先問大家一個問題：“你每天上下班通勤時間多長？”
據(jù)《2022年中國主要城市通勤監(jiān)測報告》顯示，全國承受60分鐘以上極端通勤的人口超1400萬，其中青年群體有近600萬，占比超過40％。報告顯示，2021年北上廣深平均通勤距離9.4公里，其中北京平均通勤距離11.3公里，是全國通勤距離最長的城市。
現(xiàn)在的車企們，正試圖幫你解決通勤路上最難熬的這段時光。
早在2015年，特斯拉就推出了FSD（Full Self-Driving，完全自動駕駛），號稱可以在城市街道中進行自動輔助駕駛。而后，國內(nèi)的造車大軍也紛紛拿出對標FSD的功能。
于是就有了，華為的ADS、小鵬的XNGP、蔚來的NAD、理想的NOA。功能名稱百花齊放，但它們的目的都是一致的——通過自動駕駛系統(tǒng)，幫助駕駛員完成從A點到B點的移動。
最近，我們就在上海鬧市區(qū)體驗了小鵬的XNGP（小鵬的第二代智能輔助駕駛系統(tǒng)）。雖然它最終將我安全的送到了目的地，期間還穿越了上海最堵的延安高架、最繁華的外灘。但這次“車輛自己開”的體驗，依舊會讓我覺得——現(xiàn)階段的輔助駕駛，仍然是一個“新手司機”。
01.自動駕駛比人更安全？
“未來，AI（人工智能）一定比人類更會開車?！?/p>
這是小鵬汽車自動駕駛副總裁吳新宙，在3月31日的溝通會上給出的定論。他進而解釋到：“道理很簡單，因為AI對周圍世界的理解的精細程度超過人類駕駛員。比如，我們開車的時候只看到前面有一個車，跟這個車的距離是多少，速度多少我們不知道的，但是AI在360度無時無刻不在做這樣的觀測?！?/p>
小鵬汽車自動駕駛副總裁吳新宙
從小鵬汽車內(nèi)部的目標來看，隨著計算能力和算法能力的提高，他們希望人工智能的“開車水平”能夠超越人類老司機?！熬唧w這個時間點，我希望在2024-2025年中間的某一個時間點?！眳切轮嬲f道。
然而，站在當下2023年的時間節(jié)點來看，小鵬的XNGP體驗還處于“新手司機”的水平。
首先，被加塞的場景中，小鵬突出一個“能讓就讓”的原則。
在上海南浦大橋上，我就遇到了連續(xù)被加塞的場景。當時我駕駛著G9 Max版行駛在橋上最左側(cè)車道，前方是一輛輕型貨車，系統(tǒng)自動留出了較長的跟車距離。正是因為跟車距離太遠，給了右側(cè)一輛比亞迪加塞的機會。加塞期間，系統(tǒng)自動減速并向左打方向主動讓出位置，對方順利完成加塞。
緊接著，一臺滬A牌照的摩托車，快速從右側(cè)完成超越，幾乎是貼著右側(cè)翼子板而過。
然而，車輛并沒有對這臺摩托車作出任何反應，甚至連方向盤都沒動。原本我以為是系統(tǒng)沒有發(fā)現(xiàn)它，但其實屏幕上的環(huán)境模擬顯示系統(tǒng)，早已在摩托車處于車輛側(cè)后方時就鎖定了其駕駛路線。
如果真是老司機的話，在擁擠的路段下就不會留出一個車身長度的跟車距離。退一萬步來說，在遇到旁車有變道意圖或者打啟轉(zhuǎn)向燈的時候，老司機都會先閃燈、適當加速試探，以此逼退加塞車。
其次，在行駛路線被阻擋時，它的處理不夠老練。
在上海外灘時，我就遇到了兩次Corner Case（邊緣場景）。先是一個右轉(zhuǎn)的場景，系統(tǒng)選擇走右側(cè)第二個右轉(zhuǎn)車道，但右側(cè)第一條車道上的右拐車輛突然減速，侵占了系統(tǒng)設定的行駛路線。恰巧此時右轉(zhuǎn)的紅燈亮起，車輛及時剎車并停在了上海外灘最繁華的斑馬線上。
幸虧，執(zhí)勤交警沒有走過來對我敬禮。
緊接著，還是在外灘上，突然本車道的前方有一輛網(wǎng)約車停靠在路邊下客，占用了最右側(cè)車道。但系統(tǒng)并未找到機會提前向左變道，導致車輛停在原地等待了15秒的時間，等后方車輛走得差不多了，才慢慢地向左繞過臨停車輛。
如果真是老司機的話，在路口右拐的時，一定會向左側(cè)找空擋，盡量快速地駛出斑馬線區(qū)域。而在遇到臨停車輛時，提前換道避讓這應該是老司機的基本操作了。
最后，它的駕駛方式會嚴格遵守規(guī)則。
在上海的高架橋上，有許多路段是電子眼限速60km/h。如果真的全程按照這個限速開，你會被超車超到懷疑人生。而小鵬XNGP系統(tǒng)當前的軟件版本，就會嚴格按照60km/h的上限行駛。更尷尬的是，如果前車以55km/h的時速行駛，那么自動超車就無法執(zhí)行。
