凤凰网汽车

10月24日是属于小鹏自己的科技春晚，也是小鹏兑现flag和秀肌肉日子。

今年的1024，小鹏一半以上内容在讲城市高级辅助驾驶，这足以证明其重要性。小鹏汽车自动驾驶副总裁吴新宙从技术方向、方法论以及未来规划都做出了清晰的解析，这也在向外界释放一个信号，关于智能驾驶的下半场，小鹏做足了准备，也一定要走到最前列。

接下来，笔者尝试从技术路径，地图闭环、数据闭环、超算中心、解析小鹏的智能驾驶规划。

城市NGP：降低高精地图依赖

智能辅助驾驶下半场的入场券就是量产城市高级辅助驾驶+全栈闭环能力。

小鹏给出的数据显示：具备城市辅助驾驶能力的小鹏P5，总用车里程中，城市道路占比高达 71%，换成用车时长维度则可以占到90%。同时，每天仅有25%的用户出行会通过高速，而城市道路则是100%。因此，城市场景不仅是用户的高频场景，也是刚需。

方向是明确的，但执行却充满难点。吴宙新表示：“城市高级辅助驾驶要比高速高级辅助驾驶难上百倍”。因为从软件数据来看，城市 NGP 相较于高速 NGP，大概需要增加 4 倍的感知模型数量、6 倍的代码量，以及 88 倍的规划控制代码量。

针对城市高级辅助驾驶，多感知+重高精地图是最主流的智能驾驶辅助方案，目前蔚来、理想、哪吒、华为都是这一方案的支持者。而小鹏正要逐步降低对高精地图的依赖。

从1024发布会看，笔者梳理了2个小鹏降低对高精地图依赖的理由。

第一，按照规划，小鹏要在今年二季度末“上车”城市NGP，并且逐步开放其他多个城市。但由于高精度地图的审核问题，导致小鹏在9月27日，才开始在广州进行城市NGP的落地。截止到目前，也只有广州用户可以体验城市NGP。

政策来看，国内高精地图采集有限制，会给辅助驾驶的推广带来技术难题。为了智能驾驶更广泛的使用，以及更深的技术护城河，小鹏选了一条更难走的路。

这是全行业面临的问题，所以想要率先落地城市高级辅助驾驶，重感知+轻地图将会是未来的一大发展方向。

第二，城市高级辅助并不能高度依赖高精地图。不少人用“在高精地图上做城市辅助驾驶就是有轨电车”来比喻两者之间的关系。

吴新宙认为，在城市做高等级辅助驾驶，有轨电车是行不通的。在逻辑上铁轨只是告诉你方向，但最终依靠的还是车辆自身的感知能力。

首先城市道路错综复杂，道路标线存在磨损问题。另外，还有楼宇施工的问题，都是高精地图不能解决的BUG。

吴新宙以广州举例，广州每天城市建筑改造有500处，每天有2处，这座城市几乎每天都在变化，此时高精地图与实际路况会有差异，这对多感知+重高精地图的方案是个挑战。

目前，以特斯拉、毫末智行代表的企业都选择了重感知+轻地图的技术路线。而如今小鹏也加入了这一技术阵营。

新感知架构XNet预示了什么？

为了减少对高精地图的依赖，小鹏提出了要实现数据闭环和地图闭环。

吴新宙表示：“在脱离高精地图这条轨道的背景下，城区 NGP 最难的地方在于：1、车辆横向操控。2、博弈和不确定性场景处理，考验的是车辆近距离的感知能力和判断。”

为此，小鹏推出了新一代感知架构Xnet，也叫深度视觉神经网络技术，特点是多相机/多帧的数据输入。

1、地图闭环 模拟高精地图

在Xnet之前，小鹏是通过多相机单帧的方式输入模型，再通过算法进行后融合处理产生360度的感知，而Xnet 则是将连续数据也就是相当于视频，输入深度学习的大模型，再输出三维空间的结果。

