還記得在今年 520「AI DAY」上，小鵬發(fā)布了量產(chǎn)上車的端到端大模型。

隨著在今年 7 月底 AI 天璣 5.2.0 版本開啟中國區(qū)域的推送，XNGP 功能從 「全國都能開」 升級為 「全國都好用」，擺脫了對高精地圖的依賴。

同時，尋跡倒車、離車泊入、座艙功能和交互上也有了不少體驗升級。

但就剛剛過去 3 個月，全新的 AI 天璣 5.4.0 版本已經(jīng)迎來了發(fā)布。

那么，在這場「小鵬 P7+ AI 智駕技術(shù)分享會暨首發(fā) AI 天璣 5.4.0 先享會」上，到底都說了些什么？

如何讓「端味」變得更濃？

2023 年，特斯拉在 FSD 的 V12 版本中，正式引入了端到端架構(gòu)。

隨著 FSD 向公眾推送，特斯拉 FSD 在北美有著驚艷的表現(xiàn)。同樣，引起了一股「端味」熱潮。

而現(xiàn)在，國內(nèi)像「蔚小理」（小鵬）、「華小智」（小米）等主流智駕玩家們也紛紛開始布局端到端架構(gòu)。

但是，在關(guān)于端到端模型方向的討論中，小鵬副總裁、自動駕駛負(fù)責(zé)人李力耘博士卻表示「做端到端很容易方向錯了」。

那么問題來了：小鵬是怎么做的呢？

李力耘博士提到，目前行業(yè)中有三種主流的端到端發(fā)展路線，包括了「堆疊模型路線」、「車端大模型路線」以及「云端大模型路線」。

其中，堆疊模型路線通過多個規(guī)則不同的小模型堆疊成大模型，可以綜合利用各個模型的優(yōu)勢，這種方案在一定程度上能夠模擬出類似大模型的效果。

對于工程師來說，基于規(guī)則的小模型也更容易理解和調(diào)試。

但問題在于，堆疊模型路線需要大量的優(yōu)秀規(guī)則工程師來設(shè)計和調(diào)整各個小模型以及它們之間的組合方式。

而且，多個小模型的堆疊可能會導(dǎo)致計算復(fù)雜度增加、系統(tǒng)效率降低，并且在模型之間的融合和協(xié)調(diào)方面也存在一定的挑戰(zhàn)，容易出現(xiàn)信息失真。

隨著智駕對實時性和準(zhǔn)確性需求的不斷提高，這種路線的局限性也會逐漸凸顯。

而車端大模型路線是直接將端到端模型部署在車輛上，可以實時處理車輛傳感器獲取的數(shù)據(jù)，快速在本地實現(xiàn)智駕功能。

并且，車端大模型路線可以減少數(shù)據(jù)傳輸?shù)难舆t和帶寬需求，提高系統(tǒng)的穩(wěn)定性和可靠性。

不過，受到車端算力資源的限制，車端的計算能力和存儲容量難以支持大規(guī)模的模型訓(xùn)練和參數(shù)優(yōu)化。

隨著后期訓(xùn)練數(shù)據(jù)量的不斷增加，車端大模型非常容易陷入「性能瓶頸」。

相比之下，云端大模型路線的計算資源更加豐富，可以支持大規(guī)模的模型訓(xùn)練和參數(shù)優(yōu)化，參數(shù)量是車端模型的幾十倍甚至百倍。

同時，云端大模型還可以更加方便地進(jìn)行集中管理和更新，提高智駕系統(tǒng)的迭代速度。

所以，憑借更強(qiáng)的數(shù)據(jù)處理能力、突破車端的算力性能、更高效的模型訓(xùn)練和優(yōu)化，小鵬選擇了這條云端大模型路線。

以李力耘博士給出的數(shù)據(jù)來看，小鵬云端大模型的參數(shù)量相比車端大模型有著 80 倍的提升。

這種巨大的參數(shù)量優(yōu)勢使它能夠全面吸納智駕數(shù)據(jù)，不遺漏重點信息細(xì)節(jié)。例如，在面對復(fù)雜的交通場景時，能夠更好地理解各種路況信息，為智駕決策提供更準(zhǔn)確的依據(jù)。

而通過大量數(shù)據(jù)的訓(xùn)練，也可以解決很多智駕場景中的長尾問題，從而使 XNGP 實現(xiàn) L3 級的智駕體驗。

這意味著在一些特殊的、不常見的駕駛場景下，車輛也能夠做出合理的智駕決策，提升了駕駛的安全性和舒適性。

小鵬選擇了云端大模型路線，必然是基于對發(fā)展需求和行業(yè)趨勢的綜合考量。小鵬云端大模型在參數(shù)量、訓(xùn)練效率等方面的提升，也顯示出了小鵬目前的技術(shù)進(jìn)步。

