智能駕駛賽道的競爭越來越激烈，參與的玩家越來越多：主機廠在爭取全棧自研，傳統Tier 1在加大投入，互聯網與科技公司紛紛入局，甚至傳統的一些代工廠和消費電子廠商，也在布局智能駕駛業務。“越來越卷”，是今年智能駕駛業內人士的共同感慨。
在激烈的競爭中，有的玩家利用先發優勢，始終保持領頭羊的地位；有的玩家厚積薄發，形成了自己的一套特色方案；但更多的玩家，在汽車智能化的浪潮中起起伏伏，始終難以拿出具有競爭力的智能駕駛產品，無法在市場中占據一席之地。
誠然，決定一家公司產品實力的因素中，資金實力、技術實力、公司規模等，是不可忽視的重要因素，但筆者認為，對于智能駕駛來說，系統性的思維方式，是決定產品能否持續贏得市場的關鍵，也是區分一家公司是“正規軍”還是“雜牌軍”的重要標志。
本文將從智能駕駛整體內容出發，通過功能場景、軟硬件開發、測試、安全等方面的案例，展開說明系統性思維對于智能駕駛的重要意義，以及如何在智能駕駛的開發過程中，貫徹系統性思維。
02 什么是智能駕駛的系統性思維
在回答“什么是智能駕駛的系統性思維”之前，我們先看一段對話——
A：“你們公司的智能駕駛，都有哪些功能？”
B：“自適應巡航（ACC）、車道保持(LKA)、自動泊車、自動變道、AEB、前向碰撞預警、盲區監測，還有一些其他的L2級功能，一共有20多種。”
A：“我看功能清單里沒有交通擁堵輔助功能，這個能做嗎？”
B：“目前沒有，但是我們可以后續升級。”
然后，就沒有后續了。
實際上，上面對話中A提到的交通擁堵輔助（TJA），就是低速場景中ACC與LKA功能的結合，既然B公司已經開發出了ACC與LKA功能，那么實際上當兩項功能同時開啟時，就可以實現堵車場景的TJA功能。
因為意識不到“通擁堵輔助功能其實已經有了，只是沒有明確提出而已”，B白白丟錯過了一個本來有可能拿下的訂單機會。
那么，B為何會“回答不恰當”呢？
因為，他沒有系統性思維。
所謂系統性思維，是一種從全局出發的結構化思維方式，通過將一件事物看成一套整體的系統，并研究系統中的各項元素及其相互間的作用和關聯，讓事物體系化、結構化，成為強邏輯性的有序系統。
系統性思維有如下特點：
（1）著眼于系統全局，而不是單個因素。系統性思維方式在分析問題時，會從系統全局出發，找到與問題相關的所有因素，并分析各因素對問題的影響機制和程度，然后提出全局化的解決方法，避免以偏概全。
（2）層次分明，邏輯清晰。系統性思維作為一種結構化思維方式，注重系統的層次和邏輯，在系統化思維方式中，系統是分層的，并且系統的各因素之間，存在包含、并列、因果等邏輯清晰的關聯，一定是可解釋和可復現的。
（3）注重迭代與閉環。系統性思維是一種閉環思維和迭代思維，不會通過某一次的個別現象就做出判斷得出結論，而是有一個觀察、分析、論證、確認和優化的閉環過程，并在優化過程中，完成對系統的迭代升級。
智能駕駛作為人工智能與汽車工程相結合的學科，所涉及的知識非常豐富，覆蓋的內容也相當廣泛，是多學科交叉融合的典型代表：計算機視覺、機器學習、人機工程、車輛動力學、汽車設計等等。如此多的知識內容，想要集成在智能駕駛中，以產品的形式呈現給用戶，必然需要有系統性思維，從面到線、從線到點、從整體到局部地去思考和應用，否則難免出現考慮不周、缺失、重復等現象。
例如，在看待智能駕駛時，非系統性思維的認知是：
智能駕駛就是在車上加點傳感器，加個芯片，再把對應的算法做出來，我們去選一款攝像頭，再選個差不多的雷達，去和英偉達/地平線/黑芝麻談談合作，再找有經驗的人開發一套算法，就差不多了。
