916
隨著智能駕駛技術在全球范圍內快速發(fā)展，汽車產業(yè)正迎來巨大變革。自動駕駛，作為汽車智能化的核心部分，不僅影響著未來出行的方式，更推動著整個汽車行業(yè)的升級和轉型。在這場變革中，中國的新勢力造車企業(yè)，小鵬、理想和蔚來，憑借其創(chuàng)新的技術路線和市場策略，逐漸成為行業(yè)內的重要力量。與傳統(tǒng)車企不同，這些新興企業(yè)通過對智能駕駛技術的探索與應用，試圖在全球市場上占據主動權，進而引領自動駕駛的未來發(fā)展方向。
小鵬：端到端大模型的全面落地
1.1端到端大模型加速自動駕駛進程
小鵬汽車近年來在自動駕駛領域的發(fā)展備受關注，其2024年量產落地的端到端大模型被視為行業(yè)內的重大突破。這種大模型是基于神經網絡的結構，通過高度的數據驅動方式，解決了傳統(tǒng)自動駕駛系統(tǒng)中人工規(guī)則過多、更新維護復雜的問題。小鵬的技術架構由三大核心模塊組成：神經網絡XNet、規(guī)劃大模型XPlanner以及大語言模型XBrain。這三者的協(xié)同工作使得小鵬的自動駕駛系統(tǒng)不僅能夠快速適應不同場景，還能不斷通過數據迭代提高系統(tǒng)的智能化水平。
小鵬端到端大模型組成與傳統(tǒng)的自動駕駛方案相比，端到端大模型的最大優(yōu)勢在于其極大減少了人工參與的過程。在傳統(tǒng)方案中，開發(fā)者需要通過大量的手工編碼，定義每一種可能遇到的道路情況和駕駛行為，這種做法在復雜的城市路況下容易遇到瓶頸。而小鵬的端到端模型通過大規(guī)模數據訓練，將感知、規(guī)劃和控制環(huán)節(jié)全部交由AI完成，顯著提升了系統(tǒng)的適應能力。神經網絡XNet作為感知模塊，可以通過攝像頭和傳感器的信息，構建出高精度的3D地圖，能夠精準識別50個以上的動態(tài)目標，并預測其行為。這種強大的感知能力使小鵬的自動駕駛系統(tǒng)在面對復雜的交通狀況時仍能做出準確的決策。與此同時，規(guī)劃大模型XPlanner的加入使得系統(tǒng)能夠生成更加人性化的駕駛行為。與傳統(tǒng)系統(tǒng)中依靠預設規(guī)則進行規(guī)劃不同，XPlanner能夠通過對大量實際駕駛數據的學習，自主生成符合交通規(guī)則和用戶習慣的駕駛策略。例如，在處理擁堵路段或狹窄道路時，XPlanner能夠更加靈活地選擇最優(yōu)路徑，并減少車輛不必要的加減速，提升乘坐舒適性。大語言模型XBrain則為系統(tǒng)提供了類似于人類大腦的認知能力。它不僅可以理解復雜的交通標志、路牌信息，還能根據周圍環(huán)境變化做出適時的調整。例如，在面對潮汐車道或特殊交通信號時，XBrain能夠快速判斷其含義，并調整車輛的行駛策略，從而進一步提升系統(tǒng)的安全性和可靠性。
1.2 XNGP的全量推送與無圖化演進
小鵬的全感知駕駛系統(tǒng)XNGP（全景導航駕駛系統(tǒng)）于2024年7月實現了全量推送，這標志著該系統(tǒng)在全國范圍內的廣泛應用。XNGP系統(tǒng)的特別之處在于其不再依賴于高精地圖，這一技術突破為自動駕駛的普及掃清了障礙。傳統(tǒng)自動駕駛系統(tǒng)需要依賴高精度地圖提供詳細的道路信息，但這些地圖的獲取和更新成本高昂，并且只能覆蓋有限的區(qū)域。小鵬通過無圖XNGP系統(tǒng)，擺脫了這種依賴，系統(tǒng)能夠依靠車載傳感器和AI模型實現對道路環(huán)境的實時感知和判斷，從而實現自動駕駛。
