硬核小鹏又整活了：辅助驾驶干到下半场，飞行汽车请尽快量产

作者 | 德新

& z2 @" Z+ a7 y8 B# _

编辑 | 王博

w6 N: \+ ~/ V. x7 C3 b* o

1024，是程序员的节日。

但在汽车行业，因为小鹏，这几年1024已经逐渐变成汽车科技的秀场。

小鹏的1024科技日始于2019年。

2020年，智能驾驶XPILOT和智能座舱XmartOS成为小鹏最重要的两个技术标签。

2021年，高速NGP横空出世仍让人记忆犹新。高速NGP流畅、本土化的体验，一下就刷新了大家对辅助驾驶技术的认知，也很大程度加速了这个行业的（发展）内卷。

现在的1024，既是观察小鹏科技储备的绝佳窗口，也是衡量国内汽车科技发展水平的一个风向标。

作为一家以「智能科技」为核心卖点的车企，小鹏在2022年的布局已经大幅超出了汽车本身。小鹏所展示的黑科技，既有大家熟悉的智能驾驶、智能座舱，也有更面向未来的智能机器人甚至飞行汽车。

作为一家头部的新势力，硬科技车企的代表，小鹏对未来出行是怎么思考的？

1.城市NGP首发，比高速NGP难100倍

首先聊聊备受期待的城市NGP。

高速NGP - 城市NGP - 全场景辅助驾驶（XNGP）- 全自动驾驶，这是小鹏看到的智能驾驶的演进路径。

, y, t- s/ I3 G+ Q6 n. t

用小鹏自动驾驶副总裁吴新宙的话说，「单场景辅助驾驶是上半场，全场景辅助驾驶是下半场。」

& e+ z! D6 G, q$ W7 |3 V

城市NGP是开启下半场竞争的前奏，我认为也是辅助驾驶发展的一个拐点。

此前，XEV研究所做了不少车主调研，很多新能源车主之所以不用辅助驾驶，是因为缺乏高速路的使用场景，而城区路又用不了。小鹏给了更精细的数据：用户的用车时长中，90%是在城市道路；从频率上看，用户100%每天都会经过城市道路，但只有25%的用户会经过高速路。

) H* z2 W$ u0 I3 R+ Q5 G; |* Y

城市NGP比高速NGP要难上百倍。小鹏的实操经验是：相比高速NGP，城市NGP的代码量提升至6倍，感知模型数量提升至4 倍，预测/规划/控制相关的代码量是88倍...

所以在这个过程中，也有人劝小鹏的自动驾驶团队，为什么要去做这么难的城市场景，而不是做一些难度更低、收益更快的场景？吴新宙表达的是，「这是难且正确的事」。

+ h, k1 c: R6 }: l" }

城市场景作为最高频刚需的场景，会很大程度提升用户对辅助驾驶功能的感知，拉动用户对辅助驾驶软件的付费意愿，同时拉大小鹏作为领先企业和其他车企的差距。

像很多新技术一样，从不好用到好用，到产生依赖，存在一个临界点，辅助驾驶也是如此。

( P/ y1 E9 N+ ]2 h7 |% [6 [

何小鹏在初体验城市NGP早期版本时，觉得系统就是一个新手司机，随时要准备接管；但到10月份体验第4个版本时，已经觉得是一个开车水平强一些的司机。他认为随着技术打磨，用户从不信任到依赖的这个转折点快要到了。

. P$ \% ]/ Q1 c

从技术层面上，城市NGP主要解决了两方面的问题：

第一，应对由城市场景本身的复杂特征带来的挑战，比如车辆、行人密集且会出现大量相互遮挡，并且目标的运动轨迹更加不规则和多元，静态的道路环境也在持续发生变化。 - e5 F: P' Z0 |/ ?5 T $ L8 }& D! H9 r; G; u. d$ }: d

