一天时间，中国汽车都沉浸在“世界第一”里。小米SU7 Ultra，用真刀真枪的6分46秒874，拿下了纽北最速四门车，成为了世界第一；小鹏汽车，说自己从智驾到企业风格，都和马斯克的特斯拉一样，当然，也有人选择不说话。今年10月25日，华为智能汽车解决方案不动声色的发布了ADS Pro V3.1版本，甚至在次日还迅速开启了V3.2 beat的内测体验，从之前的ADS 3.0智驾效果看，其实就已经非常接近脱手自动驾驶了，而新版本在这基础上，又优化了对细节的感知能力，也新增了不少更类人的决策，总之，整体的功能框架在完成车位到车位这类操作上更加流畅了，参考其他品牌的智驾节点，下个月会有理想500万CLIPS的6.4新模型，小鹏纯视觉5.4、小米新版NOA、智己大规模推开的momenta等等，为什么说华为ADS Pro V3.2更值得大家期待呢？
踩错踏板也能刹停，靠的是LiDar+AEB？
先来回顾一下华为乾崑智驾ADS V3.0的功能效果，在拿掉BEV网络之后，负责感知的GOD网络和负责预测决判的PDP网络，在激光雷达、4D毫米波雷达这类感知硬件的配合下，可以全天候对道路细节做到感知，比如会看红绿灯、会过闸机、启动场景不受限制，遇到鬼探头不会突然一脚刹停，在复杂路口或者交错环岛的通行率也有一定的保证，但做了出于安全冗余考虑，系统在这类场景多数还是会主动降级到LCC，而在最新的版本中，ADS Pro V3.1和V3.2 beat都优化了这类细节，接管率和执行决策都做到了更低、更类人，除了这些，新版本还在哪些方面有明显提升？
从实测体验结果来看，ADS Pro V3.1和V3.2 beat优化了几处功能，包括NCA路口通行，低风险降低脱手警告频次、学习代客泊车路线，导航试图分频显示、雷达遮挡提醒、识别井盖等。这其中，脱手警告不再时不时就突然弹出来，而是系统在判定当下智驾场景风险不高的时候，会一直处于静默状态，从某种意义上讲，这个功能的出现几乎说明华为已经无限接近到了L3，下一步要做的就是接着优化在高风险场景下的决策能力，像在拥堵加塞、人车混行的复杂路口，整套系统的处理机制不再显得呆板，而是伺机加塞或选择绕行，这个执行效果就非常拟人，甚至是在窄路会车或者U型掉头时，系统还会根据与周围障碍物的距离，选择多打半圈方向盘，增大转弯半径避免发生剐蹭。
比较有意思的是新增的几个功能，具体是NCA靠边临停，路面自适应防碰撞，横穿防碰撞避让、误踩加速踏板识别以及误挂挡防碰撞，在之前的版本之中，当导航即将到达目的地时（尤其是非停车场场景），系统会跳出界面提示必须由人工接管泊车，这次的优化就是解决了最后这部分的人类驾驶员操作，直接让车辆自主靠边停车，而在“防碰撞”的几个功能当中，基本都是GOD网络调动AEB发挥了作用，比如当感知硬件发现路面附着力不高的时候，系统会提前触发AEB，随时进行重刹，之前一直有提到的预判鬼探头，更多的其实是针对静止障碍物所完成的判断，比如双向主干道突然蹿出的行人或电瓶车，在察觉到道路危险后已经停止了运动轨迹，优化之后预判的底层逻辑不变，变的是可以在道内或借道紧急避障，当然了，华为也给这项功能做了安全冗余，只有在低速加塞场景之下，才能触发横穿/斜穿防碰撞。
误踩踏板防碰撞有必要单独拿出来聊。前几年，车主对新能源汽车的单踏板模式争议许久，大部分车主认为有类似制动效果的加速踏板，在慌乱中难以分辨自己是否已经采取制动，所以普遍会误踩踏板发生剐蹭，现在看这个问题其实很好解决，在端到端的智驾模式下，可以给大模型训练特定场景，或者直接给它规则，当传感器识别到已经触及碰撞危险距离时，直接调动AEB进行制动，所以即便是驾驶员依然踩着加速踏板，车辆也能刹停，不论是走纯视觉路线还是多传感器路线的智驾方案，这个功能其实都是可以实现的。
