小米造车 500 天，现在怎么样了？

整理 | 苏宓

出品 | CSDN（ID：CSDNnews）

去年 3 月 30 日，52 岁的雷军在小米新品发布会上哽咽，表示愿意压上人生全部声誉，为小米汽车而战！与此同时，小米在港交所发布公告，称「本公司董事会正式批准智能电动汽车业务立项。本公司成立一家全资子公司，负责智能电动汽车业务。首期投资为 100 亿人民币，预计未来 10 年投资额 100 亿美元。本集团首席执行官雷军先生将兼任智能电动汽车业务的首席执行官」，由此正式拉开小米造车之路。

自官宣造车以来，也点燃了网友的热情，甚至不少人高呼：

如今，距离小米造车已经过去了 500 天了，进展究竟如何？

收购与投资

近日，雷军在主题为「穿越人生低谷的感悟」中透露，经过一年多的迅速扩展，当前小米自动驾驶团队规模已超过 500 人，首期研发投入达 33 亿元。在第一期规划了 140 辆测试车，将陆续在全国进行测试，短期目标是在 2024 年冲到自动驾驶第一梯队。

事实上，自动驾驶已成为各大互联网竞相比拼的赛道，小米作为稍晚一步入场的公司，要想在传统车企、主攻造车的新势力、早一步下场造车的互联网围剿中迅速突围，投资和收购或是最快的手段。

因此，在过去一年中，其以迅雷不及掩耳之势，快速出手：

据悉，早在 2017 年前后，小米系的顺为资本就曾两度投资无人驾驶系统供应商“智行者”和自动驾驶技术研发商“Momenta”；
2021 年，顺为资本则再度跟投了“Momenta”；
这一年 6 月，小米长江产业基金领投自动驾驶和高级汽车辅助驾驶产品及技术供应商纵目科技；
2021 年 8 月，自动驾驶技术研发商“几何伙伴”获近 4 亿元融资，由小米长江产业基金领投；除此之外，智慧互通科技股份有限公司爱泊车宣布，获得小米集团战略投资；
同月，小米集团发布公告称，以 7737 万美元（约合 5 亿元人民币）收购自动驾驶技术公司深动科技，完成交易后，深动科技将成为小米全资附属公司；
2022 年 2 月，国内激光雷达公司速腾聚创完成一笔 24 亿元的融资，其中这轮融资由小米领投；同月，新能源汽车电气系统供应商智绿科技宣布完成新一轮融资，同样由小米领投；
2022 年 3 月，小米投资芯片设计公司慷智集成。这家公司成立于 2017 年，经营范围包含集成电路、芯片的研发、设计，从事电子科技领域内的技术开发等，根据官网显示，其聚焦智能汽车领域；
5 月，小米投资锂离子电池材料商法恩莱特；
几天前，宁波鼎声微电子科技有限公司发生工商变更，新增股东北京小米智造股权投资基金合伙企业（有限合伙）。

整体来看，截至目前，小米投资的领域覆盖三电系统、视觉传感器、激光雷达、芯片、自动驾驶解决方案、车载智能产品、智能座舱等重要领域。

100% 自研自动驾驶

除了投资、收购之外，众所周知，和百度、华为等互联网企业造车有所不同，小米在入局之初，便剑指「100% 自研自动驾驶」，且定下了要全栈自演算法的技术布局战略，也包括自建工厂。

根据小米的规划，其自动驾驶技术覆盖了传感器、芯片、感知算法、仿真技术、高精地图、高准定位、工具链、训练能力等研究方向。对于现阶段而言，雷军在发布会上曾表示，“自动驾驶是智能电动汽车决胜的关键点。”

从技术维度来看，近日，小米公司官微发布了一条 8 分钟的《小米自动驾驶技术解读版》视频，揭晓了小米在自动驾驶的最新进展。

其实，自动驾驶车辆对于大部分常规车辆的识别并不难，但总有一些异形车辆，需要自动驾驶车辆特殊对待，进行专属外观识别学习，避免出现安全风险。通过运用雷达、视觉传感器系统等技术，以及基于道路测试、自动泊车测试，小米已完成且验证了三十项与自动驾驶场景，包括：

