ADS3.0推送，华为智能驾驶再进一步

9 月 5 日，鸿蒙智行正式开启了面向享界 S9 的智能驾驶 ADS 3.0 的推送。顾名思义，这是华为智驾历史上第三个跨版本号的大更新。类星频道也在此前享界 S9 的试驾活动中，对 ADS 3.0 做了评测，大家可以看一下。

今天我们不谈具体场景的体验，而是沿着 ADS 过去几年来更新的脉络，尝试梳理出华为研发智能驾驶的一些思路和原则。

本能安全网络

来到 ADS 3.0，华为继续强化「安全」这张牌。

从技术架构上看，ADS 3.0 也顺应主流技术趋势转向了端到端。但 3.0 和主流保持了一定距离的设计是：深度神经网络输出的轨迹或信号要经过一个叫「本能安全网络」的模块才会最终输出到车辆的执行机构，比如转向、加速或制动踏板上。

那这个「本能安全网络」是什么？华为的工程师给了一个深入浅出的解释：「就像我们的手碰到了火苗，本能地就会收回来一样」本能安全网络类似这种机制，可以在复杂场景下以极低延迟非常迅速和及时的响应，以提高系统安全的下限。我们有理由相信，华为在通过「本能安全网络」来兜住端到端神经网络在某些情况下输出不可控的问题。

在端到端之前，2023 年，华为 ADS 就曾经以 AEB 横评风波登上了热搜。但事实上，迭代至 3.0 的 ADS 在主动安全的内涵上已经远远超越了这一单一维度的功能指标，发生了巨大的变化。

这里有两个具体的场景可以分享。首先是逆向 AEB，顾名思义，逆向 AEB 的触发对象是逆向的车辆。过去的车对车 AEB 都是同向场景，主要的应用场景是前车突然大幅减速，本车通过触发 AEB 来避免追尾。

而逆向 AEB 的典型场景更多是可借道超车的国道或虚线双车道，倘若出现对向车辆暂时借道超车或压线行驶，出现潜在碰撞风险的时候，触发逆向 AEB 可以很好的规避一些潜在事故。

其次是斜穿 AEB。斜穿 AEB 的场景会更加常见一些，在中国的街头巷尾，充斥着为了赶时间多送一单而违规行驶的外卖或快递小哥，他们的行驶轨迹除了横穿，不同角度的弧形轨迹也很常见。斜穿 AEB 的触发可以在相当程度上规避这类场景下的风险。

而在后向 AEB 上，ADS 3.0 新增了对儿童玩具车的识别。并将生效范围从 1 - 12 km/h 提升到了 1 - 60 km/h。回顾一下小区里坐着儿童玩具车玩耍的小朋友，又是一个非常常见的场景。

稍加总结，国道上借道的剐蹭、路口乱窜的外卖小哥、从车位上倒车的时候视野盲区外的儿童玩具车，华为主动安全的研发策略，已经转向深入中国用户用车的实际场景，寻找那些非常高频出现的高风险场景，来做针对性的主动安全增强。

需要说明的是，从技术上来说，要平衡好上述三种场景下的 AEB 正触发与误触发，即「该触发的时候及时触发，不该触发的时候不要误判突然触发」，是难之又难的。

除此之外，ADS 3.0 还推出了路面自适应 AEB、紧急转向辅助 ESA 和侧向障碍物防碰撞 LOCP 等多个不同极限场景下的主动安全功能，这里不再一一赘述，但可以说的是，主动安全的场景做到今天，早已行至水深处，没有哪个功能存在工程上轻轻松松就能显著改善用户安全的可能性。

华为必须小心翼翼地在控制好用户投诉率的同时改善主动安全的综合性能，这就像登上山顶前的最后一百米路，在谨慎和平衡中登顶。

没有银子弹的马拉松

2024 年麦肯锡中国汽车的消费者调研显示，在「本土高端新势力同比传统豪华车型最吸引您的要素」中，「更先进的自动驾驶功能」占比 65%。对于搭载华为 ADS 的鸿蒙智行旗下车型而言，这无疑是一个好的信号。

