智駕科技MAXIEYE：MAXIPILOT?2.0——高速進化的BEV智

當前汽車市場的高階自動駕駛、輕地圖方案、BEV+數據智能趨勢顯著。2023年12月19日，在長城汽車2023技術研討會上，智駕科技MAXIEYE創始人兼CEO分析了BEV智駕發展面臨的痛點，提出了相應的解決方案，并介紹了MAXIPILOT^?2.0及其產品案例。

最后，周圣硯表示，MAXIEYE希望能夠實現AI驅動自動駕駛規?；透唠A化，與客戶全維陪伴，共同成長。

智駕科技MAXIEYE創始人兼CEO

以下為演講內容整理:

汽車市場新趨勢

當前汽車市場呈現出諸多新趨勢。第一個趨勢是高階自動駕駛。2022年行業在高速NOA方向競爭，2023年開始轉向城市NOA，媒體和市場的聚焦點都在高階上。事實上，2023年高速NOA產品在中國乘用車的2600萬輛銷量中僅占3%。第二個趨勢是輕地圖方案。BEV的出現讓行業對于輕地圖和高精度地圖出現許多爭議。新技術給市場帶來了許多變化，同時也產生了很多機會。第三個趨勢是BEV+數據智能。BEV重構了底層技術，未來的底層技術開發將由工程驅動轉變為數據驅動。

我們將自動駕駛分為三類。第一類是L2，一體機產品。前些年，Mobileye創新性地將其帶入市場，國內企業憑借價格更便宜，客戶服務更好逐漸打開市場。一體機的市場裝配率非常高，行業預計在2026年將實現AEB標配，一體機市場將從當前的40%提升到100%。

第二類是高速NOA，痛點在于技術沒有收斂，定義沒有收斂，導致產品的價值并不匹配其價格。此外，高速NOA應用場景較少，且目前方案基于傳統的CNN框架，存在體驗不夠流暢、方案同質化較高的問題。受到廣泛宣傳影響，人們往往認為高速NOA已經發展得非常好了，實際上其體驗還遠遠沒達到消費者用得放心的程度。還有一個痛點在于，車廠在研發過程中將L2功能和高階功能一分為二，在這個割裂的開發過程中車廠需要重復驗證，如高速做好后，卻發現供應商的基礎功能尚未完成，因此又需要回過頭來教供應商如何搞定AEB等，再做一次感知、目標篩選和識別，最終導致系統變得四不像，又需要重復與供應商溝通，不斷進行投入。當下痛點在于L4的公司無法做AEB，做AEB的公司無法做L2+，相關企業一直做重復的工作。

基于此，我們提出了一些解決思路。做產品升級的最終目的都是讓消費者直觀感受到產品的變化，促進車廠銷量提升。而智能駕駛和智能座艙是消費者能夠感受到的最直觀的內容。因此我們需要做的就是讓消費者明顯感受到變化，提升消費者體驗。在產品升級和投入的過程中，我們需要進行選擇，不能重復造輪子，比如L2在高速上的換道、匯合等功能完成后，其他基礎功能完全可以沿用。這樣的增量式開發能夠大幅降低車輛投入，讓智能駕駛投入可控。

圖源:演講嘉賓素材

針對L2，我們可以用BEV做一遍，讓其在可控成本下，體驗達到一定流暢度，比如在高速公路中未畫線處可以流暢處理，而不是突然退出，讓駕駛員處于危險狀態中，從而提升產品競爭力。如果產品能夠在直行過程中完全和自動駕駛一樣，那么就能做到國外所未有的創新，做到直行無接管。

針對高速NOA，我們可以控制其功能和成本。以往從1R1V升級到高速NOA，成本上升了近兩萬元，但客戶使用頻次僅增加10%。我們希望做到只增加少量成本，通過使用BEV技術再次對高速NOA進行升級，迅速提升產品性價比和客戶體驗。

第三類是城區NOA。當前兩件事情完成后，城區NOA就變得順理成章。以底層的產品架構可升級性和可延續性為基礎，增加傳感器硬件即可實現。這個過程中，大部分底層數據是可復用的，數據智能、數據回傳和訓練的網絡模型都可以復用。

