長(zhǎng)城的智能化轉(zhuǎn)型：如何兼顧品牌的差異化和技術(shù)的平臺(tái)化？組織架構(gòu)怎么調(diào)？

作者：蘇清濤

前段時(shí)間，長(zhǎng)城汽車舉辦了一場(chǎng)關(guān)于智能駕駛及智能座艙的媒體沙龍， 長(zhǎng)城汽車智能化副總裁吳會(huì)肖、AI Lab負(fù)責(zé)人楊繼峰及智能駕駛高級(jí)總監(jiān)姜海鵬等對(duì)媒體提出的諸多問(wèn)題多了仔細(xì)的解答，在此，我們梳理出了一部分跟智能駕駛相關(guān)的內(nèi)容，摘要如下——

媒體：長(zhǎng)城汽車旗下的品牌和車型很多，這些車，不僅品牌調(diào)性不一樣，而且，價(jià)位也不一樣，那么，在做智能化時(shí)，如何實(shí)現(xiàn)品牌的差異化？

吳會(huì)肖：如果對(duì)不同車型采用同樣的智能化配置，如何對(duì)存量車做OTA，會(huì)是一個(gè)非常大的挑戰(zhàn)。因此，對(duì)不同車型的智能化水平做個(gè)序列，是有必要的。

就自動(dòng)駕駛來(lái)說(shuō)，如果算法可以被壓縮，其對(duì)算力的需求是有可能下降的，但還是要符合技術(shù)的發(fā)展規(guī)律，所以，現(xiàn)階段，自動(dòng)駕駛還是會(huì)分為低、中、高不同檔次。

姜海鵬：智駕方面，在上一代品牌/車型（已經(jīng)量產(chǎn)的這批）中，我們更側(cè)重于做平臺(tái)化，并在此基礎(chǔ)上構(gòu)建數(shù)據(jù)閉環(huán)能力；但對(duì)下一代品牌/車型，自動(dòng)駕駛功能的區(qū)隔就會(huì)非常明顯。

比如，歐拉品牌的用戶主要為女性，而女性對(duì)過(guò)于激進(jìn)的駕駛行為是比較擔(dān)憂的，針對(duì)用戶的這一痛點(diǎn)，我們通過(guò)記憶路線的設(shè)計(jì)，讓智駕系統(tǒng)對(duì)用戶常走的路線有一些記憶，隨著對(duì)路線越來(lái)越熟悉，在駕駛的過(guò)程中，系統(tǒng)就不會(huì)有特別激進(jìn)的行為，從而讓用戶舒服、放心。

再比如，坦克品牌是強(qiáng)越野和“鐵漢柔情”的結(jié)合，其主流用戶的駕駛風(fēng)格偏激進(jìn)，因此，我們會(huì)將智駕系統(tǒng)的加速、減速參數(shù)設(shè)置得激進(jìn)一些，讓推背感、減速會(huì)來(lái)的更刺激一些。

再比如，魏牌因?yàn)槭亲罡叨说钠放?，所以，我們所有的新功能、新平臺(tái)都會(huì)在魏牌上先落地。

再比如，哈弗是一個(gè)普惠性的品牌，我們要保證，競(jìng)品有的（智駕）功能，哈佛都有。

媒體：智駕產(chǎn)品的規(guī)劃和功能算法的部署，到底應(yīng)該是基于人群還是基于場(chǎng)景？? 我剛聽下來(lái)，覺得長(zhǎng)城的思路是基于人群。

我想說(shuō)的是，盡管長(zhǎng)城體系下面有非常多的品牌以及各種不同的車型，但其實(shí)本質(zhì)上，智能駕駛應(yīng)該會(huì)像我們考駕照一樣，無(wú)論你開30萬(wàn)元的車和還是 10 萬(wàn)元的車，你都要基于同一套交通法規(guī)去練習(xí)啊。

所以，我覺得，智駕產(chǎn)品按照人群來(lái)定位是很難的，所以，你們內(nèi)部在做智駕產(chǎn)品時(shí)，底層的思考邏輯是什么？

姜海鵬：我認(rèn)為，智能駕駛的產(chǎn)品定義首先是基于場(chǎng)景，然后再基于細(xì)分人群。

為什么會(huì)先基于場(chǎng)景？因?yàn)椋瑘?chǎng)景在很大程度上決定了成本——場(chǎng)景不同，整個(gè)架構(gòu)、平臺(tái)都不一樣，最終，成本也會(huì)大不一樣。比如，用一個(gè)幾百塊錢的攝像頭就能實(shí)現(xiàn)常用的?L2 功能，但如果要進(jìn)城的話可能就得需要1.5萬(wàn)甚至更高的成本才行。