具体而言，小鹏从视觉感知、传感器融合、行为预测、规划控制等方向上做了大量的工作。

比如针对密集场景的物体检测，放弃了原NGP的物体检测神经网络架构，重新搭了一套架构；启用业界最新的单目3D检测网络，直接通过单目RGB相机来预测物体大小、朝向、距离和速度；设计新的车辆转向灯识别网络；利用数据闭环，解决各种长尾下的红绿灯识别问题，等等。

2 J2 u7 \3 a" E% s T. ? 第二，要在有限的资源上，将功能产品化兑现给用户。P5上只有30 Tops算力的Xavier计算平台，相比后来的OrinX资源非常有限，这要求有强大的工程化能力，包括模型优化和部署等等。 3 \2 ^2 t" `9 P" P* }

目前业界在一块Xavier上实现城市NGP并交付的车企，只有小鹏一家。据说这个事情，曾有友商多次跟小鹏内部求证，是只用了一块，而不是两块或者更多。这也侧面反映了工程化难度之大。

目前，城市NGP已经在P5上开始全量推送，因为高精地图的原因，广州是可以开启城市NGP的首发站，接下来将是深圳和上海。

在已推送城市NGP的用户车辆上， 城市NGP里程渗透率达到约63%，城市NGP下的通行效率接近人类驾驶员的90%，每百公里接管次数0.6次。

城市NGP百公里0.6次接管什么概念呢？假设你每天通勤60公里，5天300公里，那在一周的工作日内，你的周平均行驶接管次数不超过2次。据我所知，这个数据甚至好于一些Robotaxi公司在测试区的接管数据。

U% y& |1 h0 E& D& C4 W

2.XNGP，全场景能力是辅助驾驶竞争的下半场

% @! U7 }% |0 D+ X! R/ z

城市NGP首发量产，是小鹏自动驾驶技术体系的冰山一角。

8 M7 F. o# e- i& i& R$ P& D

2023 - 2025年，小鹏这个阶段的主要目标是攻克全场景辅助驾驶。

全场景辅助驾驶的精髓，我认为是用一个很强的视觉感知底子作为主干，减少对高精地图的依赖，从而做到「有图体验完美，没图体验也能一流」。

% X5 z( F- l, r* o, t0 ~$ f# Y& `

为什么强调减少对高精地图的依赖，因为高精地图的许可和更新都很难。

包括城市NGP在内，国内头部车企/自动驾驶公司的城市NOA落地，目前多少都受到高精地图审批的影响。何小鹏说，原以为城市NGP在明年第一季度可以大范围铺开，实际上只规划了几个城市。

为了摆脱对高精地图的依赖（或者在没有图的情况下依然能做到完美表现），小鹏开发了新的感知模型架构XNet，XNet以多相机、多帧的图像作为输入，输出的是动态和静态目标的感知结果。

静态目标的集合，相当于是实时的高精度地图；

针对动态目标，因为网络具有360°的视角，系统的博弈能力会更强，变道成功率也会更高。

& Q& R) }2 r, p) x* H; x8 `! p

这样一个大模型，需要大数据投喂，也需要大算力来训练和部署。

! V3 l4 s" I+ g, C4 ~

根据小鹏测算，XNet训练数据的数据标注工作，大概需要50 - 100万段的短视频，手动标注需要2000个人年（1000人团队2年时间）来完成；用单个服务器来训练需要276天；模型训练完，直接部署到车端的话，一个Orin-X还不够，需要1.22个Orin-X。

为此，小鹏对应开发了全自动标注系统，将2000人年压缩到了16.7天，小鹏今年新建的自动驾驶智算中心「扶摇」运用在训练上，可以把模型训练的时间压缩602倍；再通过对Transformer算子的重构，XNet的模型部署最后占用了Orin-X 9%的算力就完成了。

2 t I! b, H( u9 ~9 H. s x& K

这段太绕了是吧？简单来说，就是场景很难，算法复杂，极耗资源。怎样用更少的资源在短时间内做出好的效果，考验工程能力。XNet就恰好反映了小鹏在自动驾驶上全面系统的工程能力。