端到端技術的使用使得小鵬自動駕駛的進步大大加速無圖XNGP的推出不僅提升了自動駕駛的覆蓋范圍，也大大提高了用戶的使用體驗。得益于端到端大模型的支撐，無圖XNGP在各種復雜的城市環(huán)境中表現優(yōu)異，例如在狹窄的小巷、擁堵的市區(qū)道路以及環(huán)形交叉路口等場景中，系統(tǒng)都能夠流暢應對。特別是在環(huán)島或掉頭等傳統(tǒng)自動駕駛系統(tǒng)難以處理的場景下，無圖XNGP通過實時學習和推理，能夠快速生成安全的行駛路徑，并確保車輛穩(wěn)定通過。小鵬計劃在2024年第四季度實現“門到門”的自動駕駛體驗，即車輛從用戶家門口出發(fā)，直至目的地，全程不需要人工接管。這個目標的實現將標志著自動駕駛技術的又一次飛躍，不僅能夠提升出行效率，還能為用戶提供更加便捷的駕駛體驗。這一舉措也是小鵬未來在全球市場推廣自動駕駛技術的關鍵一環(huán)。
1.3小鵬的全球化戰(zhàn)略與未來展望
除了在中國市場的積極布局，小鵬汽車也在大力推進其全球化戰(zhàn)略。憑借無圖XNGP技術的優(yōu)勢，小鵬計劃在2025年將其自動駕駛技術推廣至全球多個國家和地區(qū)。與傳統(tǒng)依賴高精地圖的系統(tǒng)不同，小鵬的端到端大模型能夠有效降低跨國市場的技術推廣成本。這種技術架構使得小鵬能夠迅速適應不同國家和地區(qū)的道路環(huán)境，尤其是在歐洲和北美等高標準的發(fā)達市場，小鵬的無圖技術將成為其競爭的關鍵優(yōu)勢。通過全球化戰(zhàn)略，小鵬不僅可以擴展其市場份額，還能進一步優(yōu)化其自動駕駛系統(tǒng)。隨著更多的用戶和車輛在全球范圍內投入使用，系統(tǒng)將能夠獲取更多的駕駛數據，進一步提升其AI模型的泛化能力。這種數據驅動的全球迭代模式，將幫助小鵬在未來的自動駕駛競爭中占據有利地位。
理想：雙系統(tǒng)架構引領自動駕駛第一梯隊
2.1理想無圖NOA的全量推送與快速迭代
理想汽車作為中國“造車新勢力”中的佼佼者，其在自動駕駛領域的布局同樣引人注目。2024年，理想汽車推出了其無圖NOA（自動駕駛導航輔助）系統(tǒng)，并在全國范圍內實現了全量推送。理想的無圖NOA系統(tǒng)依靠其強大的感知與決策能力，能夠在不依賴高精地圖的情況下，完成各種復雜的駕駛任務。尤其是在城市道路上，無圖NOA展現出了卓越的自動駕駛能力，得到了市場和用戶的廣泛認可。
理想將在三年內實現L4級別無監(jiān)督自動駕駛理想的自動駕駛系統(tǒng)采用了分段式的端到端模型，即在系統(tǒng)的感知、規(guī)劃和控制環(huán)節(jié)中均實現了高度模型化。通過這一技術架構，理想能夠有效減少對人工規(guī)則的依賴，進一步提高系統(tǒng)的迭代速度。感知模塊通過車輛的攝像頭、雷達等傳感器獲取道路信息，規(guī)劃模塊則根據實時環(huán)境生成最佳行駛路線，控制模塊負責將這些指令轉化為具體的駕駛操作。得益于這種分段式端到端架構，理想的自動駕駛系統(tǒng)在多種復雜場景中表現優(yōu)異，包括自動變道、紅綠燈識別、障礙物繞行等。理想的無圖NOA系統(tǒng)特別適用于中國復雜的城市道路環(huán)境。在這種環(huán)境下，車輛經常會遇到突發(fā)的行人、自行車以及復雜的交通標志，而高精地圖的更新往往無法及時跟上城市發(fā)展的步伐。理想通過實時的環(huán)境感知和動態(tài)決策，使車輛能夠靈活應對各種情況。這種靈活性不僅提高了自動駕駛的安全性，也為用戶提供了更為流暢的駕駛體驗。
2.2端到端+VLM的雙系統(tǒng)架構
