原标题：宏景智驾：用「软件算法栈」把利润做上去，本文由机器之心Pro发布，现在由科技之家小编2022年09月21日转载分享。

作者 / 华卫

「未来三年，我们将在软件上累计投入10亿元，软件算法团队从200人扩招到300人。」

在9月16日的技术沟通会上，宏景智驾软件负责人董健对外透露了宏景智驾之后的创收方向。对宏景智驾来说，软件是他们目前投入最大的方面，他们希望后续能通过软件把利润做上去，并用软件实现更多的产品升级和功能。

现场，还有宏景智驾的系统集成、算法专家介绍了宏景智驾产品路线的最新动态，并对其在智能驾驶软件算法以及系统集成方面的技术做了解读。

今年主攻L2和L2.5

「宏景智驾坚持渐进式路线，量产是智驾产品质量落地最硬核的评价指标。」

董健介绍，宏景智驾目前的智能驾驶解决方案有HyperPilot Base、HyperPilot 2.0、HyperPilot 2.5、HyperPilot 3.0多个版本，逐渐实现高速公路智慧领航（NOP-H）、记忆泊车（HPP）以及城市智慧领航（NOP-C）等高阶行车和泊车功能。

其中，HyperPilot Base已于2021年实现量产，今年他们的主要发力领域是L2和L2.5级自动驾驶。

据悉，宏景智驾将在今年年底交付HyperPilot2.0，而HyperPilot2.5已在今年7月上市的某热销中型SUV上量产，陆续还会有5款量产车型，他们正在和国内两家头部车企谈量产合作。

「明年底量产HyperPilot3.0。」这是宏景智驾正在开发的下一代行泊一体解决方案，行车将引入城市领航驾驶，泊车将增加代客泊车的功能。

董健表示，宏景智驾已经在与主机厂和芯片供应商讨论HyperPilot3.0的具体设计方案。计算平台方面，HyperPilot3.0的算力在200+TOPS，宏景智驾将根据散热、算力以及各种新配置层面的量产要求去选择，另外也会考虑到商务上的合作因素。

完整L2-L4软件算法栈

据介绍，宏景智驾可以提供L2-L4全栈自动驾驶软件算法能力的系统级解决方案，包括硬件、底层软件中间件以及2D/3D感知融合、建图定位、预测决策、规划控制等应用层软件算法，功能覆盖行车、泊车、乘用车和商用车。

重感知or轻地图

近期，「重感知、轻地图」在业界悄悄风靡起来，长城旗下WEY、智行者还有毫末智行都选择了这一技术路线，试图摆脱以往对高精地图的重度依赖。

对此，董健表示，这的确是可行的，也是他们会考虑的一个方向，但现在还存在法规和数据上的不足，因此他们选择做「两手准备」。

目前，宏景智驾采用的是基于BEV架构的感知融合算法，该算法在车道线感知等自建地图方面就有很大优势。在HyperPilot3.0中，他们也会采用这种感知算法。

此外，董健提到，宏景智驾在感知方面走的是「农村包围城市」的路线，像泊车里的感知以及激光雷达、毫米波雷达这类3D感知都是他们自己来做的。不过，对于前视和周视上的一些项目，他们也会交给供应商去完成。

三级规控+四级决策

在规控和决策方面，宏景智驾选择了3套规控算法同时运行和更「细分」的多层决策规划架构来满足量产系统的鲁棒要求和提升用户体验。

董健指出，规控算法主要包括偏向L4级的AD planning、传统的ADAS Planning和最小风险控制的MRC，可以根据ODD场景条件的不同来做算法的切换降级。在他看来，一个完整的能满足量产要求的智能驾驶，应该有这三套规控算法同时在跑。

「在ODD范围之内，比如有高精地图的地方，可以使用算力要求比较高的规控算法；如果出了ODD范围，比如C端用车可能会出现在城市的任何场景，这时必须有一套比较鲁棒的降级算法，让车辆能够随时启动ADAS功能；再就是当系统失效的时候，需要切换成MRC。」

决策规划上，宏景智驾根据车辆行驶距离将架构分成了四级。一是大于2km的全局规划，主要做导航和全局车速实时规划；二是200m~2km的中期决策规划，主要做预测性车速规划和动态车道规划；三是200m以内的局部决策规划，主要是意图预测、交互决策和时空规划，用于道路上的障碍物避让；四是10m以内的执行层规划，主要做横纵向紧耦合的独立MPC控制。

董健表示，决策是自动驾驶比较难的一个点，与用户的功能体验关系紧密，所以他们要在这一方面做得更加细致。

此外，她还介绍到，宏景智驾开发了硬件芯片的调优算法，可通过有限算力实现其他企业几十TOPS、甚至几百TOPS算力才能实现的功能；在安全方面，宏景智驾所有的软件开发，都遵循汽车行业量产软件V-cycle开发流程，满足ASPICE质量把控。

数据闭环怎么打通？

「自动驾驶越是往高阶走，数据平台的作用就越核心。」

董健表示，关键在于怎样高效地用合规方案去打通数据的整个闭环。据介绍，宏景智驾所有量产及研发项目均采用数据埋点回传，通过测试车和量产车分别回传全量数据及埋点触发数据。

基于海量数据，他们持续迭代优化算法模型，训练出了HyperDataInfra数据平台，能够支持数据管理、清洗、场景库和标签系统、数据回放可视化、数据挖掘、回归分析、训练迭代、自动化测试、自动化标准、仿真测试和软件版本管理和OTA等。

此外，宏景智驾的HyperDevTools开发工具链可以通过一整套自动与半自动组件实现从数据采集、切片、存储、后处理到生命周期管理的完整数据闭环，并且支持直观的数据显示、简洁的人机交互界面、可视化的底层通信诊断与数据分析；

通过完整的场景库分类与标签体系，HyperDevTools还能够支持前后端软件的大规模回归分析与真值标注、测评、算法训练，帮助提升场景库的丰富程度。

据悉，宏景智驾2023年订单预计将超过10亿。基于庞大的订单量，宏景智驾在数据存储和训练方面也有一定规划。

董健指出，首先合规方案是不能放在公有云上的，需要跟图商合作放在专属或者私有云上，接着要做合规脱敏，监管上得有人来承担风险责任，近期他们正在就整个合规方案和各个厂商探讨商定具体方案。目前为止，现有的数据平台架构还足够供他们使用。

欢迎加入Auto Byte社区

Auto Byte 为机器之心推出的智慧出行垂直媒体，关注自动驾驶、新能源、芯片、软件、汽车制造和智能交通等方向的前沿研究与技术应用，透过技术以洞察产品、公司和行业，帮助汽车领域专业从业者和相关用户了解技术发展与产业趋势。

本文介绍至此已结束，感谢机器之心Pro分享，关键字：算法,软件