2022 年，在智能汽车领域，几乎无人不谈「行泊一体」。
「行车和泊车共用同一个域控制器，实现传感器深度复用、计算资源共享，在提高用户智驾体验的同时，也帮助主机厂降本增效，大大提高了后者的开发效率……」这差不多是做「行泊一体」自动驾驶企业的惯用话术。
然而在实际中，该类型方案的表现却一言难尽，差别巨大。大部分所谓的行泊一体只是将硬件并到一个「盒子」里，功能并没有发生改变，用户体验也没有得到明显提升。
面对成效上的千差万别，甚至让人怀疑不同公司所说的「行泊一体」是否指的是同一件事情。
因此，一些行业人士根据长期的思考和实践提出了行泊一体的不同形态，以 1.0、2.0 甚至是 3.0 来区分不同方案在本质上的巨大差异，阐述各家的行泊一体为什么在功能、体验、硬件、成本等方面相去甚远。
在这方面，量产自动驾驶方面的领先企业或许最具话语权。
近日，汽车之心在国内首个单 TDA4VM 行泊一体项目的开发交付现场，与 Nullmax 纽劢创始人兼 CEO 徐雷进行了深入的交流，梳理了当前行泊一体的量产进展。
这位硅谷职业背景的创业者，有着技术控们一贯的严谨，他把「行泊一体」分为 4 种形态，其中最高阶的 4.0 形态表现为一体化域控制器、单 SOC 系统，以及芯片、传感器持续深度复用，且 NOA 功能不受限制。
目前，Nullmax 是业内少数能提供行泊一体 4.0 方案的公司，其开发了覆盖不同算力的平台化行泊一体解决方案 MaxDrive，并将率先在 TDA4VM 芯片上完成一系列的量产交付。
01、从 1.0-4.0，鱼龙混杂的行泊一体
市面上现在大部分车型采用的仍然是分离式域控制器，即行车域控和泊车域控相分离，行车功能只能调用行车的芯片和传感器，比如前视相机、毫米波雷达，而泊车功能也只能调用泊车的芯片和传感器，比如鱼眼相机、超声波雷达。
这意味着，当一套系统运转时，另一套的硬件就会闲置。
这一情况，被徐雷称之为行泊一体 1.0 形态，不仅电子控制单元（ECU）数量最多，成本也十分高昂。
当中行泊一体的内涵，只是行车、泊车两套功能同时存在于一辆车上。
而 2.0 形态正是前文提到的将两块负责不同功能的 SoC（行车 SoC 泊车 SoC），「貌合神离」地集成在同一个域控制器上，典型如「1 颗 EyeQ4 1 颗 TDA4」或类似的双芯片组合方案，确实减少了一个域控制器，使硬件成本降低约 30%，但属于伪行泊一体架构，计算资源没有得到真正共享，容易出现通讯延迟，不利于数据的融合处理，汽车智驾性能没有提高。
行泊一体 3.0 形态更进一步，在减少域控制器的基础上，再减少一块芯片，直接上单 SoC 系统，使硬件成本降低 50%，但此时又容易出现一个新问题：
传感器无法深度复用，功能局限于基础的 ADAS。
也就是说，3.0 形态仍然只能开启部分传感器，仍有一部分传感器处于分时闲置的状态，因此在同样传感器下，其实还有更大的性能空间可以挖掘。
背后的原因在于有些自动驾驶公司，无法做到在一块算力有限的 SoC 上，处理行车和泊车过程中大量传感器同时输入的海量数据。
「这就导致在行车过程中只打开了前摄像头等传感器，泊车过程中也只使用例如鱼眼摄像头进行感知，行、泊在物理上看似一体，在功能上仍然是分离。」
真正的行泊一体不仅能省去部分重叠的硬件，节省成本，还能实现更高的性能。
徐雷介绍，在路上行驶时，行车系统应该调用鱼眼相机，提升车身周围 360°的近距离感知能力，在拥堵跟车、cut-in 等情况下提高行车表现。举个例子，鱼眼能够用来检测车旁行驶区域的变化，这样当大卡车经过时，系统可以提前做出横向避让。
而在停车场内行驶时，系统也可以直接调用前视摄像头，提升车辆前向的感知能力，识别路上的障碍物，提高泊车过程中的行进速度，「比如达到 10 公里每小时以上。」
这些功能如果能在单 SoC 上做到，才能算达到了行泊一体 4.0 形态。
