智能汽车领域，一个AI行业的big name杀进场。交出了这样的智能驾驶量产方案：

视觉为主，全栈算法自研，成本千元级别。

最惊奇的是，仅仅用现在主流方案1/6-1/5的算力，跑通BEV+Transformer的大规模感知模型。而这，正是目前竞争最激烈的城市、高速NOA功能实现的基础。

而且已经进入车企定点名单，明年上半年就能量产上车。

该团队透露，智能车项目自启动，不过做了2年多时间，却追赶了行业平均5-6年的进度。

智能车赛道这位“亮相即交卷”的闯入者，是AI明星公司、全球计算机视觉最强玩家之一的——旷视科技。

成立十二年，计算机视觉算法能力已臻化境，并开拓了城市、消费、供应链等业务场景，还早已实现规模化营收。

但智能车业务，之前旷视低调十足，不为外人道。

为什么现在亮相？怎么做智能汽车？有什么独特优势？最重要的，车企买帐吗？

现在，一系列疑问都可以直接找旷视专门负责自动驾驶的业务高管谈。

旷视拿出了什么样的智能车方案

旷视拿出的方案不是技术演示，也不是“高举高打”的高阶自动驾驶降维技术体系，而是极其务实、强调量产和规模化的辅助驾驶方案。

根据传感器配置、算力大小分为三个。

标准版方案，满足基础、高频使用智能驾驶场景，功能包括L2全家桶。亮点之处在于它的上限：标配自主泊车、记忆泊车，以及高速高架NOP功能。

所谓NOP，就是行业内常说的领航辅助驾驶，通常叫法是NOA。NOA开启时，用户仅需作为安全员，车辆全部驾驶任务由系统完成，并且能根据地图导航信息自行选择路线、车道和行进策略。

标准版方案面向10-15万元车型，这也是旷视智驾方案的第一个特征，就是将“入门版智驾”门槛拉的极高，15万左右的经济性家用车，高速NOP起步，以及增添了记忆泊车功能。

专业版方案，在标准版上，增加城市NOP功能，以及跨车道安全停车。面向15-30万车型。

以上两个方案，都是没有激光雷达的，视觉为主+毫米波雷达。

最后还有一款面向30万以上车型的旗舰版方案，官方描述为“更多的冗余”，实现“增强城市NOP”功能。

不出意外的话，更多冗余代表着更大的算力，比如英伟达Orin，以及激光雷达。

旷视高级副总裁，自动驾驶业务负责人刘伟透露，标准版和专业版是目前商业上主推的两个方案，几乎覆盖乘用车销售的绝大部分车型。

旷视的方案可以算是行业内首个实现“低算力、高功能”的。并且还有一个“行业首次”：入门即标配高速NOP。

按照以往的固有思路，要实现某一程度的智能驾驶功能，就必须有足够多的传感器冗余，以及足够大的算力支撑。

比如L2+阶段，至少需要数百TOPS算力，以及激光雷达+毫米波雷达+摄像头的传感器方案，L4则至少需要1000TOPS。

但也有一个现象是，堆到1000TOPS算力的量产车，其功能体验也没有超出L2范围。

这是不是意味着，智能驾驶类似ChatGPT这样“大力出奇迹”的转折点仍未到来，现阶段要实现智能驾驶的规模化普及和降本，“算法上精耕细作+尽量榨干硬件潜力”才是更符合技术发展规律和商业逻辑的道路？

所以旷视智能驾驶方案走了一条极致性价比的道路，在智能驾驶套件中，把相同技术指标要求的硬件成本，降到前所未有的低。

横向比较来看，旷视标准版方案，据官方介绍仅需主流英伟达Orin 1/5，甚至1/6的算力（大约40-50TOPS），就能实现高速NOP功能。

而目前大部分量产智驾方案，至少需要一整块Orin（254TOPS）作为主系统和冗余的算力支持。

这样一来，旷视在面向售价为10-15万元的车型上，就能灵活搭配成本低得多的英伟达Orin N、地平线J5、黑芝麻A1000等等产品，车企完全能接受。

这属于在底层计算平台上降本。

还有一个特点就是“视觉为主，无激光雷达”。属于在上层传感器层面降低成本，而且降本的主力。

旷视科技的智驾方案在行业中至少降本20%。

如何实现低算力高功能

技术上来看，旷视实现“极致性价比”的核心原因在于算法、算力，以及工具链的积累。

原创算法，这是旷视的技术底座。以视觉为主，采取“BEV+前融合”的方案，砍掉激光雷达，减少对毫米波雷达的使用。但以视觉为主的技术路线，对感知识别算法要求极高。

旷视对BEV有两个实现的算法模型，一个是BEVDepth系列，一个是PETR系列，都是旷视研究院提出的视觉3D感知模型。

PETR框架能同时进行3D目标检测、BEV（Bird’s Eye View，鸟瞰图）分割和3D车道线检测等多项感知任务，引入3D position embeding（3维位置映射），实现不依赖于BEV特征的时序对齐并支持BEV分割，避免了BEV可能的信息损失。

