(fā)布了最新的ADS 3.0版本，進(jìn)一步提升了智能駕駛系統(tǒng)的感知和決策能力。ADS 3.0引入了端到端大模型架構(gòu)，有別于特斯拉所宣傳的“大一統(tǒng)”模型，華為ADS采用感知+決策分層的GOD+PDP架構(gòu)，這使得系統(tǒng)能夠在不同場(chǎng)景下進(jìn)行自主感知、決策和路徑規(guī)劃，并實(shí)現(xiàn)復(fù)雜環(huán)境中的智能駕駛。

端到端大模型：ADS 3.0的技術(shù)核心在于端到端大模型。通過(guò)大規(guī)模數(shù)據(jù)訓(xùn)練，系統(tǒng)能夠從傳感器輸入中直接生成決策和路徑規(guī)劃結(jié)果，簡(jiǎn)化了傳統(tǒng)的分階段處理流程。這一技術(shù)顯著提升了系統(tǒng)的智能化程度和實(shí)時(shí)響應(yīng)能力。

車(chē)位到車(chē)位的全自動(dòng)駕駛：與ADS 2.0主要適用于城市道路和高速公路不同，ADS 3.0進(jìn)一步擴(kuò)展了功能，支持從停車(chē)位到停車(chē)位的全自動(dòng)駕駛，包括自動(dòng)泊車(chē)和復(fù)雜環(huán)境中的自主導(dǎo)航。

硬件配置：從繁雜到簡(jiǎn)化的技術(shù)優(yōu)化

智能駕駛系統(tǒng)的性能在很大程度上依賴(lài)于硬件配置。華為在ADS系統(tǒng)的發(fā)展過(guò)程中，通過(guò)對(duì)傳感器配置的優(yōu)化，實(shí)現(xiàn)了從高成本的復(fù)雜硬件組合到性能優(yōu)異的精簡(jiǎn)方案的轉(zhuǎn)變。通過(guò)逐步減少傳感器數(shù)量、提升硬件性能，華為成功降低了系統(tǒng)的整體成本，并提升了傳感器融合的效率。2.1 多傳感器融合的必要性與優(yōu)勢(shì)

多傳感器融合是智能駕駛系統(tǒng)感知環(huán)境的關(guān)鍵技術(shù)。單一傳感器難以應(yīng)對(duì)復(fù)雜多變的駕駛環(huán)境，特別是在不同光照條件或惡劣天氣下，不同類(lèi)型的傳感器具有各自的優(yōu)缺點(diǎn)，因此必須通過(guò)融合技術(shù)來(lái)實(shí)現(xiàn)全面感知。

華為多傳感器融合方案

激光雷達(dá)：激光雷達(dá)通過(guò)發(fā)射激光束并計(jì)算返回的時(shí)間差來(lái)生成三維環(huán)境圖像。它的主要優(yōu)勢(shì)在于高精度、長(zhǎng)距離感知，適用于光線較好且無(wú)遮擋的場(chǎng)景，生成的環(huán)境模型精確且穩(wěn)定。

毫米波雷達(dá)：毫米波雷達(dá)在極端天氣和夜間表現(xiàn)優(yōu)異，它通過(guò)電磁波探測(cè)物體的距離、速度和角度。毫米波雷達(dá)的探測(cè)范圍較激光雷達(dá)廣，尤其在夜晚或霧天等條件下，毫米波雷達(dá)能夠補(bǔ)充激光雷達(dá)的感知盲區(qū)。

攝像頭：攝像頭主要用于捕捉車(chē)輛周?chē)�的圖像信息，能夠識(shí)別車(chē)道線、障礙物、行人等細(xì)節(jié)信息。攝像頭與激光雷達(dá)、毫米波雷達(dá)的融合顯著提升了系統(tǒng)的綜合感知能力。

2.2 從高配到精簡(jiǎn)：傳感器配置的優(yōu)化歷程

ADS 1.0采用了多達(dá)3個(gè)激光雷達(dá)、6個(gè)毫米波雷達(dá)、13個(gè)攝像頭及12個(gè)超聲波雷達(dá)的配置，確保了系統(tǒng)具備較高的環(huán)境感知能力。然而，這種高配方案導(dǎo)致了硬件成本的上升，增加了整車(chē)的制造成本和系統(tǒng)復(fù)雜性。為了解決這一問(wèn)題，ADS 2.0和ADS 3.0逐步減少了傳感器數(shù)量，并通過(guò)傳感器的性能優(yōu)化來(lái)彌補(bǔ)數(shù)量的減少。

