悄然改變看清世界的方式——賽恩領動5R架構與新一代感知系統

導言

消費者對智能駕駛的進步了解，可能僅是新車宣發上的某些“亮眼功能”，但從業界與安全維度出發，則是車輛在復雜環境里能否保持判斷穩定。今年感知系統的變化，隱藏在更底層的地方，車輛開始接收到更完整、未經加工的原始信息。賽恩領動在廈門展示的5R衛星架構，就是沿著這條方向走出的重要一步。

過去一年里，行業從關注“單個傳感器的能力”，轉向思考“整套感知系統如何服務中央計算”。當智能駕駛越來越依賴模型訓練時，原始數據的質量就成了影響系統能力的基礎。也正因如此，雷達的角色開始從“給結果”變成“給事實”。5R架構的出現讓系統拿到更接近現場的世界描述。

過去的雷達到底卡在哪里

如果只看量產數據，傳統毫米波雷達確實曾是個“功成名就”的成熟零部件，很多車上已經用了好幾代。耐用、不怕雨霧，成本價格也控制得下來，這是它能持續大規模鋪開的原因。不過只要跟開發團隊一起在城市場景里調過車的人都會有一個認知共識，只要路況變得復雜，雷達看到的世界就有點“粗糙”，很多細節根本來不及交給系統。

問題出自感知信息在路上被“瘦身”過一次。傳統做法是先讓雷達在本地完成一輪處理，把判定后目標結果發給上層。對于早期相對簡單的高速AEB來說，這種方式沒啥問題，可當開始適配城市NOA，甚至要在混合交通、立交橋、匝道口里跑的時候，這種“先概括再上報”的流程就顯得不夠用了。比如前方是一團黑影，是陰影？積水？還是掉落異物？雷達在本地有時會直接把它歸到“不重要”，中央控制單元也就失去了重新判斷的機會。

5R架構的第一步改變，就是把雷達從“裁判”變回“記錄員”，少做武斷判斷、多把原始情況交代清楚。前中衛星雷達換上了更多的通道和更大的帶寬，本質上就是讓它能捕捉到更細的差別。之后再通過高速SerDes鏈路，把這些幾乎未經壓縮的波形直接送進中央域控，讓真正擁有全局信息的那顆“大腦”來結合其他傳感器一起做決定。就像醫生看病，更希望看到完整片子，而不是別人幫你挑好的一張縮略圖。

角雷達在這套架構里也不再是“把盲區補滿就行”的角色。新的版本開始承擔測高和側向識別等任務，說人話就是不僅告訴系統“前方有東西”，還帶上“它大概有多高、是在什么方位”這類更具體信息。高速上前車掉落物品，是壓扁在地上，還是立在車道中間，這些差別往往決定了車輛應該剎停、繞行，還是可以安全通過。

對整車的中央計算平臺來說，這些變化的意義不在于參數表多了一行，而在于收到的信息比以前更接近真實路況。過去雷達給出結論，如今則遞來一份現場記錄，讓系統更有余地去結合攝像頭、地圖等其他信息重新做判斷。隨著更多裝車反饋被帶回開發流程，這種“少替系統做決定，多把事實說清楚”的方式，正在一點點改變感知鏈路的底層。

更完整的數據讓車更懂場景

硬件能力提升只解決了“車能看到什么”，而今年明顯感覺變化的，是“車怎么處理這些信息”。以前的信息流程是，雷達被迫把大量細節“揉成一團”，再把結果發給系統；現在5R架構放開這步，中央計算單元也第一次拿到幾乎完整的雷達原始波形。這對算法的影響比想象中大。

過去不少業內團隊默認“AI模型主要靠攝像頭吃飯”，因為圖像天然適合深度學習。但當雷達把原始波形搬上中央計算平臺后，模型能從毫米波的紋理里提取更多維度的特征。換句話說，成像雷達提供的已經不是“有沒有東西”，而是“東西大概是什么樣子、距離和形狀是否在變化”。

SAINet 的端到端模型，就是在這樣的數據基礎上發揮作用。它不需要工程師提前寫好一堆判斷條件，而是在大量真實場景中自己總結規律。高速路上那種邊緣反光、角度怪異的小物體，以往很容易被當成噪聲扔掉，現在模型會嘗試先理解它，再決定要不要提醒系統注意。對于用戶來說，就是車在一些意外場景里不再“愣一下”。

SAIL-Hyper Loop 數據閉環的作用，更像學生把“不會做的題”收進錯題本。當遇到模型猶豫不決的情況，系統會自動標記并回傳訓練鏈路。工程師不再需要成百倍地篩視頻，而是讓模型自己指出“這一段我不太確定”。下一版模型更新后，它就會在這一類場景里表現得更穩。對于普通用戶，這種確定性通常比絕對性能更重要，因為它決定了整套智駕系統讓人“敢不敢用”。

技術最終走向量產，才算真正改變行業

前瞻的設計，極佳的思考，再好的技術，無法穩定量產也就不能證明自己。過去一年，賽恩領動把廈門的產線完全跑起來，讓這套感知方案從實驗室樣機變成真正能上車的產品。這里說的量產不是把零件拼起來交貨，而是每一顆雷達產品的一致性，供應鏈要能穩住節奏，成本還要壓進車企能接受的范圍的一整套標準。

李旭陽博士提到下一代產品的目標時，用的詞很直接：“視距更遠、細節更清楚，但成本要再降”。這看上去更像一句簡單的工作要求，可對供應鏈來說實則屬于很硬的挑戰。想進入主流車型，就不能繼續靠昂貴器件堆性能，只能讓設計本身更“聰明”，讓制造鏈條更高效，否則永遠停留在小規模試點。

越來越多的新車開始采用集中式電子架構，傳感器不再各自為政，而是要把數據直接送到同一個“大腦”里。5R架構被大家關注，大程度因為它天然適配中央計算平臺。這種趨勢沒什么戲劇性，卻會慢慢影響整個行業的技術路線。誰能把原始數據接進去，誰就更容易在下一階段的智能化競爭里站住腳。

在這個問題上，賽恩領動的態度也很明確：不做“能用但不穩”的方案。有車企想用低價雷達做組合，李旭陽的回答很干脆，可以試，但解決不了真正的安全問題。智能駕駛的底線不是“正常情況下沒問題”，而是“最復雜、最糟糕的情況下也能挺住”。這決定了技術必須有足夠的基本盤，而不是只追求表面好看。

過去一年，中國的智能駕駛供應鏈明顯提速，競爭也從單點比拼轉向整體能力。5R架構有點像在進入下一階段前打的一次“地基”。數據流要足夠真實，算法要有成長空間，產線要穩定，成本要往下走。只有這些都成立了，智能駕駛才談得上真正的普及。

結語

智能駕駛最終比拼的，是在復雜路況下依舊可靠的那一秒。5R架構的意義不在某項指標，而在它為未來的模型學習和數據迭代提供了更真實的輸入。隨著中央計算平臺逐漸普及，感知系統獲取世界的方式也在隨之在變。這種悄然改變車輛看清世界的方式，可能決定了未來智能駕駛能走多遠。

歡迎線上購買《汽車之友》雜志

北京時尚

成都雜志鋪

掃碼進店，線上購買，快遞到家

獲取更多圖文資訊，歡迎關注《汽車之友》微信公眾號

獲取更多視頻資訊，敬請關注《汽車之友》視頻號