隨著全球科技的迅速發(fā)展，汽車產業(yè)正經歷著從機械化向智能化的發(fā)展轉型，而智能駕駛技術則是這一變革的核心推動力。全球各大汽車制造商和科技公司紛紛布局智能駕駛，希望在未來出行領域搶占市場先機。據(jù)麥肯錫預計，中國未來很可能成為全球最大的自動駕駛市場，至2030年，自動駕駛相關的新車銷售及出行服務創(chuàng)收將超過5000億美元。自動駕駛汽車的普及率必然大幅上升，這也預示著未來出行模式將會發(fā)生根本性變革。華為作為信息通信技術領域的領軍企業(yè)，憑借其在通信、云計算和人工智能（AI）方面的技術積累，迅速切入了智能駕駛領域。自2021年發(fā)布ADS 1.0以來，華為通過持續(xù)的技術迭代和優(yōu)化，推出了更為先進的ADS 2.0和ADS 3.0，逐步確立了其在全球智能駕駛領域的競爭優(yōu)勢。

華為ADS的發(fā)展歷程：從1.0到3.0的技術演進

華為的智能駕駛系統(tǒng)ADS自2021年問世以來，經歷了三次重大版本迭代，每個版本的技術演進都反映了華為在智能駕駛領域的創(chuàng)新與突破。從ADS 1.0依賴高精地圖的“有圖”方案到ADS 2.0的“無圖”自主駕駛，再到ADS 3.0引入端到端大模型，華為ADS系統(tǒng)的每一次升級都帶來了技術上的質變。通過不斷優(yōu)化傳感器融合技術、提升系統(tǒng)算力和算法精度，華為ADS系統(tǒng)在自動駕駛的安全性、穩(wěn)定性和成本控制方面取得了顯著進步。

華為ADS歷史版本特性

1.1ADS 1.0：多傳感器融合與高精地圖依賴

2021年發(fā)布的ADS 1.0是華為進入智能駕駛市場的起點。該版本采用了多傳感器融合方案，包括激光雷達、毫米波雷達、攝像頭等設備的組合，依賴高精地圖實現(xiàn)車輛的路徑規(guī)劃和障礙物檢測。ADS 1.0的技術核心在于傳感器數(shù)據(jù)的融合，車輛通過采集周圍環(huán)境信息進行實時分析，從而為駕駛員提供駕駛輔助功能。l高精地圖依賴：ADS 1.0高度依賴高精地圖進行路徑規(guī)劃，這意味著車輛需要提前獲取城市或道路的高精地圖數(shù)據(jù)。這種技術方案在一些特定城市（如上海、廣州等）能夠實現(xiàn)較為穩(wěn)定的自動駕駛功能，但在城市拓展性方面存在局限性。l硬件配置：ADS 1.0采用了較為高配的硬件配置，包括3個激光雷達、6個毫米波雷達和13個攝像頭。這一組合提供了豐富的環(huán)境感知能力，但也使得系統(tǒng)硬件成本居高不下。l技術挑戰(zhàn)：高精地圖的覆蓋和更新成本較高，特別是在新興城市或新建道路中，地圖更新滯后會導致車輛無法獲取準確的道路信息。此外，復雜硬件配置也增加了系統(tǒng)的維護難度和成本。

1.2ADS 2.0：自主感知與無圖駕駛的突破

ADS 2.0于2023年4月發(fā)布，帶來了重大技術突破，其最大的亮點在于“無圖駕駛”。華為通過自主感知技術和路徑規(guī)劃算法，使車輛能夠在沒有高精地圖的情況下自主識別車道、障礙物及周圍環(huán)境，從而實現(xiàn)智能駕駛。ADS 2.0標志著華為在智能駕駛技術領域從依賴外部數(shù)據(jù)到完全自主感知的跨越，華為ADS 2.0在2023年Q2已實現(xiàn)深圳、上海、廣州、重慶、杭州的城區(qū)NCA落地，并在2024年春節(jié)之前實現(xiàn)了無圖智駕城區(qū)NCA對M5M7智駕版用戶的全量推送，2024年3月實現(xiàn)了對問界M9的全量推送。

GOD算法：ADS 2.0采用了GOD（Generalized Occupancy Network）算法，通過將外界環(huán)境劃分為多個立方體，并判斷每個立方體的占用狀態(tài)，系統(tǒng)能夠實時生成精確的環(huán)境模型。這種算法極大地提高了系統(tǒng)在復雜城市環(huán)境中的泛化能力。

無圖駕駛的實現(xiàn)：無圖駕駛意味著ADS 2.0不再依賴高精地圖進行導航和路徑規(guī)劃，而是通過傳感器采集到的實時數(shù)據(jù)和GOD算法進行自主決策。這一技術的突破大大降低了自動駕駛系統(tǒng)對地圖更新的依賴，并且使車輛在任何復雜或未知的環(huán)境中都能安全運行。

