im智己

自2016年AlphaGo成为第一个战胜人类职业围棋选手的人工智能机器人后，人工智能开始迅速进入大众视野，在全球范围内引发科技ChatGPT。现在，这场革命也来到了汽车行业。今年，智机汽车联合全球头部智能驾驶算法玩家Monmenta发布了业内首个D.L.P人工智能模型，开始将数据驱动的规划算法应用于量产项目。

AlphaGo和ChatGPT能够在各自的细分领域战胜人类的共同关键点在于，它们都具有深度学习的能力，都通过馈数据或者自博弈学习(AlphaGo的新版)训练了模型，完成了从机器到智能的转变。现在知乎推出的D.L.P人工智能模型就是深度学习规划模型。作为行业第一，“自动驾驶前的最后一战”很可能由智机来终结。

模型和算法是改变的关键。

人类如何驾驶车辆？首先，第一步是“感知”。人类通过视觉、听觉甚至身体对振动的感知来判断路况，随之而来的是“规划和决策”。这一步是大脑在思考做什么，最后一步是“执行和控制”。通过操作刹车、油门和转向，车辆可以根据大脑的想法移动。

“感知”和“控制”对机器来说已经不是问题了。各种视觉传感器、超声波雷达甚至地图数据都可以为车辆提供路况。机器对车辆的控制，现在已经可以比大部分人类驾驶员更精准、更准确，所以核心问题在于“规划”层面。

在现在消费者接触到的大部分辅助驾驶系统中，“规划”环节大多采用规则库规则。可以理解为工程师把各种预期的情况和需要执行的操作写成既定的规则。这种方法对于简单和固定的工作条件是非常有效的，因为所有的条件都是理想的，并且可能的情况与应对方法相匹配。

然而，在开放的道路上，情况几乎层出不穷。例如，当离匝道的指定距离为1.5公里时，开始变道动作。道路拥堵怎么办？后方车辆突然加速怎么办？几乎不可能采用规则库的所有规则来处理。在这种“穷尽”机制下，车辆根本不会“灵活”，一旦遇到规定之外的情况，就无法做出正确的决策，甚至熄火。

其实现在经常使用辅助驾驶系统的消费者应该都有些经验了。常见的辅助驾驶系统的“驾驶风格”很像一台机器。路况好的时候，基本无可挑剔。一旦开车进入复杂路况，就不知道怎么处理了。随时退出，把驾驶权还给司机。

面对“决策规划”的问题，智计汽车联合Momenta推出了行业首个D.L.P .人工智能模型。前面教授提到的规则库下的算法属于感知智能的范畴，对应的是物理世界。D.L.P .人工智能模型属于认知智能，与人类行为相对应，具有很强的自我学习能力。所以采用D.L.P人工智能模型的智能IM AD是可以不断学习和成长的。

为此，智基汽车和Momenta为D.L.P .人工智能模型建立了一条规划数据模型生产线。目前日峰值数据生产能力可达1400万公里。有了这些庞大且快速增长的高质量数据，D.L.P .人工智能模型可以快速学习和增长，无限接近“老司机”，直到超越大多数人类驾驶水平。

当然，除了D.L.P人工智能模型，智机汽车还有DDLD感知算法和占位网络(占位网络模型)。前者可以解决高精度地图覆盖和新鲜度(即地图更新频率)的问题，让智记iAd不依赖高精度地图，为用户提供安全、放心、智能的使用体验。占位网络可以将三维世界划分成高分辨率的网格单元，并定义每个网格单元的占位情况，从而实现三维世界的重建。结合BEV模型，可以构建车身周围的空室。

而且知乎采用的占用网络模型也有百亿级的训练数据，可以准确检测空之间的占用，准确判断道路上的不规则障碍物，这也是高精度地图所依赖的关键技术。

目前很多人在评价智能座舱和智能驾驶体验时，喜欢以硬件参数和计算能力作为依据，但真正提升体验的方法是“体积”算法，这就好比用笨方法解决问题可能需要巨大的计算量，而好的算法只需要几步就能找到答案。

