昨天北京強降雨，各位晚上下班沒少折騰吧？
和大家一塊堵在路上的，還有這兩位——大眾中國CEO貝瑞德，以及地平線創始人、CEO余凱博士：
倆這么大老板，低調到拼一輛大眾ID.4下班。
但背后動機不「低調」：
不期而至的北京大雨，成了地平線高階智駕實力展示好的舞臺。
地平線智駕，什么實力？
根據官方發布的信息，這輪北京強降水持續30個小時，城區平均降水量24.3毫米，地平線所總部所在的西北部30毫米左右，已經達到大雨級別：
這種極端天氣對于普通人類司機已經構成很大挑戰，明顯昨天路上的各類突發事故多了很多，尤其是在不規則路口轉彎、匯入匯出等等復雜場景。
但地平線SuperDrive依然全程無接管，成功在暴雨中應對了一系列復雜路況。
比如在一個紅綠燈已經明顯不起作用的擁堵路口，完成了一次和老司機沒差的博弈+左轉：
不規則的施工路段，SuperDrive也成功識別了可通行區域，順利完成左轉：
以及在復雜的車流中識別出了公交車專用道，即使變道避讓，也可以看成是面對擁堵情況的綜合判斷變道：
針對突發情況，比如鬼探頭、加塞等等，也能及時避讓：
還有一個城市場景高難度挑戰——環島而且是一個不規則環島：
說兩點SuperDrive亮眼的表現，首先是避讓動作，流暢優雅，也就是沒有急促的剎車、猛打方向這樣的動作。
第二是變道動作，旁車道空間小，多數系統會放棄變道或減速等待，但SuperDrive能根據前方空間條件主動加減速或調整轉向角度，創造變道機會。
總結一下，SuperDrive在北京暴雨的測試中表現出的大特點，反而不是零接管，而是“擬人”——駕駛策略擬人，以及執行動作擬人。
之前我們說過，各種智駕測試視頻，含金量其實各有不同。通常真實可信的，是普通用戶在日常使用過程中記錄的真實體驗，前后不太可能有調試或剪輯，相當于智駕系統的“閉卷”考試。
還有就是車企老板的直播、4S店試乘路線等等，一般會針對特定路線進行優化，但控制不了突發情況，屬于提前劃過重點的“半開卷”考試。
當然也有“開卷”了，就是常見的發布會或者官方賬號發出來的“XX公里零接管”類小視頻，大家也能想到，這種材料從策劃到成品，忙的要數剪輯師了。
那么地平線SuperDrive系統在昨天北京大雨中的測試，屬于哪個級別？
其實一個關鍵的點就能看出來：地平線的拍攝計劃，可能很早就做好了，可以從視頻中不少恰到好處的第三視角機位看出來。但是，昨天北京的暴雨不是地平線能預料或掌控的。
屬于老師本來給你劃好了重點考四則運算，但到考場上發現題目變成了微積分。
因為暴雨惡劣天氣，對傳感器就是一個巨大的的挑戰，攝像頭采集的圖像質量大幅下降，雷達也會傳回更多的雜波點云，以及濕滑的路面對于規控也提出更高要求。
但地平線的高階智駕方案SuperDrive，極其出色的應對了暴雨氣候。
以及從官方發布時間也能看出來。昨天北京普遍降暴雨是在晚上五六點鐘開始，但地平線官方夜里11點左右就火速發布，加班加點。
按照通常的劇本，拍智駕視頻遇到這樣的突發 ，要么延后拍攝，要么后期精剪一番晚些發。不得不說地平線的團隊頭很鐵啊，車上帶著自己的大老板，還有客戶爸爸的大老板，直接就開干了…
不過從另一個角度考慮，也許對地平線來說暴雨來了反而更興奮，等的就是這樣一個機會。
對技術能力欠缺的玩家來說是挑戰，但于能力夠強的來說，暴雨是證明實力的絕佳case：偶發，且不可復制。
背后是什么技術支撐
剛剛我們把“變道”作為一個亮點單獨說，為啥？
不擬人的變道策略，基本上就是屢試屢敗，后只能提示接管，錯過出口，把高階智駕體驗搞得支離破碎。
但現實卻就是這樣：大部分量產高階智駕，都是用手寫規則應對變道場景，判斷變道時機的策略和執行方式僵硬刻板，十分勸退。
所以，變道是直接區分NOA水平高下的試金石；用戶層面，它是智駕“可用”與否關鍵的因素。
