從懂車帝測試看智駕新路，利揚芯片抓住了時代大機遇！_風聞

最近，懂車帝一次長達數天、36款車在15公里封閉道路上的輔助駕駛實測，讓智駕的天塌了！

這次測試設置了多個高風險場景，模擬真實車流下的事故場景，其中在高速路測試中，模擬了高速驚現事故車、施工路遇卡車、高速臨時施工、消失的前車、高速入口遇野蠻加塞等在日常駕駛中常見的場景。在城市道路測試中，則設置了開進大轉盤、轉盤內匯入、斜刺電頻和兒童過馬路、盲區左轉電瓶車等場景。

參與測試品牌包括了特斯拉、比亞迪、小米、問界、小鵬、蔚來、長城、領克、大眾、本田、豐田等等新老勢力，結果讓人大跌眼鏡：沒有一家車企的輔助駕駛系統能夠完美通過所有測試項目！（以下是測試結果）

在高速模擬場景中，參測的36款車型竟全軍覆沒，無一能通過全部6項測試！

這個測試結果發佈後，科技部、公安部接連表態，為“自動駕駛”降温。科技部發布了《駕駛自動化技術研發倫理指引》，確立安全優先、公平公正等原則，按輔助駕駛等級（L0-L5）明確責任主體，防範科技倫理風險，強調宣傳智能輔助駕駛時應實事求是。

公安部交管局局長王強則在國務院新聞辦公室舉辦的發佈會上強調，市場上銷售的汽車所搭載的“智駕”系統，都還沒有實現“自動駕駛”的目標，駕駛人才是最終責任主體。

《人民日報》、新華社等權威央媒則迅速跟進報道公安部的這一權威定調。為過度誇大的的“自動駕駛”宣傳降温。

這場測試揭示了一個嚴峻且可怕的事實，那就是智駕系統存在嚴重的缺陷！面對這樣殘酷的事實，參與智駕的本土業者們，是不是該深刻反思一下？我們當前的這條智駕技術路徑走的對嗎？我們需要補齊哪些短板？

對智能駕駛底層技術的深度思考

從技術角度來看，智駕系統的最頂層系統架構都是：感知-決策-運動。在這三部分中，運動部分問題已經解決了，懂車帝測試的36輛車的運動控制都沒有發生故障。而在感知部分和決策部分都發生了錯誤。感知部分的錯誤是漏過信息和信息失真。決策部分的缺陷是算力不足和算法錯誤。

感知部分發生漏過信息和信息失真的原因是目前普及車載的傳感器功能不足導致的。比如黑色野豬的出現，在人眼看來是非常明顯的障礙物，但是對於車載而言，識別出這個障礙物卻是巨大的困難。特斯拉汽車是基於目標色彩特徵大量訓練得出的識別結果，最核心的就是“大量”兩個字。如果黑色野豬不是大量出現的物體，就無法訓練這樣的數據，因此特斯拉的純視覺是很困難識別這些馬路上不常見的物體的，因此，穿成奇裝異服的行人對於特斯拉而言也是較難識別的。

以XX車型為代表的激光雷達加視覺的感知系統，同樣很難在高速行駛時識別出黑色野豬，原因是激光雷達點雲稀疏並且速度太慢。激光雷達打出的激光光斑非常小，距離稍遠就點雲稀疏，這頭野豬身體或許只能反射幾個激光點。汽車如果根據幾個激光點信號就剎車，那麼車輛激光雷達系統自身產生的噪點會導致車輛持續無緣無故剎車。如果激光雷達點雲要達到一定密度，那就只能檢測10-15米內近距離目標。但是激光雷達融合視覺，每採集一幀需要0.1秒，計算一幀需要0.3秒，總計至少會延遲0.4秒，導致120公里/小時的車輛，激光雷達每幀錯過13.3米，那等於是把能識別的距離都錯過了。

