大家好，我是太空橘子。最近买智记LS6的人比较多，所以很多人问我，智记车的智能辅助驾驶水平怎么样？与华为、小鹏等国内一线智能驱动厂商的差距有多大？今天，我们就来看看。
1.智记的开发进度慢吗？
智记品牌成立于2020年12月25日，至今还未满三年，但2022年第一辆车智记L7交付时，就已经具备LKA(车道保持)+灯光变道功能，而且全部免费，非常难得。很多品牌的新能源车，刚交付的时候，连最基本的ACC都没有，完全是半成品。
到2023年10月，这两年辅助驾驶有了重大突破。
1、全国高速NOA，可在高速上自动超车、变道、上下闸；
2.中国城市高架主干道NOA也能实现自动超车、变道、上下车闸机；
3.上海高架NOA，现在不用高精地图也能实现纯视觉；
4.上海已经可以实现NOA，但需要高精地图；
当然，24年的目标是，
1.实现NOA；在主要城市；
2.其他市县乡实现通勤模式；
3.进一步减少对高精地图的依赖。
简单来说，这个进步还是很快的。如果对比朋友和商人，其实用了差不多九年时间才得到城市的辅助驾驶，但是芝基用了两年多就赶上了差不多的进度，差距就是开城的数量。
二、智记与一线品牌的差距有多远？
我来说说我的观点。目前主流的辅助驾驶技术方案大同小异，主要在算法和数据量上；虽然现在大部分厂商都是用高精地图来实现辅助驾驶，但是高精地图就像拐杖一样，迟早会失去；相反，
BEV(鸟瞰图):从上方看到一个物体或场景的视图，就像空中一只鸟俯视地面一样。在自动驾驶和机器人领域，传感器(如激光雷达和摄像头)获得的数据通常被转换为BEV表示，以便更好地执行物体检测和路径规划等任务。BEV可以将复杂的三维环境简化为二维图像，这对于实时系统中的高效计算尤为重要。
Transformer架构:Transformer是Google在2017年提出的一个大AI模型，最早用于自然语言处理领域。人工智能的核心技术是神经网络模型。主流有效的神经网络模型主要有卷积神经网络(CNN)、递归神经网络(RNN)、深度神经网络(DNN)和脉冲神经网络(SNN)，主要应用于自然语言处理(NLP)和计算机视觉(CV)。与传统的神经网络(如CNN)相比，Transformer可以直接在2D和3D序列之间进行转换。
Transformer采用交叉注意机制，并行训练数据。在跨模态融合和时间序列融合过程中，可以更全面地对空之间的时间序列进行建模，形成时间序列融合下的4D空之间的信息，从而使感知结果更加连续稳定，显著提高对复杂环境变化的预测能力，进一步提前规划智能驾驶行为，大大减少接管里程。
占位网络:将我们的世界像素化为网格单元，定义哪些单元被占用，哪些单元空空闲，还用体积块表示当前场景中被遮挡的静态对象和动态对象；先说优点，硬件便宜，技术门槛高，通用障碍物检测泛化能力好，不需要像以前一样通过白名单一个一个标定。数据源角度上限更高，更容易表达语义。深度精度不如激光雷达精确，但近距离应该不成问题，也可以用算法补偿。
知止合作的辅助驾驶公司Momenta是一家针对L4辅助驾驶的公司。其技术积累和背景非常丰富，双方合作可以说是双赢。
首先，Momenta发现Robotaxi大规模运营成本太高，与汽车厂合作，为汽车厂提供自动驾驶服务。这样，汽车制造商销售的车型的竞争力得到了提高，Momenta也可以依靠全国各地的量产车来获得所需的数据。
到2024年，量产数据大规模回归，将是Momenta自动驾驶技术走向成熟的关键节点。
在智能方面，Momenta比华为更无害。它是纯软件解决方案的供应商，与原始设备制造商没有竞争关系。
目前，智记的辅助驾驶比华为和小鹏落后半年左右。
第三，智机的硬件够用吗？
因为Momenta的优势，通过算法优化，在满足功能增长的前提下，计算能力需求降低了90%。同时，通过模型定点、模型压缩、核心算法自动优化、跨层集成，模型效率提升500%，所以智集的IM AD也是目前业界唯一兼容Xavier和Orin双智能驾驶计算平台的技术。
Xavier和Orin N芯片可以实现全局视觉融合；
仅依靠单个Orin X和单个lidar，就可以覆盖全方位的城市场景，去除高精地图。
因此，起步价仅为21.49万元的LS6完全可以实现城市辅助驾驶的NOA，性价比非常高。而且到2024年，量产数据大规模回归，将是Momenta自动驾驶技术走向成熟的关键节点，届时智记的辅助驾驶会更强，甚至处于行业领先水平。
作者声明本文无利益关系，欢迎车友理性交流，和谐讨论~
标签： 神经网络
