558
基于视觉环境融合感知，凭借「软件和主流芯片耦合」和「高效的建图定位」两大特色，自动驾驶初创公司追势科技又迎来一笔车企大单。
汽车之心获悉，追势科技已于近日获得一家国内头部车企旗下多款高端车型自动泊车 AVP 项目定点，在定点项目的全生命周期中，大约将有 40 万套产品会量产上车。
当前，汽车行业内的巨头与初创公司正在上演 AVP 量产大战。
玩家中巨头包括法雷奥、博世、百度 Apollo 等，初创公司则有 Momenta 和追势科技等等，另外还有一些全栈自研的造车新势力如小鹏汽车等，在自动泊车领域均有着令人惊艳的表现。
APA，全称 Automated Parking Assist，又叫自动泊车辅助系统，属于 L2+级别。
AVP，全称 Automated Valet Parking，又叫自主泊车，也被称作自动代客泊车，属于 L4 级别。
从 2018 年至今，先是 APA 量产落地，到今年开始出现更多获得 AVP 项目定点的玩家，自动泊车未来几年的战局已基本成型。
这几年内，追势科技经历了整个演进过程，同时在量产上车过程中积累了丰富经验。
从 APA 到 AVP，拿下蔚来和一家国内头部车企
时针拨到 2015 年，特斯拉的自动驾驶影响渐深，刚成立一年的小鹏汽车决定以奇兵制胜。
由 10 号员工肖志光带队，小鹏汽车与中国台湾一家自动泊车方案供应商合作，决定重点研发特斯拉尚未足够重视的自动泊车功能。
2018 年 1 月，核心卖点含有 APA 的小鹏 G3 亮相 CES，至此自动泊车成为小鹏的长项。
随着技术研发的深入，小鹏自动泊车的自研成分越来越高，到 2019 年 4 月小鹏 P7 这款车亮相上海车展时，全栈自研的自动泊车已经在业界难寻对手。
2019 年的蔚来，正处于资金链短缺的最艰难阶段，但在研发投入尤其是智能化方面一点不敢松懈。
为了和小鹏的自动泊车进行竞争，蔚来决定进行一次功能优化。那年 9 月，蔚来找到了刚成立三个月的追势科技来完善泊车功能。
据追势科技 CTO 蒋如意回忆，拿到蔚来的项目后，「由于追势已经拥有成型的中间件和稳定的算法模块，项目合作过程中更多的工作是适配车型。仅用了大概六个月时间，双方就将泊车的融合感知方案研发完成，然后通过 OTA 升级很快上车。」
2020 年 4 月，蔚来 NIO Pilot 全配包的价格没变，功能大幅更新：除了新增 NOP 自动辅助导航驾驶功能之外，原来的 S-APA 全自动泊车系统功能升级为了 S-APA with Fusion 视觉融合全自动泊车系统。
这套系统的视觉融合全自动泊车系统的算法，正是由追势科技提供。
拿下 APA 只是开胃菜，更大的收获在于 AVP，这也是整车厂如今热衷的一项功能。
就在今年 12 月，汽车之心获悉，追势科技又获得了一家国内头部车企旗下多款高端车型 AVP 项目定点，这一定点的全生命周期中，大约有 40 万套的规模。
汽车之心了解到，在拿下这家国内头部车企的多款高端车型 AVP 项目定点过程中，追势科技打败了众多自动泊车方案提供商，其中不乏巨头玩家。
其实，抛开「全球首款」、「地表最强」这些宣传话术，有一个很重要的指标可以用来衡量各家的技术究竟如何，那就是自动泊车方案的量产规模。
由于法雷奥和博世等巨头深耕自动驾驶多年，因此能够更快推出自动泊车量产车型。
不过，追势科技却只是一家不到百人团队规模的自动驾驶初创公司，能够在三年内拿下了蔚来的 APA 项目，最近又获得了国内头部车企的 AVP 项目定点，其实已十分难得。
那么，这背后究竟有何玄机呢？
老将的新思路，凭借两大能力屡获定点
追势科技由一拨自动驾驶行业的老将操刀。
2019 年 6 月，马光林创立追势科技，其产品不触及硬件方案，仅提供软件算法。
作为一家致力于提供全栈自动驾驶方案的公司，追势科技选择了一条渐进式路线，其很早就认为，低速自动泊车是高频刚需场景，并将自动泊车作为了首个量产功能。
此后，追势科技在不到三年内先后拿下蔚来和上述国内头部车企的 APA 和 AVP 大单，这与它所拥有的几项关键技术能力密不可分。
一是可以做到软件与主流芯片耦合。
马光林自 2008 年加入德尔福中国研发中心，主攻 ADAS 智能驾驶辅助系统。此后在 2015 年率领团队加入欧菲光，短短 3 年内获得 15 家前装车厂、52 个量产项目。
到 2019 年创立追势科技时，核心团队中的几位联合创始人比如蒋如意等都是视觉算法出身，同时在德尔福等顶级的传感器和系统供应商中积累了十几年关于摄像头、毫米波雷达和超声波传感器等的研发从业经验。
这一拨老将创立的公司与老牌巨头法雷奥等最大的不同在于，他们没有法雷奥主要基于超声波传感器做自动泊车方案的历史包袱，而是可以迅速投入到以视觉摄像头、超声波传感器融合的自动泊车方案上来。
利用视觉、超声波传感器的融合算法，追势科技可以快速精确实现 360 度环境感知、智能避障、狭窄通道通行、立体停车库和轮档立柱的精准识别。