理想汽車的自動駕駛系統(tǒng)不僅依賴于端到端的AI模型，還通過引入視覺語言模型（VLM），形成了獨特的雙系統(tǒng)架構。這一架構模仿了人類駕駛員的決策機制，即分為“快系統(tǒng)”和“慢系統(tǒng)”?？煜到y(tǒng)負責處理大部分常見的駕駛場景，例如常規(guī)的城市道路駕駛和高速公路駕駛；而慢系統(tǒng)則用于處理復雜、未知或罕見的場景，例如突發(fā)的交通事故、異常天氣條件或復雜的路口等。端到端模型作為快系統(tǒng)，通過大量的駕駛數據進行訓練，能夠快速識別道路上的目標物并生成行駛路線。而視覺語言模型（VLM）則是慢系統(tǒng)，通過引入多模態(tài)數據（包括視覺、語言和環(huán)境信息），VLM能夠在復雜場景中進行深度推理，幫助系統(tǒng)在遇到未曾見過的情況時仍能做出合理的決策。例如，當系統(tǒng)在城市中遇到臨時的交通管制或施工區(qū)域時，VLM可以通過識別標志和路面情況，判斷出最佳的繞行路線，確保行車的安全性。
視覺大語言模型可以很好的識別駕駛場景并做出決策這種雙系統(tǒng)架構不僅提高了理想汽車自動駕駛系統(tǒng)的安全性和可靠性，還使得系統(tǒng)具備了更強的場景適應能力。在未來，隨著更多數據的積累和AI模型的迭代，理想的端到端+VLM系統(tǒng)有望進一步提升自動駕駛的水平，為實現L4級別的自動駕駛奠定基礎。
2.3面向L4級別的自動駕駛演進
理想汽車的長遠目標是實現L4級別的無監(jiān)督自動駕駛，這意味著車輛將能夠在各種復雜的道路環(huán)境中，完全依靠自身的決策系統(tǒng)進行駕駛，而不需要駕駛員的干預。為了實現這一目標，理想正在逐步提升其自動駕駛系統(tǒng)的智能化水平，通過數據閉環(huán)、模型優(yōu)化和場景驗證等手段，加速系統(tǒng)的迭代。L4級別的自動駕駛不僅要求系統(tǒng)具備極高的感知和決策能力，還要求其能夠處理海量的復雜場景和突發(fā)事件。為此，理想汽車正在不斷擴展其自動駕駛車隊的規(guī)模，并通過這些車輛收集大量的駕駛數據。這些數據不僅幫助系統(tǒng)識別常見的駕駛場景，還能夠通過生成式仿真和模型訓練，提升系統(tǒng)在應對長尾場景時的表現。此外，理想還計劃通過視覺語言模型的持續(xù)優(yōu)化，進一步提升系統(tǒng)的認知和推理能力。未來的L4級別自動駕駛系統(tǒng)將不僅依靠感知和決策能力，還能夠通過對環(huán)境的深度理解，預測潛在的風險并提前做出應對。理想的這一戰(zhàn)略不僅展示了其在技術上的前瞻性，也為未來的自動駕駛市場競爭打下了堅實的基礎。
蔚來：群體智能與長期主義戰(zhàn)略
3.1 NOP+系統(tǒng)的全量推送
蔚來在2024年全量推送了其增強版領航輔助系統(tǒng)NOP+，這一系統(tǒng)的推出不僅為蔚來的自動駕駛布局增添了亮點，也展示了其“群體智能”技術的巨大潛力。NOP+系統(tǒng)基于蔚來全棧自研的自動駕駛算法，能夠在高速公路和城市道路上實現自動駕駛功能。不同于其他車企通過大范圍推開“開城”的方式推廣自動駕駛，蔚來選擇了逐步優(yōu)化特定道路的策略，確保其系統(tǒng)在每一條特定路段都能提供穩(wěn)定、安全的自動駕駛體驗。
NOP+系統(tǒng)通過不斷的迭代與優(yōu)化，已經在中國多個城市實現了全面覆蓋。蔚來車隊在不同城市的道路上進行大量的實地測試，并通過群體智能技術不斷收集數據、優(yōu)化算法。這種多車協(xié)同的群體智能模式使得蔚來的自動駕駛系統(tǒng)能夠快速應對各種復雜的路況，并通過實時數據反饋，不斷提高系統(tǒng)的智能化水平。蔚來計劃在2024年下半年推出“點到點”的全域領航輔助功能，這將進一步拓展NOP+系統(tǒng)的應用場景，使其不僅能夠在城市和高速道路上使用，還能在不同類型的道路之間實現無縫切換。這一升級將使蔚來的自動駕駛技術更加完善，并為其未來的市場拓展打下堅實的基礎。
3.2 世界模型與數據閉環(huán)的結合
蔚來的自動駕駛技術依賴于強大的數據閉環(huán)系統(tǒng)，通過構建世界模型，蔚來能夠在云端模擬現實世界中的各種復雜場景，并通過仿真技術進行驗證和優(yōu)化。世界模型的引入大大提高了蔚來系統(tǒng)的迭代速度，尤其是在處理長尾場景時，生成式仿真能夠為系統(tǒng)提供更加全面的訓練數據，使其能夠應對現實世界中可能遇到的罕見情況。
