【技术向】为什么同一个团队做出来的不同车型辅助驾驶表现会有差异？
这个问题其实与另一个问题非常相似，某个团队做完了一版软件，是不是可以直接迁移到另一个车型上？
先说答案： 完全不行，尤其是目前BEV+Transformer 方案下。
对于某个平台的车型，我们会很明显看到，即使价格差异非常大，舒适性配置和底盘配置差异都很大的情况下， 整体传感器硬件却不会有什么变化。
一般是7 Camera + Lidar + 智驾芯片。
为什么，因为实际上，感知软件对于这些硬件是非常敏感的，就连图像处理模块ISP 发生变化，感知的结果也很难保证。
在基础硬件配置基本一致的情况下，智驾软件可以直接迁移吗？
也不行，这就要回到目前智能驾驶感知算法的架构上来了。
BEV 实际上也就是鸟瞰图视角，但是我们摄像头并不是鸟瞰视角的，而是相机朝向，那这种转换关系是怎么完成的？
摄像头的内外参，简单理解的话就是摄像头的安装位置和投影关系。
这是将特征投影到BEV 空间的基础。
但是每辆车的造型不一致，轿车与SUV 的传感器安装位置是完全不同的。
A车型的数据很难用于B车型的算法训练，因为安装位置是不一致的，对安装位置非常敏感的BEV算法很难互用。
一般来说，一个BEV 算法启动到基本跑通，可能需要百万帧级别的数据。
而交付完一辆车之后，一辆新车，同样的模型性能会退可能非常大，外参变化越大，会退会更加明显。
即使是一个已经跑通的方案，对于每一种车型数采的成本都难以忽略，而感知相关的Corner Case 也可能需要单独数采解决。
因此，多车型让团队开始横向拓展项目，会一定程度上拖慢纵向研发进度。
这是这一代智能驾驶方案的天然劣势。
而对于车型量较少的团队，会有更多精力在同一个方案上进行优化。
所以不得不承认，在这个角度特斯拉和理想有天然优势。
当然目前也有一些外参不敏感的BEV 方案学术界尝试，但是也没有看到非常有前景的方案。
最后对于一些销量较差的车型，车企是否有精力持续进行算法的优化，也要打一个巨大的问号。