但云端大模型的應(yīng)用也需要面對網(wǎng)絡(luò)穩(wěn)定性、數(shù)據(jù)安全等方面的挑戰(zhàn)。同時，還要不斷優(yōu)化算法和模型，充分發(fā)揮云端大模型的優(yōu)勢。

當(dāng)然，雖然端到端模型「上車」已經(jīng)成為了當(dāng)下的大趨勢。但對于這件事，其實也一直存在著不小的爭議，比如：

「端到端能否真正實現(xiàn)向 L4 的跨越？」、「模型可解釋性所帶來的黑盒問題」、「高質(zhì)量數(shù)據(jù)的依賴性」、「算力需求和高昂成本」……

所以，在 L4 真正到來之前，端到端的上車或許也只是走在智駕發(fā)展道路中的一個「試錯者」。

智駕「算力」大戰(zhàn)

目前，國內(nèi)車企現(xiàn)有的算力普遍處于 10 EFLOPS 以下的水平。

小鵬已經(jīng)實現(xiàn)提升了 2.6 倍云端大模型的訓(xùn)練效率，并且預(yù)計到 2025 年云端算力將會突破至 10 EFlops 以上，大概相當(dāng)于約超過 3 萬塊英偉達(dá) A100 GPU 所具備的算力水準(zhǔn)。

然而，在此之前，特斯拉 Exapod 超級計算集群已經(jīng)集成了 3000 顆基于 7nm 制程工藝的 Dojo1 芯片，其中包含了 120 個訓(xùn)練瓦片，能夠?qū)崿F(xiàn)高達(dá) 1.1 EFLOPS 的 BF16/CFP8 峰值算力。

依據(jù)特斯拉的算力發(fā)展規(guī)劃，Exapod 超級計算集群將在 2024 年 10 月份達(dá)成 100 EFLOPS 的驚人算力。

要知道，100 EFLOPS 不僅是實現(xiàn)自動駕駛所需的門檻，更是幾乎等同于目前國內(nèi)所有車企的算力總和。

并且，特斯拉的下一代 AI 芯片 Dojo 2 也已列入計劃，將于 2025 年底進(jìn)行大規(guī)模部署。

放眼自主品牌，余承東曾提及華為的云端計算能力約為 7.5 EFLOPS。而理想的訓(xùn)練算力達(dá)到 5.39 EFLOPS，預(yù)計到 2024 年底將超過 8 EFLOPS。

其中，理想每年在訓(xùn)練算力上的投入超過 10 億元人民幣，若想達(dá)到 100 EFLOPS 的量級，每年投入可能會超過 10 億美金，這無疑是對車企算力投入的巨大挑戰(zhàn)。

所以，在這場智駕大戰(zhàn)中「云端算力」將成為決定輸贏的基礎(chǔ)，自主品牌們?yōu)樽非蟾咚懔λ剿媾R的競爭壓力也會越來越大。

當(dāng)然，這不只是一場技術(shù)戰(zhàn)，同樣也是一場「金錢」的戰(zhàn)爭。

當(dāng)小鵬，也玩起了「純視覺」

在今年 8 月的小鵬 MONA M03 上市發(fā)布會中，小鵬首發(fā)了「AI 鷹眼視覺方案」，并宣布將在小鵬 P7+車型上首發(fā)搭載。

而在這次分享會上，AI 鷹眼視覺方案也再次被提及。

AI 鷹眼視覺方案是小鵬對智能駕駛技術(shù)的一次創(chuàng)新，同樣也是行業(yè)首個單像素 LOFIC 架構(gòu)純視覺方案。

結(jié)合端到端的大模型架構(gòu)，AI 鷹眼視覺方案可以直接將原始的視覺信息直接輸入到神經(jīng)網(wǎng)絡(luò)中進(jìn)行處理。

那么，什么是單像素 LOFIC 架構(gòu)？

我們可以把攝像頭里的像素想象成一個個專門收集光線信息的「盒子」。

在普通的攝像頭中，每個像素能收集的光線信息是有限的。如果光線特別亮、像素收集的信息太多，就會把「盒子」裝滿、溢出，這時候拍出來的圖像就會過曝。

而單像素 LOFIC 架構(gòu)，就是在每個像素旁邊加了一個電容。當(dāng)像素收集的光電子數(shù)量超過它原本能承載的最大限度時，多余的光電子就會流到旁邊這個電容里，這樣就不會再出現(xiàn)溢出的情況。

