目前量产车智能驾驶系统的最大算力是多少？你可能会说是NT2.0平台下的蔚来ET5、ET7、ES7，4颗英伟达Orin芯片叠加在一起，带来了1024Tops的最大算力，但是坐了两年量产车最高算力宝座的蔚来最近被赶了下去，当然上位的也是一款自主品牌车型，但却不是传统意义上的新势力。
在今年成都车展上，搭载城市NOH的魏牌摩卡DHT-PHEV激光雷达版车型正式亮相，摩卡相信大家都不陌生，第一个用高通8155芯片的燃油车，同时也是魏牌目前混动技术的当家车型，虽然在市场上热度不高，但它搭载的智能驾驶系统却相当有看点。
那个造8155芯片的，来搅局自动驾驶了
其实，摩卡DHT-PHEV激光雷达版车型最吸引我们的，一个是它有激光雷达，还有就是它的算力，今天我们先来说说它的算法架构核心，然后再对智能驾驶的硬件和功能进行解读。
摩卡DHT-PHEV激光雷达版车型基于高通骁龙Ride平台，搭载首发的5nm高通骁龙8540+7nm高通骁龙9000方案，单板算力达到360Tops，可叠加4板达到1440Tops，这是由长城汽车投资的毫末智行联合高通推出的，目前全球算力最高的可量产自动驾驶计算平台，可以支撑大量的感知推理计算，以及车端感知数据的筛选、清洗、脱敏和回流。这就是毫末智行的小魔盒3.0，它的所有算法由毫末智行全栈自研，官方称平均功耗为5.5Tops/W，换算一下1440Tops大概需要超过260W的功耗。
这可以看作是高通在自动驾驶领域的真正首秀，之前我们一直都是看高通在智能座舱领域发力，几乎快要吞下市场了。而在智能驾驶领域，高通其实不能算作是一位新人，之前我们的文章中提到过，高通收购了维尼尔，还有高通是如何从全世界抢客户的，把宝马从Mobileye的手下给抢了过来，大众也在半年前宣布了投入高通的怀抱。
高通还推出了骁龙汽车智联平台，也就是车路协同系统方面的技术平台，该平台能够帮助各大主机厂打造LTE和5G联网服务、蜂窝车联网（C-V2X）、WiFi、蓝牙和精准定位能力，支持汽车与云端、其他车辆以及周围环境间的安全连接。此前一汽红旗，就已经搭载了高通的V2X芯片。
高通还推出了骁龙车对云服务，不仅可以满足消费者不断变化的需求，还可以根据新增性能需求或新特性，让芯片组在外场实现升级、以支持全新功能。能够帮助车企在整个汽车生命周期中创造新的收益，让他们获取宝贵的车辆及使用情况分析数据。
如今高通的业务已经完全不局限于在智能座舱领域，从座舱、自动驾驶、云服务、车路协同四个方面逐渐“掌控”汽车，这样全方位根植于汽车内部核心的技术公司，其实才是最可怕的，高通真的要做智能汽车的“魂儿”。
重感知、轻地图到底是如何实现的？
作为目前量产车里拥有最大算力的智能驾驶系统，这套系统采用的是重感知、轻地图的技术路线，相较于很依靠高精地图的蔚小理来说，注重感知的路线更像是特斯拉、极氪它们喜欢玩的。
高通的最新智能驾驶系统，本来就是非常注重感知的。Snapdragon Ride视觉系统是集成了专用高性能的Snapdragon Ride SoC和Arriver下一代视觉感知软件栈，并采用基于定制神经网络架构开发的800万像素广角摄像头。在加强感知的同时，还需要足够强力的图形处理能力，而高通在这个领域中同样是翘楚。在全新一代骁龙8移动平台中，高通用到了新一代移动GPU Adreno 730，拥有更加出色的图形渲染能力。
在Snapdragon Ride视觉系统的加持下，车辆的周围感知能力将大幅度增强，可识别目标包括车道标志、交通基础设施和护栏等静态几何形状、车辆等动态物体、行人和骑自行车的人等弱势交通参与者以及符合全球监管要求的交通标志识别等。
