昨天北京强降雨，各位晚上下班没少折腾吧？
和大家一块堵在路上的，还有这两位——大众中国CEO贝瑞德，以及地平线创始人、CEO余凯博士：
俩这么大老板，低调到拼一辆大众ID.4下班。
但背后动机不「低调」：
不期而至的北京大雨，成了地平线高阶智驾实力展示最好的舞台。
地平线智驾，什么实力？
根据官方发布的信息，这轮北京强降水持续30个小时，城区平均降水量24.3毫米，地平线所总部所在的西北部30毫米左右，已经达到大雨级别：
这种极端天气对于普通人类司机已经构成很大挑战，明显昨天路上的各类突发事故多了很多，尤其是在不规则路口转弯、汇入汇出等等复杂场景。
但地平线SuperDrive依然全程无接管，成功在暴雨中应对了一系列复杂路况。
比如在一个红绿灯已经明显不起作用的拥堵路口，完成了一次和老司机没差的博弈+左转：
不规则的施工路段，SuperDrive也成功识别了可通行区域，顺利完成左转：
以及在复杂的车流中识别出了公交车专用道，即使变道避让，也可以看成是面对拥堵情况的综合判断变道：
针对突发情况，比如鬼探头、加塞等等，也能及时避让：
还有一个城市场景高难度挑战——环岛而且是一个不规则环岛：
说两点SuperDrive最亮眼的表现，首先是避让动作，流畅优雅，也就是没有急促的刹车、猛打方向这样的动作。
第二是变道动作，旁车道空间小，多数系统会放弃变道或减速等待，但SuperDrive能根据前方空间条件主动加减速或调整转向角度，创造变道机会。
总结一下，SuperDrive在北京暴雨的测试中表现出的最大特点，反而不是零接管，而是“拟人”——驾驶策略拟人，以及执行动作拟人。
之前我们说过，各种智驾测试视频，含金量其实各有不同。通常最真实可信的，是普通用户在日常使用过程中记录的真实体验，前后不太可能有调试或剪辑，相当于智驾系统的“闭卷”考试。
还有就是车企老板的直播、4S店试乘路线等等，一般会针对特定路线进行优化，但控制不了突发情况，属于提前划过重点的“半开卷”考试。
当然也有“开卷”了，就是最常见的发布会或者官方账号发出来的“XX公里零接管”类小视频，大家也能想到，这种材料从策划到成品，最忙的要数剪辑师了。
那么地平线SuperDrive系统在昨天北京大雨中的测试，属于哪个级别？
其实一个最关键的点就能看出来：地平线的拍摄计划，可能很早就做好了，可以从视频中不少恰到好处的第三视角机位看出来。但是，昨天北京的暴雨不是地平线能预料或掌控的。
属于老师本来给你划好了重点考四则运算，但到考场上发现题目变成了微积分。
因为暴雨恶劣天气，对传感器就是一个巨大的的挑战，摄像头采集的图像质量大幅下降，雷达也会传回更多的杂波点云，以及湿滑的路面对于规控也提出更高要求。
但地平线的高阶智驾方案SuperDrive，极其出色的应对了暴雨气候。
以及从官方发布时间也能看出来。昨天北京普遍降暴雨是在晚上五六点钟开始，但地平线官方夜里11点左右就火速发布，加班加点。
按照通常的剧本，拍智驾视频遇到这样的突发 ，要么延后拍摄，要么后期精剪一番晚些发。不得不说地平线的团队头很铁啊，车上带着自己的大老板，还有客户爸爸的大老板，直接就开干了…
不过从另一个角度考虑，也许对地平线来说暴雨来了反而更兴奋，等的就是这样一个机会。
对技术能力欠缺的玩家来说是挑战，但于能力够强的来说，暴雨是证明实力的绝佳case：偶发，且不可复制。
背后是什么技术支撑
刚刚我们把“变道”作为一个亮点单独说，为啥？
不拟人的变道策略，基本上就是屡试屡败，最后只能提示接管，错过出口，把高阶智驾体验搞得支离破碎。
但现实却就是这样：大部分量产高阶智驾，都是用手写规则应对变道场景，判断变道时机的策略和执行方式僵硬刻板，十分劝退。
所以，变道是直接区分NOA水平高下的试金石；用户层面，它是智驾“可用”与否最关键的因素。