再往下走，就是偏高速泊車等，只需要30 TOPS以內(nèi)的算力就夠了。

那么，基于場(chǎng)景設(shè)計(jì)的智駕功能，如何再適配不同細(xì)分人群的需求呢? 這是一個(gè)非常艱難的過(guò)程，但我們畢竟采集了很多用戶的駕駛行為數(shù)據(jù)，有了這些數(shù)據(jù)，我們就可以針對(duì)性地調(diào)整應(yīng)用層算法的標(biāo)定參數(shù)——算法還是那一套，但標(biāo)定參數(shù)不同，駕駛風(fēng)格就可以實(shí)現(xiàn)差異化。

當(dāng)然了，把算法提取到標(biāo)定參數(shù)這一層是非常難的，你得知道哪些參數(shù)可以變、變了以后對(duì)對(duì)用戶體驗(yàn)有怎樣的影響。這一點(diǎn)，很多算法公司是做不到的，因?yàn)樗麄儗?duì)車不了解，不知道哪些信號(hào)調(diào)了以后對(duì)于整車信號(hào)的影響是什么樣的，但這恰好是傳統(tǒng)車企的優(yōu)勢(shì)——我們現(xiàn)在量產(chǎn)的平臺(tái)都已經(jīng)做到了這點(diǎn)，新的平臺(tái)也是按照這個(gè)標(biāo)準(zhǔn)在開發(fā)。

媒體：長(zhǎng)城不僅品牌和車型眾多，而且既用毫末的算法，也用自研的算法，那在具體的開發(fā)中是如何實(shí)現(xiàn)技術(shù)的平臺(tái)化，從而提高開發(fā)效率的？

姜海鵬：在平臺(tái)化開發(fā)的過(guò)程中，中間件發(fā)揮了至關(guān)重要的作用，因?yàn)?，不同算力的?jì)算平臺(tái)上，跑的中間件是同一套，這樣可以保證整車、底層芯片及外部算法的適配做到標(biāo)準(zhǔn)化。

現(xiàn)階段，我們最重要的任務(wù)之一就是把這套中間件推廣開來(lái)，在上面跑不同的應(yīng)用算法。

在未來(lái)，我們也許會(huì)因?yàn)橥獠康乃惴ㄙY源，但中間件肯定還是這一套。

媒體：目前，蔚來(lái)和理想都用了Orin和J5兩個(gè)算力平臺(tái)，后面還會(huì)有Thor，且基于不同硬件平臺(tái)的研發(fā)都是獨(dú)立進(jìn)行的。那對(duì)長(zhǎng)城體系來(lái)說(shuō)，以后有沒有可能基于同一個(gè)統(tǒng)一的硬件平臺(tái)做開發(fā)？如果不能，那么，在同時(shí)使用多個(gè)品牌的芯片平臺(tái)的情況下，我們會(huì)怎樣分配開發(fā)資源？

姜海鵬：除了特斯拉外，現(xiàn)在還沒有哪家公司能夠確保全系車型都能夠用同一個(gè)硬件架構(gòu)或者同一個(gè)系列型的硬件架構(gòu)。

其實(shí)，從?Orin到?Orin X，再到?Orin，再到?Orin N，它是一個(gè)產(chǎn)品系列，但對(duì)車企來(lái)說(shuō)，完全采用同一家供應(yīng)商的同系列芯片，也會(huì)存在一定的風(fēng)險(xiǎn)。

媒體：在蔚來(lái)，NIO品牌和阿爾卑斯品牌的研發(fā)都是由不同的團(tuán)隊(duì)來(lái)做的，現(xiàn)在，NIO的研發(fā)團(tuán)隊(duì)差不多1600人，而阿爾卑斯的研發(fā)團(tuán)隊(duì)目標(biāo)人數(shù)是2000-3000人，哪怕，長(zhǎng)城會(huì)采用這種“兩套班子，兩套人馬”的情況嗎？

姜海鵬：就長(zhǎng)城的體量來(lái)說(shuō)，我們不打算這么做。我們還是想盡可能地追求通用化、平臺(tái)化。

楊繼峰：我們?yōu)槭裁匆m結(jié)“幾套人馬”的問(wèn)題？其實(shí)，這個(gè)問(wèn)題的本質(zhì)是怎么樣能更好地解決算法模型的多場(chǎng)景泛化能力。

