等了5個多月，車東西終於在極狐阿爾法S上體驗到了華為的量產版“L4”級自動駕駛系統。從華為上海研究所出發，我們乘坐這台阿爾法S在上海金橋區的城市道路里行駛了12公里，經過了十幾個紅綠燈後返回到了原點。

同樣的路線，車東西總計體驗了3趟（兩次夜間一次白天），途中所有駕駛操作均由華為ADS高階自動駕駛系統所完成，沒有一次接管。

▲實車體驗華為ADS

眼下L2級自動駕駛系統正在成為新車標配，但除了特斯拉正在小範圍測試的FSD系統外，其他各家的L2都是為高速公路所設計——日常城市通勤根本用不了幾次。

現在，華為將高級別自動駕駛技術下放，為L2級推出了ADS系統，則完全打破了這一僵局。

對於消費者來說，能夠在城市內實現點對點的自動駕駛，哪怕是​​需要時刻盯著路面，也能大幅降低駕駛疲勞感，是車輛使用上的一次質變。

對於自動駕駛產業來說，如果極狐阿爾法S能夠在特斯拉FSD正式發布之前量產交付，那麼它將是全球首款具備城市自動駕駛能力的量產車型，華為ADS也將是全球首套城市自動駕駛系統。

毫無疑問，ADS的推出與量產，推動著全球自動駕駛產業向前邁出了堅實一步。

一、下放高級自動駕駛實現城市點對點自動駕駛

4月中旬的上海依然略有一絲涼氣。車東西團隊剛一下飛機，就立馬前往位於金橋區的華為上海研究所。即使已經到了晚上7點半，大樓裡依然燈火通明。

我們體驗華為ADS的載體是極狐阿爾法S——一款兼具轎車、SUV風格的跨界純電車型，也是全球首款搭載ADS的量產車。

▲極狐阿爾法S是第一款搭載ADS的量產車

主駕位置的安全員將車手動開至公開道路後，快速撥動了方向盤左側的操作桿兩次，打開了ADS系統，隨後將手從方向盤上拿開，開始了自動駕駛模式。

根據出發地、目的地，以及途徑點信息，導航系統規劃出了一條行駛路徑，車輛自動沿著路線行駛。

與大部分L2級系統，甚至是L4級無人出租車追求平穩的設計不同，ADS的起步要迅猛的多，眨眼間就到了道路的最高限速——60公里/小時，完全一副老司機的做派。

車輛的儀表上會顯示車輛對外界的感知結果，司乘人員可以很直觀的看到車輛的感知結果，並了解車輛的行駛意圖。

▲極狐阿爾法S的內飾

開起來後，車東西乘坐的這台車就沿著當前車道行駛，並沿途躲避障礙物。前車減速，本車也會放慢速度。

因為是高級別自動駕駛技術架構，ADS具備動態路徑規劃能力，若前車持續低速行駛且旁邊車道又比較空曠時，ADS則會變到超車，然後在隔壁車道​​行駛以提升通行效率。

根據導航信息，車輛會在相應的路口提前變道以完成左轉或右轉動作。在十字路口左轉或右轉時，車輛也會根據周圍車輛的位置動態調整自己的行駛軌跡予以通過。

這跟“以單車道自動駕駛”為核心功能的L2級系統相比是一個重要的不同。

實現城市點對點自動駕駛，紅綠燈檢測是一個大難題。

作為一套高級別自動駕駛技術架構的系統，ADS使用了華為自己採集的高精地圖數據——車輛在很遠處就可以知道紅綠燈的位置信息，以提前在攝像頭拍攝的視覺畫面中檢測紅綠燈狀態。

實際體驗中，ADS不僅可以在大老遠就將左轉和直行紅綠燈狀態檢測並顯示出來，且三次行駛中沒有出現一次漏檢與錯檢。

唯一美中不足的是ADS目前僅能檢測紅綠燈顏色，還不能像特斯拉FSD一樣在近距離實現箭頭形狀和倒計時數字的讀取。不過華為的工程師告訴車東西，在未來的版本中，ADS也會加入對紅綠燈箭頭和倒計時的讀取能力。

就這樣，車輛變了十幾次道，完成了十幾次左轉、右轉後，在沒有一次接管的情況下又開回了華為上海研究所。

二、90分鐘行駛無接管成功應對三大高難度場景

從宏觀上來說，點對點自動駕駛系統非常簡單——導航系統規劃好路徑，車輛沿著路徑行駛，並在這一過程中躲避其他障礙車輛和物體。上一部分車東西核心介紹了ADS的路徑規劃和行駛能力，這一部分我們來聊聊技術含量最高的避障環節。

城市道路與高速公路最大的不同就是路況極為複雜，既有各種機動車輛，又有行人、電動車、摩托車，還有大量非標準的交通工具和離奇的行駛姿態。

在三次體驗中，ADS能夠輕鬆躲避本車道內的前方車輛，沒啥好說的，下面重點聊聊車東西在體驗中遇到的幾個頗具挑戰性的場景。

1 、完美應對近距離加塞

在4月15日夜間的一次體驗中，左前方不遠處一輛白色路虎極光快速駛入本車前方（本車速度大概50公里/小時），大概有三分之一車身進入本車車道，隨後馬上又開回了原車道。