因为说实话，识别红绿灯、行人，严格跟导航这些功能，只要数据到位，没啥难的，现在基本各家都能做的很好。
地平线一直强调SuperDrive“拟人”，就是能在这些细节上给智驾体验带来巨大提升。
两个最主要的技术手段：端到端感知架构，以及数据驱动的交互式博弈算法。
一个是为了智驾系统看的更清楚更明白，一个是让智能代驾的“脑子”更灵活更高效。
端到端感知架构的优势，是避免了模块化算法架构中，数据多级传递造成的“损耗”，算法模型一端直接输入传感器数据，另一端直接输出轨迹预测，包括本车的，也包括道路其他交通参与者的。
端到端体现在SuperDrive将动态、静态、OCC（Occupancy占用网络）三网合一，统一在一个Transformer架构下，不需要对感知数据进行抽象和逐级传递，“所见即所得”：实现感知端到端同时，又保证了每个子网络的可解释性。
实际上SuperDrive的算法基础，正是来自于智能车参考前几天刚介绍过的CVPR 2023最佳论文成果——UniAD，地平线学者一作。
动态、静态、Occupancy三网合一的感知端到端架构下，有效解决感知架构时延高、规则多、负载重的问题。
感知端到端网络输出的结果，会接着进入数据驱动的交互博弈算法，这一算法也是基于蒙特卡洛树搜索的端到端深度学习算法。
名震一时的围棋AI AlphaGo背后的主要技术之一就是蒙特卡洛树搜索。简单来说，它的基础是一个概率模型，所要求解的问题是某种事件出现的概率。
在智驾场景中，这个“概率”可以是对象来车轨迹、前车变道意图、变道时多个目标的运动轨迹等等…
蒙特卡洛树搜索会通过某种“试验”的方法，得到这种事件出现的频率，或者这个随机变数的平均值。
试验方法，可以是人为定义，不过地平线选择的是通过10000小时高质量驾驶数据来训练，让算法最大程度理解效仿人类老司机的驾驶方法。
这就是上面例子中SuperDrive果断干脆变道的技术核心。
算法之外，SuperDrive“拟人化”还有一个独特优势——软硬结合，征程6系列计算硬件，CPU、BPU()、GPU、全功能的MCU四芯合一。
单颗征程6旗舰即可支持感知、规划决策、控制、座舱感知等全栈计算任务。同时,高集成度令开发难度进一步降低。
J6这一代产品，BPU纳什架构是核心，概括来说是支持大参数AI模型在车端的部署运行。
所以SuperDrive在北京暴雨遭遇战中的优秀表现，其实是“一个时代有一个时代计算架构”这个核心思想的体现。
怎么解读
地平线在北京暴雨中用智驾送老板下班，确实挺厉害的，但有啥用呢？
地平线不是一直称永远作Tier 2，专注硬件吗？
其实透过SuperDrive能力本身，地平线展现出关键的几点。
首先是证明只有在技术体系上重构、变革才能彻底解决城市NOA量产普及问题。
SuperDrive是一个最好的样板间，而实现这个目标的基础，是新的征程6系列。
而从地平线本身来说，SuperDrive方案搭配征程6系列硬件，从智能车和自动驾驶算法演变的角度设计硬件架构，提出专门为端到端模型和数据驱动算法服务的新平台。
说明生态正成为智驾的壁垒和新护城河。
最后是对于大众以及其他国际OEM来说，与地平线合资合作已经不是秘密，而联合最近安徽金标大众强调的「自主权」…
合资和自主的力量对比，后续可能变数更多。
One more thing
余凯和贝瑞德乘坐的ID.4，是地平线高阶智驾方案SuperDrive的工程版，现在店里卖的ID.4量产车是没有这样的高阶城区NOA能力的。
不过这也直接证明，迪斯当年主导推动的大众新能源革命是多么的前瞻：
基础电子电气架构，仍然能支持近10年后的高阶智能驾驶功能。
迪斯的遗产，目测大众还能享用3-5年。
至于后续嘛，何小鹏又给大众续上了：