過(guò)去，AI在每個(gè)場(chǎng)景下都需要用算法綁定數(shù)據(jù)、綁定計(jì)算架構(gòu)，并且還需要有專門的團(tuán)隊(duì)去維護(hù)；但在下一個(gè)時(shí)代，我們會(huì)看到的是用同一個(gè)模型來(lái)解決多場(chǎng)景的問(wèn)題。如Transformer?可以用來(lái)解決智駕的空間感知問(wèn)題，也可以用來(lái)解決座艙的空間感知問(wèn)題，還可以用來(lái)解決工廠的空間感知問(wèn)題。

【未來(lái)，大模型的引入，將大幅度降低技術(shù)平臺(tái)化的難度?！幷咦ⅰ?/p>

媒體：智能化走在最前面的，主要是純電車型，而長(zhǎng)城目前銷售價(jià)的車型中燃油車占比還很高，那長(zhǎng)城對(duì)燃油車的智能化是怎樣的態(tài)度？

我們后面會(huì)采取什么樣的戰(zhàn)略，是只對(duì)存量的硬件平臺(tái)進(jìn)行軟件更新，還是在后續(xù)新的硬件平臺(tái)里面也會(huì)把燃油車放進(jìn)去？還是說(shuō)，先用智能新能源車把整體的量帶起來(lái)，然后再將技術(shù)應(yīng)用到燃油車上？

吳會(huì)肖：首先我承認(rèn)，燃油車做智能化確實(shí)比電動(dòng)車難得多。比如說(shuō)，燃油車做?OTA?升級(jí)的時(shí)候，先得考慮蓄電池的電量，根據(jù)電池余量來(lái)判斷可以在什么時(shí)候升級(jí)；甚至，可能不能在冬天升級(jí)，因?yàn)?，在冬天，蓄電?a class="article-link" target="_blank" href="/tag/%E7%94%B5%E6%B5%81/">電流不夠的問(wèn)題會(huì)更嚴(yán)重。

當(dāng)然，我們?cè)谌加蛙嚿弦泊钶d了高通的8155，并且，在此基礎(chǔ)上實(shí)現(xiàn)的智能化，效果也還可以。

媒體：那我們今后會(huì)將新的EE架構(gòu)應(yīng)用到燃油車上嗎？

吳會(huì)肖：會(huì)的。

媒體：對(duì)傳統(tǒng)車企來(lái)說(shuō)，如果在之前的組織模式下要去做智能化轉(zhuǎn)型，效率會(huì)很低，那么，長(zhǎng)城這邊有沒有一些組織架構(gòu)更新的計(jì)劃？

吳會(huì)肖：我們?cè)诓痪们皠偝闪肆?a class="wx_search_keyword">AI Lab，但人員是從公司現(xiàn)有數(shù)字化團(tuán)隊(duì)整合而來(lái)的。我們的座艙團(tuán)隊(duì)，當(dāng)前分布在8個(gè)城市，協(xié)同上還存在不少問(wèn)題，現(xiàn)在也在做整合。

長(zhǎng)城在十幾年前就開始做智能化了，但隨著技術(shù)的嚴(yán)謹(jǐn)，組織也在持續(xù)調(diào)整。

楊繼峰：我在汽車產(chǎn)業(yè)所經(jīng)歷的組織，分三個(gè)階段。

第一個(gè)階段，是以車型交付為目的開發(fā)時(shí)代。在這個(gè)階段，一個(gè)車型只要進(jìn)入?SOP， 95%的開發(fā)工作就完成了，剩下的就是把它調(diào)優(yōu)，然后交付。在這個(gè)階段，車型開發(fā)團(tuán)隊(duì)在做完這一款車后就去做下一款車。

隨著OTA的理念逐漸深入人心，沒有OTA能力的車型被市場(chǎng)接受的難度開始升高，而為了降低OTA的難度，主機(jī)廠就得減少整車的系統(tǒng)版本。這個(gè)時(shí)候，車輛的系統(tǒng)開發(fā)需要更加關(guān)注平臺(tái)化，讓一個(gè)平臺(tái)能支持多個(gè)車型的交付。相應(yīng)地，組織架構(gòu)也要適應(yīng)平臺(tái)化開發(fā)的需求去做調(diào)整。

