地平线城市NOA首发：征程6平台，自研端到端算法，已进第一梯队,

贾浩楠 发自 副驾寺智能车参考 | 公众号 AI4Auto

地平线“颠覆”地平线。

新智驾硬件征程6系列发布，远远超出了“硬件”范畴：

首次同时发布了一整套基于征程6的高阶智驾方案，基于端到端和数据驱动的技术范式。

创始人余凯博士给出的评价是：拟人化、真可用。

智驾硬件Tier 2一哥地平线，为啥「越俎代庖」搞起了算法软件？余凯这么解释……

SuperDrive首秀：老司机般的熟练度

SuperDrive官方定义为“全场景”高阶智驾解决方案，也就是在功能上覆盖高速NOA、城市NOA以及自主泊车等主流智驾场景。地平线希望通过打造基于征程6的高阶城区智驾软件行业标杆，发挥示范效应，牵引高阶落地。

不过官方重点展示的是城市NOA，因为2024年高速NOA、自主泊车场景挑战已经不大。谈高阶智驾的普及、痛点等等问题，都是围绕城市NOA展开，更是所有玩家竞争决胜的焦点。

高速 NOA 中的困难场景，如拥堵汇流等，也是城区场景的常见场景。

这个场景中除了避让行人，挑战更大的是不规则路口右转。

路面的自行车道和机动车道之间没有明显间隔，从HMI界面中看到，系统凭一小段不连续栅栏就准确识别了可通行区域。

避让的过程，地平线形容为“优雅”，也就是没有急促的刹车、猛打方向这样的动作：

这说明在感知和规控两个层面，SuperDrive的实力都很强。

比避让目标更加复杂的，是环岛的驶进驶出，分成两个片段解析：

完成了这么几个厉害的动作：

环岛入口被大客车违停挤占，绿化带进一步侵占可通行区域，SuperDrive不拘泥于地上划线，灵活绕行，这是通行效率的体现。安全性上，SuperDrive进环岛同时，还避让了一辆低速两轮车。环岛中通行时，妥善避让了一对在路中央停车落客的行人。

第三个场景绝对算是高难度corner case，毕竟在环岛里面停车上下乘客的“迷惑操作”，实在太危险也很罕见。

这里面还有一个感知上的难题。以往“白名单”机制做感知的智驾系统，可以识别单独的车、单独的人，但“人在车边”往往会成为系统的盲点，由此也引发过被广泛关注的事故。

驶出环岛的路口，有大量逆行的自行车：

SuperDrive在这个场景下的表现，说明地平线已经突破了过去以规则驱动为主的自动驾驶技术体系。

最后再来看看SuperDrive表现最惊艳、最重要的场景——变道。

旁车道空间不足，多数系统会放弃变道或减速等待，但SuperDrive能根据前方空间条件主动加速，创造变道机会：

以及在密集的车流中，对于转瞬即逝的变道空间，SuperDrive“瞅准机会”干净果断完成变道：

其余的像是向快车道变道、汇出汇入变道等等手到擒来，对SuperDrive基本不构成挑战：

为什么把变道这个看似简单的功能重点强调？

因为用这在技术体系上，变道是直接区分水平高下的试金石；用户层面，它是智驾“可用”与否最关键的因素。

简单说，现在市面上几乎所有量产交付的“高阶”智驾系统，在变道的规划和执行层面根本不是神经网络，而是人工手写定义的规则：十分缓慢的速度、十分平滑的角度切入。

很谨慎很礼貌，但问题是，道路上很少有人愿意主动让行，尤其是节奏快的一线城市。

这就造成各种发布会上“遥遥领先”的智驾系统，在城市环路、多车道穿行场景下变得“弱智”：

因为“不跟慢车”的逻辑频繁做出变道决定，又因为僵硬刻板的变道方式屡试屡败，最后只能提示接管…

或者是在环路、高速出口一边蠕行一遍等变道机会，最终还是错过出口。

智驾体验支离破碎，本来是让你减负的系统，现在让你更加费心费力的监督矫正。

问题就出在不够拟人，很难在复杂交通流下与多个不同交通参与者协同

地平线余凯博士是行业内第一个站出来戳破“皇帝新衣”的人，对当下量产城市NOA的评价是：怂、莽、急、贵，不可用。

这也是为什么智驾硬件供应商地平线要搞一套智驾系统：

用数据替代手写规则，让神经网络直接学习人类成熟司机的驾驶方法来应对复杂场景，找一条彻底解决城市NOA量产普及问题的路径。

具体方法是这样的…

SuperDrive如何达成更拟人的体验？

两个最主要的技术手段：端到端感知架构，以及数据驱动的交互式博弈算法。

一个是为了智驾系统看的更清楚更明白，一个是让智能代驾的“脑子”更灵活更高效。

端到端感知架构的优势，是避免了模块化算法架构中，数据多级传递造成的“损耗”，算法模型一端直接输入传感器数据，另一端直接输出轨迹预测，包括本车的，也包括道路其他交通参与者的。