因為說實話，識別紅綠燈、行人，嚴格跟導航這些功能，只要數據到位，沒啥難的，現在基本各家都能做的很好。
地平線一直強調SuperDrive“擬人”，就是能在這些細節上給智駕體驗帶來巨大提升。
兩個主要的技術手段：端到端感知架構，以及數據驅動的交互式博弈算法。
一個是為了智駕系統看的更清楚更明白，一個是讓智能代駕的“腦子”更靈活更高效。
端到端感知架構的優勢，是避免了模塊化算法架構中，數據多級傳遞造成的“損耗”，算法模型一端直接輸入傳感器數據，另一端直接輸出軌跡預測，包括本車的，也包括道路其他交通參與者的。
端到端體現在SuperDrive將動態、靜態、OCC（Occupancy占用網絡）三網合一，統一在一個Transformer架構下，不需要對感知數據進行抽象和逐級傳遞，“所見即所得”：實現感知端到端同時，又保證了每個子網絡的可解釋性。
實際上SuperDrive的算法基礎，正是來自于智能車參考前幾天剛介紹過的CVPR 2023佳論文成果——UniAD，地平線學者一作。
動態、靜態、Occupancy三網合一的感知端到端架構下，有效解決感知架構時延高、規則多、負載重的問題。
感知端到端網絡輸出的結果，會接著進入數據驅動的交互博弈算法，這一算法也是基于蒙特卡洛樹搜索的端到端深度學習算法。
名震一時的圍棋AI AlphaGo背后的主要技術之一就是蒙特卡洛樹搜索。簡單來說，它的基礎是一個概率模型，所要求解的問題是某種事件出現的概率。
在智駕場景中，這個“概率”可以是對象來車軌跡、前車變道意圖、變道時多個目標的運動軌跡等等…
蒙特卡洛樹搜索會通過某種“試驗”的方法，得到這種事件出現的頻率，或者這個隨機變數的平均值。
試驗方法，可以是人為定義，不過地平線選擇的是通過10000小時高質量駕駛數據來訓練，讓算法大程度理解效仿人類老司機的駕駛方法。
這就是上面例子中SuperDrive果斷干脆變道的技術核心。
算法之外，SuperDrive“擬人化”還有一個獨特優勢——軟硬結合，征程6系列計算硬件，CPU、BPU()、GPU、全功能的MCU四芯合一。
單顆征程6旗艦即可支持感知、規劃決策、控制、座艙感知等全棧計算任務。同時,高集成度令開發難度進一步降低。
J6這一代產品，BPU納什架構是核心，概括來說是支持大參數AI模型在車端的部署運行。
所以SuperDrive在北京暴雨遭遇戰中的優秀表現，其實是“一個時代有一個時代計算架構”這個核心思想的體現。
怎么解讀
地平線在北京暴雨中用智駕送老板下班，確實挺厲害的，但有啥用呢？
地平線不是一直稱永遠作Tier 2，專注硬件嗎？
其實透過SuperDrive能力本身，地平線展現出關鍵的幾點。
首先是證明只有在技術體系上重構、變革才能徹底解決城市NOA量產普及問題。
SuperDrive是一個好的樣板間，而實現這個目標的基礎，是新的征程6系列。
而從地平線本身來說，SuperDrive方案搭配征程6系列硬件，從智能車和自動駕駛算法演變的角度設計硬件架構，提出專門為端到端模型和數據驅動算法服務的新平臺。
說明生態正成為智駕的壁壘和新護城河。
后是對于大眾以及其他國際OEM來說，與地平線合資合作已經不是秘密，而聯合近安徽金標大眾強調的「自主權」…
合資和自主的力量對比，后續可能變數更多。
One more thing
余凱和貝瑞德乘坐的ID.4，是地平線高階智駕方案SuperDrive的工程版，現在店里賣的ID.4量產車是沒有這樣的高階城區NOA能力的。
不過這也直接證明，迪斯當年主導推動的大眾新能源革命是多么的前瞻：
基礎電子電氣架構，仍然能支持近10年后的高階智能駕駛功能。
迪斯的遺產，目測大眾還能享用3-5年。
至于后續嘛，何小鵬又給大眾續上了：
本文鏈接：http://www.bbbearmall.com/news-131041.html大雨中的北京晚高峰：兩位CEO坐到了不用開的大眾車里
