用数据和体验搭建「技术护城河」，智己 IM AD 按下快进键
一颗、两颗、三颗甚至是「四颗以下，请别说话」……
随着激光雷达成为了当下智能汽车的标配，越来越多的激光雷达上车似乎在不断地向消费者宣扬着「硬件越多，能力越强」。
2023 年已经过去多半，一个接一个的品牌开始在城区智驾上亮出了底牌。随着高阶智能驾驶开始迈入城区场景，似乎我们离「自动驾驶」越来越近了。
可是，智能驾驶的进阶真的需要消费者为那么多硬件「买单」吗？智能驾驶行业的发展路线已经就此得到定论了吗？
前天，智己汽车在清华科技园举办了「IM AD DAY 智己汽车智能驾驶发布会·清华篇」，我们不妨来听一听智己汽车在「自动驾驶前的最后一战」。
新速度：
仅用2年，智己迈入城市NOA时代
我们来看一下智己汽车的智驾规划：
高速 NOA：2023 年 4 月首城落地，2023 年 12 月辐射全国 333 城；
城市 NOA：2023 年 4 月开启内测，2023 年 10 月在上海正式公测，同步迈入「城市 NOA 时代」；
去高精地图 NOA：2023 年 9 月开启公测，进入「无图 NOA」时代；
通勤模式：2024 年百城齐开；
Door to Door 全场景通勤：2025 年落地，适用于绝大多数场景；
并将在 3-5 年内，实现绝大多数场景的「自动驾驶」。
智己汽车的高速 NOA、城市 NOA 甚至是无图 NOA 都已经在紧锣密鼓地推进中，而在不久的 1-2 年内，更场景化的通勤模式以及 Door to Door 全场景通勤也将正式上线。
我们能看到，智己汽车成立虽晚，但他们仅用了 2 年时间，就实现了与行业头部玩家几乎同步的节奏。
在不久之后的成都车展上，即将亮相的全新中大型 SUV「智己 LS6」将成为目前智己在高阶智驾能力上的代表作。
轻架构：
不堆硬件，也能实现高阶智驾
当我们还在数着哪款产品搭载了多少颗智驾芯片、多少颗激光雷达的时候，智己 LS6 却只需要「单 Orin 芯片+单激光雷达」就可以覆盖全量城市场景以及实现去高精地图的 NOA 能力。
智己 IM AD 能够兼容 Xavier 和 Orin 双智驾计算平台，也是行业唯二兼容了 Xavier（低算力）、Orin（高算力）双智驾计算平台的自研玩家。
通过算法优化，在满足功能增长的前提下，算力需求降低 90%。同时通过模型定点、模型压缩，核心算法自动调优和跨层融合，模型运行效率提升了 500%。
所以，更高效的架构开发能力是智己 IM AD 的特点。
高标准：
超越头部玩家的体验与安全
目前，在智己汽车给到的数据中，智己 IM AD 的安全性已经达到人类驾驶的 3.2 倍。
在数据表现方面，智己 IMAD 碰撞事故频次，基于中国道路，IM AD 0.6 次/百万公里，人类驾驶 1.9 次/百万公里，IM AD 是人类驾驶安全的 3.2 倍；安全类误制动频次，IM AD 百万公里小于 1 次，高于行业水平 5 倍。
其中，在行车性能上：
变道成功率达到 98%；
不舒适减速次数仅为 1.3 次/千公里；
安全接管次数为 0.36 次/千公里。
在泊车性能上：
泊车接管率仅 0.8%；
泊车成功率 97%；
车位识别率高达 99.4%。
从这个数据中我们能够很明显地看到，智己 LS6 有着非常不错的表现。即便不过度依赖硬件，还能拥有这样的高阶智驾能力，智己汽车到底是如何做到的？
快进化：
数据驱动，智己多种方案快速迭代
在品牌成立之初，智己汽车携手 Momenta 在行业内率先使用了 Onemodel、BEV、Transformer 等先进算法模型，也随着智己 L7 在 2022 年实现了量产落地。