ADS在極光開始并線時迅速做出了減速動作並向右方避讓。同時因為極光馬上又開回了原車道，所以本車的剎車力度並不大，待其離開後又恢復了正常速度，整個反應過程讓車東西一度開始懷疑安全員是不是已經採用手工駕駛了。

▲夜間體驗ADS

為什麼懷疑是人工駕駛？這裡有兩個細節值得說道。

一是ADS的反應速度很快。這主要得益於前方激光雷達和視覺的精確感知能力，能夠迅速了解目標的相對位置從而做出反應。這對於以視覺和毫米波為主的L2系統來說，很難做到這麼同步的反應，往往是前車加塞到一定程度才會減速——最終結果就是重重一個急剎車，體驗很差。

二是反應的程度恰到好處。這個場景中極光並沒有并線，因此ADS選擇了中等程度的剎車力度進行防禦性駕駛，既為下一步動作留出的反應的空間，又不至於影響用戶體驗，很像老司機開車。

ADS表現好是因為對其他車輛行為的預測做的好。這方面，華為引入了深度學習技術，通過大量收集道路上的真實數據來訓練自己的模型，才能準確預測周邊車輛的行為，並做出迅速和合適的反應。

2 、靈活完成無保護左轉

不管是國內還是國外，都有一些十字路口是用一個紅綠燈同時控制左轉和直行。綠燈亮起後，左轉車輛與直行車輛就要“垂直相對”。人類司機的操作往往是狹路相逢勇者勝，誰跑得快誰先過。或是敵不動我不動，互相等對方先走，結果誰都沒動。

人都處理不好的場景，自動駕駛當然更難。

▲ADS處理無保護左轉場景

在這次體驗中，車東西乘坐的阿爾法S也遇到了多個無保護左傳的情景。ADS的處理還是非常值得稱讚。

如果垂直車輛的速度較快，ADS的原則是安全第一，等待垂直方向車輛先通過後再左轉。如果對方車輛速度較慢，ADS則會加速率先通過，並不會傻等，很像真人駕駛。

3 、可躲避異形車輛

對自動駕駛汽車來說，要做出合適的行駛決策，一個關鍵要素是知道前方是否有障礙物，並確定相對速度與位置。

外形相對標準化的汽車、行人和騎行者較為容易感知，從而容易確定駕駛策略。但對於非標準物體，尤其是靜態物體就很困難——不知道前方是到底是什麼，躲還是不躲？

▲右側遇到人力拖車

在一條小路上，右前方出現了一個緩行的兩輪人力拖車，車上還有很多金屬物體，外形非常不規則。再往前走，前方出現了一台正在掉頭的五菱宏光，在我們接近時車輛橫在了路中央並緩慢倒車。

這兩個場景的障礙物都是非標準物體，也意味著深度學習算法無法對其進行分類。

不過得益於激光雷達和雙目視覺，ADS還是感知到了這兩個特殊的障礙物，在經過人力拖車時向左打了一把方向進行了避讓，而接近掉頭的五菱宏光時也減速緩行，待其離開後在繼續前進。

這三大場景之外，一路上我們還遇到了橫穿馬路的行人、逆行的車輛，以及走S形的外賣小哥，​​無一例外ADS系統都能夠感知到這些交通參與者的存在，並做出了合理的避讓動作。在三趟總計36公里和100多分鐘的複雜路況體驗中，沒有出現哪怕是一次接管和系統失效。

當然，現實場景千變萬化，目前沒有任何系統可以做到100%的有效。為了盡快將技術量產，將其降級為L2級——即駕駛員隨時準備接管以應對特殊情況，無疑是非常好的一個技術路徑。

三、首批開放北上廣深四城明年將有一大批車型搭載ADS

在連續三次試乘了ADS之後，車東西在華為上研所再次與ADS的首席架構師、智能駕駛產品線總裁蘇箐進行了一次深入對話，獲得了關於ADS的技術路徑、未來迭代模式，以及量產應用情況等關鍵信息。

關於第一次對話，可回顧車東西此前的報導《獨家｜華為提前量產L4 》。

▲華為智能汽車BU智能駕駛產品線總裁蘇箐

ADS的優秀表現離不開高精度地圖的支持，但高精地圖的覆蓋度有限，在阿爾法S這款車型實現量產後，到底有哪些城市能夠使用？沒有地圖的城市和路段又該如何處理呢？

“年底交付的時候先開放北上廣深四個城市，隨後每三個月一批新城市。”對於可使用的範圍，蘇箐顯得非常自信。

但即使每三個月更新一批，短時間內也難以覆蓋全國。同時城市的路況還在不斷變化，高精地圖也難以實時更新。

為了應對地圖挑戰，華為的ADS採用了一個三級走的策略：

有高精地圖的區域，可使用點對點自動駕駛功能，即NCA；無高精地圖的區域，可使用普通的L2級自動駕駛功能，叫做ICA，即常見的單車道L2自動駕駛。

如果某區域無高精地圖，但卻有ADS車輛行駛過，則該車輛就會構架基礎版的“高精地圖”（自建圖），來支持車輛進行自動駕駛。

▲ADS技術架構

此時，車輛可使用ICA+功能。與NCA功能相比，ICA+缺少了全地圖的點對點的能力，但卻具備了主動變道、超車等高級功能。同時在每日通勤道路上，依然能有點到點能力。

