咨询热线:0898-08980898

魔视智能MOTOVIS虞正华:中国自动驾驶量产科技公司的历史性机遇

添加时间:2024-08-23 22:52:32

  2022年12月22-23日,由亿欧汽车主办的GTM2022全球科技出行峰会在中国上海成功举办。本届峰会以“加速·定势”为主题,聚焦时下热议的智能电动汽车(SEV)发展,围绕六大主题论坛,携手与会的数十名行业头部企业高管,呈现了一场新技术与新理念齐驱的汽车出行产业年度盛会。

  在《科学企业论坛》上,魔视智能创始人、CEO虞正华发表了题为《行泊一体—全栈式自动驾驶量产之路》的演讲。他认为:

  1.自动驾驶行业正经历冰火两重天;自动驾驶量产供应商的制胜关键,是要拥有四大能力的全栈平台;

  2.从需求角度中国是世界最大的汽车市场,随着电动化这波的浪潮,中国自主的供应商也在快速崛起,像魔视智能这样的自动驾驶新势力Tier1将能够分享到市场红利;

  3.就感知系统而言,我们所熟知的摄像头、球速体育官方入口毫米波雷达、激光雷达、超声波雷达等任何一个传感器,至今为止都没有百分之百的准确率。

  自动驾驶行业正经历冰火两重天。一方面,L4级自动驾驶公司规模商业化遥遥无期,资金遇冷,甚至已有独角兽AI公司遭遇破产;另一方面,中国智能汽车市场前向L2级ADAS(含L2+)前装搭载率正处于快速提升的阶段,行业预测2025年将实现超过50%的搭载率,这个局面对于中国的自动驾驶的创业公司来说,需求侧+供给侧双重驱动,中国有望产生世界级自动驾驶量产领导者。

  从需求角度中国是世界最大的汽车市场,随着电动化这波的浪潮,中国自主的供应商也在快速崛起,像魔视智能这样的自动驾驶新势力Tier1将能够分享到市场红利。

  这是一个非常好的国产替代的机会,在供给端中国有非常好的优势,就是在AI技术上,中国的部分自动驾驶科技公司在全球都是处在一个领先的地位,此外,中国有工程师的红利,AI和汽车行业人才储备充裕;中国路况复杂,自动驾驶应用场景丰富。从量产落地的角度,我认为,中国的自动驾驶科技公司正值历史性机遇档口,作为自动驾驶量产供应商的制胜关键,是拥有四大能力的全栈平台。

  这其中两个能力是技术方面的能力,一个是原创的全站算法能力,要从感知、融合、定位到规控全栈自研,无短板;另一个技术能力是全栈式系统能力,是从硬件,底层软件,中间件到功能软件的全栈式开发能力。全栈的算法能力叠加全栈的系统能力,将使得中国的自动驾驶量产供应商能够满足中国OEM快速开发量产需求,持续推出领先的自动驾驶功能,快速推出满足市场应用的产品。

  另外两个能力是场景和数据的能力,既要有在行车和泊车均具有丰富量产经验的全场景落地能力,利用行泊一体技术降低成本,实现规模效应,同时还需要拥有完整数据闭环能力,持续沉淀高质量数据,推动算法迭代,提升算法鲁棒性,不断解锁更多corner cases。

  在讲到行泊一体域控制器,虞正华分析道:随着硬件、芯片、软件、算法等关键技术日新月异的迭代,促使智能驾驶行车和泊车功能量产应用加速,这意味着经过前期多年的技术准备,高速行车和低速泊车在技术上的研发已经达到了非常实用的状态,已经实实在在给终端用户带来实际价值。

  从低等级辅助驾驶起步,逐渐扩展功能和场景,最终实现全场景完全自动驾驶,行泊一体技术是关键。行泊一体技术代表了行业的进步,是基于过去整个行业在行车和泊车技术上的积累,并在这两个基础上实现功能复合,从性能上实现突破,行泊一体实现了对传感器的深度服用,提高了计算资源利用率,降低了系统节省,提升了开发效率。虞正华指出,通过行泊一体的方式,可以实现50%的成本节约。

  另外,从算力芯片角度,目前市场上主要有中算力和高算力两类行泊一体域控制器,其中中算力行泊一体域控制器算力基本上在10个TOPS左右;另一类高算力行泊一体域控制器,算力从50TOPS打底,现在最高的已经达到2000TOPS的算力。但从市场的角度,我们认为到2025年,中算力行泊一体预控制器市场占比将达到80%,将是市场的主流。

  行泊一体在其技术的本质上还是一个智能驾驶系统,系统所涉及到的核心技术包括感知技术、建图定位技术、规划决策控制技术、芯片平台算力部署和优化技术。这其中,感知无疑是这个智能驾驶系统里面最主要的难点和重点。

  我们都希望智能驾驶系统是一个高安全性、非常可靠的系统,但是对于整车开发来说,大家最顾忌、最不希望看到的其实还是感知系统的不确定性,因为不知道这个系统什么时候会出现误检、漏检,因为智能驾驶系统在感知以外所有的模块,无论是规划、决策、控制,它的性能上限下限都是非常确定的,但就感知系统而言,我们所熟知的摄像头、毫米波雷达、激光雷达、超声波雷达等任何一个传感器,至今为止都没有百分之百的准确率。

  魔视智能感知融合算法基于BEV的前融合感知框架Cyclops,利用不同时间和空间的多传感器数据资源,在解决目标探测、识别和跟踪等问题有更好的可靠性和鲁棒性,增强目标车辆的可信度,支持全场景目标识别,适应全场景自动驾驶感知需求。