社区

刚开始了解自动驾驶时，我很容易把它理解成一个算法问题。

汽车安装摄像头，模型识别道路、车辆和行人，再根据识别结果控制方向和速度。只要算法越来越聪明，汽车自然就能逐渐学会自己开。

这个理解不能说错，但它只看到了整套系统中最显眼的一部分。

真正的自动驾驶，更像是在给汽车重新搭建一套从感知到思考再到行动的能力。传感器负责感知周围环境，芯片和计算平台负责处理数据，模型负责理解环境、预测变化并作出判断，车载网络负责把数据和指令传递到车辆各处，转向、制动和动力系统再把判断变成真实动作。

这里任何一个环节出了问题，最终都会影响驾驶结果。摄像头看见了行人，但数据传得太慢，车辆可能来不及反应。模型判断应该减速，但制动系统执行不及时，正确判断也失去了意义。芯片有很高的算力，但数据读取和传输跟不上，模型仍然跑不顺。软件在测试环境里表现很好，但到了雨雪、高温、颠簸等真实环境中无法稳定工作，也很难真正落地。

自动驾驶并不是在传统汽车上简单增加一个AI功能。它其实是在重新搭建汽车理解世界、处理信息和作用于现实世界的整套底层能力。

一、汽车首先要建立对周围世界的感知

人类开车时，会不断观察周围环境。

前方车辆是否减速，路边行人有没有准备进入车道，旁边车辆是不是正在压线，后方摩托车是不是快速接近。这些判断对人来说几乎是下意识完成的。

汽车没有这样的天然能力，只能依赖传感器把现实世界转化成可以计算的信息。

摄像头最接近人的眼睛，可以识别车道线、交通灯、车辆、行人和各种道路标志。但它比较依赖光线，在夜晚、逆光、雨雪或者镜头被污染时，效果可能受到影响。

毫米波雷达更擅长测量目标的距离和相对速度，对光照条件不太敏感，在部分恶劣天气中也能保持工作。

激光雷达可以比较直接地测量周围空间的距离和形状，帮助车辆建立三维环境信息。

不同传感器看到的是现实世界的不同侧面。

真正困难的地方，不只是多装几个传感器，而是把这些信息拼成同一个世界。

比如摄像头识别出前方有一个行人，雷达测到这个目标正在移动，激光雷达又给出了距离信息。系统需要确认，这几组信息说的是不是同一个目标。

如果不同传感器采集信息的时间没有对齐，安装位置存在偏差，或者某个传感器受到了干扰，系统对周围环境的理解就可能发生偏差。

我以前很容易把更多传感器理解成看得更清楚。后来才发现，多几双眼睛只是第一步。更难的是，让这些眼睛看到的是同一个世界。

除了实时感知，自动驾驶过去还经常借助另一类信息：高精地图。

高精地图可以提前告诉汽车道路结构、车道位置、路口等信息，相当于在车辆到达之前，已经给了它一部分环境先验。

但地图也有局限。道路会施工，车道会改变，大规模地图还需要持续更新和维护。

现在出现了不同的技术路线，有些系统仍然把地图作为重要信息来源，也有些系统希望减少对高精地图的依赖，让汽车更多依靠实时感知处理陌生道路。

本质上，它们都在解决同一个问题。汽车对世界的理解，有多少来自提前知道，又有多少来自现场看到。

而到了这里，汽车主要解决的还是周围有什么，它们在哪里，它们正在怎样运动。

至于这些车辆和行人接下来可能做什么，以及自己的车应该怎样行动，还要交给更上层的模型。

二、传感器看到的世界，还要穿过汽车的神经系统

传感器每时每刻都会产生大量数据。摄像头不断传回图像，雷达持续更新目标的距离和速度，汽车本身还在产生轮速、方向、加速度和车辆姿态等信息。

这些数据需要先在车内传输和汇聚，再交给计算系统处理。这就像眼睛获取信息以后，还需要通过神经传递到大脑。

传统汽车中，不同功能往往由不同的电子控制单元，也就是ECU负责。车窗、空调、发动机、车灯、安全气囊、娱乐系统，各自都可能有独立控制器。一辆汽车中可能分布着几十个甚至更多这样的小脑。

