在越来越卷的车市中，昂贵的激光雷达似乎不再是所有人眼中的香饽饽。即便是以智能驾驶技术出圈的华为，也在智界S7身上尝试了一把纯视觉方案。而近期，一向走性价比路线的深蓝汽车就更干脆。定位在15-20万元的深蓝S07（深蓝S7升级版），将采用华为ADS SE版本智驾。一手已经玩转的增程式，再加华为智驾，这波深蓝S07赢麻了？问题的关键似乎变成，纯视觉的华为智驾，到底还有几成功力？
用华为纯视觉，跑高速、高架不降级？
首先在硬件上，既然是纯视觉，那么摄像头必然得到加强。原本深蓝S7搭载的前置单目摄像头，已经被升级至双目。纯视觉方案的硬件底线画出来了，那软件情况呢？华为这套纯视觉方案，使用的还是GOD障碍物检测网络，以及RCR道路拓扑推理网络。前者的作用是识别白名单以外的车辆和障碍物，包括区分车型类别等。后者则是将导航道路，与实际道路进行有效结合。当然，失去激光雷达，理论上会降低车辆的识别精度、广度和抗天气干扰等能力，从而影响GOD的效果。这也是前置摄像头必须使用双目结构，以加强距离判定、抗干扰等方面的能力。至于RCR，只需要“轻图”，也就是基础的导航效果即可。系统可以综合道路识别信息，加上导航数据，得出适当的决策结果，也就是所谓不需要高精地图加持。
从效果上看，之前的智界S7也跟我们打了个样。首先，系统对导航信息加道路识别的整合能力已经相当可靠。无论是通过匝道并入主路的场景，还是从快车道下匝道。整套并线、减速/加速的操作都相对流畅。更重要的是，系统会主动辨识进入匝道的实线长度、匝道曲率、道路状况，来决定变道的时机、车速等。也就是说，其并非一套既定系统，而是一系列结合实际场景做出具体判断的操作。众所周知，既定的执行方案，很难兼顾效率，往往是以安全性作为第一考量。但在高速场景下，相对死板的并线时机，以及进出匝道过慢的车速，只会带来相对更多的安全隐患。
不过在这一套操作中，华为的纯视觉方案，依旧喜欢抱着左道形式。也就是说进入匝道后，会择机迅速进入快车道。而下匝道时，需要至少完成2次变道（以双向四车道为例）。这种注重效率的逻辑风格，在国内一般高速场景，以及城市快速路上，基本不会带来太大影响。而在道路设置相对复杂的城市地面道路上，逻辑就很难一直保持如此清晰。毕竟，即便是高速路段，在突然失去地面标线等极端场景下，华为的纯视觉方案也会有画龙找路的操作。画龙的曲率当然还是可控的，毕竟不同的匝道曲率都可以自主调节速度应付。考虑到华为的方案一向比较激进，也就是更注重效率，所以如此操作也在情理之中。
当然，即便是华为纯视觉的驾驶辅助方案，其对障碍物的识别精度与广度，还是能为安全性做出基本托底。举个最简单的例子，堪称特斯拉一生之敌的雪糕筒，在华为ADS的识别中就不是难事。作为延伸，还有诸如水马等常见障碍物。也就是说，在道路维修、封闭等场景下，华为的纯视觉方案，也可以做出相对流畅的并线、避障等操作。
这种对障碍物的高精度识别，同样可以落在对车辆的识别上。除了对特种车辆，比如救护车、警车等等，在高速路况下，精准识别大货车，是相当具有现实意义的存在。考虑到新能源车相对传统燃油车都更宽，在高速超越大型卡车时，难免需要一定的避让操作。而华为的纯视觉方案，通过识别障碍物之后，就可以做出避让加快速超越的执行判断。这一逻辑，同样适用前车压线行驶，甚至是加塞等场景。考虑到，结合摄像头和毫米波雷达，车辆对侧后方的观察是实时状态。所以得出避让结论的智能驾驶系统，实际上比驾驶员还要更加敏捷和安全。不过由于没有激光雷达，对于前置路况的判断上，会影响AEB系统的理论刹停车速。这不是后面要提到的端到端可以解决的，必须依靠对数据的深度感知。
效果还会更好，还能省下10%的购车成本？
华为这套纯视觉方案，就是倚仗积累的算法优势，配合导航轻图信息做辅助，在感知信息被削弱的情况下，依旧完成可靠的高阶驾驶辅助操作。在摆脱高精地图之后，眼下又可以支持卸下激光雷达。这无疑是能为车企和消费者省钱的操作，结合智界S7的情况来看，在动力系统、续航、基础配置都基本看齐的情况下，采用纯视觉方案，可以省下2万元。
不过这种影响也不会是被锁死的状态，因为无论是否为纯视觉方案，华为乾崑智驾都是依托的端到端大模型构建。此前我们也提到过多次，端到端是一套黑盒模式的大模型。一端输入信息，另一端得出结果。至于中间的过程，就属于不可知范畴。所以端到端大模型需要长期以及大量的数据训练进行完善。而不同的车企或智驾系统供应商，在面对开发端到端大模型时，给出的冗余和解决方案是不同的。华为的选择，既不是通过车辆驾驶员自主训练，积累特定道路的操作能力。也不是仅依靠海量的后台输入信息，进行单纯虚拟跑图。而是在识别到车主进行主动接管的场景后，通过针对性后台训练进行克服。
也就是说，车主在这一路口需要通过自主介入才能通过，那么在下一轮迭代后，很可能会修复这一场景。如此操作的优势是，车主的介入是相当主观的。软件系统无法判断这种介入是否具有普遍性，也就会被训练出一人一车的效果。而如果只是虚拟跑图学习，那整套模型的训练效率又会太低。结合实际场景，进行针对性训练，是可以兼顾效率和普适性的选择。当然，端到端大模型的打磨，并不能掩盖硬件上的选择。激光雷达有它的必要性，其能提供的冗余是纯视觉方案难以替代的。但对相当一部分消费者而言，在20万元级别的产品中，能够省出2万元左右的购车成本，同时依旧可以获得一个至少能覆盖高速路况，兼顾一定日常的高阶智能驾驶辅助系统，其性价比也是不容忽视的。