在延安高架上，我就遇到一輛“上海特產(chǎn)”榮威ie6以60km/h內(nèi)的時速“龜速”行駛。在它后面跟了有大概一兩公里之后，小鵬的XNGP系統(tǒng)始終無法自動超車。
急性子的我，只能手動打下轉(zhuǎn)向撥桿，讓車輛完成一次指令變道。
實際上，小鵬汽車提出來的“AI比人類更會開車”觀點，對應的邏輯應該是AI比人更加遵守交通規(guī)則——不爭不搶的風格，文明禮貌的習性，確實把城市道路中的各類風險降到了最低。但這背后犧牲的是通行效率，增加了用戶路途中的總時長。這似乎又與自動駕駛解放人類時間的初衷相違背。
小鵬汽車內(nèi)部做過測試，目前的XNGP的通行效率能夠做到人類駕駛員的80%——那么打個比方，從A點開到B點人類駕駛員需要48分鐘，而自動駕駛所需的時間是60分鐘。
既然開得比人還慢，為什么要讓車自動駕駛呢？
02.你會把命交給自動駕駛嗎？
雖然并不完美，但值得肯定的是，這次我們體驗的全場景輔助駕駛系統(tǒng)XNGP已經(jīng)全量推送了。在3月31日，XNGP第一階段能力向小鵬G9及P7i Max版用戶進行開放——這意味著，它不再是僅供演示的Demo版或者Beta版，而是通過OTA全量發(fā)布給真實用戶去使用的一個新功能。
小鵬G9的用戶在鄉(xiāng)間小路體驗XNGP
站在現(xiàn)在這個節(jié)點去看，小鵬將自動駕駛技術推向市場的節(jié)奏大致是這樣的：第一步是，可用；第二步是，大范圍的可用；第三步是，大范圍的好用。
第一步要實現(xiàn)“可用”，主要難在工程化。
“在工程化能力方面，我們領先別人一到兩年以上?！痹谛※i汽車自動駕駛中心項目總監(jiān)John Ma看來，工程體系是綜合性能力的體現(xiàn)，高效率測試，高效率研發(fā)，高效率代碼管控等等。“這是我們從積累到現(xiàn)在非常寶貴的財富?！?/p>
最早，小鵬在G3上通過自動泊車這一最簡單的場景入手自研。后來在P7上擴展到高速場景，推出了高速導航輔助駕駛NGP。之后，在P5上把算力壓榨到極限，實現(xiàn)了部分城市的導航輔助駕駛NGP。經(jīng)歷了三款車型的自我迭代，這才有現(xiàn)在G9和P7i車型上的全場景輔助駕駛系統(tǒng)XNGP。
市面上很多搭載激光雷達的車型，都號稱支持城區(qū)導航輔助駕駛，但真正能夠?qū)⒐δ芰慨a(chǎn)并全量推送給用戶使用的，目前在中國市場上僅有小鵬汽車一家。
吳新宙認為，“功能的仗，一仗一仗打，它有一定的難度。但我們特別有底氣的是，小鵬的研發(fā)體系已經(jīng)達到了穩(wěn)態(tài)，我們在各個團隊之間的配合的流暢程度，已經(jīng)到了非常好的狀態(tài)。所以還是那個調(diào)，工作量很大，但是不難?！?/p>
第二步，大范圍的可用，是當前的難點。
現(xiàn)在的城市NGP功能，只在上海、深圳、廣州三座有高精地圖覆蓋的城市開放。而在無高精地圖覆蓋的區(qū)域，只能使用LCC車道居中輔助功能。在激光雷達的加持下，它雖然能夠完成對靜止的車輛、錐筒等障礙物的判斷和避讓，但目前還不支持紅綠燈的通行能力。
在上海體驗小鵬XNGP的時候，就明顯能夠感知到高精地圖的存在。因為上海城市很多道路的左拐彎車道是設置在道路右側(cè)車道或者中間車道，并非全都是在最左側(cè)的。人類駕駛員稍有不注意，就會走錯車道，3分就沒了。而小鵬XNGP會更早地規(guī)劃好車道、提前變道，避免走錯。
中控屏的高精地圖數(shù)據(jù)顯示右側(cè)沒有圍欄，但主駕屏的BEV感知到了圍欄的存在，并劃出了紅色的邊界。
高精地圖，則是為車輛的自動駕駛系統(tǒng)提供道路先驗信息。除了縱向加減速、橫向轉(zhuǎn)向之外，最重要的就是可預知車道線、道路標識牌等交通要素的位置，提前作出變道的動作。在《特斯拉看不上的高精地圖，華為當個寶》一文中，我們已經(jīng)深度討論過，高精地圖當前面臨的鮮度、監(jiān)管、成本等問題。短期內(nèi)，高精地圖很難實現(xiàn)全國城市道路的覆蓋。
丟掉高精地圖這根“拐杖”，小鵬拿出了XNet深度視覺神經(jīng)網(wǎng)絡。