硬件優(yōu)化：ADS 2.0進一步優(yōu)化了硬件配置，激光雷達數(shù)量從3個減少到1個，毫米波雷達數(shù)量從6個減少到3個，攝像頭也從13個減少到11個。這種優(yōu)化在降低硬件成本的同時，依然保證了系統(tǒng)的感知能力和穩(wěn)定性。

1.3ADS 3.0：端到端大模型的應用

2024年，華為發(fā)布了最新的ADS 3.0版本，進一步提升了智能駕駛系統(tǒng)的感知和決策能力。ADS 3.0引入了端到端大模型架構，有別于特斯拉所宣傳的“大一統(tǒng)”模型，華為ADS采用感知+決策分層的GOD+PDP架構，這使得系統(tǒng)能夠在不同場景下進行自主感知、決策和路徑規(guī)劃，并實現(xiàn)復雜環(huán)境中的智能駕駛。

端到端大模型：ADS 3.0的技術核心在于端到端大模型。通過大規(guī)模數(shù)據(jù)訓練，系統(tǒng)能夠從傳感器輸入中直接生成決策和路徑規(guī)劃結果，簡化了傳統(tǒng)的分階段處理流程。這一技術顯著提升了系統(tǒng)的智能化程度和實時響應能力。

車位到車位的全自動駕駛：與ADS 2.0主要適用于城市道路和高速公路不同，ADS 3.0進一步擴展了功能，支持從停車位到停車位的全自動駕駛，包括自動泊車和復雜環(huán)境中的自主導航。

硬件配置：從繁雜到簡化的技術優(yōu)化

智能駕駛系統(tǒng)的性能在很大程度上依賴于硬件配置。華為在ADS系統(tǒng)的發(fā)展過程中，通過對傳感器配置的優(yōu)化，實現(xiàn)了從高成本的復雜硬件組合到性能優(yōu)異的精簡方案的轉變。通過逐步減少傳感器數(shù)量、提升硬件性能，華為成功降低了系統(tǒng)的整體成本，并提升了傳感器融合的效率。

2.1多傳感器融合的必要性與優(yōu)勢

多傳感器融合是智能駕駛系統(tǒng)感知環(huán)境的關鍵技術。單一傳感器難以應對復雜多變的駕駛環(huán)境，特別是在不同光照條件或惡劣天氣下，不同類型的傳感器具有各自的優(yōu)缺點，因此必須通過融合技術來實現(xiàn)全面感知。

華為多傳感器融合方案

激光雷達：激光雷達通過發(fā)射激光束并計算返回的時間差來生成三維環(huán)境圖像。它的主要優(yōu)勢在于高精度、長距離感知，適用于光線較好且無遮擋的場景，生成的環(huán)境模型精確且穩(wěn)定。

毫米波雷達：毫米波雷達在極端天氣和夜間表現(xiàn)優(yōu)異，它通過電磁波探測物體的距離、速度和角度。毫米波雷達的探測范圍較激光雷達廣，尤其在夜晚或霧天等條件下，毫米波雷達能夠補充激光雷達的感知盲區(qū)。

攝像頭：攝像頭主要用于捕捉車輛周圍的圖像信息，能夠識別車道線、障礙物、行人等細節(jié)信息。攝像頭與激光雷達、毫米波雷達的融合顯著提升了系統(tǒng)的綜合感知能力。

2.2從高配到精簡：傳感器配置的優(yōu)化歷程

ADS 1.0采用了多達3個激光雷達、6個毫米波雷達、13個攝像頭及12個超聲波雷達的配置，確保了系統(tǒng)具備較高的環(huán)境感知能力。然而，這種高配方案導致了硬件成本的上升，增加了整車的制造成本和系統(tǒng)復雜性。為了解決這一問題，ADS 2.0和ADS 3.0逐步減少了傳感器數(shù)量，并通過傳感器的性能優(yōu)化來彌補數(shù)量的減少。

華為歷代ADS硬件方案

激光雷達的減少：從ADS 1.0的3個激光雷達到ADS 2.0和ADS 3.0的1個激光雷達，雖然傳感器數(shù)量減少，但華為通過技術提升增加了單個激光雷達的覆蓋范圍和分辨率，使其感知效果更加出色。

毫米波雷達和攝像頭的優(yōu)化：在ADS 2.0中，華為的毫米波雷達和攝像頭也得到了進一步優(yōu)化。3個毫米波雷達與11個攝像頭的組合依然能夠提供全面的環(huán)境感知能力，并且顯著降低了系統(tǒng)的整體硬件成本。