当中的挑战之大不言而喻，既要求自动驾驶企业深入了解自动驾驶的全流程，能够构建高效高性能的整体架构，还要具备强大的软件算法技术，尤其是工程化能力，完成整套方案的实际开发和落地。
这也就意味着，4.0 形态的行泊一体实际上少之又少。
从交付进展上来看，能够像 Nullmax 一样完成全自研行泊一体方案落地的企业也确实是凤毛麟角。
徐雷创业前曾供职于特斯拉，领导搭建了部署于 Autopilot 2.0 系统中 TeslaVision 的深度学习网络，与另一位创始人宋新雨在软件、硬件两方面共同参与 Autopilot 2.0 系统的研发和落地。
因此 Nullmax 从一诞生初，就拥有了强大的软硬件基因。
举个例子，在自动驾驶 SoC 芯片上，通常集成了 CPU、AI 芯片（GPU/FPGA/ASIC）、深度学习加速单元（NPU）等多个模块，如何让感知、融合、规划、控制、地图、定位等功能与之匹配，在最适合的计算单元上运行，就是一个很具挑战的问题。
Nullmax 基于在异构平台丰富的开发经验，通过高效部署深度学习模型、分配不同任务，让各模块发挥出最佳性能。
多个异构计算资源可以并行地重叠处理，提高了资源利用率，吞吐率及加速比，也提高了系统数据处理的帧率。
此外，模块之间还需要考虑清楚信号和数据如何传输，模块或系统失效如何应对等一系列的具体问题。
「说白了就是整个架构之间应该怎么通讯、调度，以及同步。」为此，Nullmax 设计了高效的系统框架，能够让不同模块串联，实现最高效的协同、调度、融合。
可以说，行泊一体的实际量产难度，尤其是模块本身以及模块之间的工程化部署，在过去被远远低估。毕竟，以同级配置实现越级体验的行泊一体 4.0 方案，不可能是一夕而成。
02、软件平台化，Nullmax 进军百万装车量
以 Nullmax 单 TDA4VM 行泊一体方案为例，在仅有 8 TOPS 的 AI 算力下，能够提供领航辅助、高速代驾辅助、拥堵跟车辅助、记忆泊车等一系列的行车、泊车功能。
2021 年，该方案获得某知名主机厂项目定点，采用 2 颗前视摄像头、4 颗鱼眼摄像头、5 颗毫米波雷达、12 颗超声波雷达的传感器配置，部署至 TDA4 自动驾驶域控制器，不仅可以提供丰富、安全的功能体验，更能兼顾硬件的成本。
如今，Nullmax 单 TDA4VM 行泊一体方案即将完成最终交付，预计平台化搭载的车型最终可达数十万辆量产规模。
在此基础上，Nullmax 同样打造了基于双 TDA4VM 的标准版行泊一体，也是业内首个独家定点的双 TDA4VM 周视行泊一体量产方案。
在 16 TOPS 算力下，可以胜任多达前视、周视、环视等 11 颗相机组成的庞大视觉感知，并进行毫米波雷达、超声波雷达等传感器的感知融合，完成高速领航、拥堵跟车、自主泊车、记忆泊车等智驾功能所需的各项任务，在体验上进一步优化。
除了布局中低算力，Nullmax 还正在基于英伟达 Orin 芯片平台，量产大算力行泊一体智能驾驶解决方案。
该行泊一体项目是国内首个基于标准版 Orin 芯片平台落地，涵盖高速、城市和泊车的全场景量产应用，提供导航辅助驾驶、拥堵跟车、泊车辅助、常规 ADAS 等全部主流功能。
预计到 2023 年，该平台化项目的首款车型将上市交付，最终的量产总规模接近百万辆。
据了解，Nullmax 将完全自主知识产权的数据闭环工具链运用其中，助力打造自动化的闭环数据平台，支持更多创新功能的加入和自动驾驶功能 OTA 升级。
可以看到，Nullmax 能够基于德州仪器 TDA4、英伟达 Orin 等不同芯片平台推出差异化的行泊一体方案，实现不同层次的智驾体验。而且，很多的量产项目也是平台化项目，涉及多个车型。
「如果说在一个平台上做行泊一体称得上难，那么扩展到多个平台则是难上加难。」一位业内人士指出，不同平台之间的架构天差地别，很难将算法简单迁移复制。
也正是基于这个原因，不少自动驾驶企业要么花费大量的精力在不同平台之间做适配，效率低下且投入大，要么只专注做一个平台，延展性有限。
