沒想到啊沒想到，看似常規的自動駕駛技術分享，竟然意外曝光了業界內幕？？？「今年開始，有一些自動駕駛駕駛供應商用傳統CNN包裝所謂「無圖方案」忽悠車企。」 「很多AEB「五星」測試結果，實際上是在用場景識別的方式作弊！」 「有些本來被認為做得還不錯的玩家，向車企兜售劣質方案，拿用戶性命開玩笑！”

這可能是今年最直白，最激烈自動駕駛前線現場。

智駕科技的創辦人、CEO週聖硯，毫不客氣地揭了「老底」。

所以問題來了，智駕科技為什麼這麼剛？它說的都是真的嗎？

以及，指出問題外，智駕科技有沒有解決問題的方法？

揭了哪些底？

主要的問題有兩個，都是針對今年自動駕駛大熱門的趨勢或議題。

首先，是去高精地圖依賴。意思是高階智駕功能，尤其是拓展到城市道路的領航輔助，今年正走向輕高精地圖化，甚至是去高精地圖的技術路線。

原因也很簡單，一是道路基建更新快，高精地圖的採集更新不及時；二是高精地圖本身的製作，需要投入龐大的成本；第三點，高精地圖資訊的採集、製作、使用等等環節，法規准入愈發嚴格。

但智慧駕駛的量產競速不等人，所以輕圖或無圖就成了幾乎所有量產玩家追求的方案，也成了主機廠捲成本的必然選項。

不過智駕科技CEO週聖硯卻說，今年年初這個思路剛流行起來時，就發現行業某些玩家，拿傳統的CNN，包裝「無圖方案」。

準確的說，是在主機廠客戶看不到的底層演算法上，使用成熟但能力不足的CNN，取代BEV，透過調參等手段做一個十分漂亮的Demo。

CNN是卷積神經網路的簡稱，也是傳統影像特徵辨識、提取的手段。但其限制在於對目標的辨識是基於單幀數據，沒有時序特徵，也難以建立起不同目標之間的關係特徵。

舉個例子，「無圖」情況下需要係統即時感知生成道路拓撲結構，CNN只能透過岔路口始終不變的「點」來辨識。

但如果有目標經過這個“點”，造成短暫的遮擋，CNN就會瞬間失去對道路範圍、車道線的正確識別，造成變換車道失敗、緊急退出等等情況。

緊急情況下，隱藏著巨大的安全隱憂。

第二點，是最近頻頻吵上熱搜的AEB功能。智駕科技曝了一個更猛卻令人哭笑不得的內幕：

實際上一些所謂C-NCAP五星AEB功能，都在使用「場景辨識」作弊。

啥是場景辨識？就是透過特殊的場景觸發特定機制。

因為無論是C-NCAP或是任何-NCAP的標準AEB測試中，假人目標永遠是黑上衣藍褲子，一旦系統識別到黑上衣藍褲子人形目標，立刻提高AEB系統靈敏度，多快速度都能剎車住。

但這樣的系統是無法正常使用的，誤觸發太多。所以用戶正常使用中，所謂「五星」AEB，根本沒有任何作用。

簡單到令人瞠目結舌。

智駕科技認為，現在業界出現了這種低成本「劣幣驅逐良幣」的隱憂。

而真正有累積且負責任的自動駕駛公司，會用技術解決問題。

搞了什麼新動作？

智駕科技首先科普了區別真無圖和假無圖方案的最直觀方法，就是看系統有沒有即時感知生成的道路拓樸結果：

支撐這項能力的，是以Transformer架構為基礎的BEV演算法。

BEV是將傳統自動駕駛２D影像的感知方式，轉換為在鳥瞰圖視角下的３D感知。BEV空間經過處理，是可被演算法理解和應用的。

在BEV框架下，所有後續的感知、預測、規劃都可以在同一個空間進行，減少了上層對不同空間結果進行判斷決策的困擾。

再進一步，BEV將不同感測器輸入在同一空間進行了統一，一些事情就更容易了。例如對物體的深度、體積、位置處理。

另外，BEV不僅有更豐富準確3D訊息， 4D資訊的提供也更容易－即時序融合。

由於BEV將各感測器資料拉到了統一空間，並統一了形式，就更容易得到不同來源的資訊或特徵，更容易知道不同目標在時間先後以及空間相對關係。

再進一步，時間和空間做到了更好的統一，那麼許多傳統感知的短板也能彌補了。

首先是對於運動物體的估計會更準確，預測演算法也會更穩定、高效；另外因為BEV演算法是基於學習而來，那麼對於遮蔽場景以及物體狀態可以做出推理，腦補出完整形態等等。

週聖硯認為，BEV給了自動駕駛一把新的鑰匙，實現了自動駕駛端到端的重新定義。

智駕科技從2020年開始，做的最重要的一件事，就是用BEV+Transformer重構了自己的整個技術體系，成果是青雲Hyperspace架構。

融合道路拓樸、目標軌跡、佔用空間三大網路。

傳統的L2系統，或基於高精度地圖的智駕，道路拓樸的關係不需要車端感知完成，但在無圖情況下，道路拓樸的關係偵測就交給了BEV。

青雲BEV架構的感知系統，精度上可以達到橫向5厘米，縱向1/1000的精度。千分之一就相當於在100公尺發現了一個道路的分叉點，而這個關於分叉點的誤差不會超過10公分。