端到端体现在SuperDrive将动态、静态、OCC（Occupancy占用网络）三网合一，统一在一个Transformer架构下，不需要对感知数据进行抽象和逐级传递，“所见即所得”：实现感知端到端同时，又保证了每个子网络的可解释性。

实际上SuperDrive的算法基础，正是来自于智能车参考前几天刚介绍过的CVPR 2023最佳论文成果——UniAD，地平线学者一作。

动态、静态、Occupancy三网合一的感知端到端架构下，有效解决感知架构时延高、规则多、负载重的问题。

感知端到端网络输出的结果，会接着进入数据驱动的交互博弈算法，这一算法也是基于蒙特卡洛树搜索的端到端深度学习算法。

名震一时的围棋AI AlphaGo背后的主要技术之一就是蒙特卡洛树搜索。简单来说，它的基础是一个概率模型，所要求解的问题是某种事件出现的概率。

在智驾场景中，这个“概率”可以是对象来车轨迹、前车变道意图、变道时多个目标的运动轨迹等等…

蒙特卡洛树搜索会通过某种“试验”的方法，得到这种事件出现的频率，或者这个随机变数的平均值。

试验方法，可以是人为定义，不过地平线选择的是通过10000小时高质量驾驶数据来训练，让算法最大程度理解效仿人类老司机的驾驶方法。

这就是上面例子中SuperDrive果断干脆变道的技术核心。

算法之外，SuperDrive“拟人化”体验仍然离不开地平线软硬结合的实力——最新发布的征程6系列计算硬件，CPU、BPU、GPU、全功能的MCU四芯合一。

单颗征程6旗舰即可支持感知、规划决策、控制、座舱感知等全栈计算任务。同时,高集成度令开发难度进一步降低。

SuperDrive搭配征程6旗舰版，BPU纳什架构是核心：

独特设计三级片上存储架构，核间高效协同，极致优化大参数下的带宽瓶颈；
具备多脉动立方加速引擎，灵活的引擎间数据流动实现高能效且低带宽占用；
数据变换引擎，灵活支持Transformer细小算子；
浮点向量加速单元，具有通用、灵活的特性，满足关键算子精度需求；
紧耦合异构计算单元高效加速不同类型数据处理；
核内、核间、片间高效灵活的多向数据流动，实现计算动态调度与灵活调优；
虚拟化技术，透明式提升多任务并行处理能力；数据驱动功耗优化，针对神经网络数据动态范围特性，降低功耗30%。

征程6系列目前一共6款产品，征程6B、征程6L、征程6E、征程6M、征程6H、征程6P。覆盖各个区间智能驾驶需求，算力依次递增，从数十TOPS一直到数百TOPS。

地平线认为，一个时代有一个时代的计算架构。地平线BPU架构的最新进展，其实就是数据驱动的智能计算架构，支持智能算法软硬件体系相结合。

在此基础上诞生的SuperDrive，其实也没有突破颠覆地平线智能汽车Tier 2的定位本质：

可以量产交付，但更重要的是实践端到端和数据驱动的新技术范式，以及验证征程6对这种技术体系的完美支持。

地平线「破壁」城市NOA

SuperDrive当下最珍贵的价值也是这点：

向行业、用户证明只有在技术体系上重构、变革才能彻底解决城市NOA量产普及问题。

试图在以前的技术栈上修修补补，通过增加规则用“穷举法”兜住所有长尾场景，是一条死路。最终只会留下一堆“屎山”代码和泛化性极差的系统。

用户用过几次就劝退的系统，只会成为白白浪费的成本，规模普及无从谈起。

因为对于城市NOA来说，智能不彻底，就是彻底不智能。

尽管SuperDrive推出，地平线凭技术体系和功能体验拿到了城区NOA智能驾驶的门票，并且站稳第一梯队，但它定位仍然是Tier2，只不过毫无疑问是最全能的Tier2。

SuperDrive因此成为一个样板间，目的是带动车企、tier 1尽快向新的技术范式转移，实现这个目标的基础，是新的征程6系列。

而从行业格局来看，地平线推出软硬一体的智驾方案有更深刻的意义：生态正在成为智驾壁垒和护城河。

这体现在自动驾驶正在以底层硬件不同，演化出不同阵营。通用GPU演变过来的英伟达、电子通信领域延伸的高通，以及自主玩家地平线。

地平线的的优势，恰恰是没有过往优势业务的惯性，从智能车和自动驾驶算法演变的角度设计硬件架构，并且在大模型浪潮中，前瞻性的提出专门为端到端模型和数据驱动算法服务的新平台。

除了自给自足生态封闭的特斯拉以外，地平线征程6是目前唯一的选择。

而智驾底层硬件“三分天下”，还能从商业角度解读出趋势：

地平线坚持Tier2，选择和所有自动驾驶算法公司共赢。而所有的自动驾驶公司也成为了地平线生态护城河的一部分。

而在在中国所有的智能汽车供应商中，服务能力，客户广度，商业潜力…地平线是所有玩家中独一无二的。