整个2024年，中国汽车市场竞争最激烈的赛道是什么？高阶智驾无疑位列其中。
如果说去年以“BEV+Transformer”为范式的感知架构成为共识，给城市NOA的开城节奏添上一把火，那么今年各大车企陆续官宣的端到端模型上车规划，则为行业展示了未来高阶智驾的无穷潜能。
当高阶智驾成为智能汽车的核心竞争力，如何打造产品差异化特色将是各大车企需要思考的问题。既要卷功能，覆盖更多实际场景，还要兼顾性价比，做到极致降本增效。在多元化的市场需求下，车企与智驾方案供应商的通力合作，在未来显得尤为重要。
在智驾行业格局迎来大洗牌的当下，拥有核心自主技术实力成为能否“留在牌桌上”的关键。在一众智驾供应商中，几何伙伴近年来始终保持着谨慎而务实的姿态，逐步将技术底座打磨精进。该公司将自身定位于一家专注于技术的硬科技企业，致力于以技术创新为智驾平权贡献力量。
近日，在几何伙伴行泊一体高阶智能驾驶3.0系统（下文简称为“G-PAL 3.0系统”）进入量产阶段之际，几何伙伴首席技术官张显宏接受了本刊的专访，详细介绍了该公司别具一格的“技术降本，集智提效”技术路线。
“G-PAL 3.0系统是几何伙伴在1.0/2.0系统的基础上，对软硬件架构进行的全方位升级。与市场上其他智驾方案相比，‘视觉+4D毫米波成像雷达的端到端雷视融合感知’和‘行泊一体’是G-PAL 3.0系统的最大特色。截至目前，已经有不少主机厂对几何伙伴的这套基于雷视融合的软硬件一体方案展现出了浓厚的兴趣。”G-PAL 3.0智驾系统能够提供全天候、高可靠、高性能的智驾体验，并具备扩展全场景点到点的能力，因此张显宏对公司技术路线的规模化量产充满信心。
独具特色的智驾方案
感知是智能驾驶技术链的第一环，高阶智驾的发展离不开感知传感器技术的进步。
以感知系统区分，主流的高阶智驾方案分为三个流派：以特斯拉为代表的“纯视觉”、“视觉+传统3D毫米波雷达”，以及许多厂商坚持的“视觉+激光雷达”融合方案。不同流派有各自优劣势，或在感知性能上有所不足，或受制于恶劣天气影响，或成本高昂不利于在20万以下中低端车型上推广。
有没有一条技术路线，能够同时兼顾“成本可控”和“功能好用”？这就是几何伙伴在最新推出的新一代解决方案中，将重心聚焦在“视觉+4D毫米波成像雷达（下文简称为‘4D成像雷达’）”的初衷。
相较于传统的毫米波雷达，4D成像雷达增加了俯仰向的角度分辨与感知能力，并且分辨率显著提升。此外，4D成像雷达在点云的密度和质量两方面的优势也十分明显。
“传统3D毫米波雷达探测距离最远是300米，而4D成像雷达则能将这一数字提升至400米以上。与此同时，‘视觉+4D成像雷达’技术路线在感知性能上远高于纯视觉方案，然而在总成本上却远低于‘视觉+激光雷达’方案。”张显宏介绍道。
具体来看，雷达进入4D成像时代之初，其相较于一般毫米波雷达更高的硬件成本，一度成为横亘在行业发展道路上的一道门槛。然而，凭借扎实深厚的技术沉淀和工程经验，如今几何伙伴的4D成像雷达已成功实现成本优化，具备更高的性价比优势。以和某主机厂合作的车型改款项目为例，“实际上我们这套‘视觉+4D成像雷达’系统在成本上和这款车型之前用的‘视觉+毫米波雷达’方案差不多，但智驾系统的性能却有了跨越式的提升。”张显宏如此阐述公司“视觉+4D成像雷达”方案的核心竞争力。
几何伙伴行泊一体高阶智能驾驶3.0系统
据悉，几何伙伴推出的4D成像雷达为其纯自研，拥有出色的测距测速能力和对弱光、恶劣天气环境的适应性，对Corner Case的覆盖度也更为广泛。G-PAL 3.0系统中雷达传感器已全系升级为4D成像雷达，此外，视觉传感器亦可提供丰富的纹理和颜色信息。基于360°“视觉+4D成像雷达”融合感知系统，G-PAL 3.0系统能够不依赖激光雷达即可实现城市NOA，同时在泊车场景下无缝替代超声波雷达。在强大的感知和算法能力加持下，G-PAL 3.0系统可以应对一些难度较高的复杂场景，涵盖鬼探头、异形障碍物、施工区域通行、人车混行等。
当然，G-PAL 3.0系统的差异化不仅仅体现在其独特的感知方案，基于国产中高算力SoC的行泊一体域控设计，则又进一步助推了系统的降本增效。
行泊一体的优势毋庸置疑，由于能够最大化地复用行车和泊车的传感器，得以大幅度地节约了硬件成本。同时，相较于行泊分离，行泊一体将行车功能和自动泊车集成在一个域控制器上，传感器、算力、算法等资源能够深度共享，受益于此，系统的功能上限将大幅拓展。此外，行车和泊车场景全面打通之后，智驾功能得以在不同的场景之间无缝切换，无疑为消费者的智驾体验带来质的飞跃。