所以激光雷達在高速行駛過程中幾乎沒有作用，很多廠家在高速上自動關閉激光雷達工作也就是因為這個原因。這個感知系統的缺陷依靠目前行業普及的低級別傳感器是無法解決的。只有換用高級別的航空級全天候視覺系統，不需要大量數據就可以訓練識別人眼水平的識別能力，並且可以通過視覺識別物體大小、距離和化學成分，每秒25幀，不用和激光雷達融合計算。才能彌補上感知的缺陷。

決策部分的問題就是算力不足和算法錯誤。中國芯片工業相對於芯片技術先進國家還有一定的差距，短期內不可能生產出廉價的大算力芯片。要滿足車輛算力需要，就需要安裝多套計算系統，安裝更多的芯片，合起來達到算力總量。但是算力芯片是車輛上最貴的芯片，多裝幾套意味着成本飆升，對於內卷的車企而言，實在非常困難。同時，目前智駕算法也是高不成低不就的問題，視覺方案的識別率和召回率不夠，依賴視覺算法無法全天候全路段智駕，不説雨天霧天，就是在正常夜間車燈打開情況下，能夠識別出前方故障車輛和隔離錐桶的就是這次測試中的佼佼者了。如果在雨天霧天，大概率沒有車輛能通過。而激光雷達融合視覺的算法，看似成本增加，但實際識別率和召回率還沒有特斯拉純視覺的識別率和召回率高。

目前，我們的智駕似乎想通過大算力來解決駕駛中的所有難題，如果車企多加算力芯片來堆算力，如上文所述，也只是解決了決策系統中一半的問題，其他問題還是無法解決。升級算力一定是好事情，但是要真正解決智駕問題，還需要升級傳感器和升級算法。

把若弱感知弱算力向強感知發展

上海疊鋮光電創始人王平博士在接受電子創新網專訪時指出：目前的智駕是弱感知弱算力狀態，部分研究人員支持優先強化算力，走弱感知強算力技術路線。但這條路線的問題是感知和算法沒有解決的情況下，無限升級算力也不能實現全天候全路段智駕。目前車載的各種傳感器都解決不了信息遺漏和信息錯誤的問題，數量多也是無法達到人工駕駛的水平的。感知系統的等級是由主傳感器等級決定的，不是由數量決定的，很多低級別傳感器加一起也頂不上一顆高級別傳感器。因此弱感知搭配強算力是一場困局。

他認為中國智駕應該走“強感知弱算力”路線！

據王平博士介紹，疊鋮光電超寬光譜圖像傳感器解決了目前自動駕駛領域視覺傳感器遇到的所有挑戰，並利用紅外等多光譜成像技術，完美實現了對在於雨、霧、煙、霾、雪、塵等極端天氣以及炫光逆光暗光等惡劣環境的圖像感知，而且，只需要30TOPS的算力就可以實現對數據的處理和融合感知！

這是一段疊鋮光電超寬光譜圖像傳感器應用視頻！震撼吧！在完全沒有視覺圖像的煙霧中，超寬光譜圖像傳感器可以清晰地提供車輛信息！

據王平博士介紹疊鋮光電全天候超寬光譜圖像傳感器是解決自動駕駛到無人駕駛的革命性創新解決方案，一經問世便得到業內廣泛關注，目前已經在環境極其惡劣的礦場應用，在視覺傳感器無法感知的環境下，疊鋮光電全天候超寬光譜圖像傳感器能完全感知礦卡。這是疊鋮光電全天候超寬光譜圖像傳感器在鄂爾多斯試驗場的無人礦卡實地演示！

需要注意的是，這台實驗的無人礦卡僅用了一個AIPC就運行了所需的智駕算力！這才是真正顛覆性的！

目前很多智駕方案是把各種傳感器如激光雷達、毫米波、視覺、紅外等信號進行融合後在進行分析判斷，對此，王平博士指出不同傳感器由於無法做到像素曝光時間由統一時鐘脈衝控制，所以同一個位置的信息在不同傳感器裏是在不同時間採集的。例如一輛時速120公里的車輛，在每米起伏0.05米的路面行駛，即使看前方靜止的物體，視覺和激光雷達同時看靜止物體上同一個點，依然會隨機錯開最多6個像素。只要物體較遠，它就在融合圖上變成模糊一團。因此，多傳感器數據轉換到像素級精度對齊，就必須把路面做到非常平整不起伏，車速慢到一定程度，並且看前方靜止物體。如果前方有移動物體，一定做不到像素級精度。

