11 月 28 日，智界 S7 正式上市。作为华为与奇瑞合作的首款车型，从诞生之初便引起了不小的关注。有必要注意一下的是，这款车与问界 M5、M7 一样，都只装配了一颗激光雷达。
在高端车型上将激光雷达数量减少至一颗，说明在华为的智驾方案中，单激光雷达已然足够。从 2022 年首次有合作车型上市以来，华为智驾方案的激光雷达数量从三颗逐步减少至目前的单颗。与此同时，华为智驾方案也经历了从 ADS 1.0 到 ADS 2.0 的演变。
华为的选择，是智能驾驶终于走出堆料时代的一个缩影。本文详解华为的智驾方案，以及 GOD 网络可能的技术原理。硬件方案上 灵魂减配 的背后，华为智能驾驶同样面对传感器融合的难题，尤其以激光雷达和摄像头的融合挑战最大。
11 月 26 日，华为智能驾驶核心业务将建立合资公司的方式曲线实现 独立 ，那么 ADS 2.0 方案，真的成熟到可以独自成长的地步了吗？
从华为智驾到鸿蒙智行，华为的智驾方案经历过从 ADS 1.0 到如今 ADS2.0 的演变。1.0 时代，智能驾驶的未来路线还不太清晰，从各种传感器到高精地图，华为可以说把能想到的都用上了。
比如在 2022 年 4 月首次合作推出的极狐阿尔法 S HI 版上，这款车配备了三颗激光雷达，相似的硬件配置方案，也用在了同年 8 月推出的阿维塔 11 上。
智驾硬件上的堆料，直接推高了车的终端售价，两款车最终定价都触及了 40 万元的高位。但智驾堆料堆出了高定价，堆出了汽车品牌追求的高端产品，却没有为智能驾驶使用者真实的体验的落地铺出路来。
包括华为在内的智能驾驶开发团队始终没解决的一个问题是，这些五花八门的传感器之间，所面临的 语言不通 障碍。
多传感器的融合是十分困难的，其中最有代表性的就是激光雷达和摄像头的融合。前者提供点云信息，后者直接给出图像信息。
激光雷达的工作原理是这样的：通过发射脉冲光束，测量光束触碰周围物体后所反射回来的时间，由此来计算被测物体的距离。它的好处是精准和适应能力强，能够达到毫米级的测距精度。可以在各种各样的环境中使用，包括光照强烈和恶劣天气。
虽然可以准确的感知旁边的环境的三维信息，但激光雷达只能提供稀疏特征数据，行业里称之为 点云信息 。而摄像头却能直接采集出图像信息，提供给系统算法，自动分析图像并识别出其中的各种物体，由此来更精准的做出驾驶决策。
也就是说，激光雷达虽然精准可靠，但无法单独支撑智能驾驶功能的迭代。如果华为不想向特斯拉一样走向纯视觉的方案，多传感器之间的融合，是一定要解决的问题。
如何做好传感器之间的融合一直是个难点。目前行业中探索的主流融合方式之一，称为点级，这套方案，需要将激光雷达和摄像头在车上的位置，进行高质量校准，极其精密的对齐，才能让两者的内容完全重合，如此来实现两组传感器的之间的 硬关联 。
但这是一套脆弱的融合方式，如果车辆行驶中产生的颠簸，让传感器发生轻微的位移，那很小的误差也会造成对齐失败。
此外，这种融合方案会浪费很多数据。比如激光雷达所采集到的稀疏矩阵数据，在与摄像头这种稠密矩阵数据来进行融合的时候，会浪费大量有着非常丰富语义信息的图像特征。另外在图像特征质量比较低的时候，性能会大幅度下降。
今年 4 月 16 日，华为发布了自己的 BEV+Transformer+GOD 方案，为如今华为更成熟的 ADS2.0 方案打下了基础。与特斯拉的纯视觉不同的是，华为在传感器硬件上，依然保留了一颗激光雷达，采用的是多传感器融合的方式。那在这个方案之中，华为是怎么样才能解决激光雷达和摄像头的融合问题呢？
对于 GOD 技术的细节，华为没有做特别详尽的解释。但我们在 2022 年华为与香港科技大学、香港城市大学发布的这篇论文里，能够正常的看到华为解决激光雷达和摄像头融合问题的一些可能的方式。
首先通过激光雷达的点云数据，初步获得行车环境的特征图，再基于特征图，用 Transformer 结构的解码器，预测一个初始边界框，大概的将行车环境中，所必须要格外注意的物体框选、标注出来，得到含有距离信息的边界框。
到这一步，系统仍然处理的是激光雷达所采集到的信息，处理完激光雷达的信息后，系统会将这一些信息投影到摄像头采集到的图像上，把 2D 图像的特征融合进去，给边界框赋予语义信息。
这里面很重要的一个工具，是大模型 Transformer，它能够自适应地寻找 2D 图像与 3D 点云的关联。对硬件的对齐要求也没那么高了。
通过 Transformer，华为可以让雷达和摄像头，两个传感器之间的硬关联，变成了软关联。这样就能够获得一个包含详细距离信息，系统又能看得懂的感知数据了。
