智驾科技MAXIEYE：MAXIPILOT?2.0——高速进化的BEV智

当前汽车市场的高阶自动驾驶、轻地图方案、BEV+数据智能趋势显著。2023年12月19日，在长城汽车2023技术研讨会上，智驾科技MAXIEYE创始人兼CEO分析了BEV智驾发展面临的痛点，提出了相应的解决方案，并介绍了MAXIPILOT^?2.0及其产品案例。

最后，周圣砚表示，MAXIEYE希望能够实现AI驱动自动驾驶规模化和高阶化，与客户全维陪伴，共同成长。

智驾科技MAXIEYE创始人兼CEO

以下为演讲内容整理:

汽车市场新趋势

当前汽车市场呈现出诸多新趋势。第一个趋势是高阶自动驾驶。2022年行业在高速NOA方向竞争，2023年开始转向城市NOA，媒体和市场的聚焦点都在高阶上。事实上，2023年高速NOA产品在中国乘用车的2600万辆销量中仅占3%。第二个趋势是轻地图方案。BEV的出现让行业对于轻地图和高精度地图出现许多争议。新技术给市场带来了许多变化，同时也产生了很多机会。第三个趋势是BEV+数据智能。BEV重构了底层技术，未来的底层技术开发将由工程驱动转变为数据驱动。

我们将自动驾驶分为三类。第一类是L2，一体机产品。前些年，Mobileye创新性地将其带入市场，国内企业凭借价格更便宜，客户服务更好逐渐打开市场。一体机的市场装配率非常高，行业预计在2026年将实现AEB标配，一体机市场将从当前的40%提升到100%。

第二类是高速NOA，痛点在于技术没有收敛，定义没有收敛，导致产品的价值并不匹配其价格。此外，高速NOA应用场景较少，且目前方案基于传统的CNN框架，存在体验不够流畅、方案同质化较高的问题。受到广泛宣传影响，人们往往认为高速NOA已经发展得非常好了，实际上其体验还远远没达到消费者用得放心的程度。还有一个痛点在于，车厂在研发过程中将L2功能和高阶功能一分为二，在这个割裂的开发过程中车厂需要重复验证，如高速做好后，却发现供应商的基础功能尚未完成，因此又需要回过头来教供应商如何搞定AEB等，再做一次感知、目标筛选和识别，最终导致系统变得四不像，又需要重复与供应商沟通，不断进行投入。当下痛点在于L4的公司无法做AEB，做AEB的公司无法做L2+，相关企业一直做重复的工作。

基于此，我们提出了一些解决思路。做产品升级的最终目的都是让消费者直观感受到产品的变化，促进车厂销量提升。而智能驾驶和智能座舱是消费者能够感受到的最直观的内容。因此我们需要做的就是让消费者明显感受到变化，提升消费者体验。在产品升级和投入的过程中，我们需要进行选择，不能重复造轮子，比如L2在高速上的换道、汇合等功能完成后，其他基础功能完全可以沿用。这样的增量式开发能够大幅降低车辆投入，让智能驾驶投入可控。

图源:演讲嘉宾素材

针对L2，我们可以用BEV做一遍，让其在可控成本下，体验达到一定流畅度，比如在高速公路中未画线处可以流畅处理，而不是突然退出，让驾驶员处于危险状态中，从而提升产品竞争力。如果产品能够在直行过程中完全和自动驾驶一样，那么就能做到国外所未有的创新，做到直行无接管。

针对高速NOA，我们可以控制其功能和成本。以往从1R1V升级到高速NOA，成本上升了近两万元，但客户使用频次仅增加10%。我们希望做到只增加少量成本，通过使用BEV技术再次对高速NOA进行升级，迅速提升产品性价比和客户体验。

第三类是城区NOA。当前两件事情完成后，城区NOA就变得顺理成章。以底层的产品架构可升级性和可延续性为基础，增加传感器硬件即可实现。这个过程中，大部分底层数据是可复用的，数据智能、数据回传和训练的网络模型都可以复用。