但在这背后，是华为在汽车智能化领域多年的高研发投入和持续耕耘。华为已经在智能汽车解决方案 BU 累计投入研发费用超过 300 亿，在芯片、算法、操作系统、传感器、光等根技术领域持续研究，建立起了完全自主可控的产品研发制造体系，并基于整套根技术和供应能力，进行汽车产业的科技创新赋能合作伙伴。

以 ADS 训练算力为例，华为在过去一年持续加码，基于完全自研的昇腾计算芯片，目前已建立 5 EFLOPS 算力的训练云服务，这可以让模型保持每 5 天更新一次次的迭代速度，每天学习超 3500 万公里的行驶里程。

此外，与量产智能驾驶领域的诸多玩家不同，除了算法，华为还自主研发了摄像头、激光雷达、毫米波雷达、推理芯片和训练芯片、底层操作系统乃至管理全生命周期的工具链。

这既源自华为在 ICT 领域长期的软硬件工程积淀的有效迁移，也从另一个角度印证了量产智能驾驶领域的壁垒之高。

这会带来诸多的好处，例如，因为激光雷达是自主研发的，华为可以在传感器数据输入不经处理，直接将原始数据输入给感知，这会在延迟上节约出 10 毫秒左右的时间。最终，垂直整合能在系统延迟层面带来巨大的优势。

随着鸿蒙智行旗下销量即车队保有量的进一步增加，鸿蒙智行车队总里程数也在指数级增长，而华为云持续供给的训练算力结合华为的机器学习工程能力，又会将上述这一切训练和压缩成可以在汽车上运行的推理模型。

所有这一切，都呈现出了典型的马太效应。当然了，哪怕说回 ADS 3.0，华为也依然在路上。

奔向自动驾驶，这是一场没有银子弹的马拉松。

一步领先，持续领先

2021 年 4 月，华为在上海车展前夕放出一段 ADS 在上海闹市运行的视频，那段视频瞬间在社交网络上刷屏。

自 2022 年起，ADS 陆续开始搭载在问界、智界和享界品牌车型上。2023 年 9 月，华为宣布将「 ADS 2.0 年底开通 45 个城市」的目标调整为「全国都能开」。

这一调整将 ADS 从此前的基于高精地图的技术路线转为以实时感知动静态目标为主的无图路线。在大幅加速算法迭代的同时，华为也大幅提升了量产智能驾驶领域的竞争烈度。

一年后的今天，多家车企在华为之后先后宣布转向「全国都能开」，而华为则基于 ADS 3.0，一是如上文所述，进一步强化主动安全性能，探索技术平衡的极限。二是开行业先河进一步打通停车场、地面道路和高速高架三大典型场景，提出了从车位启动，到车位退出的全场景贯通智驾功能。

更重要的是，华为还规划了在明年基于 ADS 4.0 推动高速 L3 级自动驾驶的商用和城市 L3 级自动驾驶的试点。

这不仅需要工程技术上的努力，还需要企业与监管部门密切沟通与合作。监管部门需要针对 L3 的技术定义、权责划分等提供具体的法规支撑。从技术上来讲，L3 将要求企业从算法层面做充分的冗余，在出现故障的时候能够完成快速地切换，其次，包括底盘和制动等也需要线控支持，在硬件上做整体的冗余设计。

滑动时间轴可以看出，ADS 自量产商用以来几乎每一年都在持续引领和推动行业的关键里程碑。已经开启推送的 ADS 3.0 的车位到车位将首次打通所有的智驾场景，将用户的切换成本降低到零，使用体验的连贯性再上一个新的台阶。

要对华为 ADS 做一个回顾和展望的话，我觉得可以这样说，围绕算法、算力和数据三大要素，华为以持续加强安全性为基本前提，持续扩宽 ADS 的使用场景，改善用户体验。

华为没有试图追求速胜，不仅是华为，量产智能驾驶的业务特点也决定了这一领域不存在所谓的速胜。最后胜出的那个玩家，有的只是日拱一卒，逐渐精进，而智驾的护城河一旦形成，势必既宽又深。