我們剛成立了一個(gè)?AI??Lab?和空間算法實(shí)驗(yàn)室。因?yàn)?，我們發(fā)現(xiàn)，下一個(gè)時(shí)代的AI開發(fā)，是整車數(shù)據(jù)驅(qū)動(dòng)的，甚至，艙駕也可能是要融合為一體的，所以，在當(dāng)前階段，按域或按功能做平臺(tái)化也許并不是一個(gè)好的思路。

今天，我們的算法團(tuán)隊(duì)是基于多個(gè)平臺(tái)給多個(gè)品牌的車型做交付，但在下一個(gè)時(shí)代，這樣的組織架構(gòu)是不行的。因此，我們會(huì)站在一個(gè)更廣的視角上建立系統(tǒng)和系統(tǒng)之間的關(guān)系，比方說(shuō)，場(chǎng)景的數(shù)據(jù)標(biāo)簽就會(huì)同時(shí)被應(yīng)用于自動(dòng)駕駛的規(guī)劃控制上、座艙的內(nèi)容生成上以及動(dòng)力管理和性能管理上。

媒體：我們可以理解為，您所在的 AI ?Lab 算是長(zhǎng)城的“ AI 中臺(tái)”嗎？

楊繼峰：? 在我的定義里，這個(gè)不只是中臺(tái)，而是中臺(tái)+前臺(tái)。

我們這個(gè)團(tuán)隊(duì)還要對(duì)今天所有自研的?DMS、OMS、ABM?、語(yǔ)音等在智能空間上的落地應(yīng)用負(fù)責(zé)。我們希望把整個(gè)?AI?數(shù)據(jù)能力、計(jì)算能力、算法能力和應(yīng)用場(chǎng)景放在一個(gè)組織里端到端地去解決。

媒體：城市 NOH，我們明年開城的節(jié)奏大概是怎樣的？

姜海鵬：首批落地的城市包括上海、北京和保定，后續(xù)會(huì)陸續(xù)拓展成都、廣州這些一線城市，其次是準(zhǔn)二線包括長(zhǎng)沙、青島、鄭州這些省會(huì)城市。

明年的計(jì)劃目標(biāo)是 100 個(gè)城市，但這個(gè)目標(biāo)很有挑戰(zhàn)性，因?yàn)橹袊?guó)城市的場(chǎng)景確實(shí)差異太大。就拿紅綠燈來(lái)講，現(xiàn)在我們?cè)诒本?、上海?xùn)練紅綠燈識(shí)別的模型，采集的圖片達(dá)到 500 萬(wàn)張。

媒體：有一個(gè)說(shuō)法是大模型“參數(shù)量越高，可解釋性越差”，那楊總怎么看待大模型的可解釋性在智駕應(yīng)用中的問(wèn)題？或者說(shuō)，在您看來(lái)，可解釋性是不是一個(gè)問(wèn)題？

楊繼峰：大模型的可解釋性問(wèn)題，在算法開發(fā)層面和在工程落地層面，思路是不完全一樣的。

在算法開發(fā)層面，試圖用一個(gè)特別大的基座模型去解決多個(gè)任務(wù)，必然會(huì)帶來(lái)可解釋性差的問(wèn)題；但在工程落地層面，我們其實(shí)是可以找到一些方法來(lái)解決或避開這個(gè)問(wèn)題。大概有以下幾種思路——

第一，在選擇基座模型的時(shí)候盡可能選擇一個(gè)可控性強(qiáng)的，而不是“能聊”的。

第二，用另一個(gè)模型來(lái)約束基座模型出錯(cuò)的可能性。

第三，不應(yīng)要選擇一個(gè)參數(shù)量最大的模型，也不一定要選擇在多任務(wù)上跑得最好的模型，而是選擇對(duì)解決特定場(chǎng)景的特定任務(wù)最合適的模型。

媒體：對(duì)端到端的自動(dòng)駕駛大模型，如果加了很多約束，那它的結(jié)構(gòu)還算是“端到端”嗎？

楊繼峰：做算法的人推崇的核心是高級(jí)，因?yàn)槎说蕉四Ｐ惋@得特別高級(jí)，所以我們很推崇。但從量產(chǎn)的角度看，我們要在安全性能和用戶體驗(yàn)之間找平衡，因此，所謂“更有高級(jí)感”的模型能否在一個(gè)可見的時(shí)間點(diǎn)把功能體驗(yàn)做好，是我們更需要思考的問(wèn)題。

所以，我們還是要以終為始地定義功能體驗(yàn)，而不是去定義算法的高級(jí)性。