“你的頭腦就是你的牢籠，但是如何突破自己的大腦呢？”人們經常用這句話來審視自我的局限，但在2022年的智能駕駛行業，這也是所有智能駕駛“大腦”需要回答的一個問題。

在人類世界中，出生以后，我們首先通過大量的經驗學習、邏輯分析，建立自己的知識體系，成為一個獨立的個體。但在積累到達一定程度后，往往會開始認識并反思自己的局限，并激勵自己通過拓寬認知的邊界和思維上的突破，擁抱更廣闊而美好的世界，達到全新的高度和境界。這是人類學習和進步的方式。

在智能駕駛領域中，通過對大量數據和豐富出行場景的不斷學習，變得“越來越聰明”，不斷實現系統性能的突破，這是機器智能的方式。

過去幾年，智能駕駛經歷了從無到有的過程，從技術原型的積累到初代產品上車，從L0-L1級的基礎安全性能到L2++級的智慧化體驗，隨著高階智能駕駛落地需求越來越迫切，數據驅動和場景閉環的重要性也凸顯出來。

為什么說智能駕駛將進入數據驅動的時代？

數據如何在場景中實現流轉？

場景閉環又如何把當下的量產落地和未來高階方案串聯起來？

近日，智駕科技MAXIEYE創始人周圣硯在2022 年度（第四屆）高工智能汽車市場峰會發表主題演講，圍繞《自動駕駛升維：量產，數據，場景閉環》進行了觀點闡述，通過剖析智能駕駛面臨的難題，與行業同仁探討數據驅動的“解題”方案。

第一，實現可靠穩定的系統性能難。智能駕駛誕生的初衷，是讓出行更加安全、舒適、便捷。但最近因智能駕駛導致的交通事故，一定程度引發了大家的質疑和擔憂。智能駕駛系統的安全可靠，人機交互的邊界規則等成為不可回避的問題。

“這是智能駕駛理想和現實的差距。”周圣硯表示，在用戶理想的認知中，智能駕駛是沒有約束、無限制的，但現階段可規模化應用的輔助駕駛，本質上還是人機共駕，需要用戶對智能駕駛的“漸進式”成長有充分的理解。

作為技術服務提供商要做到的是，無論行業處于哪個階段，都需要確保在相應的功能及使用場景的范疇內，提供安全可靠的產品。場景邊界之外是人開，場景邊界之內是機器去開。場景邊界之外需要鉤子算法去獲取下一代產品升級所需要的數據和場景。但過去行業浪費了大量數據場景，屬于智能駕駛的場景庫積累才剛剛起步。

第二，極致性價比和規模化量產難。一晃眼智能駕駛產業已經發展了多年，但在實際上車中，真正的規模化才剛剛開始。在中國乘用車所有價位車型銷量中，15萬元以下車型銷量占比遠超50%，但這超過50%的價位車型L2級智能駕駛滲透率，比市場平均水平低了10個百分點，反應了當前智能駕駛尚未很好地滲透大眾消費市場。

立足大眾消費市場，背后的規模化量產面臨一個現實問題：性能和價格的平衡。“用很高的成本做一套系統，消費者很難接受，對基于規模化量產實現大量數據積累，意義并不大。”但如果沒有規模化和場景，上述的第一個難題同樣難以解決。

第三，高階智能駕駛落地難。在自動駕駛分級中，到今天能夠真正在開放場景中落地的智能駕駛，依然在L3級以下。基于漸進式升維路線從下往上走，依賴基于規模化L2的場景和數據基礎，才能實現高階應用的突破。

三大難題共同指向數據和場景：在量產系統邊界明確的前提下，建立用戶認知，通過數據驅動下一代產品升級；基于有效場景和數據的挖掘實現極致的系統性能，以高性價比實現人人可享的規模化，再由人人提供的數據驅動迭代；在良好的用戶認知和動態迭代中，實現高階智能駕駛升維。

可靠系統和高階方案的實現，對數據積累和場景閉環提出了“加法的”需求——盡可能多地上車。

在規模化量產中打通數據閉環后，更重要的是建立獲取邊界數據的有效觸發機制。“盲目收集大量常規的場景，對系統意義并不大。我們希望在不增加硬件成本的前提下，獲取更多邊界數據，邊界數據意味著下一代系統邊界性能的突破。”

目前MAXIEYE已經在1R1V高性價比算力平臺的MAXIPILOT1.0量產方案中，部署了數據閉環和33種觸發機制（觸發機制還在持續增加中），包含功能觸發、駕駛員行為觸發、系統觸發、感知觸發等類型，實現邊界數據場景的高效利用。

比如AEB功能觸發前后幾秒，MAXIPILOT會將場景視頻、車身信息、系統參數信息等關聯信息閉環回傳，進行復盤和分析；而感知觸發的目的，是將同一目標的不同傳感器檢測數據做全面的精度對標，大幅提高感知精度，為高階系統落地進行技術積累。

目前MAXIEYE通過量產系統已經積累超過1億公里真實場景數據。“數據回傳之前在車端完成脫敏，通過算法部署把人臉、車牌等信息在車端清洗掉。”

MAXIPILOT量產系統AEB觸發視頻

“看到這些AEB觸發場景，同事們感觸很深，自己做出的產品實實在在避免了潛在交通事故的發生，摩托車橫穿的那個緊急制動，甚至救了一家三口。”

在數據回傳中，MAXIEYE開發了配套工具鏈。通過工具可以看到實時感知結果、實時融合結果、實時路徑規劃顯示，以及給油門剎車發出的控制信號。有價值的場景數據會到后端進行網絡校驗，將更準確的結果不斷更新到量產車中，在場景閉環中實現數據驅動的智能駕駛。

“能不能用低階系統為高階系統賦能？”這是車廠合作伙伴提出的命題，也是MAXIEYE升維的思路所在，即用低階的“成本減法”和眾包方式重建關鍵場景地圖的“場景減法”，為高階智能駕駛鋪路。

高階領航輔助駕駛量產中，城市地面和路口等場景一直是難以突破的瓶頸所在。通過基于用戶車輛的眾包數據，解決路口等關鍵場景的信息重建，可支持高階系統典型場景的敏銳迭代。

眾包數據實現路口等關鍵場景的信息重建

伴隨MAXIEYE全系產品部署數據閉環和相關協議棧、技術棧。換句話說，就是在不同的傳感器系統方案中，除了數據流量不同，都可以用通用的工具鏈賦能車廠客戶搭建完整的數據機制。

此外，MAXIEYE正加速部署BEV技術架構，這種端到端的智能駕駛系統開發，將大幅減少感知目標特征的信息損失，減少對經驗邏輯依賴的同時，真正實現數據驅動的自學習，釋放數據和場景閉環的更大價值。

審核編輯：劉清