我們常聽到傳統主機廠的人認為“智能駕駛和之前的電子系統差不多，只是加了一堆傳感器，用了更高算力的芯片而已”；也常聽到消費電子行業的人認為“做智能駕駛和做手機差不多，無非是把手機變成車載控制器而已”。這些認知都是因為缺乏對智能駕駛的系統性思考，只看到局部，看不到整體。
如果是系統性思維，就會有這樣的認知：
智能駕駛的應用場景是用戶出行場景，首先我們應該看看用戶出行場景都有哪些，做好分類，再根據不同的出行場景，會調研用戶到底需要什么樣的功能，應該做到什么程度；
為了實現這些功能，需要什么樣的硬件，需要什么樣的軟件算法；
如何測試和驗證產品效果，保證安全性和可靠性。
并且會思考：
智能駕駛系統與汽車的其他模塊有哪些關聯？
如果出現沖突，優先級如何考慮？
智能駕駛與車聯網可能會存在哪些交互，是否可能利用車聯網的數據，做出更好的效果？
如今市場上的各種傳感器真的是必須的嗎？
什么情況下需要做安全冗余，做到何種程度？
CNCAP對AEB的測試場景，能夠滿足用戶日常出行的安全需求嗎？
可見，思維方式的不同，會導致認知的不同，進而影響智能駕駛的開發方法不同，以及產品的效果不同，最終體現就是市場的反饋不同。
用系統性思維開發智能駕駛，會讓智能駕駛成為一套系統，呈現出體系化、結構化的特點，并且智能駕駛各項要素之間，會存在邏輯關系和關聯關系。
03 功能與場景是一套體系
從用戶層面來看，智能駕駛包含多樣化的應用場景和多種功能，例如應用于車道內行駛場景的自適應巡航ACC功能和車道居中LCC功能，應用于變道場景的自動變道功能，應用于堵車場景的交通擁堵輔助TJA功能，應用于高速公路場景的高速領航駕駛NOA功能，應用于停車場景的自動泊車APA等等。
功能與場景作為智能駕駛直接呈現給用戶的內容，不是單獨存在的，而是一套完整的系統，可以根據特定的分類標準，分成不同的類別，再結合各項功能之間的關聯，形成一套場景與功能體系。
04 硬件與軟件是一個整體
從整車架構來看，智能駕駛是始終作為其中的一個模塊、或者說一個域存在的；智能駕駛相關的所有硬件與軟件，最終都是為了讓智能駕駛的效果達到預期，因此，智能駕駛的各類硬件與軟件，也不是獨立的，而是存在內在關聯，應該整體布局，用系統性思維去開發。
智能駕駛包含豐富的硬件配置和多種軟件算法。硬件有各種傳感器如攝像頭、激光雷達、毫米波雷達、超聲波雷達，以及多種芯片如SoC芯片、MCU芯片等，另外地圖和高精定位裝置，也可以看作廣義的傳感器；軟件有操作系統、中間件、以及各種算法如BEV視覺感知算法、PID控制算法等，并可以封裝成特定的功能算法如ACC算法、APA算法等。
如果用非系統性思維來設計5R1V的硬件方案，可能是這樣的：
“攝像頭精度要高，選個8M像素的；毫米波雷達只是輔助，選個市場主流的就可以；SoC芯片用國產化方案，地平線的就可以，J2和J3算力相差不大，用低成本方案J2就可以了。”
然后被告知J2芯片不適合處理8M像素攝像頭的數據，方案被推翻重來。
如果具備系統性思維，則會這樣考慮：
“5R1V最主要的是前向感知，比較一下我們現有的感知算法，應用于2M攝像頭、5M攝像頭和8M攝像頭，效果相差有多大？”
“看來效果存在明顯差別，還是需要用8M攝像頭。處理8M攝像頭的數據需要多大AI算力？看看目前市場上有哪些合適的選擇？看起來地平線J3比較合適，有成熟案例，國產方案成本也有優勢。”
“我們現在的視覺算法能不能實現測距？測距的精度怎么樣？前向測距對前向毫米波雷達的依賴程度如何？看來要和算法一起評估一下是否有必要選高性能的前向毫米波雷達。”
“有些功能是單獨依賴角毫米波雷達的，比如盲區監測，因此，角雷達要選性能高一些的。”
這樣，5R1V方案中的每一個硬件需求和選型，都有理有據，并且等達到整體的統一，能夠形成一套完整的系統，而不是單獨存在的5個雷達+1個攝像頭+1個芯片。
