1月14日，极越汽车在“汽车机器人进化日”上发布了整车OTA的最新版本。

  很惊人啊，一共更新智能驾驶、通用语言能力、安全性能、娱乐功能等五大类的400项功能点，其中纯视觉智驾方案的升级换代是绝对的焦点。

  所以在这次活动上，极越汽车CEO夏一平驾车全程使用点到点的领航辅助驾驶PPA，从上海嘉定开到了极越汽车杭州城西银泰体验店，亲自为极越01的纯视觉智驾方案站台。

  不仅如此，极越还与平安保险联合推出了“智驾保”，这是全球首个高阶智能驾驶专属保障产品，也就是说，如果你在用极越01的高阶智驾PPA时候出事故了，所产生的责任费用将由保险公司进行赔付。别的先不说，这一点，值得所有车企学习。

  从另外一个角度我们也能够准确的看出，极越对自己的智驾系统是特别有信心的，那么这一次的OTA之中，它在智驾方面有哪些升级呢？

  一种是激光雷达为基础的多传感器融合感知方案，这是目前包括蔚小理在内的大多数汽车品牌所采用的策略。

  在这次更新之前，极越01在纯视觉方案上已经做出了不小的成绩，它的BEV+Transformer技术方案是国内唯一量产的纯视觉方案。

  而这次更新，极越01融入了百度与极越联合开发的OCC占用网络技术，通过BEV+OCC+Transformer多任务统一网格，它可以大幅度的提高对异形障碍物识别和场景泛化的能力。

  BEV（Birds-eye-view），中文翻译是鸟瞰图视角，它就像是一个转换器，核心作用是将2D信息作为输入，在加上测距的感知方式之后，最终转换为鸟瞰图视角下的3D环境。

  Transformer我们大家可以把它理解为一个超级强大的“信息理解机器”。

  在智能驾驶系统中，Transformer大多数都用在处理和理解车辆通过传感器收集到的关键环境信息，比如摄像头拍摄的图片、雷达和激光雷达检测到的数据等，比如一个即将穿越马路的行人，或者一个正在变道的车辆。

  然后，它利用这一些信息来帮助车辆做出决策，比如何时加速、何时减速，或者何时改变车道等。

  在此之前呢，BEV+Transformer的组合便在极越01这款车上量产并且实现了“纯视觉”的高阶智驾，但存在的提升空间在于：如何有效识别异形障碍物，如何拥有更高的场景泛化的能力。

  OCC（Occupancy Network）占用网络技术便是为解决这一个难题而来的，它是一种基于深度学习的三维环境感知方法。

  通过神经网络来预测一个空间位置是否被占据，它主要便是为提高车辆对周围环境的理解能力，尤其是在处理复杂、多变的道路条件与障碍物识别时。

  比如，在实际道路环境中，总会存在一些没有打标和训练过的障碍物，比如临时障碍物、施工区域、路边伸出的树枝、前方货车上掉下来的货物等。

  也正是因为这样的能力，所以OCC技术能去追求去白名单化，换句话说就应该尽可能多的去识别各种各样的障碍物，包括未知的物体形状和类别。

  按照发布会上的信息，极越01目前已经标注了近一百类的物体，而且这个数据还在逐步增加。

  咱们可以再举个例子，OCC可以不依赖于特定场景的标注数据，它通过学习大量的空间数据，OCC占用网络可以建立一个通用的空间理解模型，这个模型能够对新的、未见过的场景进行相对有效的3D重建与障碍物检测。

  它可以不用提前学习而在第一次遇到的时候就能识别这是障碍物，它可以无感老练的去主动避障，它还可以让车辆远离路肩、水马、绿化带等常见障碍从而留出更多的安全距离，定量来讲的话，是偏离原本中心线cm左右。