其实到了2022年，从单点功能上，比如5家车企的LCC，已经较难区分出很大的差别。辅助驾驶的能力PK，更多考验的是对困难复杂场景，甚至罕见场景的应对能力，而这部分能力的增长需要强大的数据闭环。

数据闭环有4个关键环节，采集 - 标注 - 训练 - 部署，后3个环节在上面都有提到。

采集环节，小鹏目前有超过10万辆带XPILOT系统的车型。吴新宙透露，小鹏已经开发了超过300个触发器，每周可以根据特定的场景需求进行专门的数据采集。

7 t7 V- A0 s) U3 b" {, K1 r& _$ g

城区辅助驾驶开发的精髓是通过神经网络来构建复杂的代码，因为人工编写在海量的复杂场景面前，很快会到达瓶颈。因此核心的竞争是数据闭环的能力和效率。

6 R+ z4 X" a6 x% c# [5 E

在这点上，小鹏无论从钱（建立智算中心）、人（团队规模）、车队（量产车数量），应该都是国内目前走得最快，步子迈得最大的公司。辅助驾驶的上半场靠精英人才投入和工程积累，下半场在上半场基础上，拼的更多的是系统能力和效率。

2 X( u. U+ d9 G8 n" W. T7 O

哦，对了。

% {0 Q; x, L$ {0 a( Y

还有One more thing，小鹏计划在明年和后年开始，从广州起步来部署Robotaxi，大概率会基于G9开始投放，希望以Robotaxi和辅助驾驶两条线，形成功能和数据的互补。

3.自研语音基础能力，再次刷新座舱交互的想象力

辅助驾驶和智能座舱，是小鹏智能化标签的左膀右臂。

前两年P7的座舱，已经刷新了行业的座舱语音交互标准。就算到今年，小鹏在P7上提出的全场景语音交互、连续对话、可见即可说的能力，还是行业内其他车企旗舰车型追求的功能标准。

; B5 ?/ h& Z n

P7的语音能力，定义了语音作为智能汽车交互入口的范本。从这点上来说，我个人认为它的独特性，甚至大于同时期XPILOT在智驾领域的突破。

2 v9 B) r3 V/ I3 f& q. e- d 7 C0 U, |" k" k P& i. M3 m t5 m

今年，小鹏推出了全场景语音2.0体系。简单来说，就是多人在车内对话的状态，越来越接近正常对话的状态，而不需要人来迁就机器。

% R6 N9 w8 s* t6 S

比如全时在线功能，不需要唤醒；一句话最多支持4条指令的同时执行；MINO多音区功能，相当于语音助手有多个分身，车内多人各说各的，同时反馈和执行。从响应、执行速度上，2.0版本也有不少指标刷新了行业最快成绩。

, ]# a; K2 P2 A4 F& y; H; M

座舱语音交互能力还能持续压榨，背后除了8155带来的水涨船高之外，小鹏已经开始深入语音技术的底层，包括：声学信号处理、本地语音识别、在线语音识别等等。这些典型语音基础能力 ，这是一般车企不会涉足的领域。

小鹏的第二代语音架构全栈自研，再度说明，小鹏对语音的探索，已经进入到非常前沿的地带。第三方供应商在技术方案和迭代速度上，难以满足需求。小鹏内部认为，自研方案的先进性更高，资源使用和数据成本都更低，也有助于拉开差距，形成独特的产品竞争力。

