2021年3月，雷軍推出了小米首款折疊手機MIX FOLD，也正式宣布了要跨界造車，這一年，華為也帶來了Mate 40系列，已經成立兩年多的華為車BU，推出了華為乾崑智駕的第一代版本，華為ADS 1.0。三年后，華為智駕版本已經迭代了2次，小米汽車也迎來了第一次城區NOA升級，從實測體驗看，智駕整體的邏輯趨于人類駕駛員，效果似乎非常接近華為ADS 3.0，如果從小米SU7的上市時間開始算，將近7個月，就幾乎趕上了華為在過去一年的迭代水平，那么問題來了，這一次，小米智駕新版本的實力究竟如何？有沒有可能在明年追平華為？

復雜路口不再保守，但下一代版本細節處理會更好？

在聊小米汽車城區NOA 1.4.0的效果之前，我們有必要先簡單復盤一番小米汽車的端到端大模型。現階段國內幾乎所有涉及高階自動駕駛技術的車企，都從分段式網絡切換到了端到端一體式大模型，具體的技術邏輯這里不再贅述，簡單說，就是不用再給控制端寫代碼規則，把感知端和規控端融合成一個大模型，目的就是減少數據傳輸的時間，在面對發生過的事情時有經驗處理，面對沒發生的事去學著處理，這是一個主動學習的過程，最終讓系統實現“看到就執行”的效果，小米的智駕技術也是如此。

從底層邏輯看，其實和理想汽車的One-Model結構非常相似，都是端到端+視覺語言模型（VLM），也是用到了2枚算力508TOPS的英偉達 Orin-X芯片。不同的是，小米汽車在BEV網絡上用到了變焦技術，也就是可以在感知層面做到動態調節，當在比較考驗精度要求的窄路或者停車場時，像素網格大小會調整到0.05米，而在相對寬闊的場景下，這個尺寸會擴大到0.2米，這也是能夠實現雙向十車道無保護左轉的基礎條件，理想汽車雖然沒用上變焦BEV技術，但是基于快慢兩套系統之外，實際上比小米汽車多了一個云端世界模型，當系統遇到無法解決的問題時，會將采集記錄后的數據上傳，在云端將問題場景進行二次搭建，讓大數據分析問題根源之后再針對性進行訓練，學習后再交給端到端處理，總之三套模型之間是相互輔助的關系，這兩套智駕系統比起來，在不同場景下都有各自的優勢。

在上一代的智駕版本中，有不少車主給到的反饋是，復雜路口的處理相當謹慎，人車混行之下接管頻次較高，其實相比后期對硬件層面的調整，這類屬于軟件層面的問題通過OTA做優化更容易解決，在智駕框架思路確定之后，接下來更多的工作就是不斷再去優化細節。所以在這一次的新版本中，特意強調已經優化了功能升降級邏輯，對車輛和行人的速度檢測也進行了優化，目的就是避免再出現遇到人車流量大的交錯路口，系統算不準合適的起步時機只能主動降級。

在新版本中，多了U型路的掉頭能力，更據交通信號燈指令能夠自主通行，在無前車的路口也能通過，支持對靜態占道的臨停車、錐桶、三角架等障礙物繞行，從目前多數實測的體驗來看，新版本在復雜路口的通行軌跡和細節確實更加趨于擬人化，比如，在變道邏輯中，目前市面上大多智駕系統普遍的做法是，提前開啟轉向燈，在合適的契機再插入規劃道路，而這次小米汽車的新版本，是確保和后車具備安全距離，并確定后車的大致運動軌跡之后，幾乎在執行轉向的同時開啟轉向燈。再比如，在無保護左轉彎邏輯中，新版本不會按照前車的運動軌跡跟車行駛，而是會向左多打半圈，繞到前車側后方的“安全區”，巧妙的利用前車的位置，躲開了和對向車輛、行人或者非機動車的混輪博弈。

這兩個細節的提升，可以說基本解決掉了絕大多數變道轉彎的難題，不過這一代版本也有需要提升的地方，比如，通行效率的優化程度還不夠，由于系統在復雜路口做了較多的安全冗余，整體反映會顯得稍慢一些，在丁字路口已經出現合適的起步契機時，系統識別到了后方有正在移動的障礙物，所以還在考慮是否繼續行徑時的幾秒鐘，錯過了本可以直接通行的機會，盡管在復雜路口系統降級的次數變少了，但通行的效率依然不夠高。

