贾浩楠发自副驾寺智能车参考公众号 AI4Auto
L4 阵营的“反击战”来的迅速，技术下放的姿态杀进乘用车智能驾驶市场，而且一出手就是量产交付在即：
小马智行官宣乘用车智能驾驶产品业务线，已经获得车企定点。
一个新的事业部 POV，小马智行业务进化到 Robotaxi、商用车、量产乘用车“三足鼎立”。
2 个新“生产资料”，域控制器和开发工具链，是为乘用车业务单独研发。
还有 3 个不同定位车型的对应方案，但都能实现 NOA 和自动泊车功能融合。
小马智行乘用车智能驾驶方案，入门就是“高速领航辅助”，而且承诺低成本高体验。最强方案给出了城区领航辅助驾驶，无限逼近 Robotaxi 能力和体验。
这是目前很多新势力、自动驾驶公司还在努力实现的目标。自动驾驶卷王出手，直接把阶段的终点，拉高到入门基本条件。
不过算法核心，小马说依然是 AI 老司机一以贯之，属于水到渠成的技术下放。
L4 玩家入局乘用车，常被解读为行业寒冬下的转轨自救。但在小马智行这里，看起来顺理成章，甚至表现出了要“逐鹿中原”的姿态。
最强技术玩家，现在也是商业化最猛玩家。
拿出了什么样的方案
小马识途——细分为 3 套方案，由功能的简单到复杂分别称为 PonyClassic，PonyPro 以及 PonyUltra。每套方案所用的传感器、底层算力也有所不同。
PonyClassic 作为入门级方案，配备 6 个摄像头和 1 个毫米波雷达。实际已经具备目前较为领先的高速 NOA 功能，实现车辆在高速路段的领航辅助功能，以及任何路段行驶过程中的主动安全功能。
PonyClassic 算力平台可选 50-100TOPS 之间，小马自研的域控制器可以搭载地平线或英伟达的产品。同时，PonyClassic 的传感器方案也能实现记忆泊车功能。
PonyPro 方案，11 摄像头 5 毫米波雷达外加一个激光雷达。算力约 200TOPS，支持单颗英伟达 OrinX、两颗地平线征程 5 或类似算力芯片平台。
功能上第一个亮点，就是实现城市 NOA，即在复杂的城市路段下自主识别车道、红绿灯、障碍物等等，并且能根据导航信息自主规划行进路线——从P档到P档的智能驾驶，完全解放人类司机的负担。
此外，PonyPro 还支持自主代客泊车，从字面上理解，应该是用户可以把车开到停车场门口然后下车，有车辆自行寻找车位停泊。
这样的功能组合放在今年今年智能汽车量产进度上来看，已经是第一梯队中的领先。
但小马智行还有更加领先的方案——PonyUltra，在 PonyPro 基础上增加两个侧向补盲激光雷达（选装），算力 500TOPS。方案和小马智行 Robotaxi 基本一致。
功能上，按照小马官方的描述“可实现媲美小马智行的 L4 Robotaxi 体验”。
其实可以直接理解为小马智行最强自动驾驶技术的量产版本。因为法规对 L4 定义和准入还不明确，所以仍然以智能驾驶命名。
三种不同方案，基本满足了国内乘用车市场主流的各个价位车型，根据主机厂的需求灵活定制。
从展现出的方案来看，小马智行乘用车智能驾驶方案的第一个特点，是传感器配置较为简洁。最高阶的 PonyUltra，也不过 19 个，入门版只有 7 个。
与现在 30 多个传感器起跳的智能汽车相比，小马智行用更简单的方案，反而实现了同级更加高阶的功能。
而这样的 NOA 的能力，对小马智行其实并不是高难度挑战。
高速场景可以参考已经落地商用运营的小马自动驾驶重卡，城区场景可以看日常运营的 RoboTaxi 能力……所以虽然是新引擎新落地，但能力都已经得到过检验。
背后，是小马智行在自动驾驶算法领域积累的技术突破。
比如小马智行自研 BEV（Bird’s Eye View）感知算法，本质上以视觉感知为基础的大模型，将图像数据中的物体信息从 2 维还原重建成 3 维的过程。可以识别各类型障碍物、车道线及可通行区域等信息，最大限度降低算力需求。
这也是目前自动驾驶主流的“重感知算法”。在高速场景中，小马智行可极致地利用传感器，用鱼眼相机参与行车 BEV 感知模型，减少对传感器数量的依赖—— 使用低至 6 个摄像头（4 个鱼眼相机及前后向各 1 个长距相机）与 1 个前向毫米波雷达在无高精地图的情况下，仅用导航地图也可实现高速与城市 NOA 功能。
在自动驾驶算法的预测层面，小马智行开发了博弈交互式规划算法，最初同样是 L4 Robotaxi 上率先使用的技术。系统的决策过程，充分考虑自车与社会车辆的博弈，是高速 NOA 在传感器数量大幅精简的情况下，可实现在繁忙的城市高架路与匝道上灵活穿梭。