在設計軟件方案時，由于軟件算法的邏輯和參數，能直接體現在功能和性能層面，因此更需要系統性思維。
以典型的Corner Case Cut-In為例：當車輛在車道內激活ACC時，如果前方出現緊急Cut-In，那么自車應該及時減速。產生的問題是：減速度應該是多大？如果情況過于緊急，達到觸發AEB的要求，此時AEB與ACC之間的交互應該是怎么樣的？ESC輸出的制動力應該如何變化？
如果缺乏系統性思維，可能根本不會意識到這些問題，只是將ACC和AEB作為2個單獨的算法模塊來開發，直到問題暴露。
如果具備系統性思維，則在一開始就會定義好Cut-In場景觸發AEB時，ACC的功能狀態和AEB介入的時機，以及兩者對制動力的詳細控制邏輯，實現制動力的平穩過渡，同時達到安全和舒適的效果。
系統性思維應用于軟件方案開發的另一個典型案例是智能駕駛各項功能的開關設計。
嚴格地說，功能開關設置屬于人機交互，也就是智能座艙的開發內容，但座艙中跟智能駕駛功能相關的開關設置，通常也需要智能駕駛的開發人員參與。
在早期的汽車機械化和電氣化時代，智能駕駛功能很少，ACC已經算是比較先進的功能，所以通常不會系統性地設計智能駕駛功能開關，常規做法是有一項功能，就加一個開關項。
如今智能駕駛的功能多達30多種，如果仍按照之前的思路，那么可能會存在30多個開關選項，這種情況在寸土寸金的車載屏幕中，顯然是不被允許的。此時就需要系統性思維，從全局思考如何設計智能駕駛各種功能的開關：
對于法規強制要求的功能，可以默認常開，無需開關；對于同類型功能，可以統一成一個一級開關，然后通過一級開關，彈出二級開關，例如將FCW與AEB統一為前向安全功能；對于存在包含關系的功能，分為兩級開關，例如NOA功能開關下設置自主變道功能的開關；對于用戶大概率不會更改設置的功能，可以隱藏，只保留一個統一入口供用戶做個性化設置。如圖1所示。
a） 同類型功能開關
b） 包含關系的功能開關
圖1 功能開關示例
按照這種系統性地做法，智能駕駛的功能開關將得到極大簡化，并且最大程度地考慮到用戶使用的頻率和場景。對于開發來說，開關信號邏輯也更加清晰，不會產生多個功能的開關信號優先級沖突的情況。
05 測試應該全面覆蓋
經常在發布會上聽到這類宣傳語：“我們的智能駕駛目前行業領先，全國領先，能夠達到XX公里零接管，已經超越了特斯拉。”此時我們的疑問是：XX公里零接管的場景和工況是什么？能夠覆蓋哪些路段？零接管是在臺架測試階段的仿真結果，還是實車路試結果？所謂的超越特斯拉，是哪些場景下的哪些參數或者性能表現超越，還是說所有指標都超越？
遺憾的是，目前沒有人能夠系統地回答這些問題，一種可能的情況是：這些玩家在高調宣傳的同時，自己其實并沒有非常系統地去完成測試與驗證工作，也缺乏系統性的思考：在什么階段，應該測什么內容？測試用例應該怎么編寫，才能保證測試過程不重復、不遺漏？需要多少測試數據，才能確保測試結果的可靠性？
需要經過系統化的全面測試與驗證，在不同階段，從不同維度去全方位地驗證產品的效果，才能保證讓用戶滿意，并且符合法規和標準要求。
智能駕駛作為涉及到安全、可靠、舒適等多個評價維度的復雜產品，通常需要經過軟件單元測試、軟件在環測試（Software-In-Loop，SIL）、硬件在環測試（Hardware-In-Loop，HIL，通常也可稱為臺架測試）、實車場地測試、實車道路測試、法規認證等多個測試環節，從軟件層、系統層、整車層等多個層面，逐一驗證，以便及時發現問題，及時調整優化。并且，在產品驗證過程中，應該有一套系統化的測試大綱和全面的測試用例，實現對智能駕駛產品的系統、全面測試。
