硬核科技论 | 享界首发 最强智驾 华为ADS 3.0更新了啥？

几天前，享界S9(图片|配置|询价)正式上市，一同首发的还有ADS 3.0智驾系统，其中最吸引人眼球的是首次实现了“车位”到“车位”的端到端智驾辅助。它究竟有多厉害，为什么有这么厉害，本期视频就来给您解答。

去年的节目中，我们给大伙详细解读了华为ADS 2.0。有了前面的基础，我们就能更好地了解ADS 3.0了。在使用层面上，根据余总的说法，3.0解决了车位到车位的端到端驾驶辅助，也就是你从自己的固定车位到单位、商场或者别的什么地方的固定车位，导航设好目的地后就不用管、等它自己开到就行了。同时，新增了自动过闸机、中途修改目的地、远程挪车、代客泊车等功能；相较2.0还解决了环岛问题和掉头问题——ADS 2.0面对这两个场景还是需要人来接管的（虽然还不是100%完美）。

那么，ADS 2.0到ADS 3.0是怎么实现的。其实这个过程并不像当初的0-1，而是更像1-2。具体来看，就是从2.0的BEV网络+GOD神经网络变为全部的GOD神经网络。说人话就是之前还保留了一部分底层程序设定的规则，比如红灯停绿灯行这种；而随着智驾测试里程的增加，给神经网络学习的样本数量越来越多，就不需要BEV提供的底层程序了。这个过程听上去是不是有点耳熟？之前特斯拉FSD爆发式升级，也是这样的。把数量繁多的底层规则代码扔掉，全部采用神经网络。这样我们就得到了一个“类人”的智驾感受，当然，这样做的前提是智驾样本数量要多，便于机器学习。

日产GT-R

最低售价：暂无报价

图片参数配置暂无报价

懂车分暂无懂车实测暂无车友圈5.8万车友热议二手车39.80万起 | 11辆

神经网络是如何学习人类开车的？这里我们不妨深入给大伙讲解一下。传统概念里的驾驶辅助，是工程师提前写好规则，比如“红灯停、绿灯行”，这样车在探测到红灯的时候就会刹车，探测到绿灯就会加速。这样的规则会有成百上千条，但依旧不够真实道路上每种可能的情况。比如鬼探头的行人、逆行的电瓶车甚至蛇形走位的电动轮椅……每出现一种新情况，就需要工程师新写一条算法。

比如今天看见一辆轩逸在你前面尬悠，你当然知道它是网约车，可能还在接单，但自动驾驶不知道，就需要你回去给它写一条“日产=网约车，该超就超”的规则；自动驾驶学会了，下次看见日产就开始变道超车，结果没超过去，你抬头一看，虽然也是日产，但人家是GT-R。

轩逸

最低售价：6.19万起最高降价：4.53万

图片参数配置询底价

懂车分3.52懂车实测空间·性能等车友圈104万车友热议二手车0.95万起 | 1711辆

于是你还得写一条让电脑区分轩逸和GT-R的算法。这就是为什么传统驾驶辅助往往需要更大的算力——规则太多了。而现在流行的神经网络方案，则是去掉这部分“规则”，直接让机器去模仿人类的开车。还拿红灯停、绿灯行举例，你不需要给神经网络写这条规则，它只是参考了众多人类驾驶员面对红绿灯时的反应，比如100个司机有99个看见红灯都停了，然后神经网络看见红灯就会停车。它虽然不知道为什么红灯要停，但大家都停，它也跟着模仿，基本不会出错。再比如面对白色慢速日产，99个人类司机选择超车并成功超了过去；而另一个没有选择超车，同时图像传感器又告诉AI，两台白色车虽然都是日产，但人类没选择超的那台好像长得不太一样。这样，AI虽然区分不出来轩逸和GT-R，但只要再看见一台长的很怪异的日产，也就不会贸然去超越。是不是和我们人类认识世界、学习世界的原理很像？这也是这种AI被命名为神经网络的根本原因。

当然，从ADS 2.0到3.0，需要的就是大量的样本数量去让机器学习，样本数量也是其中的重要一环。到此，我们可以给ADS 3.0下个定义，我们可以把它理解成一个披着L2皮的L3——因为有法规限制以及免责条款的存在。所以您实际使用驾驶辅助功能时仍然需要集中精力，即使ADS 3.0如何先进，也不要把安全完全寄托给机器，因为出了事故，法律上第一责任人还是驾驶员而不是驾驶系统。