此外，追势科技的软件算法打通了行业所有的主流量产芯片，量产平台覆盖 TI、英伟达、高通、瑞萨、华为 MDC 和地平线等。
这与市面上几款主打自动驾驶的公司小鹏、蔚来、理想、极狐、智己、沙龙等的自动驾驶芯片范围一致。
这意味着，除了那些坚持做全栈自研的玩家，追势科技可以做到最大范围的量产上车。
更多的量产经验，还让追势科技的自动泊车方案拥有了更好的传感器适配性。由于已经完适配市面上所有主流的传感器，追势科技的自动泊车方案不需要车企去定制专用传感器。
事实上，追势科技在拿下蔚来和最新的国内头部车企的项目定点前，已经与超过 10 家整车厂有过量产合作，算法模块经过量产迭代后，可以迅速适配市面上主流的自动泊车硬件方案。这也是该国内头部车企之所以选择追势科技的重要因素。
二是，追势科技所拥有的停车场建图和实时定位算法的能力。
就 AVP 这项自动泊车技术本身而言，与行车自动驾驶的复杂度相比并不低。据了解，一套 L4 级别的自动驾驶系统，抛开硬件不谈，软件算法的复杂度非常高，主要体现在两方面：
（1）感知模块非常多。感知类别中高速场景下有十几类，低速场景三十几类。其中，低速泊车有十几类，包括减速带、地面标识、车道线等，必须经历大量的验证和工程落地工作。
（2）感知类别多了之后，涉及到模型的设计，想要更好对目标进行检测，就需要不同的模型，以及不同的感知模块来适配硬件平台。
归属于 L4 级的 AVP 存在两大技术难点，分别是感知和建图，也是体现技术水平的关键。
与重车端的 AVP 方案不同，侧重单车智能的玩家在 AVP 方案研发上，开始脱离高精地图，以 SLAM 建图为主。
借助 4 路百万像素摄像头和 12 路超声波雷达，追势科技可以通过 SLAM 建图技术实时完成对超过 300 个停车位的采集和建图，建成超 1 万平方米的停车场地图。在自动泊车中，可以实现 10 秒内的精准定位和最大 20 厘米的定位误差。
技术能力更强、成本更低，而且可以与主机厂的自动驾驶方案进行灵活适配，这些都让追势科技提早突出重围，进入蔚来和国内头部车企的供应商名单。
吃下自动泊车蛋糕之后
整车厂在选择供应商的方案时，通常会兼顾技术领先性、功能体验和方案成本等多种维度。聚焦到自动泊车领域，供应商提供的自动泊车方案大致分为五类：
以法雷奥为代表，侧重单车智能，主要基于超声波传感器打造自动泊车方案；
以博世的 AVP 方案为代表，侧重对停车场一端的改造；
以追势科技和小鹏汽车为代表，侧重单车智能，主要基于视觉和多传感器融合算法打造自动泊车方案；
以百度 Apollo 为代表，主要依靠单车智能，同时会依赖高精地图，并对停车场一端进行轻度改造；
今年以来，市场上还出现了一种注重车路协同的 C-AVP 方案，即通过车场协同方案来完成自动泊车。
这些方案中，重场端的优势在于利用车辆现有技术，不需要增加额外的硬件和高算力的计算单元。同时在场端也不需要额外的高精地图定位，能够省下单车智能的成本。
注重单车智能并对场端有轻微改造的成本次之。「AVP 主要是车端、云端、场端和地图的融合，通常来说，整套方案的成本不超过整车的 10%，最低可能做到 5% 左右。」一位业内人士告诉汽车之心。
车路协同方案的优势在于，可以解决停车场高精地图的采集方案效率低下、采集成本较高等问题，实现量产级 L4 级 AVP 下的车端、场端和云端等的结合。
仅依赖单车智能的技术难度最高，但却是被整车厂采用的主流方案，这也是追势科技能够迅速走出来的因素之一。
追势科技计划，在 2022 年实现国内 70% 的 AVP 量产定点，到 2023 年在 80% 的停车场支持自动驾驶应用。
一直以来，自动驾驶分为自下而上的激进式，和自上而下的渐进式。激进式主要通过多轮融资来完成续血，渐进式则选择先将产品进行量产落地，以实现自我造血能力。
拿下 APA 和 AVP 项目定点，对于追势科技这样的渐进式玩家也是一次输血。
汽车之心获悉，追势科技还计划继续扩大在低速自动驾驶产品上的优势，并将现有技术复制到园区低速自动驾驶（无人小巴）产品上，打造泛机器人场景，丰富低速自动驾驶产品线；
此外，追势科技还将布局城市中高速自动驾驶产品，「行车+泊车」解决方案齐头并进，并计划在 2030 年，实现全域自动驾驶。
蒋如意认为，低速场景向中高速场景演进过程中，技术的复用并不复杂。当把一个场景做透之后，遇到的技术问题有可能不同，但研发思路、流程体系以及问题的处理方式是相似的。
总体上，从低速自动泊车，到中高速自动驾驶，整车厂需要一套优质的方案来吸引用户买单，为了拿下整车厂的项目定点，巨头和自动驾驶初创公司已经展开激烈的厮杀。
在自动泊车赛道，随着追势科技等拿下整车厂项目定点的玩家陆续浮现，战局已经初步形成。
接下来，追势科技将以前装乘用车低速自动驾驶为切入口，从低速拓展到中高速，逐步实现 L2 到 L4 级别的全场景自动驾驶，又将迎来新一轮的厮杀。