据介绍，几何伙伴车规级行泊一体域控制器采用高性能SoC，能够处理大量复杂的计算任务，支持多种传感器数据的并行处理和融合，从而确保车辆能够对周围环境进行准确感知并高效处理。值得一提的是，该域控制器还充分考虑了可扩展性，能够支持从入门级到高算力平台，全面覆盖不同售价的车型。
全方位提升智驾水平
高阶智驾快速发展的背后，除了在传感器、芯片等硬件性能方面的提升，算法、架构、数据等能力同样起到关键的支撑作用。几何伙伴在拥有独特的感知硬件技术路线之外，也在这些方面持续发力。
以算法为例，几何伙伴的通用感知网络GGPNet通过Transformer架构中的交叉注意力机制，能够有效处理视觉和4D成像雷达数据之间的复杂关系，尤其是能够融合对小型目标或部分遮挡目标的感知能力，以及捕捉到更细腻的物体表面特征，使得感知系统可以在复杂环境下更精准地进行目标检测、分类和追踪。
算法的持续演进离不开数据的驱动。据介绍，几何伙伴已经构建起超千万帧专业级“视觉图像+4D毫米波成像雷达点云”的多模态数据集。其原始数据里程超百万公里，全天时全天候的数据积累涵盖城区、快速道路及高速公路等近千个场景。
另一方面，今年以来，端到端的智驾方案如雨后春笋般涌现。通过先进的深度学习网络，端到端模型能够整合感知、规划、执行的模块功能，使得智驾系统的自主迭代升级速度大幅加快，并且在消费者日常使用时也能获得更接近真人的驾驶体验。
“在G-PAL 3.0系统中，几何伙伴推出了通用感知端到端、预测决策一体化的分段式端到端架构。”张显宏介绍道。之所以没有急于量产目前行业热议的一段式端到端，几何伙伴主要考虑到，相比类似“黑匣子”的一段式架构，现阶段分段式的端到端架构可解释性更强，在提升性能的同时确保了安全性，也更易落地。另外，分段式端到端架构具有良好的扩展性和可迭代性，允许在现有框架上逐步引入更先进的技术或优化现有模块，更符合用户刚需。比如，几何伙伴在模型输入端引入4D成像雷达更丰富的感知结果，降低从感知到规控的信息差，相比于常见的分段式架构能带来更高的性能天花板。
几何伙伴分段式端到端算法架构
具体来看，几何伙伴的算法架构把原本基于多个神经网络模型的感知任务，收拢到一张全面互联的感知网络上，通过这种方式，极大地提升了信息的整合效率和处理的协同性；同时，预测和决策也得以无缝衔接，加之可解释性规划控制，便形成了一张认知网络，同时能够确保必要的安全性与合理性。通过前后两张网完成所有驾驶任务，这就是几何伙伴的分段式端到端架构的基本策略。
赋能客户价值最大化
随着主机厂推出新车的速度不断加快，车型的迭代周期也在极致压缩。面对主机厂希望智驾方案快速上车的需求，几何伙伴也在思考如何以更优的效率，加快交付的流程，其创新性地赋予了G-PAL 3.0系统“菜单式交付”的属性，能够满足客户千人千面的产品要求。
“G-PAL 3.0系统的‘菜单式交付’体现在多个方面，大到功能的量身定制，小到软件模块、算力平台、算法、传感器等的灵活选择。”张显宏认为，总体来说用户对高阶智驾的消费热情不断走高，但在中低端车型上，用户对智驾系统的价格敏感度仍然较高，因此主机厂更希望在整个方案的软硬件选择上更具自由度。
以算力平台为例，几何伙伴为G-PAL 3.0系统配置了算力覆盖100~500+TOPS的Lite(128TOPS)、Pro(256TOPS)、Max(500TOPS) 三款平台，分别针对轻量城区NOA、进阶城区NOA和全场景城市NOA的不同算力需求。基于此，几何伙伴希望以合理算力配置+全天时全天候数据积累辅助迭代，通过更低成本的计算资源实现更优质的功能体验。
值得一提的是，G-PAL 3.0系统平台选用地平线J6系列作为主芯片，一方面在不损失性能的前提下，实现了成本的优化。另一方面，国产化芯片的引入旨在确保供应链安全可控。
此外，在模块化的设计理念下，几何伙伴G-PAL 3.0智驾系统还支持客户按需选择传感器阵列、域控制器配置并组合定制成最契合自身需求的智驾系统解决方案。如此一来，极大提高了交付的灵活性和效率，同时有效缩短了产品研发周期并降低成本。
写在最后
站在普通消费者的角度出发，高阶智驾的百花齐放，无疑为“智驾平权”提供了契机，而几何伙伴提供的这套高阶智驾解决方案，切实地击中了当下用户对高阶智驾，兼具技术领先和突出性价比的痛点。未来随着G-PAL 3.0系统规模化量产的逐步推进，几何伙伴还将持续对智驾方案精益求精，推动中国高阶智驾行业向上发展。
