339
在新能源汽车赛道越发拥挤的背景下，汽车企业除了拼研发、拼营销，也开始拼起速度。
近期，占地 12000 亩的特斯拉美国德州工厂开始投产。这意味着特斯拉将会有更大的场地来实现大部件垂直化整合，造车的所有环节都能在一个工厂内完成。
根据特斯拉的设计规划，德州工厂的生产线每 45 秒就可以生产一辆车身，每 10 小时就能造出一辆 Model Y，以这样的速度来算，每年最大产能将可以达到 100 万辆。
放眼国内，继造车新势力之后，百度、华为、小米等科技企业的加入，也为新能源汽车添上一把火。
去年 3 月，百度和吉利成立了集度汽车，百度的自动驾驶技术以及吉利成熟的整车制造经验，让集度自诞生之初就备受关注。
踩在巨人肩膀上的集度驶向何处，成了业内人士广泛关注的问题。
集度给出的答案是「周更」速度，以效率追补成立时间晚的劣势。与集度的研发速度相配合，可以看到，几乎每隔两个月集度就会积极向外界释放内部动态。
集度速度成了一种造车新现象。
集度 100 天时，集度公开了一页时间表，里面标注了各类核心的时间点，比如 3 月公司注册，7 月造型评审结束、汽车界开启抢人大赛，8 月与禾赛科技签约，10 月集度已达到千人规模等等。
时间来到今年 4 月 18 日，成立超过一年的集度召开线上媒体沟通会，集度智能驾驶负责人王伟宝，与媒体们一起聊了聊集度的新进展。
01、SIMUCar 进入 2.0，双激光雷达已上车
昨天原本是集度举办 Robo Day，释放集度首款概念车型的日子，但受疫情影响，集度 Robo Day 延期至六月，活动日改为媒体沟通会，集度较为克制地放出了两个亮点。
进展快：集度 SIMUCar 已进入 2.0 阶段，JET、英伟达芯片、激光雷达上车测试；
真正冗余：搭载双激光雷达，集度将开发纯视觉和激光雷达两套互为独立的自动驾驶方案。
从 SIMUCar 说起，集度 SIMUCar 全称为软件集成模拟样车，可以通过解耦软硬件，对智能座舱和智能驾驶的研发进行前置。
简单来说，原先，车企都是在底层硬件完备后生成样车，在实况道路上行驶，从而实现智能驾驶的数据积累和实况测试，现在集度为了节约时间，将实况测试从线下转到线上，实现软件、硬件并行的开发模式。
SIMUCar 并不是固定模型，它会随着集度的研发进展而不断推进，最终形成集度所期待的具备自我学习和进化能力的「汽车机器人」。
在这个过程中，集度智能驾驶王伟宝将其分为三个阶段：
SIMUCar1.0 是小学阶段，主要是实现智能辅助驾驶的基础能力建设；
SIMUCar2.0 则是中学阶段，在这一阶段，域控制器上车，向自动驾驶量产状态演进；
SIMUCar3.0 是大学阶段，集度将会进入到量产验证环节, 对进行软件系统与整车正式联调, 在调试过程中提高智能驾驶系统的专项能力，并根据车主的驾车习惯来进行学习和升级，最终达到自我学习、自我学习的能力。
王伟宝对汽车之心介绍，一旦 SIMUCar 彻底跑通以上三个阶段，将会实现软件定义硬件的目标，实现快速迭代，缩短智能汽车的生产周期。
目前，SIMUCar 正处于第二阶段中，王伟宝透露：英伟达 Orin 和禾赛 AT128 半固态激光雷达已经上车，参与 SIMUCar2.0 测试。
虽然集度没有公开搭载英伟达芯片的数量，但确认了将会搭载双激光雷达参与测试，逐步靠近量产状态。
02 、纯视觉、激光雷达互相独立打造「真正冗余」？
集度在双激光雷达、英伟达芯片中展现的硬件野心，同时指向了一个方向——提升「安全能力」。为此，集度除了强劲的硬件，还准备了纯视觉+双激光雷达的「真正冗余」解决方案。
据汽车之心了解，早先在 SIMUCar1.0，集度就仅靠纯视觉实现城市道路和高速的双域融通。
目前集度正在测试纯视觉+两颗禾赛激光雷达两种自动驾驶方案，以实现两套方案独立运行，保证车内、车外交通参与者的安全度。
其中，最值得关注的就是这两颗禾赛激光雷达上车。禾赛 AT128 集成了 128 个独立激光器，通过向三维空间同时发射 128 束激光，实现 1200x128 全局分辨率，点云数量 153 万／秒。
综合这些性能来看，AT128 的表现算得上是国内市场「第一梯队」的量产车规级激光雷达。目前除了集度，AT128 激光雷达也同时搭载在理想 L9、路特斯 Electre、高合 HiPhi Z 等车型上。
不可否认，两颗激光雷达确实为集度带来了「双倍加料」的作用。
在集度公开的资料中，双激光雷达能够实现点云加倍，使得识别确准率更高更安全，同时也可以互为冗余，提供更可靠的安全性。
两颗到底够不够强劲?