这也就使得摩卡DHT-PHEV激光雷达版车型实现对异形车辆、施工路障、锥桶、二轮车、三轮车等的更加准确地识别。可以实现会对信号灯状态智能识别，红灯刹停、黄灯减速、绿灯行驶，同时在路口转弯道路、待转区等区域，进行智能判断，路口博弈后安全通行，而面对行人穿行时，提前进行减速动作，确定无潜在碰撞风险后，再低速通过。
方案看上去中规中矩，但是缺了点什么？
既然不使用高精地图，那么从感知硬件又如何呢？魏牌采用了激光雷达+摄像头+毫米波雷达的感知方案，这一点其实与同技术路线，却单纯依赖摄像头为视觉体系的特斯拉已经有所不同，与新势力们的多传感器方案硬件较为相似。
摩卡DHT-PHEV激光雷达版车型拥有2颗速腾聚创的等效125线激光雷达、5颗毫米波雷达、12颗超声波雷达、12颗高清摄像头，一共31个传感器。
摩卡DHT-PHEV激光雷达版的FOV视角达到170°，探测距离达到了180m的水平。相比之下，比如单颗激光雷达的理想L9只能达到120°的FOV视角。大的视角可以带来更大的扫描范围，会带来更好的安全性、可靠性，确保对城市复杂路况及环境感知的准确性，比如近距离切入、前向障碍物横穿等场景，尤其是鬼探头。
激光雷达的安装位置与小鹏G9、P5的激光雷达装载位置类似，摩卡DHT-PHEV的激光雷达也是装在前车灯下方，类似布局没有让激光雷达突出于车外，当然相应带来的，就是你可千万别碰。
强感知、大算力能让自动驾驶告别高精地图？
通过Backbone数据计算和BEV Transformer的多模态融合，解决多传感器之间的匹配和跨传感器的跟踪问题，在城市道路上实现了多传感器融合车道线识别，比如障碍物检测、车道线检测、可行驶区域分割、交通标志检测等。
这套智能驾驶的逻辑是重感知，轻地图，其实目前新势力们基本上都是多传感器+高精地图的方案，高精地图在领航驾驶功能中会起到重要的作用，比如通过高精地图能够清晰地掌握路口红绿灯位置、哪个红绿灯指示哪条路等。
与普通导航地图相比，高精地图的精度达到了厘米级，除了红绿灯的识别之外，还包括道路、路灯、护栏等几十个甚至上百个要素的信息。
但是高精地图在一些方面还是有一定局限性的，比如受限于国家政策的限制，城区高精地图的审批工作并不是一件易事。
还有就是在数据采集方面，量产车需要相当多的城市数据，采集成本、效率都会受到影响。还有就是在没有高精地图的地方，智能驾驶的功能可能会受限，而目前高精地图覆盖不到的地方，还是占了绝大多数，所以车辆自己的感知能力作为只要决策智能驾驶的中枢大脑，还能具有更强的包容性，所以特斯拉以及Mobileye的一些用户，还在坚持纯视觉感知为主，而魏牌的重感知方式，也比较类似于它们。
充足的算力冗余，真是越多越好？
摩卡DHT-PHEV激光雷达版车型把量产车智能驾驶的算力上限又推高了几百Tops，有人会说特斯拉144Tops的算力，展现出来的能力就已经让一众厂家望尘莫及，这么高的算力有什么用？其实，还是为了增强冗余。
打一个比方，人体大脑正常开发程度通常不足10%，其余大部分处于休眠状态，通常98.5%的细胞处于休眠状态，甚至认为只有1%的人参与大脑功能活动，一般在30岁以后，脑细胞每天以100000个的速度死亡，虽然这对大脑的150亿脑细胞来说无关紧要，但如果死者脑细胞发育成熟并发挥功能，将会不可避免地影响大脑效率并变得迟钝，通常大脑潜能中约95%尚未被开发和利用。
人脑的容量就像算力的上限一样，虽然我们日常生活中并不需要开发多少，但是真到需要用的时候，有储备和没有储备，有充足冗余和没有冗余，那就是不一样，自动驾驶系统的算力平台也不是每时每刻都全功率运转的，那样也会和人脑一样，过度用脑必然迟钝，当你需要的时候，就会发现充足的冗余会有多么重要。映射到内燃机车也一样，强的动力输出我可以不用，但是不能没有。