吳新宙表示，感知能力是實現(xiàn)在無圖區(qū)域?qū)Ш捷o助駕駛的第一步。感知的XNet深度視覺神經(jīng)網(wǎng)絡，這也是中國首個且唯一量產(chǎn)的BEV感知（Bird's-eye-view Perception）。
小鵬上一代的軟件能力，是通過多相機單幀做深度學習神經(jīng)網(wǎng)絡，再通過大量的邏輯和算法把信息融合起來，以產(chǎn)生360度的感知。而XNet則是多相機多幀，把來自每一個相機的視頻流，直接注入到一個大模型的深度學習網(wǎng)絡里，再讓它直接輸出BEV視角下的靜態(tài)和動態(tài)信息。
比如動態(tài)目標物的4D信息（如車輛，二輪車等的大小、距離、位置及速度、行為預測等），以及靜態(tài)目標物的3D信息（如車道線和馬路邊緣的位置）。特別是對于靜態(tài)的環(huán)境來說，這意味著XNGP將會擁有超級強大的環(huán)境感知能力，簡單來說就是——它擁有了實時產(chǎn)生高精地圖的能力。
“BEV的感知的源頭確實是特斯拉當時提出的，大家都在跟進?！痹诤聊┲切屑夹g副總裁艾銳看來，BEV最大的好處是終于把所有的傳感器都同時用上了，形成了360度的視野?！霸诳鐐鞲衅鞯臅r候沒有之前大家老說的遮擋或者截斷導致的各種各樣的問題。所以在整個準招、測量方面的效果，現(xiàn)在看起來是，BEV比之前每個傳感器單獨做的確實要好很多?！?/p>
第三步，從大范圍可用到大范圍好用，這需要漫長的“打怪升級”過程。
在人為輸出的規(guī)則上，小鵬已經(jīng)開始摳細節(jié)了。比如，在通過綠燈的路口時，XNGP依舊會適當降低速度，再跨越路口的停止線。再比如為了提升剎車時的舒適性，小鵬就會借助博世iBooster（電控剎車助力系統(tǒng)）來控制減速。甚至于，因為小鵬G9和P7i車型尺寸的不同，研發(fā)團隊會控車策略上有針對性進行調(diào)校，避免同樣的算法在SUV上會造成剎車點頭。
但這，還遠遠談不上實現(xiàn)一套好用的自動駕駛系統(tǒng)。在引入深度學習之后，自動駕駛技術其實已經(jīng)從高精地圖這樣的基建問題，轉(zhuǎn)變成人工智能問題。那么，其解題思路就變成了“喂數(shù)據(jù)”。
特斯拉CEO埃隆·馬斯克最近就表示，“為了獲得足夠多的潛在嚴重事故的訓練案例，特斯拉不得不在仿真環(huán)境中生成案例來訓練深度神經(jīng)網(wǎng)絡。因為盡管現(xiàn)在FSD Beta車隊的運行里程達到了100萬英里/天，但這類案例實在太少?！?/p>
吳新宙也提到：“仿真數(shù)據(jù)也是我們持續(xù)建設的中后臺能力，所以我們現(xiàn)在所有的軟件上線之前都會經(jīng)過大量的仿真數(shù)據(jù)的驗證，然后再上實車?！贝饲?，小鵬還在烏蘭察布建成中國最大的自動駕駛智算中心，使AI模型訓練效率提升602倍。
可見，特斯拉在自動駕駛上的那些絕招，小鵬都get到了。
03.寫在最后
至于在自動駕駛這條路上，誰更勝一籌，小鵬汽車自動駕駛副總裁吳新宙的回答是這樣的：
“我在美國也是深度FSD用戶。在很多的地方的處理細膩程度，我覺得我們的城市NGP，或者未來的XNGP至少不輸?shù)?。當然如果FSD某一天在中國開放的話，面對中國這樣復雜的場景，我也不是很確定，他們（特斯拉）的規(guī)控是不是能做到像我們同樣的自如?！?/p>
放眼國內(nèi)的其他玩家，小鵬表示自己沒有危機感。
“跟國內(nèi)的友商比，我相信大家都會認同我們是毫無疑問在第一陣營?！眳切轮嬲J為，作為一個綜合實力的體現(xiàn)，在有圖和無圖的能力方面，現(xiàn)在XNGP能夠達到狀態(tài)目前是行業(yè)領先的。“我們的領先不光在位置上，而且在速度和加速上，我希望通過我們的努力，接下來能夠看到擴大的領先地位?！?/p>
當然，一個很現(xiàn)實的問題擺在小鵬面前。2023年第一季度，這家公司交付了18,230輛車，其中3月交付了7,002輛車。而作為對比，特斯拉一季度在全球范圍完成超過42.2萬的交付量，其中3月在中國就交付了近8.9萬輛車。但截止目前，特斯拉完全自動駕駛FSD Beta的全球選裝率僅為10%。
顯然，特斯拉并不是因為自動駕駛功能超前而賣得好。而在補貼政策和市場紅利褪去之時，小鵬汽車尚未習得特斯拉的銷量密碼。