集度向外界释放了集度 SIMUCar2.0 搭载双激光雷达在夜间行驶的测试图：
窄路会车
无保护左转
有保护左转
在整场发布会中，我们还注意到集度把纯视觉+激光雷达解决方案称为「真正冗余」的感知系统。
据王伟宝介绍，集度的这套真正冗余系统，以底层百度 ApolloL4 级自动驾驶能力为支撑，在双感知系统中能够做到高度自驱、高效协同的真正冗余高阶自动驾驶方案。
这里必须强调，所谓冗余并不是两套系统的融合，而是说能够在同一条件下实现相互独立、相互备份，起到提升自动驾驶安全性的作用。
与集度相似，几乎同一时间英特尔旗下的自动驾驶公司 Mobileye 也提出了「真正冗余」方案。
Mobileye CEO Amnon 也介绍过自家的环境传感解决方案包含两个独立的子系统，一个仅采用摄像头，另一个采用了雷达|激光雷达，两个子系统互为备份。
4 月 13 日，搭载「真正冗余」自动驾驶系统的 Mobileye 自动驾驶出租车在以色列进行了实地测试。在 40 分钟的实测视频中，Mobileye 的测试车安全顺利通过了照明不佳、道路标志错综复杂情况的驾驶场景。
Mobileye 自动驾驶出租车测试片段
虽然业界对于「真正冗余」方案仍在思考与争论中，有人认为这加大了造车成本，没有太大必要。
但显然，集度、Mobileye 选择「真正冗余」方案有着更有说服力的原因，譬如「真正冗余」能够使验证感知系统所需的数据量大大减少，其次当独立系统之一发生故障时，车辆仍然可以继续安全行驶。
03、 好风凭借力，集度「技术之跃」
所谓管中窥豹，集度发布的性能亮点只是一方面。
另一方面，由于集度是百度和吉利的合资企业，集度自然也被冠以「百度造车」的名号。
那么，除了在性能上追问集度配备双禾赛激光雷达、做「真正冗余」解决方案的原因，我们更有必要探讨集度性能亮点后的资本现象。
其实，无论是激光雷达还是「真正冗余」解决方案，在其背后都出现了一个相似的身影，那就是百度。
此次为集度提供 AT128 激光雷达的禾赛科技，一直与百度关系密切。
2017 年，禾赛就与百度 Apollo 共同发布了一套自动驾驶开发者套件 Pandora，而后又参与了 Apollo Robotaxi 的研发。
有相关报道显示，百度持股禾赛科技 7.88%，是禾赛的第二大机构投资方。
因此从投资结构中可以看出，集度选择百度持股的禾赛作为激光雷达供应商，意在利用稳定的资本关系与目前供应链不稳定状态实现对冲，为集度搭载禾赛 AT128 量产上车提供保障。
此外，百度也是集度选择纯视觉+激光雷达解决方案的底气。
事实上，在自动驾驶界一直有着「纯视觉解决方案」和「激光雷达」路线之争。
前者以机器视觉为核心，主要利用摄像头实现自动驾驶，符合人眼逻辑成本低，目前主要是特斯拉 FSD 采用此方案，
而激光雷达方案虽然能够使感知更加准确，精准还原路况信息，但成本仍比较高，基本在 1000 美元这一价格。
为了弥补这两条技术路线的缺陷，在产业界、学界逐渐出现了纯视觉结合激光雷达的第三条路线解决方案。而百度自动驾驶是国内较少的纯视觉、激光雷达两条路线都有深厚积累的企业。
王伟宝在媒体沟通会上直言：「从 Day one 开始，我们就与百度 Apollo 有着紧密合作，整个汽车机器人的解决方案，还是绝大部分利用到了百度基于 Apollo Robotaxi 原子化的能力。」
在我们理解中，所谓原子化的能力就是基于百度 Apollo Lite 仅凭纯视觉感知就能实现城市域 L4 级自动驾驶的能力+Robotaxi 2500 万公里 0 事故路测数据积累优势。
因此 SIMUCar1.0 实现纯视觉自动驾驶后，再有激光雷达的加入算是锦上添花，为最终集度「真正冗余」提供算法和硬件上的安全冗余能力。
好风凭借力，送我上青云，对于集度来说，百度即为「东风」，集度能够在疫情下实现加速度也是意料之中。
关于集度造车的更多动态，集度表示要留到六月底的 Robo Day 再放出猛料，届时集度新车将会正式亮相。不过集度这样紧密的传播节奏，也向外界释放了「尽在掌握中」的积极信号，而这在疫情环境中已经实属不易。
众所周知，受到疫情影响，长三角地区汽车供应链断链，导致车企陷入生产危机华为常务董事余承东、小鹏汽车创始人何小鹏都陆续在朋友圈表示出担忧，何小鹏更是简单明了地指出「如果上海和周边产业链企业还找不到动态复工复产的方式，五月份可能中国所有的整车厂都要停工停产了。」
由于集度处在研发阶段，再加上有百度技术、供应链的保障，「停工停产」危机并没有大规模波及到集度。
集度营销增长负责人张伽豪也表示目前集度没有受到疫情影响，内部有专门的供应链保供团队来保障零件价格、质量及供应情况等问题，确保按原定计划 2023 年推出量产车。
这款量产车究竟长什么样？集度卖了个关子，只放出了一张集度汽车「侧颜照」。
依据照片可以看到，双激光雷达被布置到了前机舱盖左右两侧的位置，与理想、蔚来大多数车型把激光雷达布置到车顶位置有着很大的不同。
照片公开后，引来了理想汽车 CEO 李想的围观，李想认为车顶布置激光雷达才是最优解，而集度汽车 CEO 夏一平则认为，激光雷达在车顶布置和两侧布置所解决的问题、产品能力和安全性都有所差别。
那么，你更看好哪种解决方案？欢迎在评论区大胆开麦。