为了提高对小物体检测的稳健性，系统再次导入整个高分辨率的图像。通过 Transformer 中的交叉注意机制，以一种稀疏到密集的、自适应的方式将 2D 图像再次融合。使得系统能够自适应地确定，应该从图像中获取哪些信息，包括信息的位置和性质。来对之前的边界框进行增强，让小物体的识别更加精准。
解决了传感器融合的问题后，华为就能让 GOD 网络获取更为丰富的感知数据，能帮助神经网络模型更好地感知和理解车辆四周环境。再通过 GOD 网络自主学习，构建 3D 世界模型。
华为为何需要大费周章的建立 GOD 网络，而不是像特斯拉一样，采用一套纯视觉的智能驾驶方案呢？
2021 年，特斯拉 FSD Beta 开始采用了一套基于 BEV+Transformer 的智能驾驶方案，BEV 即鸟瞰图，它就像是为智能驾驶打开了一个从空中俯视上帝视角，让车辆能够把近处的感知统一放到一个平面中。
特斯拉的方案，为华为和其他埋头苦干的智驾公司，提供了另一种思路，华为在 ADS1.0 时代，也采用了这项组合技术。
但 BEV 框架还是不能解决所有问题，智驾系统要先识别面前的是什么物体，才能做出相应的决策。怎么来识别前方物体呢，就需要依靠大量的系统训练，将一个个识别成功的物体，放进智驾系统所建立的 白名单 中。
可是 白名单 不足以覆盖实际交通环境中出现的海量障碍物类型，真正复杂的交通场景下，白名单永远都填不满。另外，感知系统只能识别到之前见过的物体，而没有很好的方法识别一些异形的物体。
这项技术有一个硬伤，就是鸟瞰图是一套只有横纵坐标的二维图像，无法在 Z 轴上，感知到高度信息。
也就是说，特斯拉的这套方案可以让姗姗学步的智能驾驶走起路来，却还是不能保障走路时不摔倒。
特斯拉很快找到了自己的解决办法。2022 年的特斯拉 AI Day 上，OCC 占用网络被引入，它通过大量的分析和训练，将多个摄像头提供的 2D 图像信息，在 3D 空间中还原。用无数个小体块来展现现实世界。
但到这一步，国内智能驾驶方案商却跟不上了。实际上，纯视觉 FSD 真正的难点在于海量的驾驶数据，除了采集数据，更需要一个强大的模型，来对智能驾驶方案进行训练。
特斯拉自研芯片和 Dojo 模型，外购 GPU 将云端算力堆到 10 Exa-flops，就为了处理大量的传感器数据，并进行深度学习和模型训练。
如果国内智能驾驶方案商贸然模仿，自家智能驾驶技术进步速度，可能永远也追不上特斯拉，华为不甘心只当一个追随者。
原本国内的新势力们解决这一个问题的方式是依赖高精地图。在发现高精地图因为成本和更新不及时的问题，而无法长久应用后，大家纷纷开始研发自己的方案，华为就是这里面之一。
华为所建立的多传感器融合方案，就为了避开特斯拉 OCC 花在将 2D 图像还原成 3D，所需要的那部分复杂计算。通过加上一颗激光雷达，提供更详细的距离信息，华为降低了数据分析的难度，对云端算力的需求也相应降低。
此外，在国内复杂的城区路况下，对近距离测距的精准度要求更高，比测试场地中更棘手的 case 多很多。这颗激光雷达就可以对前方障碍物进行详细测距，再与摄像头的数据精准匹配，得到更为准确的数据。并且在暗光、大光比、雨雾天气这种摄像头识别不那么准确的时候，也可以稳定输出感知数据。
虽然眼下华为保留单激光雷达的方案，在装车的硬件成本上，仍然会高于只有摄像头的纯视觉方案，但研发投入、时间周期，同样是需要被计算的成本。
如今，在华为智驾方案不断迭代的途中，特斯拉的纯视觉方案 FSD 已经很久没有披露出进展了。也许，融合激光雷达的智驾路线， 总成本 更低。
智能驾驶方案迭代到现在，算法已经不是各家竞争的焦点。在数据量不足的时候，面对不同城市的复杂路段，难免出现漏洞。如何快速获取行驶数据，并在短时间内将训练结果 OTA 到车辆，才是加快开城速度的关键。
从竞争者蔚小理的部署情况去看，也许明年，辅助驾驶的数据竞争赛，就要真正开始了。
与这几家企业一样，华为计划今年年底开通全国的无图城区智能驾驶，压力一点都不小。
按道理来说，辅助驾驶开通之前，车厂都应该用自己的车队跑一遍，给大模型的训练一个基础的数据。但全国都跑的话，需要耗费大量的时间和人力、算力。如果直接开通给用户，短时间内大量的数据涌入，也会让华为不堪重负。优先开通 通勤模式 ，让各地的车主在同一路段反复跑，对大模型反复进行 自训练 ，也许是比较稳妥的方式。
华为的融合方案，就单车的硬件和计算成本来说，肯定是有所增加的。融合算法必须验证自己在 总成本 上更具性价比，才有机会被大规模的铺开。多去路上收集实战数据持续训练 AI，才能让车辆越 开 越聪明。