过去这种方式没有太大问题，因为不同功能相对独立。

但随着汽车越来越智能，尤其是自动驾驶开始产生大量高带宽数据，这种高度分散的架构会越来越复杂。

不同系统需要交换更多数据，软件也需要跨越越来越多的控制器协同。汽车电子架构正在逐渐从大量分散的小控制器，走向更集中的计算方式。

一个重要方向，就是中央计算+区域控制。

简单理解，就是把过去散落在车里的很多小脑，逐渐集中到少数几个更强的计算平台，同时通过分布在车身不同区域的控制节点，连接附近的传感器和执行器。

自动驾驶并不是推动这种变化的唯一原因，但它明显加快了这个过程。

因为只有当数据、计算和软件开始更加统一地管理，越来越复杂的智能功能才更容易协同和升级。

三、算力很重要，但不是越大越好

自动驾驶需要处理大量数据，所以高算力当然重要。

但汽车里的计算有一个非常现实的要求，它不能慢慢想。

前方车辆突然急刹时，系统需要迅速完成目标识别、距离判断、轨迹预测和制动决策。如果模型最后给出了正确答案，却晚了半秒，这个答案可能已经没有意义。

判断一套车端计算平台，不能只看宣传中的TOPS数字。芯片算得很快，但传感器数据传不过来，算力发挥不出来。模型很强，但芯片和内存之间搬运数据太慢，处理过程还是会被拖住。芯片性能很好，但功耗和发热太高，也很难在汽车这种长期暴露在高温、低温、震动环境中的设备里稳定运行。

汽车也不像云端服务器，服务器出问题，可以增加机器、迁移任务或者重启。而汽车必须在真实道路上持续工作，而且很多情况下根本没有重新来一次的机会。

一套真正好用的车端计算平台，需要同时平衡：算力、延迟、功耗、散热、可靠性和成本。

这让我逐渐理解，为什么汽车芯片很难只靠一个漂亮参数取胜。

最终重要的不是它理论上能算多少，而是在合理的成本和功耗下，它能不能稳定、及时地把驾驶任务完成。

四、真正困难的，不是看到一辆车，而是知道它接下来可能做什么

汽车识别出前方有一辆车，并不意味着它已经知道该怎么开。它还需要理解现在发生了什么，并预测接下来可能发生什么。

前车正在减速，可能是遇到了拥堵，也可能准备靠边停车。路边的行人还没有迈进车道，但已经表现出准备过马路的趋势。旁边车辆没有打转向灯，却不断靠近车道线，它可能很快就会变道。这些问题已经超出了简单的识别物体。

自动驾驶模型不仅需要知道世界里有什么，还需要理解这些物体之间的关系，并预测它们接下来可能怎样行动。

传统自动驾驶系统通常会把任务分成几个环节。识别周围有什么，判断其他交通参与者可能怎样运动，决定自己的车接下来应该走哪条轨迹、保持什么速度，然后再把这些目标转换成具体的转向、制动和动力指令。

这种方式结构清楚，也比较容易定位问题。但模块之间传递信息时，也可能发生损失。前面一个小误差，到了后面可能被进一步放大。

这也是为什么近几年越来越多公司开始探索端到端路线。它希望减少人工拆分模块带来的限制，让模型直接从传感器信息中学习更完整的驾驶行为。

但端到端也会带来新的问题。模型内部的判断过程更难解释，出现异常以后，也可能更难快速找到原因。

模块化和端到端并不是简单的新旧替代，而是在工程可控性、可解释性和模型整体能力之间做不同的取舍。而端到端也不意味着把安全完全交给AI。

真正量产的自动驾驶系统，还需要配合故障监控、安全约束、冗余设计和失效处理机制。

模型负责让汽车越来越会开，工程安全体系负责保证即使某个环节出现问题，车辆仍然尽可能保持可控。

五、模型决定怎么走，汽车还要真的做出来

假设系统已经判断前方突然出现障碍物，车辆需要减速，同时向左避让。

这时，模型给出的只是一个行动目标。车辆控制系统还需要进一步把它翻译成具体指令。方向转多少，转多快，制动力应该有多大，动力输出应该怎样调整。最终，执行机构才真正让车轮转动、让刹车产生制动力。

传统汽车里，人通过方向盘、刹车踏板和油门控制车辆。

而自动驾驶要求汽车能够通过电子控制指令，自主完成转向、减速和加速。这里最重要的，不是能不能动，而是能不能准确、及时、可靠地动。

越接近高阶自动驾驶，系统越需要考虑异常发生以后的处理方式。

传感器失效以后怎么办，主要计算平台出现异常怎么办，通信出现问题怎么办，制动或者转向系统出现故障以后，车辆还能不能安全减速或者停车。

普通软件出错，可能只是程序卡住或者页面崩溃。而物理AI出错，却可能直接变成现实世界里的错误动作，这往往会让人付出沉重的代价。

六、自动驾驶真正难的，是把整套系统长期磨合在一起