BEVDepth是一种带有显式深度监督的多视图 3D 目标检测新网络，利用编码的内在和外在参数获得明确的深度监督，并进一步引入了深度校正子网络来抵消由投影引起的干扰。

如果有些芯片对于Transformer的算子支持不太好可以采用BEVDepth；如果对于Transformer的算子支持非常好，那采用PETR。

BEV+Transformer架构最早由特斯拉在2020年引入。不过不同于特斯拉占用网络采用的稠密算法，旷视的PETR系列在输出对周围环境的各种感知表征时，采用的是稀疏算法。

用稀疏的方式来做Transformer，同样能非常好地检测到长尾场景中的障碍物，同时还对算力要求更低，低算力高功能的核心就是这项技术。

除了这两个核心算法，旷视还有基于物体点解决漏标和多标等问题的半监督检测算法 PointDETR、一个锚点检测多个物体，性能全面超越主流DETR目标检测器AnchorDETR等等。

算力基础设施，旷视到目前为止，已经构建了一万多张卡的计算集群，快速迭代能力同样是大模型实力的基础。

另一方面，为了降本，旷视还对“统一算法框架”做了大量工作。

一般而言，从旗舰车型到入门级车型，一家主机厂每种车型采用的配置方案都各不相同，供应商方案相当复杂，这导致车辆在推出量产时，无论是把握节奏、质量、成本，还是管理和维护不同供应商，都很难控制。

旷视在做的，把适配各种定位车型的智能驾驶系统，都采用统一的BEV算法框架，做到算法平台化、硬件平台化。比如在适配高中低不同算力的芯片时，旷视采用Pin-to-Pin的系列芯片，即同一套域控可以直接适配不同芯片硬件，如果域控需要适配高算力芯片，就换高算力芯片，如果要适配低算力芯片，就换一个低算力的芯片。

做到这一点后，主机厂各个车型的量产速度将大大加快，质量更好的同时，成本也将大幅降低。

在硬件配置方面，旷视则坚持走以视觉为主的感知路径，支持采用实时建图的感知方式，只用导航地图，不用高精地图。

除此之外，旷视还能做到直接去掉RTK（实时差分定位，高精度测量方法）。去掉这两项，每套套件又能节省数百元的费用。

总计一下，旷视智驾方案的技术特征或比较优势，有以下这些：

业内首个实现长达300米距离视觉感知。

业内首个将 [BEV+Transformer] 感知算法模型，运行在低算力芯片平台。

业内首创鱼眼BEV模型，感知范围扩大三倍。基于BEV+Transformer] ，在泊车场景下车位的感知距离可达30米(传统方案支持约8米左右)，3D感知定位能力接近激光雷达。