高速进化的BEV智驾

我们的产品有两种形态，首先，我们有行业内唯一支持BEV一体机的产品，因为我们希望能够把直行体验做得和完全自动驾驶一样。第二，我们有支持全时行泊一体的域控形态方案，且支持高速无图NOA。有图和无图的区别在于BEV是否可以感知到前方的道路拓扑，正如人开车时是无图的，但可以看到前方视野内的道路拓扑，目中无图而心中有图。这就是BEV一体机的特点，能够在直行过程中让驾驶员尽量少接管。

下图是Lite的详细架构，整个系统不需要向高精地图商买授权，所有东西都是无图的方案，BEV全部可以完成，还可以实现NOA，我们的目标就是每辆车起步即NOA。我们的愿景是无论是什么价位的车型，都能实现智能化，只是其程度有所不同。

图源:演讲嘉宾素材

我们之所以有信心能够达成让每一辆车起步即实现NOA的愿景，是基于三大要素。首先，我们的方案中整车架构是零改动的，投入最少。第二，BEV技术可以实现轻地图，成本最低。第三，我们大幅拓展了使用场景，实现加量不加价。价值增加而价格不变，会增加客户粘性，形成快速传播，最终促进销量提升。我们的产品比较简单，整个底层的BEV架构直接闭环到了城市NOA。

无图其实就是将前方拓扑全部解决。在生成拓扑的过程中，深度学习的第一位是道路拓扑。我们寻找了许多分叉、汇合的典型道路场景，让其进行学习，约有一百多种要素支持路径规划。

MAXIPILOT^?2.0 Pro的算力为60TOPS，是单芯片自然散热，采用的是行泊合一方案，达到了极致的性价比。同时，该方案支持轻地图记忆行车，比入门级MAXIPILOT^?2.0多了纯视觉占用网络，可以解决静止障碍物问题。MAXIPILOT^?2.0 Pro还有高性价比的记忆地图共享功能，可以在城市下拓展体系。记忆地图不仅可以满足当下车型竞争力，还能够为将来开城做数据支撑。

图源:演讲嘉宾素材

MAXIPILOT^?2.0 Pro产品具有诸多亮点，一是360°融合BEV，环视镜头复用。即车辆在道路上行驶过一次后，会进行记忆存储，之后行驶到这条道路上就可以进行记忆行车。实现了异构摄像头特征级融合，输出BEV空间目标，对比传统多V复杂标定/后处理，架构更高效。有效解决了遮挡目标的检测问题，不完整目标检测的准确率增加。此外，还构建了时序融合的4D空间，对抗俯仰颠簸，实现更精准的轨迹预测，端到端的网络模型减少对经验逻辑的依赖，可以真正实现数据驱动的自学习。

亮点二是升级占用空间网络，支持G-AEB。可以辅助驾驶员在城市道路工况下避免与一些一般障碍物碰撞，保护乘员安全，通过摄像头识别连排锥桶、水马、圆筒等，实现对施工区域的检测，系统基于高鲁棒性的施工区域检测实现提前预警与避让。

MAXIPILOT^?2.0 MAX拓展了城区NOA，能够实现全场景自动驾驶。100 TOPS级别，支持跨芯片移植，拓展了轻地图城区NOA，通过复用2.0 Lite和2.0 Pro 积累的海量价值数据，实现成本可控、节奏可控的开城。

海市数据智能体系包括智能化标注、自动化校验、自动检查、数据生成、4D场景重建等，支持量产回传的信息和数据自动化标注，已经和诸多车厂的项目进行合作，开始实际运作。在此系统下，工程师除控制功能需要上车调试外，其他从开发测试到交付的工作都可以在家完成。

在规模化量产中，我们交出了较好的答卷。一是AEB误触发百万公里lt;1次；二是全系五星+主动安全；三是量产数据回传场景超过3亿公里；四是具备高阶智驾和主动安全复合型能力。之所以能交出如此好的答卷，得益于我们数据智能系统的积累和迭代。

最后，我们希望能够实现AI驱动自动驾驶规模化和高阶化，与客户全维陪伴，共同成长。