  打个比方，在没有智驾系统的时候，人类驾驶员避障除了用眼睛“看”之外，主要靠“猜”，但B.O.T三向箔却可以精准地对物体进行感知。

  其次，纯视觉方案依赖高精地图，而在实际用车环境下，高精地图和实际路况有一定的概率会不一致，例如那些突发的事故场景、施工场景或者恶劣天气带来的非常规路况等，这样一个时间段B.O.T 三向箔就可以主动进行绕行、减速或者刹停动作。

  从技术上来说，纯视觉方案的原理似乎并没那么复杂，但它对高清摄像头感知能力、计算机视觉算法、大数据积累等都有更高的要求。

  极越为何会坚持纯视觉路线，是因为它有来自百度Apollo技术生态的支持。

  到目前为止，百度的Apollo技术生态已经积累了超过6000万公里的高质量Robotaxi原始数据，特别强大，同时还得到了百度170亿参数的AI视觉大模型的加持，能轻松实现模型的每周快速迭代。

  极越01的3D精度能做到厘米级，对于运动障碍物的识别精度也能达到0.1米/秒的误差范围，这样的表现，已能比肩激光雷达多传感器融合感知方案。

  这一次的活动，极越汽车CEO夏一平亲自驾车，期间还接到了蔚来汽车CEO李斌的电话。

  老板们之间惺惺相惜，那么消费者该如何明智的选择呢？我们第一步要弄清楚，纯视觉方案和激光雷达方案，有哪些不同的地方？

  然后，将采集到的图像传输到汽车控制管理系统中做多元化的分析，从而将2D图像映射到3D空间中。

  简单来说，它更接近人类的驾驶逻辑，摄像头和算法，相当于人的双眼与大脑。

  它的优点是消费者的购车成本更低，因为它不需要那么昂贵的激光雷达感知系统；但它也存在一定的短板，比如感知距离比较有限，比如深度信息检测不足；除此之外，它对计算机算法的要求也比较高，相当于它要求驾驶员的大脑必须非常聪明而且一直高度集中。

  激光雷达融合感知方案则是以激光雷达方案为核心，多传感器一起集团作战去收集车辆的周边信息。

  其中的重点之一便是引入了激光雷达，可以辅助快速的构建环境的3D模型，举个例子，针对激光雷达扫描到的物体，它可以先计算出远近，相当于眼睛看到的物体直接就带有远近距离的信息，这样做才能够减少计算机的很多计算工作。

  相比较而言，激光雷达它在恶劣天气和苛刻光照条件下的可靠性更高，但目前来看依旧成本高昂，容易给消费的人带来一些不必要的成本。一个好消息是：从宏观市场来看，由于激光雷达的销量基数在逐步增大，所以成本有所下降。

  极越通过数据大模型、高度智能化的计算机图像算法、海量的数据，基本上解决了普通的纯视觉方案的短板，而走激光雷达路线的厂商，则需要在车上堆积激光雷达雷达和其它感知元器件。

  但从本质上来看，主要还是当前传感器技术、传感器成本、数据计算性能等的现状与车规级要求之间还存在比较大的差距，两种不同路线的对错与否目前来看依旧难以下定论，但能确定的是，恰恰是这样的思辨过程，极大的促进了汽车科技的飞速发展。

  从客观角度来说，无论是纯视觉方案还是激光雷达多传感器融合感知方案，只要正式上车，那它们肯定是符合国家相关法律和法规的要求，智驾水平也达到了比较高的层次，从我们对极越01和其它带激光雷达的车型的体验来看也是如此。

  所以从消费者的角度而言，如果花了钱的人智驾情有独钟，那么在购车之前一定要进行更多的试驾体验感受之后，然后再做出决定。

  对新能源汽车市场来说，不同路线的技术争鸣是必不可少的。就像混动与纯电的并存，就像磷酸铁锂与三元锂的并存一样，在未来相当长的一段时间内，纯视觉方案也必将和激光雷达融合感知方案并存。于消费者而言，其实哪种技术路线其实关系不大，能真正用技术的手段去提供更好的用车体验的，才是最好的。