本质上，这和特斯拉一样，是一种纯视觉的前融合。在 Xnet感知架构下，静态和动态都进行了性能提升。

静态方面：感知硬件把数据给到大模型深度学习网络里，直接3D静态输出，也就是说实时生成高精地图，感知输出。

在现场，吴新宙播放的PPT显示，视频中的车道线、人行道和可行驶区域，并非高精地图，而是来自Xnet的感知输出。也就是说，Xnet具有自建高精地图的能力。

动态方面：Xnet 具备更强的 360 度感知，可以在视觉识别的基础上输出目标物的位置、姿态、尺寸、速度等信息，甚至可以预测目标轨迹，使规控的博弈能力大幅提升，变道成功率更高。

2、数据闭环 引入transformer

按照数据和算法的迭代关系，吴新宙将小鹏的整个数据闭环分成4大关节：数据收集、标注、训练和部署。

这里需要说明的是，小鹏首次引入了transformer大模型，这在造车企业里很少见。针对transformer大模型的研究和落地尝试，为小鹏的城市导航辅助驾驶打下了坚实基础。有业内人士表示，国内其他车企也在研发transformer大模型，但小鹏还是比较快的一批，笔者知道的另外两个玩家分别是特斯拉和毫末智行。

引入transformer大模型，在软件上布署也是一个新的难题，这涉及到数据标注，吴新宙表示：“如果训练动态网络的视频数据，需要100万条视频”，如果人工标注的话，是2000人/年的工作量，小鹏是绝不会忍受这样的标注效率。

所以，在标注上小鹏开发了全自动标注系统，相较传统人工标注效率提升 45000 倍。比如曾经 2000 人一年的标注量，现在 16 天左右就可以完成，并且远超人工标注质量。

除此之外，为了应对部分极为罕见的Corner Case，比如异形三轮车和行驶中的货车轮胎突然脱离，小鹏利用 UE 引擎进行仿真训练系统，在数据量难以满足训练需求时，小鹏会利用定向仿真来在虚拟世界中建立大量类似场景，在虚拟世界中对网络进行训练。

至于Transformer 网络的部署，小鹏进行了全新的重构调整，优化了运行效率和算力利用率，比如此前需要一颗 Orin 芯片 1.22 倍算力的模型，现在压缩到只需要 9% 的算力即可。

需要说明的是，小鹏引入transformer大模型还有另一目的，那就是数据驱动、和数据训练。负责采集的工具，小鹏虽未对这一技术命名，但它很像毫末智行的核心武器MANA。

获取数据并不陌生，目前特斯拉、蔚来智己都选择数据驱动模式。但在数据获取、数据处理、模型效果、产品迭代等方面，各家水平却不尽相同。基于 Transformer 网络的复杂程度，小鹏对数据收集、标注、训练和部署进行了升级处理。

在数据收集上，小鹏在近 10 万辆小鹏车型上装载了超过 300 个触发器，可以实时将场景数据收集上传。

吴新宙表示，“这10万辆车，每天获取的数据是不同的，云端会下指令给车辆每日获取不同的数据。”

如何对这些数据进行处理或者训练，除了transformer大模型外，还需要大型的超算中心。

超算中心”扶摇“的价值

超算中心是自动驾驶发展的另一个决胜点。随着自动驾驶车辆的增加，需要处理的数据呈几何级增长，对算力的需求、功耗要求都大幅提升，只有超算中心能够解决这个挑战。

超算中心相当于私人定制化的云端算力。目前的公有云要服务上千种行业，无法满足车企自动驾驶算力的需求。自动驾驶企业自建超算中心，相当于云端部署决定采集什么数据。

按照小鹏的说法，扶摇是全国最大的自动驾驶智算中心。基于阿里云智能计算平台，算力可达600PFLOPS（每秒浮点运算60亿亿次）。在“扶摇”的加持下，自动驾驶模型训练效率提升602倍。与2400TOPS算力的服务器进行单机训练相比，80机并行训练可将训练时长由276天缩短至11小时。

