最近一两年智能汽车产业发展速度很快，各种智能驾驶和智能座舱系统纷纷上车。而智能系统又需要芯片提供算力，所以高通、AMD、英伟达等芯片巨头也成了新车发布会的常客。
智驾芯片市场的趋势非常明显。像是理想L9、蔚来ET7、威马M7、智己L7、飞凡R7、小鹏G9等新出的智能汽车，清一色都选择了英伟达的Orin芯片。
这种近乎垄断式的市场趋势，让这颗以GPU作为主要AI加速器的SoC芯片成了汽车芯片市场的当红炸子鸡。
但搞智能驾驶，尤其是城市L2，芯片真的就只能选英伟达吗？在智能座舱领域疯狂圈粉的高通芯片，在智能驾驶上又表现如何呢？
车东西今天就从当下智能驾驶系统的发展趋势来回答这个问题。
今、明两年，智能驾驶的发展重点都在城市场景的端到端高阶智能辅助驾驶方向，业内一般简称为城市L2或者城市NOA。
与相对封闭的高速公路和城市快速路场景相比，城市场景的复杂度是指数级上升。既多出了十字路口、红绿灯，又有大量行人、电动车、自行车等交通参与者，还会有树木、建筑遮挡视野的问题存在。
▲城市L2面临多种挑战
与此同时，高阶智能辅助驾驶系统极其依赖的高精地图覆盖的城市还远称不上广泛，且城市道路还经常会进行各种施工、改道等操作，高精地图的更新也面临较大挑战。
要解决上述两个难点，智能驾驶业内最可行的办法就是使用“重感知、轻地图”的解决方案，这里的典型代表就是高通、魏牌和毫末智行联手打造的城市NOH系统。
该系统首先搭载在魏牌的摩卡DHT-PHEV激光雷达版之上。这里注意，这款车上市后，用户买到就可直接使用城市NOH系统，可不是期货。
▲摩卡DHT-PHEV激光雷达版
说回技术本身。为了应对复杂的城市场景，该车搭载了2颗125线激光雷达，4颗800万像素高清摄像头，8颗普通摄像头，还有5个毫米波雷达，在感知硬件上远超普通的高速L2车型。
▲摩卡DHT-PHEV激光雷达版传感器布局
这套基于高通Snapdragon Ride平台打造的城市NOH系统放弃了HD高精地图，转而使用增强版的SD标准精度地图。虽然地图精度在分米级别，但可以通过对静止物体的感知比对来提升本车的自定位精度，从而达到高精地图的效果。
从前面的介绍也可以看出来，强悍的感知硬件和SD地图方案必须得有强悍的感知算法才能发挥作用，而强悍的感知算法自然又要用到强悍的智驾芯片。
不管是高通和魏牌、毫末智行联手打造的这套城市NOH方案，还是特斯拉的FSD、理想的AD Max等城市智驾方案，都不约而同的选择了BEV+Transformer的技术路径。
简单来说，这项技术分三步。首先是将各个摄像头的原始感知数据进行预处理后得到一些特征数据。然后将特征数据扔进Transformer多任务模型中，输出完整统一的BEV视角下的感知结果，包括车道线、其他障碍车辆，还有信号灯等目标结果。
最后呢，基于这些目标结果的位置和行驶轨迹，就能计算出本车的行驶策略了。
因为感知结果是在BEV鸟瞰视角下统一呈现，静止和动态物体的相对位置非常清晰，更容易做出更优质的驾驶决策。
而如果用此前各摄像头独立感知目标再进行后融合的传统做法，在障碍车辆出现跨摄像头场景的时候就很容易出现漏检、错检的问题，对应在行驶上就是智驾系统在面临Close Cut in（近距离加塞）场景时表现不佳——要么没感知到直接往上撞，要么最后一刻才感知到，突然一个急刹车。体验很糟糕！
从高通近期释放的一支上路实测视频，以及车东西的实车体验来看，运行在高通Snapdragon Ride平台上的NOH系统表现相当亮眼。
一方面它打通了高速公路、城市快速路和城市开放道路的场景限制，在各个场景都可使用。另一方面，系统也能很好地处理等红灯、通过十字路口、礼让行人、通过环岛、无保护左转等复杂城市场景，真正具备了实现城市内端到端高阶智能辅助驾驶的能力。
▲城市NOH路试
魏牌摩卡DHT-PHEV激光雷达版将会让高通和魏牌、毫末智行联手打造的城市NOH系统成为全球少数几个最先实现量产落地的城市高阶智能辅助驾驶系统之一。
