剖析长城汽车新一代智驾：深度学习+超算，技术高度持平特斯拉

总编 | 张克环

编辑 | 张俐

作者 | 关宇航

来自汽湃（GREATAUTO)的报道

中国式交通对于“智能驾驶”来说，能有多复杂？

某乎上说我们的交通叫“布朗运动”，交通参与者并不完全遵循交通规则，而是随机性行动，这就使得传统的规则逻辑类智驾系统到了实际道路上，反而不会开车了——因为除了它自己，其它交通参与者都不在规则之内，甚至有时连本该标准的道路画线，也能在意料之外。

也正是因此，越来越多的国内厂商开始选择更准确的道路数据+超强环境构建的高精地图搭配激光雷达方案，即使依然是规则逻辑，但至少在高速路、快速路等相对封闭稳定的场景下，已经能有不错的智驾表现。

但这个方案依然有不足——高精地图更新会存在时间差，不能完全排除与当前实际路面的误差；且多颗高线激光雷达的高额成本，与其巨大数据量所需的高算力平台成本，对于消费者来说都是不小的负担，并不适于普及。

因此业内才认为“感知-决策”，且具备深度学习进化能力的海外版特斯拉新一代FSD Beta才是划时代的方案，甚至对比传统规则逻辑的智驾，可以说是降维打击。

不过，面对特斯拉在这一领域的跨维度竞争优势，国内企业倒也不是不堪一击，至少4月15日长城汽车董事长魏建军亲自驾驶车辆进行的无图全场景NOA功能实测，就证明了我们国内的长城汽车，是有完全不输特斯拉的智驾技术的。

“中国式交通”

长城汽车全场景NOA还真能Hold住

之所以能有如此结论，其实从几个实测画面的细节就能够看出一二。

这个画面，是实测中全场景NOA测试车经过的一个六道口，非常复杂，人驾驶都容易迷路，且此时的路线还需要完成斜向左转，难点在于极为考验车辆的横向探测宽度，也极为考验视觉数据中，对不同路口交通信号灯的识别是否正确；而根据实测直播情况来看，长城汽车全场景NOA应对的完全没问题，就像一位每天开车经过六道口的老司机一样熟悉。

这个画面，是避让路边作业清洁工与非标准车辆，难点在于此时测试车辆左后侧同时还有一台社会车辆在正常车道内行驶，而根据直播画面来看，其实际表现堪称惊艳，车辆在轻微减速后，采取了未偏出自身车道，仅仅是向左侧偏移，以保证能安全通过的方式继续行驶，处理方式与经验丰富的人类驾驶员无异。

这个画面，是在行人与车辆密集的路口进行无保护右转，此时对向通行处于绿灯状态，斑马线有行人通行，且对向还有左转车辆汇入测试车的右转行驶区域，难点有二，一是需要横向足够的感知宽度，包括左侧，正面与右侧区域，二是多方向目标的行动判断，包括对向左转车辆，包括行人等，而其实际表现也不错，甚至在综合权衡之后，还选择了驶入右转后的左侧车道，因为右侧车道更复杂，这一点也与我们人类老司机的驾驶习惯相符。

可以看出，相较于传统智驾的简单按规则执行，长城汽车全场景NOA明显有着更多符合人类驾驶习惯的“自主判断能力”，不仅安全可靠，驾感也更接近于真人老司机。

当然，长城汽车全场景NOA除了能在这一次直播展现的城市普通道路、高架封闭道路中使用外，也支持高速路、盘山路、乡村小路等场景，是真正意义上的全场景可用。

此外，驾驶行为除了向前，其实也包含倒车向后的动作。长城汽车全场景NOA也支持全融合泊车，包含有跨层记忆泊车、自动泊车、循迹倒车等一系列功能，支持200多种车位类型，车位识别成功率和泊车成功率均达到98%；且针对部分驾驶者驶入狭窄死路后倒车困难的问题，这套系统的循迹倒车功能最高还能支持100m的原路线退回，倒车记忆距离行业领先，配合全场景的NOA与强大的各种自动泊车能力，俨然已经是一台成熟的，能“自己开自己的”车了。

深度学习能力+超算中心

长城智驾技术高度持平特斯拉

全场景NOA是功能，那实现这个功能的系统本身又是什么样的？

长城汽车给自己这套硬件的命名叫“Coffee Pilot Ultra”（以下简称CP Ultra），基于Orin-X的高算力域控平台，搭配了1颗激光雷达、3颗毫米波雷达、11颗高清摄像头、12个超声波雷达，来一起形成的全天候感知能力；该系统以视觉判断为主，同时以激光雷达和毫米波雷达以及超声波雷达来弥补部分工况场景下摄像头判断的不足，比如前向毫米波雷达的保留，就能解决大雾天气摄像头视觉受阻和激光雷达探测受阻的问题。

这一点，其实与特斯拉目前最新方案的视觉为主+4D成像毫米波雷达方案有异曲同工之妙。

同时，也正是基于全场景、全天候的强大感知能力，CP Ultra才真正实现了100%去高精地图，其所有场景的建构，都是由系统实时生成，规避了高精地图方案对于及时性和网络信号需求的极大不足，消费者无论是在城区闹市、盘山公路，还是乡村小路，都能够正常开启NOA功能，真正做到了“有路就能开，去哪都能开”。

并且，因为只用了一颗激光雷达，所以无论是探测器本身的成本，还是对应数据量所需的车载算力平台成本，长城汽车CP Ultra都较其他竞品厂商的有图+多激光雷达高算力方案更低，更有利于市场规模的扩大与普及。

特别值得一提的是，因为采用了与特斯拉一致的“感知-决策”方案，所以长城汽车这套系统也同时具备了深度学习和持续进化的能力，其同步设计的一体化智驾大模型SEE只要不断投喂数据，就能持续进化，为L2进化至L4奠定了坚实的技术基础，技术路线行业领先。

当然，持续投喂数据深度学习，也需要后台极为强大的算力支持，特斯拉为了用海量视觉数据训练自己的FSD，建立了世界头部的超算Dojo，而长城汽车也建立了属于自己的超算“九州”，据了解，“九州”的总算力规模达1.64EFLOPS，且实现了5T/秒的高性能存储，以及通信带宽3.7TB/秒的高性能网络，为模型训练提供了坚实的算力底座。

而基于深度学习的神经网络，再加上超算中心的建立，长城汽车的智驾已经从底层建构的基础上，决定了其未来发展高度远超国内其它厂商的有图高阶方案，包括和堆激光雷达、堆算力的规划方案等等已经拉开了质的差距，随着长城汽车的全球化道路持续扩张，全球智驾数据量也会持续增加投喂，未来，这套系统只会越来越好。

总结：

所谓外行看热闹，内行看门道。

这一场直播测试，长城汽车可以说是内外双赢。一方面展现了自己新一代智驾系统的强悍实力，为行业内呈现了一个中国力量发展顶级智驾的技术可能；另一方面，又通过其董事长魏建军的亲自驾驶测试，为普通消费者展现了自身技术的自信与可靠，并且选择保定这座二三线城市测试，也符合更多中国消费者的实际购车用车场景需求，几方面都皆大欢喜。

这一次，值得我们为长城汽车点赞。

版权声明

本文部分图片源自网络