華為歷代ADS硬件方案

激光雷達(dá)的減少：從ADS 1.0的3個(gè)激光雷達(dá)到ADS 2.0和ADS 3.0的1個(gè)激光雷達(dá)，雖然傳感器數(shù)量減少，但華為通過(guò)技術(shù)提升增加了單個(gè)激光雷達(dá)的覆蓋范圍和分辨率，使其感知效果更加出色。

毫米波雷達(dá)和攝像頭的優(yōu)化：在ADS 2.0中，華為的毫米波雷達(dá)和攝像頭也得到了進(jìn)一步優(yōu)化。3個(gè)毫米波雷達(dá)與11個(gè)攝像頭的組合依然能夠提供全面的環(huán)境感知能力，并且顯著降低了系統(tǒng)的整體硬件成本。

2.3 激光雷達(dá)的技術(shù)進(jìn)步與成本下降

激光雷達(dá)作為智能駕駛系統(tǒng)中最昂貴的傳感器之一，其技術(shù)進(jìn)步和成本下降對(duì)行業(yè)有著重大影響。在ADS 2.0中，華為采用了192線激光雷達(dá)，這相比96線激光雷達(dá)顯著提升了分辨率和掃描頻率。激光雷達(dá)的分辨率越高，車(chē)輛對(duì)周?chē)�環(huán)境的感知精度也越高，能夠有效提升自動(dòng)駕駛的安全性與準(zhǔn)確性。

此外，隨著技術(shù)的成熟，激光雷達(dá)的制造成本也在逐步下降。以速騰聚創(chuàng)為例，其激光雷達(dá)價(jià)格從2021年的1萬(wàn)元降至2024年的2600元，這大幅降低了智能駕駛系統(tǒng)的硬件成本，使激光雷達(dá)成為大規(guī)模商用的可行方案。

2.4 毫米波雷達(dá)的創(chuàng)新與4D成像

毫米波雷達(dá)在ADS系統(tǒng)中發(fā)揮了關(guān)鍵作用，特別是在低能見(jiàn)度的條件下，它能夠準(zhǔn)確識(shí)別周?chē)�物體的距離、速度和方位。ADS 1.0階段使用的3D毫米波雷達(dá)在探測(cè)距離上表現(xiàn)出色，但無(wú)法提供物體的高度信息。在ADS 2.0和ADS 3.0中，華為推出了4D毫米波雷達(dá)，不僅能夠探測(cè)物體的二維平面信息，還能夠提供物體的高度數(shù)據(jù)，從而生成更加完整的環(huán)境模型。4D毫米波雷達(dá)的成像效果接近激光雷達(dá)，但成本卻低得多。因此，4D毫米波雷達(dá)的引入大幅提升了ADS系統(tǒng)的性價(jià)比，使其在惡劣天氣下依然能夠保持較高的環(huán)境感知能力。

算法架構(gòu)：從人工標(biāo)注到自主決策

在智能駕駛系統(tǒng)中，算法架構(gòu)是決定車(chē)輛如何從感知數(shù)據(jù)中提取有效信息、做出實(shí)時(shí)決策的核心因素。華為ADS系統(tǒng)的算法架構(gòu)經(jīng)歷了從BEV的人工標(biāo)注、GOD的自主感知，再到ADS 3.0的端到端大模型的逐步升級(jí)。每次迭代都標(biāo)志著華為在智能駕駛算法方面的重大突破，使得系統(tǒng)在感知精度、實(shí)時(shí)決策和路徑規(guī)劃方面的性能大幅提升。

3.1 BEV算法：鳥(niǎo)瞰視角的初步感知

ADS 1.0階段，華為采用了BEV（Bird's Eye View，鳥(niǎo)瞰視角）算法，該算法通過(guò)多傳感器融合，將車(chē)輛周?chē)�環(huán)境的數(shù)據(jù)以三維的方式呈現(xiàn)。車(chē)輛通過(guò)這一視角進(jìn)行障礙物識(shí)別和路徑規(guī)劃，能夠?qū)崿F(xiàn)較為精準(zhǔn)的駕駛輔助功能。然而，BEV算法依賴(lài)人工標(biāo)注的高精地圖，這在動(dòng)態(tài)變化的城市環(huán)境中存在局限性，特別是在高精地圖更新速度較慢的情況下，車(chē)輛的路徑規(guī)劃和環(huán)境感知能力可能受到影響。