其中，在事故车辆自动绕行场景中，小米自动驾驶通过敏锐的系统感知和大量优化训练，测试车成功识别事故车和三角警示牌，完成近身腾挪技术动作。

小米自研的 RTK 算法可以不断提升定位精准度，海量路口测试学习也提升红绿灯与车道的关联准确性。

在专利方面，不久前，小米还带来了一项“方向盘脱手检测方法、装置、可读存储介质及车辆”的专利，涉及自动驾驶领域。

该方法包括：周期性获取针对车辆方向盘的电容传感器采集的电容值；获取针对所述方向盘的扭矩传感器采集的扭矩值；周期性根据所述电容值与预定的电容基准值确定电容值变化量；当所述电容值变化量小于预定的电容值变化量阈值，且所述电容传感器的工作状态未处于有效状态时，根据所述电容传感器的工作状态和所述扭矩值确定脱手检测结果。这样，即便在一些特殊使用场景下，也能够准确地检测出方向盘是否脱手，为辅助驾驶系统提供了准确的信息，提高了驾驶的安全性。

我们距离真正的自动驾驶还有多久？

要想汽车真正地实现自动驾驶，需要不断地对系统进行训练，而截至目前，仍然还没有真正一款完全自动驾驶车辆的出现，而我们也还有很长的路要走。

在训练自动驾驶技术方面，驾驶是一个需要能够同时做很多事情的过程。机器实际上只是完成其任务的计算机程序，在行动背后没有任何批判性思维。相较机器，人类驾驶员同时具有批判性思维和多任务能力，这有助于对非决定性（即概率性）情况做出反应。

因此，自动驾驶的挑战在于建立一个由各部分共同工作的系统，类似于人类对世界的感知。它在软件和硬件中实现程序，以模仿人类在驾驶时对情况的感知。最早的系统利用了 LiDAR（用于计算机视觉）等传感器。

传感器使汽车能够对其环境有一个认识。它有助于创建道路的视觉地图，使汽车能够 "看到 "前方的情况。另外，通过摄像头加强这方面的能力，帮助汽车创造一个更好的甚至是最好的视觉地图。其他类型的传感器如雷达、超声波和红外线也可以使用。将各种传感器结合在一起被称为传感器融合。这为自动驾驶汽车提供了眼睛或视觉系统。

如果视觉系统不能解释它所看到的东西，那么它就没有用。对机器来说，来自传感器的数据只不过是像素而已。它们必须能够识别像素中的模式。然后，它需要被处理成可以被汽车理解的信息。这个过程包括以下：

图像或物体检测
特征提取
标签化
识别或鉴定
控制

自动驾驶汽车背后的逻辑是通过安装在芯片上的嵌入式系统应用的软件实现的。这是软件安装和执行的地方，以便加载到汽车的记忆系统中。除此以外，它还可以访问一个信息数据库。这就利用了 ML 技术（如深度学习）的数据，使汽车能够识别他们周围的东西，以及在遇到物体时采取什么行动。

当 LiDAR 系统检测到前方有停滞的物体时，汽车应该放慢速度，并在与物体的安全距离内准备刹车，以防止发生碰撞。同时，创建一个视觉地图并不是传感器的唯一用途。汽车的摄像系统还必须能够使用 OCR（光学字符识别）来识别道路标志。例如，为了符合法律规定，当摄像头捕捉到有速度限制的路牌时，那么汽车必须减速，不能超过这个限制。

开发者可能需要应用像 SAE 驾驶水平的认证或标准来认证自动驾驶汽车。这就像人类的驾驶证，但如果没有一致的标准，这可能会带来非常糟糕的局面。

放眼国内自动驾驶汽车市场，《汽车驾驶自动化分级》标准已经在今年 3 月落地实施，而驾驶辅助与自动驾驶的分水岭仍然在 L3。