吴新宙举了一个例子，建立扶摇相当于成千上万的个Orin在同时学习。

通过与阿里云合作，“扶摇”以更低成本实现了更强算力。首先，对GPU资源进行细粒度切分、调度，将GPU资源虚拟化利用率提高3倍，支持更多人同时在线开发，效率提升十倍以上。

在通讯层面，端对端通信延迟降低80%至2微秒。整体计算效率上，实现了算力的线性扩展。存储吞吐比业界20GB/s的普遍水准提升了40倍，数据传输能力相当于从送快递的微型面包车，换成了20多米长的40吨集装箱重卡。

此外，阿里云机器学习平台PAI提供了模型训练部署、推理优化等AI工程化工具，比开源框架训练性能提升30%以上。

小鹏G9获Robot taxi执照

在小鹏1024智能驾驶部分的最后，吴新宙还给出了一个One more thing：Robotaxi。

就在不久之前，小鹏G9通过了封闭道路的自动驾驶测试，目前已获得智能网联汽车道路测试许可。也就是说，小鹏G9作为Robotaxi的承载车型，上路的牌照已经到手了，下一步就是具体的落地上路。

根据规划，小鹏Robotaxi将会在明年或后年出现在广州街头，在有安全员的前提下载客运营。

小鹏Robotaxi带来的意义是，它能够在量产车与 Robotaxi 之间形成数据和能力双向反哺，以此实现飞跃式的数据采集效率。这也是竞争对手不具备的能力，在获取数据层面可以领先对手。

而马斯克同样希望 FSD 量产车队的数据能够与 Robotaxi 共享，实现对真实驾驶数据的积累、特殊 Corner Case 的数据收集。

XNGP规划路线

写到这里，笔者认为小鹏的智能驾驶辅助系统SKU做的有些复杂。目前依然有人混肴XNGP 和 XPILOT 。

简单理解，XNGP相当于特斯拉的FSD，属于杀手锏。XNGP 与 XPILOT 区别是 XNGP 在感知、决策、规划算法结构上的不同，并且在算力和算法的提升下，XNGP 带来的体验是质变的。

在能力层面，XNGP 在高速场景的目标是做到全程零接管。在市区XNGP 的目标是做到在有高精地图的情况下，一些罕见的 Corner Case 会比 XPILOT 处理得好。

需要注意的是，XNGP目前还是一个期货产品，今年交付的小鹏G9 MAX版（其他版本仅支持XPILOT)仅有高速NGP、记忆泊车、LCC、智能泊车等能力。

对此，小鹏对于智能辅助驾驶下一步规划是：2023 年，在有高精地图情况下，小鹏城市辅助驾驶覆盖上海、深圳和广州三个城市，在无高精地图情况下，大部分城市将开放变道、超车、左右转能力。2024 年，小鹏将实现贯通泊车、高速、城市的全场景辅助驾驶。

从这个时间规划表来看，小鹏重感知轻地图的技术转型，现在还处在前期阶段，后续还有多个软件版本进行升级。

电驹小结：

关注智能驾驶的读者，可能都有下列疑问：大算力芯片和激光雷达等硬件配置的军备竞赛，什么时候是终点？智能驾驶的下半场，到底会怎么走？城市智能驾驶，什么时候全面上车？

学习完1024小鹏科技日，我们可以得出一个结论：智能驾驶的下半场的角逐重点，将是量产城市高级辅助驾驶+全栈闭环能力。降低对高精地图的依赖，大模型、自动标注、大算力超算中心，这些都是未来智能驾驶角逐的关键词。

在芯片、激光雷达等军备竞赛之后，下一场的角逐重点也浮出水面。目前，特斯拉、毫末智行，小鹏都在选择重感知、轻地图的路线，也都引入了大模型，建立了自己的超算中心。或许，下半场，智能驾驶水平将会出现明显的分水岭，我们则知道谁在研发，谁在裸泳。