BEV輸入及輸出示意圖

3.2 GOD算法：無(wú)圖駕駛的自主決策

在ADS 2.0中，華為引入了GOD（Generalized Occupancy Network）算法，極大地提升了系統(tǒng)的自主決策能力。GOD算法通過(guò)將環(huán)境劃分為多個(gè)小立方體（occupancy grid），并判斷每個(gè)立方體是否被占用，進(jìn)而生成一個(gè)動(dòng)態(tài)的環(huán)境模型。這一算法不再依賴(lài)人工標(biāo)注的高精地圖，而是通過(guò)實(shí)時(shí)數(shù)據(jù)感知環(huán)境的變化，并根據(jù)道路狀況做出自主決策。

相比BEV算法，GOD算法大幅提升了系統(tǒng)在復(fù)雜城市環(huán)境中的泛化能力和適應(yīng)性。特別是在路況復(fù)雜、交通環(huán)境多變的城市，GOD算法能夠?qū)崟r(shí)識(shí)別障礙物、行人、其他車(chē)輛等，并自主規(guī)劃最優(yōu)路徑，極大提升了系統(tǒng)的靈活性。

3.3 端到端大模型：深度學(xué)習(xí)驅(qū)動(dòng)的智能決策

ADS 3.0標(biāo)志著華為在智能駕駛算法領(lǐng)域的又一次飛躍。與傳統(tǒng)的模塊化算法不同，ADS 3.0通過(guò)引入端到端大模型，實(shí)現(xiàn)了從傳感器輸入到感知、決策、規(guī)劃的全面一體化。端到端大模型的核心是基于深度學(xué)習(xí)的算法架構(gòu)，系統(tǒng)能夠通過(guò)大量的駕駛數(shù)據(jù)進(jìn)行訓(xùn)練，逐步提升其對(duì)復(fù)雜環(huán)境的適應(yīng)性和自學(xué)習(xí)能力。

端到端大模型的應(yīng)用不僅提升了系統(tǒng)的計(jì)算效率，還使得系統(tǒng)能夠在不同的場(chǎng)景下進(jìn)行更為精準(zhǔn)的決策。這一技術(shù)突破顯著提升了ADS系統(tǒng)的智能化水平，使其在自動(dòng)駕駛的實(shí)時(shí)性和響應(yīng)能力方面達(dá)到了新的高度。

算力優(yōu)化：精準(zhǔn)與高效的平衡

智能駕駛系統(tǒng)的算力需求直接影響其處理速度、決策能力和系統(tǒng)功耗。華為ADS系統(tǒng)在算力配置上經(jīng)歷了從超配到精準(zhǔn)的優(yōu)化過(guò)程，通過(guò)MDC（Mobile Data Center）計(jì)算平臺(tái)的逐步升級(jí)，華為實(shí)現(xiàn)了智能駕駛系統(tǒng)的算力優(yōu)化，既提升了系統(tǒng)性能，又降低了不必要的功耗和硬件成本。

4.1MDC計(jì)算平臺(tái)：從高算力到雙版本方案

ADS 1.0階段，華為采用了自研的MDC 610 Pro計(jì)算平臺(tái)，支持400 TOPS的算力，以滿足L3級(jí)別及更高階的自動(dòng)駕駛需求。然而，實(shí)際應(yīng)用中，這種超高的算力配置并未被充分利用，特別是在L2+級(jí)別的自動(dòng)駕駛場(chǎng)景中，算力冗余帶來(lái)了不必要的功耗和成本增加。

為了優(yōu)化算力配置，ADS 2.0將算力調(diào)整至200 TOPS，滿足L2+級(jí)別智能駕駛需求，同時(shí)大幅降低了系統(tǒng)的功耗。到ADS 3.0階段，華為進(jìn)一步引入了“高+低”雙版本算力方案，MDC 610平臺(tái)用于日常駕駛場(chǎng)景，而MDC 810平臺(tái)則為未來(lái)更高階自動(dòng)駕駛提供預(yù)留空間。這一策略不僅優(yōu)化了成本，還提升了系統(tǒng)的可擴(kuò)展性。

4.2 算力冗余的解決與優(yōu)化

算力冗余是自動(dòng)駕駛系統(tǒng)中普遍存在的問(wèn)題，特別是在L2和L3級(jí)別的駕駛場(chǎng)景中，超高的算力往往會(huì)導(dǎo)致不必要的功耗增加。華為通過(guò)對(duì)MDC平臺(tái)的算力優(yōu)化，成功解決了這一問(wèn)題。ADS 2.0和ADS 3.0通過(guò)調(diào)整算力配置，使系統(tǒng)更加貼近實(shí)際需求，避免了因冗余算力帶來(lái)的功耗問(wèn)題，從而進(jìn)一步提高了系統(tǒng)的穩(wěn)定性和可靠性。