世界模型能夠進行空間理解與時間理解蔚來的群體智能系統(tǒng)還能夠通過多車協(xié)同，不斷優(yōu)化其自動駕駛算法。每輛車在實際道路上行駛時，都會將遇到的復雜場景反饋至云端，系統(tǒng)通過這些數據不斷迭代優(yōu)化。這種閉環(huán)式的數據反饋機制不僅提高了系統(tǒng)的安全性，還加速了自動駕駛功能的全面落地。
3.3長期主義：軟硬結合的布局
蔚來一直以來秉持著軟硬結合的長期主義戰(zhàn)略，通過自主研發(fā)的硬件和軟件平臺，確保其自動駕駛系統(tǒng)的穩(wěn)定性和可持續(xù)發(fā)展。在硬件方面，蔚來自主研發(fā)了神經網絡處理單元，并通過搭建強大的云端計算平臺，為自動駕駛系統(tǒng)提供了充足的算力支持。蔚來的計算平臺能夠處理海量的數據，并通過這些數據不斷優(yōu)化系統(tǒng)的算法，使其能夠在復雜的路況下做出精準的決策。在軟件方面，蔚來依托全棧自研的自動駕駛算法，確保其系統(tǒng)能夠高效運行，并在不同的應用場景中保持穩(wěn)定。通過對系統(tǒng)的不斷迭代和優(yōu)化，蔚來的自動駕駛技術已經達到了行業(yè)領先水平。未來，蔚來將繼續(xù)通過軟硬結合的方式，推動自動駕駛技術的發(fā)展，并在全球市場上保持競爭力。
自動駕駛行業(yè)的未來趨勢
4.1從“能用”到“好用”的快速過渡
自動駕駛技術的發(fā)展已經進入了從“能用”向“好用”過渡的關鍵階段。早期的自動駕駛系統(tǒng)更多依賴于高精地圖和預設規(guī)則，雖然能夠在特定的場景中實現自動駕駛功能，但覆蓋范圍有限，用戶體驗也有待提升。而隨著小鵬、理想和蔚來的技術突破，自動駕駛系統(tǒng)開始向更高的安全性和舒適性邁進。小鵬的無圖XNGP系統(tǒng)和理想的無圖NOA系統(tǒng)通過大規(guī)模數據驅動和AI模型的優(yōu)化，能夠在復雜的城市道路中實現流暢的自動駕駛。這種技術的進步不僅提升了用戶體驗，也為未來的自動駕駛普及提供了技術支撐。未來，隨著自動駕駛技術的不斷成熟，用戶對自動駕駛的需求將不僅限于基本的功能實現，還將期待更高水平的駕駛體驗和服務。
4.2數據驅動的AI大模型成為主流
端到端大模型和數據驅動的算法正在成為自動駕駛技術發(fā)展的主流。通過大規(guī)模車隊的數據訓練，AI模型能夠快速學習并適應不同的駕駛場景和復雜路況。小鵬、理想和蔚來都通過構建龐大的數據閉環(huán)系統(tǒng)，提升了其自動駕駛系統(tǒng)的迭代效率和泛化能力。未來，隨著更多的車企加入這一行列，數據驅動的AI大模型將成為自動駕駛技術的核心推動力。通過對海量數據的訓練和驗證，自動駕駛系統(tǒng)將能夠在更短的時間內實現性能的提升，并在全球范圍內快速推廣。
4.3城市級無圖自動駕駛的普及
無圖自動駕駛技術正在逐漸成為行業(yè)發(fā)展的新趨勢。小鵬和理想通過無圖NOA的技術突破，證明了自動駕駛系統(tǒng)可以在沒有高精地圖的情況下，依靠AI模型和數據反饋實現高效駕駛。未來，隨著技術的進一步優(yōu)化，城市級無圖自動駕駛將成為主流應用場景之一，特別是在復雜的城市道路和多變的路況下，無圖化技術將展現出更強的適應能力。
結論
從小鵬、理想到蔚來，三家車企的技術布局展示了中國自動駕駛行業(yè)的巨大潛力。通過端到端大模型、雙系統(tǒng)架構以及世界模型等技術突破，自動駕駛技術正在快速走向成熟。未來，隨著技術的持續(xù)迭代和數據驅動的進一步深化，自動駕駛將在全球范圍內迎來更廣泛的應用和普及。這不僅將改變未來的出行方式，也為整個汽車產業(yè)的升級和轉型注入新的活力。