2.3激光雷達的技術進步與成本下降

激光雷達作為智能駕駛系統(tǒng)中最昂貴的傳感器之一，其技術進步和成本下降對行業(yè)有著重大影響。在ADS 2.0中，華為采用了192線激光雷達，這相比96線激光雷達顯著提升了分辨率和掃描頻率。激光雷達的分辨率越高，車輛對周圍環(huán)境的感知精度也越高，能夠有效提升自動駕駛的安全性與準確性。此外，隨著技術的成熟，激光雷達的制造成本也在逐步下降。以速騰聚創(chuàng)為例，其激光雷達價格從2021年的1萬元降至2024年的2600元，這大幅降低了智能駕駛系統(tǒng)的硬件成本，使激光雷達成為大規(guī)模商用的可行方案。

2.4毫米波雷達的創(chuàng)新與4D成像

毫米波雷達在ADS系統(tǒng)中發(fā)揮了關鍵作用，特別是在低能見度的條件下，它能夠準確識別周圍物體的距離、速度和方位。ADS 1.0階段使用的3D毫米波雷達在探測距離上表現(xiàn)出色，但無法提供物體的高度信息。在ADS 2.0和ADS 3.0中，華為推出了4D毫米波雷達，不僅能夠探測物體的二維平面信息，還能夠提供物體的高度數(shù)據(jù)，從而生成更加完整的環(huán)境模型。4D毫米波雷達的成像效果接近激光雷達，但成本卻低得多。因此，4D毫米波雷達的引入大幅提升了ADS系統(tǒng)的性價比，使其在惡劣天氣下依然能夠保持較高的環(huán)境感知能力。

算法架構：從人工標注到自主決策

在智能駕駛系統(tǒng)中，算法架構是決定車輛如何從感知數(shù)據(jù)中提取有效信息、做出實時決策的核心因素。華為ADS系統(tǒng)的算法架構經歷了從BEV的人工標注、GOD的自主感知，再到ADS 3.0的端到端大模型的逐步升級。每次迭代都標志著華為在智能駕駛算法方面的重大突破，使得系統(tǒng)在感知精度、實時決策和路徑規(guī)劃方面的性能大幅提升。

3.1BEV算法：鳥瞰視角的初步感知

ADS 1.0階段，華為采用了BEV（Bird's Eye View，鳥瞰視角）算法，該算法通過多傳感器融合，將車輛周圍環(huán)境的數(shù)據(jù)以三維的方式呈現(xiàn)。車輛通過這一視角進行障礙物識別和路徑規(guī)劃，能夠實現(xiàn)較為精準的駕駛輔助功能。然而，BEV算法依賴人工標注的高精地圖，這在動態(tài)變化的城市環(huán)境中存在局限性，特別是在高精地圖更新速度較慢的情況下，車輛的路徑規(guī)劃和環(huán)境感知能力可能受到影響。

BEV輸入及輸出示意圖

3.2GOD算法：無圖駕駛的自主決策

在ADS 2.0中，華為引入了GOD（Generalized Occupancy Network）算法，極大地提升了系統(tǒng)的自主決策能力。GOD算法通過將環(huán)境劃分為多個小立方體（occupancy grid），并判斷每個立方體是否被占用，進而生成一個動態(tài)的環(huán)境模型。這一算法不再依賴人工標注的高精地圖，而是通過實時數(shù)據(jù)感知環(huán)境的變化，并根據(jù)道路狀況做出自主決策。相比BEV算法，GOD算法大幅提升了系統(tǒng)在復雜城市環(huán)境中的泛化能力和適應性。特別是在路況復雜、交通環(huán)境多變的城市，GOD算法能夠實時識別障礙物、行人、其他車輛等，并自主規(guī)劃最優(yōu)路徑，極大提升了系統(tǒng)的靈活性。

3.3端到端大模型：深度學習驅動的智能決策

ADS 3.0標志著華為在智能駕駛算法領域的又一次飛躍。與傳統(tǒng)的模塊化算法不同，ADS 3.0通過引入端到端大模型，實現(xiàn)了從傳感器輸入到感知、決策、規(guī)劃的全面一體化。端到端大模型的核心是基于深度學習的算法架構，系統(tǒng)能夠通過大量的駕駛數(shù)據(jù)進行訓練，逐步提升其對復雜環(huán)境的適應性和自學習能力。端到端大模型的應用不僅提升了系統(tǒng)的計算效率，還使得系統(tǒng)能夠在不同的場景下進行更為精準的決策。這一技術突破顯著提升了ADS系統(tǒng)的智能化水平，使其在自動駕駛的實時性和響應能力方面達到了新的高度。

算力優(yōu)化：精準與高效的平衡

智能駕駛系統(tǒng)的算力需求直接影響其處理速度、決策能力和系統(tǒng)功耗。華為ADS系統(tǒng)在算力配置上經歷了從超配到精準的優(yōu)化過程，通過MDC（Mobile Data Center）計算平臺的逐步升級，華為實現(xiàn)了智能駕駛系統(tǒng)的算力優(yōu)化，既提升了系統(tǒng)性能，又降低了不必要的功耗和硬件成本。