4 |, x' k0 A; J" v0 I c1 O

另外，小鹏的海外车型，也会采用自研的语音架构。

( W% q# i v, h

4.智能机器人离家用更近一步，飞行汽车试验车成功首飞

与特斯拉类似，小鹏也在通过小鹏鹏行造机器人，甚至小鹏启动的时间点更早，6年前就开始了。

) `& K% V4 A7 K _0 ]+ \" w" T; }

这届1024上，第二代智能机器人亮相：

头部集成了AR投影，是对机器人交互形式的探索； 9 p3 [5 ^7 t; y. n 足底使用“EVA超临界发泡”及耐磨橡胶，缓震、静音与耐磨性能提升； + \$ ~6 g7 {% I2 J 颈部等区域使用新型弹性织物与液态硅胶材料，解决多自由度运动的设计问题，且耐冲击、耐刮擦； 尾部增加了机械臂，可执行更多的功能； 算力平台，采用与高端智能汽车同级别的平台； : G# f& m, [# O/ t' m/ g. f: P9 P) l 电池系统，采用车规级电池系统，BMS和电池Pack 一体化设计，更加紧凑、安全； 热管理系统智能化，大幅提升智能机器人极限性能。 . X2 _2 @* {8 Y2 e5 D; `

据何小鹏介绍，目前围绕智能机器人的开发，核心是在打磨几方面的能力：行动的静谧性；在狭窄环境下的避障能力；以及机械臂的多场景应用。

最后，继10月份完成迪拜海外首飞之后，小鹏汇天的飞行汽车也在这届1024活动上进行了亮相，内部研发代号为X3。

在去年发布的飞行汽车概念的基础上，X3改变了构型，具备机臂折叠收纳系统，可进行陆行和飞行模式的切换。

在机臂折叠收纳状态，它的尺寸和常规汽车相当，能够在开放道路自由行驶；在法规、环境允许的条件下，垂直起降，飞行跨越拥堵、障碍、河流等，满足人们短距离低空出行的需求。

X3的试验车整备质量接近2吨。目前基于X3，汇天的飞行汽车已完成试验样车首飞。汇天的目标是在X3的基础上实现量产。小鹏之前已经宣布，希望在2024年推出量产飞行汽车，成本不高于100万元。

在X3上，汇天完成飞行汽车量产的两大挑战：

! @- z8 u: s" t

第一是飞行控制。在螺旋桨直径接近 4 米的情况下， 对转动惯量的控制和响应速度要求很高；

其次，动力系统要让2吨级的车辆起飞，所需动力是地面行驶的15倍。电池放电功率密度、能量密度要远超目前汽车行业平均水平，还需要更好的热管理系统，并考虑动力冗余需求。

何小鹏也很坦诚，X3的电池目前可以支撑车辆行驶几百公里，但飞行的话，只能支撑几十公里。

总结：

+ Z+ I6 H8 @; r; C

我在小鹏广州总部的现场看完了这场1024，这场活动一点不像车企的技术日，倒非常像GoogleX的科技展示。

: ?* h) T+ q, X+ Q2 j/ j

整个发布会前半场非常硬核，后半场很fancy。很多时候，大家的注意力容易被后半部分那些炫目的概念吸引，甚至网上有声音质疑小鹏布局太多，智能机器人和飞行汽车的商业化路径不清晰。

但从整个时长分配来说，小鹏是非常务实的。75分钟的发布会，智驾部分占了50分钟。当下与未来，诗和远方，边界非常清晰。

无论是城市NGP，还是飞行汽车，小鹏在前沿科技上的探索，有很大一部分已经进入到前人未至的无人区。这意味着，市场上没有同类竞品，无从对标，也没有供应商具有成熟经验，其中有大量全新的定义和自研工作，极度考验一家车企对未来的判断、执行力和交付能力。

4 z/ o3 O+ ?' Q' _( }

小鹏过去8年在硬核技术上的积累，已经构建起一个完善的科技体系，在不同的产品上，人工智能、人机交互、动力系统等领域有相当一部分可以复用，甚至可以通过产品之间的反哺，形成独特的领先性。

印象最深刻的是，何小鹏和吴新宙，都提到了做「难且正确的事」，打造「让用户骄傲的科技产品」。

辅助驾驶、智能座舱、智能机器人和飞行汽车，是否足够令人兴奋、让人骄傲？现场的车主们已经回应了一个狂热的「YES」。

: r7 Q9 p2 q& L8 Q2 v

F. y0 a9 {- x4 X0 ?' h