高速進化的BEV智駕

我們的產品有兩種形態，首先，我們有行業內唯一支持BEV一體機的產品，因為我們希望能夠把直行體驗做得和完全自動駕駛一樣。第二，我們有支持全時行泊一體的域控形態方案，且支持高速無圖NOA。有圖和無圖的區別在于BEV是否可以感知到前方的道路拓撲，正如人開車時是無圖的，但可以看到前方視野內的道路拓撲，目中無圖而心中有圖。這就是BEV一體機的特點，能夠在直行過程中讓駕駛員盡量少接管。

下圖是Lite的詳細架構，整個系統不需要向高精地圖商買授權，所有東西都是無圖的方案，BEV全部可以完成，還可以實現NOA，我們的目標就是每輛車起步即NOA。我們的愿景是無論是什么價位的車型，都能實現智能化，只是其程度有所不同。

圖源:演講嘉賓素材

我們之所以有信心能夠達成讓每一輛車起步即實現NOA的愿景，是基于三大要素。首先，我們的方案中整車架構是零改動的，投入最少。第二，BEV技術可以實現輕地圖，成本最低。第三，我們大幅拓展了使用場景，實現加量不加價。價值增加而價格不變，會增加客戶粘性，形成快速傳播，最終促進銷量提升。我們的產品比較簡單，整個底層的BEV架構直接閉環到了城市NOA。

無圖其實就是將前方拓撲全部解決。在生成拓撲的過程中，深度學習的第一位是道路拓撲。我們尋找了許多分叉、匯合的典型道路場景，讓其進行學習，約有一百多種要素支持路徑規劃。

MAXIPILOT^?2.0 Pro的算力為60TOPS，是單芯片自然散熱，采用的是行泊合一方案，達到了極致的性價比。同時，該方案支持輕地圖記憶行車，比入門級MAXIPILOT^?2.0多了純視覺占用網絡，可以解決靜止障礙物問題。MAXIPILOT^?2.0 Pro還有高性價比的記憶地圖共享功能，可以在城市下拓展體系。記憶地圖不僅可以滿足當下車型競爭力，還能夠為將來開城做數據支撐。

圖源:演講嘉賓素材

MAXIPILOT^?2.0 Pro產品具有諸多亮點，一是360°融合BEV，環視鏡頭復用。即車輛在道路上行駛過一次后，會進行記憶存儲，之后行駛到這條道路上就可以進行記憶行車。實現了異構攝像頭特征級融合，輸出BEV空間目標，對比傳統多V復雜標定/后處理，架構更高效。有效解決了遮擋目標的檢測問題，不完整目標檢測的準確率增加。此外，還構建了時序融合的4D空間，對抗俯仰顛簸，實現更精準的軌跡預測，端到端的網絡模型減少對經驗邏輯的依賴，可以真正實現數據驅動的自學習。

亮點二是升級占用空間網絡，支持G-AEB?？梢暂o助駕駛員在城市道路工況下避免與一些一般障礙物碰撞，保護乘員安全，通過攝像頭識別連排錐桶、水馬、圓筒等，實現對施工區域的檢測，系統基于高魯棒性的施工區域檢測實現提前預警與避讓。

MAXIPILOT^?2.0 MAX拓展了城區NOA，能夠實現全場景自動駕駛。100 TOPS級別，支持跨芯片移植，拓展了輕地圖城區NOA，通過復用2.0 Lite和2.0 Pro 積累的海量價值數據，實現成本可控、節奏可控的開城。

海市數據智能體系包括智能化標注、自動化校驗、自動檢查、數據生成、4D場景重建等，支持量產回傳的信息和數據自動化標注，已經和諸多車廠的項目進行合作，開始實際運作。在此系統下，工程師除控制功能需要上車調試外，其他從開發測試到交付的工作都可以在家完成。

在規?；慨a中，我們交出了較好的答卷。一是AEB誤觸發百萬公里lt;1次；二是全系五星+主動安全；三是量產數據回傳場景超過3億公里；四是具備高階智駕和主動安全復合型能力。之所以能交出如此好的答卷，得益于我們數據智能系統的積累和迭代。

最后，我們希望能夠實現AI驅動自動駕駛規?；透唠A化，與客戶全維陪伴，共同成長。