回到智驾系统本身。BEV+Transformer的技术架构虽然比传统的智驾方案更加优秀，但显然也会带来新的挑战。
与此前单摄像头+单毫米波雷达的L2方案相比，新的技术架构不仅需要先单独对所有摄像头的原始数据进行处理，还要运行像是Transformer这样的多参数大模型来输出多个感知结果。
那算力需求直接是上百倍的提升。正是如此，我们才会看到最近一两年新出的智能汽车，无一例外都在强调自己搭载了动辄数百，甚至上千TOPS AI算力的车载芯片。
有人说车企是被迫卷算力，为的就是一个营销噱头，那这真是图样图森破。正如前面所言，一旦你了解到智能驾驶系统正在发生的根本性的技术变化，你就会知道算力真的是越多越好了。
那问题又来了，大算力智驾芯片到底是选当红炸子鸡英伟达Orin，还是选高通Snapdragon Ride等其它平台呢？
这还得从技术上来看。自动驾驶作为一种软硬件一体，且高度定制化的嵌入式系统，只有软件和硬件达成最佳的契合，才能在系统层面实现最好的效果。
但现实是各家的技术大方向一致，而实现细节上却千差万别。比如对摄像头原始数据进行预处理的神经网络和Transformer模型，各家都不一样。
魏牌和毫末智行在选择了高通Snapdragon Ride计算平台后，同样打造出了一套优秀的城市NOH系统。正说明选智能驾驶芯片就跟买衣服一样，根本不用刻意追求畅销款，适合自己的才是最好的。
高通Snapdragon Ride计算平台由SoC芯片、AI加速器、配套的工具链以及一站式视觉软件栈等组件组成。
魏牌摩卡DHT-PHEV激光雷达版搭载的计算平台由5nm制程的Snapdragon Ride SoC和7nm的AI加速芯片为智驾系统提供算力，整个控制器的AI推理能力达到了360TOS，超过了特斯拉的FSD计算平台（144TOPS），也超过了单颗英伟达Orin SoC组成的控制器（254TOPS）。
这些SoC内部搭载了面向规划与决策的高性能CPU、支持高端可视化与沉浸式用户体验的尖端GPU、面向摄像头传感器的ISP、面向传感器信号处理的增强型DSP、安全处理器等多种核心，能够支持包括Transformer、标量、矢量、矩阵等多种AI神经网络和算子进行加速，非常适合重感知的技术路径。
▲高通Snapdragon Ride Flex SoC结构图
高通Snapdragon Ride平台还有一个绝招。
如果觉得360TOPS算力不合适，还可以在高通Ride平台旗下不同的SoC和加速器产品矩阵中自由选择，灵活组合成算力不同的计算平台，满足从ACC到HWA，再到城市NOH，或者是从L1到L4级自动驾驶的各种开发需求。
▲高通Snapdragon Ride Flex SoC可灵活与AI加速器组合
这种不同SoC和加速器随意选择的灵活性，在当下也根本找不出第二家。这就能够有效降低车企和Tier1的研发成本，减少重复开发工作，能够更快地推出可量产车型。
高通作为全球最大的科技和芯片巨头之一，为了让车企和Tier1用好自己的Ride平台可是操碎了心。他们为开发者提供了丰富的配套软件，包括安全中间件、操作系统和驱动软件栈。
这些研发工具具备极其友好的开发界面和接口，可以帮助汽车行业合作伙伴更好地理解硬件底层逻辑和优化，更简便地解决不同问题。
另外呢，为了进一步丰富平台能力，高通此前也收购了原来为沃尔沃和奔驰提供智能驾驶技术的汽车零部件厂商——Veoneer维宁尔旗下Arriver公司的计算机视觉、驾驶策略和驾驶辅助资产，将其全部整合进Snapdragon Ride平台产品组合，支持全球车企和智能驾驶Tier1们利用Arriver的驾驶策略解决方案，更便捷和高效的打造驾驶策略、泊车或驾驶员监测软件栈和先进导航功能。
总结来说，正是这一系列强大硬件和完善的工具、软件的支持，才让摩卡DHT-PHEV激光雷达版从概念到量产只用了不到2年的时间，其中高通Snapdragon Ride平台带来的底层技术能力也功不可没。