智计IM AD通过优化算法，在大幅增加功能的前提下，降低了90%的计算能力需求，提高了500%的模型运行效率。因此，智记可以依靠Xier和OrinN有限的计算平台实现全球视觉一体化，智记IM AD也是汽车行业唯一兼容这两个平台的自研播放器。

像个“老司机”

说了这么多先进的技术和人工智能算法，我们作为消费者能有什么不一样的体验？与现有的驾驶辅助系统有何不同？能说服消费者真金白银买单的不是技术，而是效果。

“堵车”可以说是最能体现司机日常驾驶技术的一个场景。太急的话会很危险。如果发生了，那就是“果酱全责”，但最终的结果是不加。目前智能驾驶系统对卡顿的执行策略会非常保守，这是出于安全考虑，但也近似声明不能使用该功能。那智·NOA是怎么处理的？教授以前经历过。打开转向灯后，他主动加速超过慢车与后车的距离，然后单向驶入当前车道。整个过程一气呵成，挺像老司机的。

面对坡道上的长队，首发NOA的智吉IM AD会慢慢的低速向右并线，直到后车礼让或者前车开够了，再并线。除了这些场景，智记IM AD在复杂路况下的进出匝道、超车等场景中也会有这些非常“老司机”的操作。

这就是D.L.P人工智能模型算法的神奇之处。随着数据的增多，智记iAd会越来越熟练，解决自动驾驶领域的长尾问题。目前，智计iAd拥有6亿公里数据，预计2025年达到80亿公里，2027年突破1000亿公里。随着数据的爆炸式增长，用户体验将不断改善。

正是这种技术实力，让智基汽车有信心向外界公布未来的规划。2023年9月IM AD将上线高精地图公测，2023年10月城市开启NOA公测，2024年通勤模式开启所有城市。2025年IM AD一定会买上门的时代。

统计安全和经验安全。

安全是一切的前提，尤其是智能驾驶，“安全”也是决定智能驾驶发展的重要标准。没有用户愿意把驾驶权交给一个危险的司机，更不用说一个不安全的智能驾驶系统。

在这方面，智吉IM AD也有非常惊艳的表现。根据现有的实际驾驶数据统计结果，现阶段IM AD平均每百万公里碰撞事故次数为0.6次，而人类驾驶下为1.9次/百万公里，比人类驾驶员安全3.2倍。

安全误操作频率小于1/100万公里，行业参考水平< 1/20万公里。此外，智极IM AD变道成功率98%，难受减速频率1.3次/1000 km，安全接管频率0.36次/1000 km，各项指标和数据表现远高于行业头部选手。

当然，统计数据反映的安全不等于绝对的安全体验。以人类司机为例。如果一个司机的驾驶风格比较激进，每次并线堵车都是“极端”，从不失手。从数据上看，开车是安全的，但从乘客的角度看，体验无疑是非常“危险”的。

所以，智机IM AD的数据驱动决策规划除了绝对安全之外，还兼顾了驾驶过程中的安全感、舒适性和智能性。例如，传统的“常规”智能驾驶系统在面对地图或道路限速标志时会突然减速，而IM AD会学习经验丰富的驾驶员的线性减速，甚至在环岛和匝道上行驶时，它会根据道路的不同曲率尽可能线性地调整车辆的加减速。

其实IM AD在决策前的思考过程会比大部分驾驶员更全面，会考虑到安全性、舒适性、效率甚至是行驶过程中的能耗表现。

最后，借助人工智能赋能的智能IM AD，引领整个行业解决目前的障碍，快速进入智能驾驶时代。回归产品本身的车型，作为用户和消费者，能够尽快领略iAd强大的智能驾驶能力，就是即将亮相成都车展的智极LS6。该车将搭载高精地图NOA，并在业内首创“一键场景驾驶”功能，值得期待。