行泊一体迎爆发期，抢量产还是修技术护城河？

行泊一体迎爆发期，抢量产还是修技术护城河？

“行泊一体方案将逐步成为智能汽车的标配。”

有关行泊一体的发展潜力，易航智能CEO陈禹行表示看好。而他的这番论调并非空穴来风。

随着中国城市化进程加速，拥堵、加塞、停车难等问题日益突出，越来越多用户将包含行车辅助、泊车辅助等智能驾驶辅助功能纳入购车必要配置。

过去，行车辅助和泊车辅助功能采用分离式行车、泊车功能开发的模式；而行泊一体域控制器，仅通过一个域控制器可以同时实现行车辅助和泊车辅助功能。

对于主机厂而言，行泊一体域控制器不仅能节约硬件成本和安装空间，而且软件配置更加灵活。另外，域控制器具备OTA及大数据闭环验证能力，功能迭代开发效率更高。

据高工智能汽车研究院监测数据显示，2021年中国市场新车（不含进出口）同时前装标配搭载行车ADAS和泊车功能的上险量为214.75万辆，但绝大部分仍采用传统分布式ECU架构；其中搭载行泊一体域控制器上险量为37.34万辆，同比增长159.13%。

预计未来两年，行泊一体方案在中国市场将进入量产爆发期。

早期，欧美市场的泊车类应用需求不高，外资供应商并未提前洞悉到行泊一体方案的商机，这对国内诸多自主软硬件供应商而言，是个弯道超车的好机会。

这意味着，一批深耕智能驾驶赛道多年的中国厂商，终于迎来了春天。

时间拨回至2016年，智能驾驶热度空前。

无论是传统汽车领域的佼佼者，还是互联网行业的巨头，都对智能汽车产生了浓厚兴趣。

比如沃尔沃、奔驰、福特等传统车厂陆续开启了自动驾驶项目，而Google 自动驾驶汽车也在2016年12月成为 Alphabet 旗下独立子公司，并且改名为 Waymo。

按照当时各大整车企业的计划表，2020年将成为自动驾驶车辆的商业化元年。

但事实证明，这一判断确实激进了些。

诚然，自动驾驶是一个软硬件强耦合的系统工程，车辆硬件和软件算法需结合开发；实现无人驾驶目标，面临着技术落地困难、商业变现缓慢、安全保障难等诸多工作和挑战。

“2018年，智能驾驶第一个风口刚过去，行业发展不及预期，资本的热情也慢慢褪去，业内不少做智能驾驶的企业开始转型或调整业务。” 智驾科技MAXIEYE CEO周圣砚回忆道。

彼时，MAXIEYE正攻克其智能驾驶第三代核心技术的研发难关。

“当时，资本市场对产业的信心在动摇，市场也开始出现更复杂的分化走向，促使我们必须在转型做门槛低、来钱快的业务和坚持周期长、技术壁垒高的业务之间做一个关键抉择，团队确实面临着巨大压力。”

周圣砚坚信，智能驾驶终究会变成触手可及的现实，但作为一家企业的掌舵者，他不得不考虑整个团队的自我造血能力。

一番思想斗争后，他选择坚定自己的创业初衷。

“现在看来，熬过了2018年前后的转型压力、资金压力等挑战后，公司上升到了一个新的发展高度。”提及当年的艰难抉择，周圣砚是欣慰的。

直到2021年，“行泊一体”赛道才逐渐热闹起来了。

彼时，德赛西威、福瑞泰克、极目智能、易航智能、智驾科技MAXIEYE等十余家本土供应商宣布推出行泊一体解决方案，并陆续拿到前装量产定点。

其中，MAXIEYE在2021年就发布了第一款乘用车智能巡航类驾驶辅助系统产品MAXIPILOT?1.0。基于1R1V及nR1V融合系统，MAXIPILOT?1.0可实现L0-L2汽车前装智能驾驶功能，支持高速、城市化道路等结构化道路全速智能巡航。