4.1MDC計算平臺：從高算力到雙版本方案

ADS 1.0階段，華為采用了自研的MDC 610 Pro計算平臺，支持400 TOPS的算力，以滿足L3級別及更高階的自動駕駛需求。然而，實際應用中，這種超高的算力配置并未被充分利用，特別是在L2+級別的自動駕駛場景中，算力冗余帶來了不必要的功耗和成本增加。

為了優(yōu)化算力配置，ADS 2.0將算力調整至200 TOPS，滿足L2+級別智能駕駛需求，同時大幅降低了系統(tǒng)的功耗。到ADS 3.0階段，華為進一步引入了“高+低”雙版本算力方案，MDC 610平臺用于日常駕駛場景，而MDC 810平臺則為未來更高階自動駕駛提供預留空間。這一策略不僅優(yōu)化了成本，還提升了系統(tǒng)的可擴展性。

4.2算力冗余的解決與優(yōu)化

算力冗余是自動駕駛系統(tǒng)中普遍存在的問題，特別是在L2和L3級別的駕駛場景中，超高的算力往往會導致不必要的功耗增加。華為通過對MDC平臺的算力優(yōu)化，成功解決了這一問題。ADS 2.0和ADS 3.0通過調整算力配置，使系統(tǒng)更加貼近實際需求，避免了因冗余算力帶來的功耗問題，從而進一步提高了系統(tǒng)的穩(wěn)定性和可靠性。

智能駕駛生態(tài)：多元化合作模式與市場擴展

智能駕駛技術的成功不僅依賴于技術突破，還需要一個完整的產業(yè)生態(tài)系統(tǒng)作為支撐。華為通過與多家車企的合作，逐步構建了以智能駕駛為核心的多元化生態(tài)體系。通過零部件供應、Huawei Inside模式（HI模式）以及智選車模式，華為與國內外車企建立了深度合作關系，推動了智能駕駛技術的應用和普及。

5.1合作模式的多樣化與成功案例

華為通過以下三大合作模式與車企建立了緊密的合作關系：

零部件供應模式：華為向車企提供智能駕駛相關的零部件，如傳感器、計算平臺等，幫助車企提升其智能駕駛系統(tǒng)的整體性能。

Huawei Inside模式（HI模式）：通過提供完整的智能駕駛解決方案，華為與車企共同研發(fā)智能汽車，深度參與汽車制造過程。

智選車模式：華為不僅參與汽車的設計和研發(fā)，還通過其渠道幫助車企進行市場推廣和銷售。

這些合作模式已經在比亞迪、北汽、上汽、吉利等多家知名車企中成功應用。特別是在問界M5、M7等車型上，ADS系統(tǒng)的高階版本得到了廣泛的用戶認可，用戶選擇ADS高階包的比例已達到70%，這證明了華為智能駕駛技術的市場競爭力和商業(yè)化潛力 。

5.2市場數(shù)據(jù)與擴展前景

截至2023年，華為ADS系統(tǒng)的市場裝配量顯著增長，特別是在國內市場，華為與國內多家車企的合作使其ADS系統(tǒng)得到了大規(guī)模應用。根據(jù)行業(yè)數(shù)據(jù)顯示，2023年華為ADS系統(tǒng)的銷售額超過30億元，車BU（業(yè)務單元）接近盈虧平衡，標志著華為智能駕駛業(yè)務的商業(yè)化進程取得了顯著成功。

結論與展望

通過對華為智能駕駛ADS系統(tǒng)的技術演進、硬件優(yōu)化、算法創(chuàng)新及生態(tài)合作的全面分析，可以看出，華為在智能駕駛領域已經取得了顯著的技術突破。ADS系統(tǒng)的每一次迭代都展示了華為在傳感器融合、算力優(yōu)化、算法架構等方面的創(chuàng)新，并通過不斷優(yōu)化硬件配置，降低了系統(tǒng)的整體成本，提升了市場競爭力。然而，智能駕駛技術的普及仍然面臨著諸多挑戰(zhàn)，包括技術標準的制定、車輛行駛安全性問題以及政策法規(guī)的限制等。未來，隨著自動駕駛技術的逐步成熟，華為ADS系統(tǒng)將進一步擴展其市場份額，并通過與車企的合作，推動智能駕駛生態(tài)的構建。華為有望在全球智能駕駛市場中繼續(xù)保持領先地位，但同時也需要持續(xù)應對技術挑戰(zhàn)與市場競爭，確保其技術優(yōu)勢的長期保持。

參考文獻：

華金證券：??????華為智能駕駛方案分析

「智駕最前沿」微信公眾號后臺回復：C-0537，獲?。喝A為智能駕駛方案分析pdf下載方式。

審核編輯 黃宇