而且 3 套方案，无论有无高精地图，无论在城区、高速行车还是泊车，不同功能中职责相同部分均使用同一套博弈交互式规划算法，体验一致。比如 ACC 功能中用到的纵向规控、社会车辆切入预测算法与 LCC、NOA 相同，均可顺滑处理加塞车辆。
不同方案的能力边界上限不同，但在各自的适用场景中都能做到平稳顺滑，不会因为成本不同而体验打折。
这也是小马智行进军乘用车的杀手锏之一：L4 降维、算法通用，由此实现低成本，高体验。
小马用什么样的姿势做乘用车？
“小马识途”是乘用车智能驾驶方案的名称，主导这项业务的，是小马智行新成立的事业部——POV（Personally Owned Vehicles）。
和小马智行 Robotaxi、智能卡车并立，成为第三个业务支柱，以及商业化落地方向。
具体方案上，小马给出了轻地图重感知的方案，前面已经介绍过。
而要与主机厂达成合作量产，尤其是投放在大众汽车消费市场，成本和功能的平衡、平台开放性是主机厂最看重的两个要素。
小马智行也拿出了针对性的方案。成本方面除了使用更简单的传感器方案，还提供智能驾驶硬件模块——自研的域控制器“方载”，目前已开始量产交付，定点客户包括车企。
除了英伟达 OrinX，小马智行正在适配其他芯片及域控平台，与多家产业链企业深入合作。
此外，小马智行推出了数据闭环工具链产品“苍穹”，作用是帮助主机厂客户充分挖掘数据价值，快速提升智驾系统能力。
苍穹数据闭环工具链由两大核心模块组成，分别是车云协同大数据平台与云端大规模仿真平台，配合灵活接入的数据标注工具与模型训练工具，实现对两类客户核心需求的全覆盖——研发测试阶段的全量数据闭环以及量产阶段基于影子模式的数据闭环。
车云协同大数据平台能够高效地解决当前智驾系统研发普遍面临的数据爆炸问题。提供数据分析套件，实现一站式的数据利用功能，在有限成本下高效地完成数据采集、存储和挖掘。
云端大规模仿真平台是智驾系统快速迭代的引擎（仿真测试平台），支持快捷精准的多维度指标评测，覆盖安全性、合规性、舒适度及通行效率等多方面。
小马智行灵活订制，不但给主机厂想要的方案功能，还帮助它们更好的掌握智能汽车迭代能力。
目前想，小马智行的乘用车智能驾驶已经拿下车企定点，而在研发端已经做好了量产交付的准备。
如何解读
今年 L4 玩家回头做起乘用车量产项目的不少。
很多是 L4 落地进展不及预期，企业又急需营收来源的缓兵之计。
但对于小马来说，是技术与市场双双成熟的水到渠成之举。
首先，Robotaxi 业务小马领跑业内，落地进展和规模已经成为行业的前沿标志和参考。而智能卡车业务，也和三一重工达成合作解决制造问题，和中外运合作找到落地场景，搭建起了完整商业闭环，是一条赚钱在即的业务。
进军乘用车，其实是 2020 年就开始准备的战略。小马官方的说法，是主机厂、普通用户对智能驾驶概念的接受程度、功能的信任程度从今年开始已经走向成熟，具备了规模量产的条件。
乘用车业务筹备的两年间，小马智行主要思考了自动驾驶技术驾驶在乘用车上的价值体现。
首先对于主机厂，诉求是在成本、安全。客户则要求功能的可靠性和体验的平顺性，以此建立对系统的信任。
这就要求供应商的方案在成本——功能——安全上找到平衡。解题的钥匙是技术，恰好是小马智行一直以来的优势。
L4 核心感知、决策算法下放乘用车，能够在不堆料、不靠高精地图的前提下实现高阶功能，同时小马智行的数据闭环体系也能通过乘用车业务的规模化效应，实现迭代效率的飞跃。
这就是为何小马智行主动参与乘用车智能驾驶这个高度内卷市场的核心原因。
小马下场，还有哪些不可忽视的影响？
对于整个行业层面，小马智行的到来，实际上是瞬间拉高了乘用车智能驾驶的门槛，整个行业的竞争提速，L2 行业的洗牌，已经在酝酿。
其次，小马通过乘用车业务的快速落地，明确了 L4 转化规模落地的前提：高效数据体系、通用核心算法，以及过硬的工程化能力。
最后，小马一直以自动驾驶技术著称。现在接连落地，完成了 Robotaxi、卡车、乘用车业务拼图，在国内和百度唯二，已经站到了自动驾驶商业化最强玩家的阵营。
和小马智行自己的努力密不可分，也是自动驾驶技术发展客观决定。
作为一项探索中的通用平台型技术，真正能够实现技术引领的玩家，才能拥有更大的商业化落地可能性，技术足够好，商业化天花板才足够高。
在技术领域，特别是自动驾驶这样的技术领域，技术是1，商业化是0，技术足够强，1 后面的 0 才能不断加加加。
