2021年3月，雷军推出了小米首款折叠手机MIX FOLD，也正式宣布了要跨界造车，这一年，华为也带来了Mate 40系列，已经成立两年多的华为车BU，推出了华为乾崑智驾的第一代版本，华为ADS 1.0。三年后，华为智驾版本已经迭代了2次，小米汽车也迎来了第一次城区NOA升级，从实测体验看，智驾整体的逻辑趋于人类驾驶员，效果似乎非常接近华为ADS 3.0，如果从小米SU7的上市时间开始算，将近7个月，就几乎赶上了华为在过去一年的迭代水平，那么问题来了，这一次，小米智驾新版本的实力究竟如何？有没有可能在明年追平华为？
复杂路口不再保守，但下一代版本细节处理会更好？
在聊小米汽车城区NOA 1.4.0的效果之前，我们有必要先简单复盘一番小米汽车的端到端大模型。现阶段国内几乎所有涉及高阶自动驾驶技术的车企，都从分段式网络切换到了端到端一体式大模型，具体的技术逻辑这里不再赘述，简单说，就是不用再给控制端写代码规则，把感知端和规控端融合成一个大模型，目的就是减少数据传输的时间，在面对发生过的事情时有经验处理，面对没发生的事去学着处理，这是一个主动学习的过程，最终让系统实现“看到就执行”的效果，小米的智驾技术也是如此。
从底层逻辑看，其实和理想汽车的One-Model结构非常相似，都是端到端+视觉语言模型（VLM），也是用到了2枚算力508TOPS的英伟达 Orin-X芯片。不同的是，小米汽车在BEV网络上用到了变焦技术，也就是可以在感知层面做到动态调节，当在比较考验精度要求的窄路或者停车场时，像素网格大小会调整到0.05米，而在相对宽阔的场景下，这个尺寸会扩大到0.2米，这也是能够实现双向十车道无保护左转的基础条件，理想汽车虽然没用上变焦BEV技术，但是基于快慢两套系统之外，实际上比小米汽车多了一个云端世界模型，当系统遇到无法解决的问题时，会将采集记录后的数据上传，在云端将问题场景进行二次搭建，让大数据分析问题根源之后再针对性进行训练，学习后再交给端到端处理，总之三套模型之间是相互辅助的关系，这两套智驾系统比起来，在不同场景下都有各自的优势。
在上一代的智驾版本中，有不少车主给到的反馈是，复杂路口的处理相当谨慎，人车混行之下接管频次较高，其实相比后期对硬件层面的调整，这类属于软件层面的问题通过OTA做优化更容易解决，在智驾框架思路确定之后，接下来更多的工作就是不断再去优化细节。所以在这一次的新版本中，特意强调已经优化了功能升降级逻辑，对车辆和行人的速度检测也进行了优化，目的就是避免再出现遇到人车流量大的交错路口，系统算不准合适的起步时机只能主动降级。
在新版本中，多了U型路的掉头能力，更据交通信号灯指令能够自主通行，在无前车的路口也能通过，支持对静态占道的临停车、锥桶、三角架等障碍物绕行，从目前多数实测的体验来看，新版本在复杂路口的通行轨迹和细节确实更加趋于拟人化，比如，在变道逻辑中，目前市面上大多智驾系统普遍的做法是，提前开启转向灯，在合适的契机再插入规划道路，而这次小米汽车的新版本，是确保和后车具备安全距离，并确定后车的大致运动轨迹之后，几乎在执行转向的同时开启转向灯。再比如，在无保护左转弯逻辑中，新版本不会按照前车的运动轨迹跟车行驶，而是会向左多打半圈，绕到前车侧后方的“安全区”，巧妙的利用前车的位置，躲开了和对向车辆、行人或者非机动车的混轮博弈。
这两个细节的提升，可以说基本解决掉了绝大多数变道转弯的难题，不过这一代版本也有需要提升的地方，比如，通行效率的优化程度还不够，由于系统在复杂路口做了较多的安全冗余，整体反映会显得稍慢一些，在丁字路口已经出现合适的起步契机时，系统识别到了后方有正在移动的障碍物，所以还在考虑是否继续行径时的几秒钟，错过了本可以直接通行的机会，尽管在复杂路口系统降级的次数变少了，但通行的效率依然不够高。