这套软件算法通过 OneModel 进行多任务多模块的高效特征提取、多尺度特征融合和目标检测，通过多角度相机融合输出 BEV 视角的感知信息，并基于 Transformer 架构和时间序列完成对位置、速度、轨迹的准确跟踪和预测。
智己汽车的感知算法采用了目前行业内比较「主流」的 BEV+Occupancy Network，这套算法在 2021 年就已经开始进行上车测试。
而国内其他厂商更多是在 2022 年 10 月特斯拉 AI Day 展现了 Occupancy Network 感知技术之后，才开始转变技术路线。
所以，智己汽车是国内最先落地这套算法的厂商了。
在今年 4 月，智己汽车联合 Momenta 率先发布了行业内首个 D.L.P. 人工智能模型（Deep Learning Planning）。D.L.P. 人工智能模型也就是深度学习规划，可以通过 AI 进行深度学习实现自动驾驶的决策。
所以，智己汽车与 Momenta 构建了 Planning 数据-模型产线，实现了针对亿级数据的云端吞吐能力，每天可以对 1400 万公里的数据进行清洗、加工、并加入到模型训练中的数据流水线当中。
在车端采用 Transformer 架构，可以更高效地对道路场景以及其他交通参与者的行为进行判断，提高了在复杂环境下的预判能力，从而进行更好的规划。
比如：可以实现更像人的跟车间距、更线性的起步响应以及无顿挫的舒适感等等，对比 Rule-Based 总体类人性提升了 3 倍。
简单来说，这套模型与人学习如何开车有些类似，目的就是把智能驾驶从「还在驾校学习」逐渐培养成「在路上能掌控一切的老司机」。所以需要基于大量数据的训练学习，让规控算法更接近人类驾驶员。
而且，智己汽车与 Momenta 想要实现的不仅仅是开车的动作更像人，还要让「思考」也更像人，从根本上解决了高阶智能驾驶的决策规划问题。
无图化：
同步进入去高精地图NOA时代
今年智能驾驶领域最火的话题无非是「无图化」。长久以来，高阶智能驾驶被高精地图处处限制，成本、更新率以及覆盖程度无时无刻不在限制着城区领航功能的发展。
在今年 8 月智己再次联合 Momenta 发布了行业首个基于 DDLD ( Data Driven Landmark Detection) 的去高精地图方案。
DDLD 模型可以替代高精地图，在车辆行驶过程中实时建图，融合多次建图中道路特征的识别信息生成道路拓扑结构，预测出传统感知算法难以观测到的路网信息，这套方案将在不久后的 9 月进行公测。
也正是有了 DDLD 模型降低对高精地图的依赖，才使得智己汽车能够在今后实现覆盖全场景的智能驾驶体验。
到 2024 年，智己智驾预计将进入基于 Occupancy 占用网络的 DDOD 技术方案应用阶段。这套方案可以将物理世界信息进行数据化建模，增强了障碍物高程信息的检测能力、悬空物体的探测精度，从而实现更多场景的规避控制、提升智驾安全行驶的能力。
最后
智己汽车携手 Momenta 从 Onemodel、BEV、Transformer 的落地量产，到 D.L.P.、DDLD 模型行业首发，再到 Occupancy 预期应用。智己汽车只用了 2 年多的时间，就走完友商 9 年的智驾路，刷新了「智驾产品最快量产」的落地纪录。
除此之外，高安全标准与头部玩家级的优异智驾体验，全方位展现了智驾第一梯队的实力。
智己 LS6 也将在成都车展正式亮相，届时我们也会带来这款「集智己智驾之大成」的产品的体验。
我们都知道，智能驾驶的工作主要包括感知、规划、控制，而真正的瓶颈就是「规划」。
所以，无论是更高效的架构开发能力还是 D.L.P.、DDLD 模型的上车，智己都在沿着自己的智驾路线不断发展和优化，已然成为了智己的「技术护城河」。
随着近两年高阶智能驾驶的步伐越来越快，未来智能驾驶的路线到底该如何走，想必很快就会见分晓。