智能駕駛的測試應該是系統而完整的，應該覆蓋所有可能的場景，并且對產品性能的測試應該具有統計學意義，而不是僅通過個別幾次的測試結果，就對產品性能得出結論。
如果采用系統性思維，首先列出一套智能駕駛產品的所有應用場景和功能，以及各項功能的性能要求；然后根據不同階段的測試邊界能力，安排不同的測試任務；最后再根據產品和系統需求，以功能為單元，從全局考慮，編寫測試用例，形成測試方案，測試用例應該注意合理性和可復現。
以系統性思維下的自動泊車功能實車測試為例，自動泊車分為檢測車位和泊入車位2個過程，有時還會有泊出車位的效果，那么自動泊車的測試就應該按檢測車位、泊入車位、泊出車位的過程，分別開展。
測試檢測車位效果時，主要測試的是檢測成功率，應該將目前所有常見的車位類型都列入測試用例，例如標線車位的標線有全封閉、半封閉、開口、角點等類型，空間車位的參照物有其他車輛和各種障礙物等，更詳細的車位類型介紹，可參考九章智駕之前的文章《特斯拉、小鵬、蔚來的自動泊車產品測評》。然后根據不同的車位類型，分別多次測試自動泊車的檢測效果，并分別統計各類車位的檢測成功率。
需要注意的是，成功率應該具有統計學意義，不能僅僅以某幾次的測試結果去計算成功率，而是至少測試100次以上，才能得出具有統計學意義的結論。
另外，還要考慮天氣和光照的影響，也作為測試用例的一部分。
對于泊入車位和泊出車位的測試，應該列出所有需要測試的參數，例如成功率、用時、揉庫次數、泊車空間要求、平穩性等等。一方面，應該針對各項參數，有針對性地制定測試用例；另一方面，測試結果也應該具有統計學意義，例如測試得出的泊車用時，不應該是某一次泊車所用的時間，而應該是多次泊車用時的均值。
06 安全應該全方位
對于安全的片面認知，是目前很多玩家缺乏系統性思維的典型代表。
曾聽不止一位同行說：“我們的智能駕駛功能肯定是安全的，因為通過了CNCAP的認證。”甚至聽到過有些非汽車行業出身的高層建議：“反正都是SoC，我們也未必要用英偉達/地平線，用XX芯片（某消費級芯片）應該也可以，只要過了認證就行，你們產品和研發一起評估一下。”
對基于這種認知下所開發出的智能駕駛產品，我們的建議是：為了自身安全，碰都不要碰。
安全，作為智能駕駛區別于AI在其他行業應用的一項關鍵特性，也需要系統性地考慮。
從目前來說，交通法規、NCAP、功能安全、預期功能安全等，已經從多個方面對智能駕駛的安全性提出了要求；另外，用戶使用智能駕駛時的安全感受，也是安全性的一部分，這些應該在智能駕駛開發時綜合考慮，并分解到相應的功能需求和軟、硬件模塊中。
目前有很多法規和標準，對智能駕駛的安全性提出了要求，耳熟能詳的有NCAP標準、ISO26262功能安全標準、ISO21448預期功能安全標準等等，以及容易被工程師，尤其是缺乏駕駛經驗的工程師所忽略的《道路交通安全法》。另外，智能駕駛作為車載模塊，也應該嚴格遵守車規級的要求。
圖2 智能駕駛安全法規示例
因此，從系統性思維出發，智能駕駛的安全，需要從各個維度綜合考慮，并且分解、落實到開發的相關內容和目標中，而不僅僅是通過了某項認證、達到某個分數，就認為安全已經做好了。
07結語
以上，就是我們對智能駕駛的系統性思維的解讀，并從智能駕駛涉及的主要內容，通過案例講述如何在智能駕駛產品開發中，貫徹系統性思維。除了本文列舉的案例外，智能駕駛與整車其他模塊的交互、智能駕駛的開發流程等，也應該貫徹系統性思維。
可以說，系統性思維作為一種結構化的全局思維方式，對于智能駕駛這類復雜系統工程，是非常適用且必要的。對于長期主義的玩家來說，長久且穩定地保持智能駕駛產品競爭力和市場份額，一定是系統性思維主導開發的結果；并且，系統性思維，也是一家“正規軍”區別于“雜牌軍”的重要標志。
轉自九章智駕