支持3D地图构建，不依赖于高精地图便可实现高速和城区NOP去RTK定位算法，定位能力达到RTK方案水平。

端到端Transformer大模型进展迅速，已经在Orin平台实现感知、建图、跟踪、预测4合一模型。

除了智能驾驶，旷视在智能座舱领域也开始了布局。相关的技术，依托12年技术研发，早已有积累。

目前的状态是和主机厂协商，瞄准下一代智能座舱产品进行预研。

比如，旷视认为智能座舱会成为大模型落地的重要场景。这首先会带来感知能力的进一步提升。但落到产品体验层面，更重要的还是决策。

比如智能汽车的底盘、空气悬挂、刹车系统、车窗、灯光氛围，几乎所有东西能被控制。但是，这么多东西都用触摸屏、语音的方式进行交互吗？显然不可能。

旷视基于AI生产力平台Brain++的能力，未来会聚焦于智能座舱的决策引擎。同时，结合在芯片、软件算法方面的能力，形成覆盖感-知-决的智能座舱产品体系。

而在基础的在“感”和“知”上面，旷视目前已经拥有相对成熟的产品积累。例如IMS双光融合传感器，以及在“知”上面的DMS/OMS SDK等。

旷视做智能汽车的逻辑

智能汽车赛道之所以火热，是因为智能汽车本身就是AI能力的综合载体，又是一个融合了汽车工业和科技产业，“含金量”无法估量的大赛道。

这是不能错过的商业前景。有实力的AI玩家，几乎都时不我待的投身其中。

另一方面，无论智能驾驶和智能座舱，计算机视觉技术都是重要基座。

2006年Hinton提出深度学习。包括旷视在内的第一批AI创业公司，都敏锐地抓住了深度学习和计算机视觉技术结合带来的机会，并为它们找到了合适的落地场景。

比如旷视的三大业务场景：消费、城市、供应链。这些业务成了旷视成为平台型AI“巨头”的支柱，计算机视觉技术也成为了旷视自身优势的来源。

所以，于时势、于商业、于技术，旷视入局智能车，只是个早晚问题。

一直在等待的，是合适的时机和人选。

从早期的辅助驾驶技术开始，主流的技术路线一直是“雷达+视觉”。

而且因为早期深度学习算法还不成熟，彼时视觉数据只是作为辅助，智能驾驶绝大部分功能，依赖毫米波雷达。

但毫米波雷达本身存在局限：精度有限、缺失物体高度信息，以及最致命的，是对静止物体感知不佳。

所以旷视认为，基于RV（雷达+视觉）的传统算法，是不可能解决高阶智能驾驶问题的，而自己的优势又集中在计算机视觉算法，因此一直选择观望，等待一个技术层面的突破。

直到2020年，特斯拉首次提出BEV算法，并且成功用8个摄像头的数据实现了NOA功能的演示，纯视觉路线的一扇窗突然被打开。

BEV+Transformer的技术路线，跟旷视长处完美结合，于是开始迅速跟进。并且明确以商业化落地为目标确定研发方向：

目前的智能汽车L2以下基本上是标配。现在的重点，是在L2到L3之间。旷视判断接下来两三年的时间，高速NOP肯定会快速普及。

阻碍高阶智驾方案落地的，首先是性能，第二是成本。旷视所有的技术研发都是基于这两个方向展开的。而体验好、成本低的高阶智能驾驶产品，必须要有非常强的AI能力支撑。

同时为了支持智能车业务，旷视组建了一支数百人的团队，其中超过2/3是研发人员。

带领这支队伍的关键人物刘伟，曾担任SAP全球副总裁，微软渠道事业部总经理。有消费电子、车载AI方案、智能传感器、计算芯片等领域丰富的落地经验。

这也符合旷视一直以来具体业务落地的风格——寻找一个有行业背景或商业化knowhow的高管。

所以旷视进军智能车业务的逻辑，可以简单总结为这样的一句话：

这件事有前景，自身技术实力又有积累，现在产业链条件刚好又足以支撑“极致性价比”的产品策略。

智能车业务亮相，重估旷视

旷视智能车业务亮相，对于这个行业来说是一个明显的转折点。

从透露的智驾方案配置来说，旷视首次把高阶智驾功能，标配给10-15万入门车型。

这是全球智能汽车产业L2+功能普及的开端，也是汽车工业智能化革命更加深化的标志。

另外，旷视将高阶智驾门槛降得前所未有的低，性价比做的前所未有的高，以及把这条赛道的技术天花板，拉的史无前例的高。

这意味着，一轮更加剧烈的行业内卷已经开始。

有利于技术迭代推陈出新，有利于用户消费体验。

而对于旷视自身的发展来说，进军智能车，也释放了新的信号。

旷视在过去，一直聚焦在AIoT领域。在消费物联网、城市物联网和供应链物联网三大场景展开落地。

这些业务场景，都以计算机视觉技术作为依托，这也是旷视创业的根基。

而在12年之间，旷视除了在算法层面深耕，更重要的的是积累了AI生产工具和“方法论”，实现快速生产、敏捷开发。

这是一种更广义的AI技术“泛化”能力，即把相同的算法软件框架，快速应用到不同的场景、行业和产品形态上。

不一定是简单的核心算法通用，更重要的是算法生产工具，平台工具链发挥作用。

所以理解旷视入局智能车，不能简单的把它作为一个智能驾驶技术供应商，而应该纵向连接起它的历史——

旷视一直是一个以算法为基础，软硬一体为核心的智能机器人公司。

智能汽车，是一个控制维度最少（横纵两向），目前产业化最成熟的“机器人”罢了。

事实上，旷视、大疆、商汤这类“平台型”AI公司，业务顺理成章延伸到智能汽车，也是某种意义上AGI的萌芽和开端。

旷视科技，毫无疑问是中国乃至全球最具价值的AI视觉公司之一。

而现在，加上自动驾驶场景，智能车业务……旷视，到了该被重估的时候。

— 完 —

【智能车参考】原创内容，未经账号授权，禁止随意转载。