此外，基於自建圖的模式，ADS還能學習用戶的停車習慣，最終實現從地庫入口到車位的AVP自動代客泊車體驗。

這個三級設計非常有意義。

對消費者來說，買了搭載ADS的車輛，在全國都能使用L2級自動駕駛，在大城市則可享受點對點功能，不會因為地圖問題影響消費者購買欲。

對車企來說，自己賣的車越多，跑的地方就越多，其他車輛通過雲端共享，就能在更多地方使用ICA+功能，能夠不斷提升車主的使用體驗。

目前華為的ADS除了與極狐合作，還與廣汽、長安兩大自主品牌達成合作。蘇箐明確表示，這三大品牌都將會有一系列車型搭載ADS上市。

“明年後年就會看到一大批搭載ADS的車型上市，並且還有其他大廠的（國內）車型搭載這一系統。”蘇箐說道。

四、每年研發投入10億美元團隊規模超2000人

在車東西這三趟體驗中，ADS系統沒有發生一次接管，整體表現令人印象深刻，蘇箐也詳細介紹了其背後的技術路徑與研發團隊。

感知層面，車頭的3個激光雷達、周身的6個毫米波雷達、13個攝像頭和12個超聲波雷達都會參與到環境感知中去，其中激光、毫米波和攝像頭還會進行像素級的前融合來提升感知精度。

▲車頭處搭載了三個激光雷達

毫米波雷達的點雲數據噪點較多，與視覺和激光進行融合難度較大，業界多使用後兩者進行前融合，華為直接將毫米波也加入其中，正顯示了其技術實力之強。

在前融合之後，打包的探測結果會被送入深度學習系統的神經網絡中輸出感知結果。

一個小細節是，ADS系統在車頭還搭載了雙目視覺系統。在極端情況下激光雷達如果無法準確對外界的不明障礙物進行感知，雙目視覺也能感知目標距離，從而幫助車輛完成避障。

▲ADS的目標感知能力

雙目視覺的技術存在了多年，但在自動駕駛系統中較為少見，目前量產車中僅有斯巴魯的Eyesight等少數係統採用了雙目視覺。

蘇箐表示，雙目視覺技術因為成熟度較低所以較少被使用，但華為ADS團隊已經做到了遠超於人雙目測距的距離，所以才將其搬到了車上。

正是有了優秀的感知能力，才能做出好的決策與運動規劃，讓車輛更像一個老司機。

據蘇箐介紹，這套複雜的算法背後是一支超過2000人的龐大團隊，其中算法工程師就達到了1200人。每年研發投入超過10億美元，並且還在以每年30%的速度增長。

車隊方面，華為自有的測試車就超過了200台，每年能夠收集數百萬公里的行駛數據，待量產後規模還會更大。

基於海量數據，華為ADS每個月都會對軟件進行迭代，每18個月則會對硬件的小幅升級。

在蘇箐看來，這些軟硬件升級除了不斷提升量產車的使用體驗，還有一個關鍵用處則是迭代華為的軟件算法，不多擴大使用區域和自動駕駛能力。

蘇箐認為，華為ADS是高級別自動駕駛系統的能力，當MPI（每次干預行駛里程）數據非常非常大的時候，就能夠拿掉人類駕駛員，產生更大的價值。不過他也並不激進，表示還需要10年的時間能夠達到這一目標。

“只要這個事情有價值，我們並不擔心盈利問題，願意長時間投入，”蘇箐向車東西說道。

結語：華為推動量產自動駕駛進入城市

在車東西看來，無安全員的自動駕駛系統確實還需要10年以上的時間，因此眼下最能改變駕駛員體驗的技術就是L2級量產自動駕駛系統。

但不管是新老車企，量產的L2系統都是為高速公路所設計，對於大部分用戶來說，使用頻率和單次使用時長都較低，並沒有明顯改善駕駛體驗。

這也就是說，只有將L2級系統引入城市才有可能讓這一技術大規模普及應用，改變數億駕駛員的出行體驗。雖然特斯拉的FSD正在朝著這一目標努力，但畢竟傳感器配置較低，能否在短期內實現量產，不確定性很大。

而華為ADS，則已經站在了量產的門口。在今年年底隨著極狐阿爾法S一起上市後，將真正帶動全球量產自動駕駛技術進入城市。