楊淨 發自 凹非寺

量子位 | 公衆号 QbitAI

“100 算法倉，規避99%以上盲區，交通效能提升20%……”

商湯旗下智能車業務品牌「絕影」，正式加入車路協同賽道。

在WAIC 2022上，作為核心方案之一，商湯公布最新車路協同産品矩陣。

△商湯絕影車路協同産研副總裁武偉發布最新産品矩陣

車路雲一體，官宣即落地。過去一年，僅Robobus車型就在上海、無錫、西安、成都、福州等城市落地，累計運營裡程超過27萬公裡，接駁人次超過1萬。

情理之中，但也意料之外。

一方面，去年同樣的時間和地點，「絕影」以商湯智能汽車解決方案獨立新品牌正式亮相并交貨。

這其中早已開宗明義，車路協同正是三大立足領域之一。過去一年，整個智能汽車闆塊發展迅速。今年上半年該闆塊收入增幅達到71%，服務客戶數同比上升54%。

因此這時候官宣新進展，并不意外。

但一般而言，相較于自動駕駛，車路協同起點高、投入大、需與産業深度融合，往往周期會更長。

而商湯，不僅在多個城市落地，還去年就拿到了上海市第一塊自動駕駛小巴公開道路載人示範應用牌照，并參與多個地方标準的拟定。

就在前幾日，曆時一年，絕影與上海機動車檢測認證技術研究中心聯合牽頭制定的汽車數據脫敏團體标準正式發布，填補了此前國内汽車數據安全相關标準的空缺，為規範全行業匿名化等數據脫敏處理技術的開發測試及應用提供了重要依據，有力推動隐私保護和提升行業數據安全水平。

這些成績的背後，究竟由什麼來驅動？或許能從此次公開的方案中，找到答案。

車路協同，本質上就是由車、路、雲三部分構成。以此拆分商湯「絕影」此次發布的具體産品矩陣，主要分為三個模塊。

第一模塊，路側計算單元産品。它可實現300米感知距離，雙向8車道感知範圍、150ms端到端時延等基本操作。

配置的MEC （多接入邊緣計算）可支持多維感知融合，比如單獨視覺、視覺 毫米波雷達、再加激光雷達等多種感知組合，雷視融合感知精度可達95%。

傳感器 多維感知融合以此實現的高階感知，給單車開啟全域上帝視角，可解決單車智能的冗餘盲區，來輔助實時性的安全應用。

第二模塊，即雲上的智算平台和雲控平台。智算平台，即接收并處理路測信息，它可将視頻、圖片等交通數據彙聚在雲端，并進行認知決策、全域融合分析等任務。再結合100 算法的算法倉，可以解決低階路口的感知問題。

雲控平台，則是接收到智算平台的數據後，對汽車進行智能控制，打造了超過10個以上的智能網聯應用下發到車輛，包括路徑指導、車速建議、碳排放優化等應用。

據介紹，這一模塊出發點在于單車無法解決的全局最優決策問題。

最典型的例子，就是幽靈堵車。智算平台與雲控平台的結合，交通效能将提升20%，具體體現降低路口車均延誤、路燈空放等。

第三模塊，即車端的設備。如果說路和雲還在解決單車智能的兩個核心問題，那麼車，則是商湯區别與其餘車路協同玩家最大的不同。

以往關于車路雲中車的認知，無非是實現單車智能的傳感和算力設備。而商湯的“車”，卻并不局限于此，更囊括了車城網平台。

具體來說，就是通過在車輛上加裝輕量化的IoT設備，充分發揮車的數據價值——讓車成為城市之眼。

除了車城網，絕影本次在車端亦帶來了全新産品SenseAuto RoboSweeper商湯絕影自動駕駛清掃車。

結合多傳感器，其可實現360°無死角感知融合，而在雲端的支撐下，清掃車更可實現全程無人工幹預、安全、高效、經濟的無人清掃作業，未來将首先在機場、園區物業、市政道路等多個場景示範應用。

綜上不難看出，商湯「絕影」的車路協同，有着更高維度的思考，即如何從僅賦能車端到更好融入城市的智能化建設。

自車路協同誕生以來，雖然産業鍊覆蓋面廣玩家衆多，各自都有自己的發展道路，但基于不同的出發點，領域内暫且分為兩條路線。

一種是純車路協同，偏向于優先實現車端産品的規模落地，被視作自動駕駛商用“終局模式”。

不光整體成本降低，還能帶來諸多公共服務改善，比如清掃車、巡邏車、社區公交、擺渡車等都可以自動駕駛，提高交通效率的同時還能解決人力短缺的問題，已經有不少城市為此買單。