他表示智駕目前就是需要解決感知和決策的問題。前面已經解釋了優先無限升級算力的弱感知強算力技術路線是困難的。那相反的，優先升級感知就成為了唯一道路。當感知問題解決了以後，算法問題才可以解決。所有的算法都是基於感知數據研發的，像素級對準的色彩、深度、温度、化學成分特徵是算法研究中理想的標準真值數據，可以把不能用車輪無視壓過的障礙物都區分開，做到全天候全路段100%識別率。因此感知解決後，算法才能體系化閉環，這個階段，針對100%識別率的算法，匹配上足夠的算力，智駕就能實現並且不浪費寶貴算力。

這條智駕路線才是更有發展潛力的。

目前，登陸科創板的利揚芯片全資子公司光瞳芯已經與疊鋮光電簽署了合作協議，疊鋮光電的核心技術是“全天候超寬光譜疊層圖像傳感芯片”，光瞳芯獨家為疊鋮光電提供超寬光譜疊層圖像傳感芯片的晶圓異質疊層、測試等工藝技術服務。晶圓異質疊層工藝複雜，必須利用光刻機、刻蝕機、薄膜沉積、晶圓檢測等一系列前道及後道半導體設備和工藝，實現晶圓材料改性、鍵合等多種工藝，最終交付質量合格的超寬光譜疊層圖像傳感芯片。

這一合作為兩公司未來發展奠定了良好的基礎。

目前，在首台無人礦卡演示成功後（詳見《見證歷史！全球領先！基於疊鋮·利揚 TerraSight芯片的無人礦卡成功演示！》）疊鋮光電的方案已經獲得多家新勢力汽車的青睞，此外，該方案還獲得了一些新興領域廠商的認可，王平博士透露公司的解決方案已經獲得大量訂單，公司的產品策略是從無人礦卡向乘用車、消費電子產品甚至機器人發展，公司也將據此獲得高速發展。

關於以疊鋮光電的未來發展，他給出瞭如下估算：以第一個目標市場無人礦卡為例，若2026年實現目標中的1萬台出貨，保守估計則至少產生超過4億人民幣營收，鑑於其突破性技術產生高額利潤，預計利潤率不低於80%。而與疊鋮光電密切合作的利揚芯片全資子公司光瞳芯將獲得超額投資獲利，同時獲得產品封測利潤，預計淨利潤在5000萬人民幣左右。若2027年順利實現目標中的10萬台出貨，疊鋮光電淨利潤高達2.4億！估值飆升將會非常驚人！由此，與疊鋮光電深度合作的利揚芯片市值也將有驚人的提升！

“感知和算法的關係就好比食材和烹飪技術的關係。不精確的多傳感器數據就像會發生化學反應生成毒藥的不同食材，不能隨便搭配下鍋，烹飪技術舉步維艱。精確的多種感知數據就像相互兼容的食材，隨便怎麼搭配下鍋都能吃，可以產生很多搭配方案，落地從智駕到機器人等很多人工智能應用場景商業化方案。高效、巧妙的搭配就像高超的廚藝，一個場景的解決方案就是一道可口的佳餚，其中對各種食材特性的理解和各種已經發現的搭配功效就可以匯聚成一本疊鋮超寬光譜感知芯片光譜學應用手冊。當各家公司廣大人工智能解決方案設計師對疊鋮手冊熟悉使用後，將會對疊鋮配方的超寬光譜芯片熟悉和快速開發，而對今後疊鋮競爭對手超寬光譜芯片難以適應。”王平博士指出，“我們的芯片領先業界5年，未來疊鋮超寬光譜感知芯片開發系統就會變成一個類似英偉達CUDA的生態系統，讓開發者利用感知數據開發出適應各種場景的應用！”

這是一個宏大的目標！中國的感知CUDA系統，如果實現，我看疊鋮光電將值萬億！