智驾科技MAXIEYE的IFVS600视觉感知平台 支持NOM和行泊一体方案

MAXIEYE相关负责人透露，下一代方案MAXIPILOT?2.0将基于BEV技术架构，匹配中高算力平台和不同传感器方案，支持实现NOM领航辅助和行泊一体方案。通过FPP融合路径规划技术，该方案可有效降低接管率，解决地图/定位缺失、目标信息被遮挡等场景下的规划难题，提升系统的鲁棒性和用户驾乘体验。

蛰伏多年，成立于2015年的本土自动驾驶企业易航智能也等来了一阵风。

今年4月，易航智能NOA行泊一体方案正式量产上市。该方案涵盖了16项行车功能、10项泊车功能，实现了在高速公路、城市环线、城市快速路等典型场景下的点对点自动驾驶能力。

易航智能自研的自动驾驶域控制器ADC-3D-U

相较目前已上市的部分方案，易航智能通过算法、算力优化，成功以16TOPS算力实现了某些车型几十甚至上百TOPS算力才能运行的功能，并将成本降低了50%以上，可通过灵活的硬件配置方案将NOA覆盖到15万元以内车型。

可见，趁着这股热风，国产行泊一体方案商推陈出新。

但“站在风口上，猪都会飞”并不适用于当下爆火的行泊一体赛道。

据了解，行泊一体是指将行车和泊车两个SoC的功能合并在一个SoC里，同时实现高速行车辅助与低速泊车辅助，具备硬件成本低、软件配置灵活、功能迭代开发效率高的特点。

显然，在市场需求的推动下，行泊一体方案逐渐火爆，但其量产所面临的现实挑战却尤为骨感。

“业内在做demo展示时，可能是行泊一体系统在特定路段的最佳表现，但量产需要应对更多的特殊场景、极端天气等限制条件，所以量产并非易事。”

据易航智能CEO陈禹行介绍，完成一套NOA功能演示仅仅是量产工作量的10%；针对驾驶员误操作等问题的解决，占工作量的30%，其余大部分工作主要集中在产品级的算法研究和Corner case的解决。

站在风口，脚踏实地才能步步为营。陈禹行是这样说的，也是这么做的。“从前期的算法积累，再到领航辅助驾驶NOA产品的规划、量产，易航智能历时近3年。”

而作为极目智能乘用车产品线负责人，熊婧从事乘用车智能驾驶产品开发已有多年，有关行泊一体方案的量产难题，她深有体会。

“聚焦到行泊一体方案的上层多模态、多任务、端到端的感知深度学习算法领域，则需要设计出不同的算法模型，进而匹配不同的车端嵌入式平台，行车域、泊车域对算法的有效性、实时性、功耗、温度控制等需求存在差异，这种实际需求的差异性非常考验感知算法的架构设计能力和工程部署能力。”

在熊婧看来，行泊一体方案的量产落地，还需要大量的数据支持，而数据的采集和准确标注、算法模型的有效训练等也非常关键。

据了解，在数据采集方面，极目智能分为四个阶段：先普遍采集大量样本，验证模型算法正确性；之后补充不均衡类别样本，训练基线版本；再根据基线版本测试结果针对典型失效场景进行广泛采集，阶段长期累积困难样本，这个阶段甚至需要持续数年，以不断提升困难场景下的鲁棒性。

极目智能自动驾驶数据平台

目前，基于全栈自研的感知-融合-规控技术，极目智能的L2+行泊一体智能驾驶域控制器方案JMX6，可满足 ASIL-D 安全等级的域控制器软硬件开发，并实现智能行车功能（NOA智能领航）及智能泊车功能（HPP记忆泊车）。

可见，无论是在算法上发力，还是加码数据采集能力，以易航智能、极目智能为代表的供应商们，正加紧修建技术护城河，打造出各自的竞争优势。

但在风口的裹挟下，行泊一体方案的落地面临着更多时间压力。

“如果没有解决有限算力资源下分时感知或全时感知的取舍、不同场景下目标差异化控制策略的平衡等技术和工程难题，盲目推进量产，最终这些问题将映射到用户体验上，带来消极反馈，不利于智能驾驶从低阶迈向高阶的整体进程。”

有关行业的潜在危机，周圣砚看得很通透。

不可否认，行泊一体方案商加紧量产、抢占市场先机固然重要，但脚踏实地、修炼内功在当下似乎更加可贵。