值得一提的是，华为在10月25日发布ADS Pro V3.1，次日就推送了V3.2 beat内测，这似乎说明V3.1版本还不够“完美”，从3.1版本的多个实测体验来看，比起内测版本最明显的区别，是后者智驾过程花费的时间更少，同时接管率也更低，也就是说，内测版在细节处理上的决策机制，明显要显得更聪明一些，比如在最考验博弈能力的环岛或复杂路口，在没有自动降级的情况下，同样是面对移动障碍物，3.1版本在考虑选择礼让还是借到绕行的时间，都要比内测版本慢上几秒，所以建议后期直接升级到V3.2正式版。
无限接近L3级，只有华为GOD大网做的最好？
前面提到，误踩踏板防碰撞两大智驾方案都可以实现，但要是拆开来讲，有激光雷达安全冗余度肯定更高一些，毕竟，这种处理方案需要对环境进行实时扫图然后交给大模型去理解，不过在复杂路口环境下，可能会导致系统需要更多的处理时间和算力，这就引出新的思考了，对于没有激光雷达的纯视觉方案，把算力堆上去是不是也能更好的解决？
答案自然是肯定的，算力储备高就意味着大模型在单位时间内，处理数据的速度可以更快，这也是促进AI学习和训练的基础，虽然激光雷达确实会占用一部分算力，把感知数据输送给智心也需要时间，但是这个缺点可以通过优化预判决策网络给弥补掉，引出几个数据作为参考，智己momenta云端算力只有2.5 E FLOPS，理想汽车为4.5E FLOPS，华为乾崑智驾目前有5E FLOPS，小鹏明年会从2.51E FLOPS拓展到10E FLOPS，而特斯拉则高达35E FLOPS，换句话说，激光雷达的出现，其实是不需要太高云端算力的，而纯视觉方案正好反了过来，可能有人不理解了，高算力是不是就等于智驾能力强呢？
并不是，算力只是指芯片每秒能够执行的运算次数，而算法才是自动驾驶的核心，特斯拉FSD就是一个典型的端到端算法，今年转向AI鹰眼的小鹏也是类似的逻辑，都是需要用足够的实测视频训练神经网络，感知层面的数据来源仅仅是靠摄像头来完成，而前两天智己发布的momenta，底层逻辑虽然也是如出一辙，但是感知元件多了一颗激光雷达，所以这就可以很好理解了，纯视觉智驾方案需要大量的算力，也需要不断进化的大模型算法，优点是系统的驾驶行为可以学习人类驾驶员的习惯，计算任务相对精简，级联误差减少之后，数据驱动更容易发挥规模法则，缺点也就很直接了，就是需要堆更高的算力储备和强化算法。
相比之下，现阶段华为的GOD+PDP方案，其实优势要更多一些，就拿最容易出现降级的复杂路口来说，从GOD+AEB的分段式架构变成GOD一张大网，直接就省掉了原来数据传递过程中需要的时间和算力，甚至是路径的博弈，而BEV网络存在之前，系统是需要将整个场景对上障碍物的坐标，然后还要对每个障碍物单独去做运动轨迹分析和预判，这些都需要计算的成本和时间，若是在数据分析量庞大的复杂环岛，BEV网络就会出现数据分析过慢、输送延迟，直到过载导致降级转为人工接管，所以去掉BEV融入GOD网络，可以不再单给运动障碍物分析坐标，直接预测它的轨迹路径就可以了，通俗一点来讲，道理其实和分段式架构并成一张大网是一样的，而实现这些的前提，都是需要大网具备复杂路况的数据理解能力和处理能力。
再有就是感知硬件上的能力了，4D毫米波雷达通过回波可以对小体积的异性障碍物构成立体模型，华为自己的192线激光雷达也是用更多的激光线束对道路细节实时扫图，都是给GOD大网提供数据更加精确的原始数据模型，所以从某种程度上讲，取消BEV网络也是给高精雷达传感器的性能来回“松绑”，具体到效果层面上看，最多两把就能泊入车位的自主泊车功能就是最好的例子。
总结一下，从2021年发布ADS 1.0，到2023年引入GOD网络概念，再到2024年形成由GOD+PDP构成的一张大网解决所有功能，华为的这套乾崑智驾方案，其实在3.0版本的时代就基本摸到了L3级自动驾驶的门槛了，所以在这套系统之后，华为只需要再优化一些处理机制上的细节，提升一些决策执行的速度，能和数据积累量极其庞大的特斯拉FSD抗衡，不出意外的话其实现在就只有华为了。