另外，当行驶至道路中央有静态车辆占道时，系统并不是全部都会采取绕行，即便是道路划线非实线，系统也会提示需要接管，但是在变道、转弯时，多数情况又可以实现流畅的绕行，这个差异显然是决策还不够“成熟”，一部分原因也可能是小米SU7的交付量还在增加，数据积累量还不够多，雷军在最近一次的城区NOA体验中也提到了，在北京50公里左右的城市道路，全程出现了4次接管，原因分别是遇到了事故无法绕行、修路施工、排队进出收费站和人行桥下遇到强加塞，所以不出意外，在下一个版本中，这些细节可能都会被优化。
不用高线束激光雷达，明年也能追平华为ADS 3.0？
从小米汽车新版本的城区NOA效果来看，其实很大程度上，可以说已经非常接近理想汽车的6.4版本了，也相对接近当时还没把BEV融到GOD网络的华为ADS 2.0。那，明年有机会追平ADS 3.0吗？
答案是大概率可以实现。首先，我们从感知硬件来看，现阶段要实现华为ADS 3.0满血功能，是需要1颗激光雷达（192线）、3颗毫米波雷达（一颗4D）、11个摄像头和12颗超声波雷达，在不同感知硬件的数量上，实际上小米汽车也是如此，只不过，激光雷达用的还是禾赛提供的128线（同款理想汽车），在探测距离上比华为自研那枚少了50米，另外小米没有搭载4D毫米波雷达，华为用的来自硕贝德，探测距离在280米，而且擅长捕捉不规则异性障碍物，通过回波将采集到的数据建立立体坐标，再配合实时扫图的192线激光雷达，可以说这套组合把GOD大网的优势全部能挖掘出来，这也是为什么，华为在今年10月25日，只是发布了对细节优化的ADS Pro V3.1版本，而不是发布4.0的原因之一。
理论上讲，96线、128线和196线，线束越多，探测的精度和精度自然越高，而且目前车规级激光雷达产业的价格已经降到了千元级别，小米汽车似乎没有理由不更换高线束的激光雷达，为什么还会用禾赛的128线呢？这是因为，高线束激光雷达本就会占用一部分算力资源，而华为ADS 3.0的芯片算力已经做到了1000TOPS，小米汽车用的2颗英伟达 Orin-X芯片，叠加后算力虽然只有508TOPS，但分给128线激光雷达的资源空间足够用，而这其中最关键的就是，小米汽车只要不放弃BEV技术，就不需要高线束激光雷达。
BEV网络的特点，就是将整个场景给障碍物码上坐标，然后再对每个障碍物单独去做运动轨迹分析、预判，前面已经提到，小米汽车还用上了变焦BEV技术，就是为了把不同场景的精度做好，并且BEV网络对算力的要求远不如高线束激光雷达，这在一定程度上可以说是给VLM让出了一大部分算力资源，而针对道路细节的感知任务，在华为ADS 3.0体系里是由4D毫米波雷达负责的，所以，这样一来，华为的GOD+PDP和小米的端到端+VLM，就形成了两类截然不同的技术路线，底层逻辑看似相同，但是感知层面需要的储备却是不同的，至于二者的大模型能力，目前都已经具备了从周更升级到日更级别，所以接下来要做的，就是比拼数据积累量了，毕竟实测有效数据越丰富，学习训练后的大模型才会更“聪明”。最后也就能给出一波预测了，小米SU7上市7个月就几乎做到了华为用一年升级的ADS 2.0水平，随着后续交付量和数据的提升，估计很快下一代版本就会发出，追平ADS 3.0，大概率明年会实现，若是参考小米首次推送的节点（今年6月）来看，不排除明年6月也会发布新版本，这距离追平华为的时间，还剩下8个月。