另外，當行駛至道路中央有靜態車輛占道時，系統并不是全部都會采取繞行，即便是道路劃線非實線，系統也會提示需要接管，但是在變道、轉彎時，多數情況又可以實現流暢的繞行，這個差異顯然是決策還不夠“成熟”，一部分原因也可能是小米SU7的交付量還在增加，數據積累量還不夠多，雷軍在最近一次的城區NOA體驗中也提到了，在北京50公里左右的城市道路，全程出現了4次接管，原因分別是遇到了事故無法繞行、修路施工、排隊進出收費站和人行橋下遇到強加塞，所以不出意外，在下一個版本中，這些細節可能都會被優化。

不用高線束激光雷達，明年也能追平華為ADS 3.0？

從小米汽車新版本的城區NOA效果來看，其實很大程度上，可以說已經非常接近理想汽車的6.4版本了，也相對接近當時還沒把BEV融到GOD網絡的華為ADS 2.0。那，明年有機會追平ADS 3.0嗎？

答案是大概率可以實現。首先，我們從感知硬件來看，現階段要實現華為ADS 3.0滿血功能，是需要1顆激光雷達（192線）、3顆毫米波雷達（一顆4D）、11個攝像頭和12顆超聲波雷達，在不同感知硬件的數量上，實際上小米汽車也是如此，只不過，激光雷達用的還是禾賽提供的128線（同款理想汽車），在探測距離上比華為自研那枚少了50米，另外小米沒有搭載4D毫米波雷達，華為用的來自碩貝德，探測距離在280米，而且擅長捕捉不規則異性障礙物，通過回波將采集到的數據建立立體坐標，再配合實時掃圖的192線激光雷達，可以說這套組合把GOD大網的優勢全部能挖掘出來，這也是為什么，華為在今年10月25日，只是發布了對細節優化的ADS Pro V3.1版本，而不是發布4.0的原因之一。

理論上講，96線、128線和196線，線束越多，探測的精度和精度自然越高，而且目前車規級激光雷達產業的價格已經降到了千元級別，小米汽車似乎沒有理由不更換高線束的激光雷達，為什么還會用禾賽的128線呢？這是因為，高線束激光雷達本就會占用一部分算力資源，而華為ADS 3.0的芯片算力已經做到了1000TOPS，小米汽車用的2顆英偉達 Orin-X芯片，疊加后算力雖然只有508TOPS，但分給128線激光雷達的資源空間足夠用，而這其中最關鍵的就是，小米汽車只要不放棄BEV技術，就不需要高線束激光雷達。

BEV網絡的特點，就是將整個場景給障礙物碼上坐標，然后再對每個障礙物單獨去做運動軌跡分析、預判，前面已經提到，小米汽車還用上了變焦BEV技術，就是為了把不同場景的精度做好，并且BEV網絡對算力的要求遠不如高線束激光雷達，這在一定程度上可以說是給VLM讓出了一大部分算力資源，而針對道路細節的感知任務，在華為ADS 3.0體系里是由4D毫米波雷達負責的，所以，這樣一來，華為的GOD+PDP和小米的端到端+VLM，就形成了兩類截然不同的技術路線，底層邏輯看似相同，但是感知層面需要的儲備卻是不同的，至于二者的大模型能力，目前都已經具備了從周更升級到日更級別，所以接下來要做的，就是比拼數據積累量了，畢竟實測有效數據越豐富，學習訓練后的大模型才會更“聰明”。最后也就能給出一波預測了，小米SU7上市7個月就幾乎做到了華為用一年升級的ADS 2.0水平，隨著后續交付量和數據的提升，估計很快下一代版本就會發出，追平ADS 3.0，大概率明年會實現，若是參考小米首次推送的節點（今年6月）來看，不排除明年6月也會發布新版本，這距離追平華為的時間，還剩下8個月。

作者丨張衛東

原文標題:小米城區NOA，8個月后追平華為？