其次，青雲BEV架構能輸出車道線、地面箭頭、斑馬線、停止線等等目標，多達100多種交通要素屬性，這些要素足以做無圖NOA 的需求。

第三，青雲BEV具備超視距的能力，在6V（攝影機） 的基礎上，向後可以最遠看到100米，向前可以看到150米，且精度不打折扣。

最後，由於添加了時序訊息，青雲BEV目標遮擋，能夠自行“腦補”，還原整個道路拓撲的完整性。

目標軌跡網絡，是青雲BEV 架構的第二個模組。在傳統的CNN網路下，目標偵測僅停留在歷史和當下的單一目標的軌跡，對未來的軌跡，只能用基於規則的卡爾曼濾波的方式進行線性預測，往往是不准的。

青雲BEV 則是利用生成式的方式解決了目標軌跡的預測問題。可以準確的預測目標3 秒後的軌跡。相當於AI駕駛也具備了防禦性駕駛能力。

青雲BEV 架構的第三個亮點，也是業界目前最期待的一個技術點=創新，就是純視覺佔用空間。

直覺的說，就是將車輛周圍的世界用10 公分的立方體組成了網格，像搭樂高積木一樣把它搭出來。除了能部分取代光達的作用，降低成本。

更重要的是系統不區分車輛、行人等不同目標，直接網格化表達，當系統發現前方有一個障礙物，不用經過感知識別等一系列決策鏈條，系統直接進行進行自動煞車。

透過智駕科技的青雲架構也能看出，BEV+Transformer帶來的不僅是技術創新，而是顛覆了傳統CNN演算法模組化累加造成的不確定性，可以理解為一種絕對意義上的底層技術創新重構。

智駕科技也基於此提出了一種很新的城市NOA實現方法——記憶共享：青雲BEV架構利用拓撲元素，加之組合導航演算法，可支援一次性完成自動化建圖記憶，這是記憶共享技術實現的基礎。

然後，透過MAXIPILOT®全系智慧駕駛產品的推出市場，實現不同等級價位車型覆蓋，這意味著入門級配置即可支援城區建圖，能夠幫助車廠客戶以80%的規模化量產方案為基礎，建構20%高配方案所需的核心場景資料。

這套MAXIPILOT®全繫智慧駕駛產品的邏輯，就是基於這樣的思維誕生。

MAXIPILOT®2.0 Lite主打城市增強L2方案，依托青雲BEV技術解決當下L2體驗不連續的產品痛點，例如L2系統在路口場景容易退出/道路拓撲變化體驗不佳等。

包含BEV一體機和MDU20域控兩種產品形態，涵蓋20萬元以下車型細分市場實現智慧升級，支援極高性價比的輕地圖高速NOM（Navigate on MAXIPILOT®）應用落地。

同時，MAXIPILOT®2.0 Lite也是業界唯一支援BEV部署的前視一體機高性價比算力平台方案，定位涵蓋日常行車70%以上場景的千元等級產品。基於單一BEV一體機數據閉環，快速取得關鍵路口/特殊道路拓樸等場景數據，高效開城。

MAXIPILOT®2.0 Pro，基於5R6V的感測器配置，單一SOC實現行泊高度合一，是中算力平台性價比之選，支援實現全場景高速NOM、記憶行泊車等智慧化功能方案。

MAXIPILOT®2.0 Pro支援佔用空間網路部署，支援輸出BEV特徵抽取後的特徵地圖（DREM-Deep learning REM），以資料合規方式上傳雲端，同樣透過記憶地圖共享實現高效開城。

MAXIPILOT®2.0 MAX主推nR9V的感測器配置方案，支援輕地圖拓展城區NOM領航輔助駕駛方案，能夠更好應對城區複雜環境及互動。同時方案可選前向雷射雷達，作為城區視覺冗餘的多重保障。

MAXIPILOT®2.0 MAX的亮點在於可以透過重複使用2.0 Lite和2.0 Pro累積的大量價值數據，實現成本可控、節奏可控的開城。

總結一下，智駕科技現在在做一件足夠超前且又很決絕的事——果斷扔掉CNN的包袱，用BEV+Transformer重構之前所有產品。

而BEV+Transformer帶來的，不僅是智駕功能體驗上的大幅改善，還指向了一條統一技術框架、數據高度復用的量產之路。幾乎完美解決了入門智駕系統裝置量大但資料價值不高，而高階系統裝機量小數據不足的問題。

智駕科技為啥這麼剛？

智駕科技之前在自動駕駛圈曝光率、話題性並沒有其他明星公司那麼高，是個十足低調但實力不容小覷的「掃地僧」。

創辦人、CEO週聖硯，畢業於北京理工大學、MIT，2016年就創辦了智駕科技。

智駕科技從一開始就堅定的走漸進式自動駕駛路線，並且和其他所有創業公司不同，打了一個提前量，幾乎獨自吃下了一片藍海——

商用車主動安全系統。

2020年起，我國強制中大型商用車標配主動煞車、車道偏離預警等等功能，智駕科技迅速抓住這一機遇，客運貨運雙管齊下，提供AEB、LCC等基礎L2功能，幾年內覆蓋了市面80%以上商用車品牌，出貨量遙遙領先。

借助商用車ADAS歷史機遇起飛後，智駕科技還是以熟悉的L2切入乘用車市場，並且在這兩年中，實現了數十款量產車型的產品搭載，同時自動駕駛里程累積，也超過了3億公里。

“智駕模式”，是一條獨特的“商用包圍乘用，L2包圍L3”的“升維”路線，以技術補成本，快速規模量產的模式。開創了自動駕駛創業的​​一個新“門派”

而在如今BEV成為主流後，智駕科技以幾乎相同的底層邏輯，給出了量產高階智駕的新思路：低階帶動高階，以規模化「拼圖」的方式，實現NOA快速開城。

同樣也提供了量產智駕的一種新參考。