智能駕駛生態(tài)：多元化合作模式與市場(chǎng)擴(kuò)展

智能駕駛技術(shù)的成功不僅依賴(lài)于技術(shù)突破，還需要一個(gè)完整的產(chǎn)業(yè)生態(tài)系統(tǒng)作為支撐。華為通過(guò)與多家車(chē)企的合作，逐步構(gòu)建了以智能駕駛為核心的多元化生態(tài)體系。通過(guò)零部件供應(yīng)、Huawei Inside模式（HI模式）以及智選車(chē)模式，華為與國(guó)內(nèi)外車(chē)企建立了深度合作關(guān)系，推動(dòng)了智能駕駛技術(shù)的應(yīng)用和普及。

5.1 合作模式的多樣化與成功案例

華為通過(guò)以下三大合作模式與車(chē)企建立了緊密的合作關(guān)系：

零部件供應(yīng)模式：華為向車(chē)企提供智能駕駛相關(guān)的零部件，如傳感器、計(jì)算平臺(tái)等，幫助車(chē)企提升其智能駕駛系統(tǒng)的整體性能。

Huawei Inside模式（HI模式）：通過(guò)提供完整的智能駕駛解決方案，華為與車(chē)企共同研發(fā)智能汽車(chē)，深度參與汽車(chē)制造過(guò)程。

智選車(chē)模式：華為不僅參與汽車(chē)的設(shè)計(jì)和研發(fā)，還通過(guò)其渠道幫助車(chē)企進(jìn)行市場(chǎng)推廣和銷(xiāo)售。

這些合作模式已經(jīng)在比亞迪、北汽、上汽、吉利等多家知名車(chē)企中成功應(yīng)用。特別是在問(wèn)界M5、M7等車(chē)型上，ADS系統(tǒng)的高階版本得到了廣泛的用戶認(rèn)可，用戶選擇ADS高階包的比例已達(dá)到70%，這證明了華為智能駕駛技術(shù)的市場(chǎng)競(jìng)爭(zhēng)力和商業(yè)化潛力 。

5.2 市場(chǎng)數(shù)據(jù)與擴(kuò)展前景

截至2023年，華為ADS系統(tǒng)的市場(chǎng)裝配量顯著增長(zhǎng)，特別是在國(guó)內(nèi)市場(chǎng)，華為與國(guó)內(nèi)多家車(chē)企的合作使其ADS系統(tǒng)得到了大規(guī)模應(yīng)用。根據(jù)行業(yè)數(shù)據(jù)顯示，2023年華為ADS系統(tǒng)的銷(xiāo)售額超過(guò)30億元，車(chē)BU（業(yè)務(wù)單元）接近盈虧平衡，標(biāo)志著華為智能駕駛業(yè)務(wù)的商業(yè)化進(jìn)程取得了顯著成功。

結(jié)論與展望

通過(guò)對(duì)華為智能駕駛ADS系統(tǒng)的技術(shù)演進(jìn)、硬件優(yōu)化、算法創(chuàng)新及生態(tài)合作的全面分析，可以看出，華為在智能駕駛領(lǐng)域已經(jīng)取得了顯著的技術(shù)突破。ADS系統(tǒng)的每一次迭代都展示了華為在傳感器融合、算力優(yōu)化、算法架構(gòu)等方面的創(chuàng)新，并通過(guò)不斷優(yōu)化硬件配置，降低了系統(tǒng)的整體成本，提升了市場(chǎng)競(jìng)爭(zhēng)力。

然而，智能駕駛技術(shù)的普及仍然面臨著諸多挑戰(zhàn)，包括技術(shù)標(biāo)準(zhǔn)的制定、車(chē)輛行駛安全性問(wèn)題以及政策法規(guī)的限制等。未來(lái)，隨著自動(dòng)駕駛技術(shù)的逐步成熟，華為ADS系統(tǒng)將進(jìn)一步擴(kuò)展其市場(chǎng)份額，并通過(guò)與車(chē)企的合作，推動(dòng)智能駕駛生態(tài)的構(gòu)建。華為有望在全球智能駕駛市場(chǎng)中繼續(xù)保持領(lǐng)先地位，但同時(shí)也需要持續(xù)應(yīng)對(duì)技術(shù)挑戰(zhàn)與市場(chǎng)競(jìng)爭(zhēng)，確保其技術(shù)優(yōu)勢(shì)的長(zhǎng)期保持。

參考文獻(xiàn)：華金證券：‍‍‍‍‍‍華為智能駕駛方案分析

       原文標(biāo)題 : 華為智能駕駛發(fā)展路徑探討