另一種是圍繞自動駕駛的車路協同，則偏向于技術實現，聰明的車 智慧的路=L4自動駕駛。

當前以單車智能的方式實現的L4，始終無法量産落地，投入的資金、時間、人力，也沒有一家公司能給出準确的估計。從車路協同這種基建角度切入，除了在技術和安全性的保障，投入成本也能具體清晰。

但不管是哪一種，都是屬于單車智能基礎上的技術升維，需要與産業深度融合，面向的客戶也是那些基礎設施的提供者、運營方，也就是ToG。

因此雖然商業模式清晰可持續，但對于企業來說起點高，預估風險也比較大，甚至有業内人士斷言：車路協同的玩家不會很多。

既然如此，商湯「絕影」又為何要做車路協同呢？

據官方介紹，主要有兩方面考量，一方面與純車路協同路線大體一緻，就是賦能自動駕駛的應用示範；另一方面，則是從業務解決現有雙智城市建設的痛點問題。

後者代表着的，正是車路協同的第三種路線。

雙智，代表着智慧城市基礎設施與智能網聯汽車。雙智城市，就是兩種“智能”協同發展，幫助城市的建設。

以這種為出發點的車路協同，本身就是一個更宏觀的思考維度。

一方面，絕影已經擁有了國内外主機廠的深度合作和量産定點，有利于單車智能和路雲基建的規模化協同，進一步降低量産自動駕駛的單車硬件成本；另一方面，車路協同構建的移動視頻源也能補充到智慧城市業務，構建“車城協同”的先發優勢。

就以本次核心産品車城網平台為例。

傳統基于固定攝像頭的智慧城市感知成本高，而且某些道路上的感知無法覆蓋，例如路面病害檢測、占道經營發現等。

車城網，則是将汽車作為城市的基礎設施，來感知城市交通網絡的偶發情況。原有的土建和維修成本降低98%，感知範圍還提升了1000倍，還兼顧了數據安全性和隐私性。

除此之外它還兼具車路協同的優點，商業模式清晰，目标客戶為汽車經銷商以及公共服務運營商，為他們提供數據服務。

如果簡單總結，其餘玩家走的是從車到路的升維路線，那麼商湯的車路協同則是從城市到路到車的降維路線。

但這種路徑想要跑通，其實更不容易，其不可複制性比純車路協同路線更甚。

那麼為什麼率先是商湯？

首先，商湯做這件事，本身就有天時的先機。

雙智城市的提出，本身加速車路協同“進城”。汽車與城市之間的協同，遠比以往任何時候都更為緊密。

而商湯，恰好是為數不多擁有從車到城市一個整體的技術團隊。早在2016年，就已經看到「絕影」的雛形，以及在智慧交通、智慧城市上布局。

這也恰好構成了如今商湯立足行業的差異化優勢。

商湯自己的說法，是用軟件定義車路協同。

從算法層面來看，本身就是商湯的基本優勢，它有着基于OpenMMlab開源體系構建的2300多個預訓練模型和300多個最先進的視覺算法；“書生”大模型OpenGVLab擁有超過30億個參數，覆蓋10萬多種視覺标簽……

城市闆塊，萬物檢測算法結合視覺識别技術，就有超過17000算法的算法倉，以及之前在智慧交管積累的基于視頻感知和交通流量參數的交通信号控制系統，讓整個城市交通有更好的感知和決策，車路雲技術鍊條也更好的打通。

而「絕影」當中賦能引擎與亞洲第一AI大裝置，可以幫助算法模型快速疊代升級。

因此某種程度上說，這時候選擇車路協同并不是突然為之，倒像是順勢而為。

除此之外，還能解決更現實的需求問題——“硬件一次投入，軟件持續升級”。

車路雲全場景的OTA功能，能讓軟件不斷進化，從而讓城市基礎設施建設的邊際成本降低。

這樣一來，商業帳算得更清楚，更有助于進一步規模化商業化落地。

技術累積，業務協同以及成本需求導向，種種因素結合起來，也就促成了商湯率先走出車路協同的第三種路線。

— 完 —

量子位 QbitAI · 頭條号簽

關注我們，第一時間獲知前沿科技動态約

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!