所以，單像素 LOFIC 架構(gòu)在面對各種復(fù)雜光線環(huán)境時，如暗光、逆光、大光差、黑夜、雨霧天、隧道等場景，都具有更強(qiáng)的信息采集能力和適應(yīng)能力，能夠更快地適應(yīng)光線變化并準(zhǔn)確地采集到關(guān)鍵的視覺信息

總結(jié)來說，單像素 LOFIC 架構(gòu)方案的攝像頭相比傳統(tǒng)攝像頭，在信息采集能力上有了很大的提升。給智駕系統(tǒng)提供更準(zhǔn)確、更全面的環(huán)境信息，從而做出更準(zhǔn)確的駕駛決策。

同樣，根據(jù)李力耘博士給出的數(shù)據(jù)：

相比于激光雷達(dá)方案，小鵬 AI 鷹眼視覺方案的攝像頭信息量是激光雷達(dá)方案的 80 倍、能夠感知的語義和顏色信息是它的 100 倍、攝像頭的反應(yīng)速度也提升了 3 倍；

小鵬 AI 鷹眼視覺方案的視覺感知范圍達(dá)到了 1.8 個標(biāo)準(zhǔn)足球場，能夠清晰分辨顏色、文字等語義信息。

「520」還沒捂熱乎，

「540」就要來了？

在小鵬 P7+上，將全球首發(fā)搭載 AI 天璣 5.4.0。相較于上一版本，AI 天璣 5.4.0 在智駕、智艙、底盤等方面有著不小的升級。

AI 天璣 5.4.0 可不分場景全量使用端到端大模型，這意味著無論在城市道路、高速公路還是鄉(xiāng)村道路等各種場景下，車輛都能夠充分利用端到端大模型的優(yōu)勢，實現(xiàn)更智能的智駕功能。

在 540 版本中，XNGP 的「擬人性」提升 4 倍、變道成功率提升 53%、繞行成功率提升 155%。并且，還能夠?qū)崿F(xiàn)「0 速激活，原地啟動」，在泊車能力上 AI 泊車的泊入率也提升了近 20%。

AI 天璣 5.4.0 隨著小鵬 P7+ 的面市，在體驗上會和小鵬現(xiàn)款車型的 Max 版本保持一致，這保證了用戶在不同車型之間能夠獲得相對統(tǒng)一的智駕體驗。

并且，這次小鵬還提出了「不選裝、不訂閱、不付費」的三不原則。

與特斯拉以同一套智駕軟硬件來覆蓋所有車型相同，小鵬也將采用相同的方案進(jìn)行打通。從小鵬 P7+ 開始的后續(xù)車型將不再區(qū)分 Max 和 Pro 版本，全系標(biāo)配 AI 智駕。

今后的小鵬可能將全面押注基于云端大模型和 AI 鷹眼方案的純視覺路線，同樣也在為 2026 年推出小鵬 Robotaxi 做足準(zhǔn)備。

除此之外，540 版本首發(fā)了時空光影顯示系統(tǒng)，可以根據(jù)天氣及使用場景看到不同的 SR 畫面，比如傍晚看日落、充電追極光等等。

并且，540 版本支持了 HiCar 和 CarLink 的互聯(lián)，無論是安卓還是鴻蒙系統(tǒng)，都能實現(xiàn)手機(jī)和車輛的無縫連接。

在底盤方面，540 版本新增了 AI X-Pedal 單踏板模式和 AI 底盤兩大功能。

AI X-Pedal 單踏板模式可以實現(xiàn)更為精準(zhǔn)的踏板控制和平穩(wěn)減速，在半坡行駛的狀態(tài)下還能夠支持剎停。

而 AI 底盤結(jié)合智駕視覺感知和大數(shù)據(jù)路況圖層，可以實現(xiàn)對底盤的毫米級調(diào)整，結(jié)合全新懸架模式 「舒適 +」，讓用戶駕駛時的顛簸感降低。

AI 天璣 5.4.0 版本不僅提升了智艙智駕的智能化體驗，還提升了用戶的駕駛體驗。

在 3 個月的時間里，相比 520 版本的全方位升級，能看得出如今小鵬也在積極探索用戶在駕車場景中對功能和體驗的需求。

最后

如今國內(nèi)主機(jī)廠們走出的每一步都值得我們深思，就像小鵬一樣：

云端大模型雖有優(yōu)勢，但面臨的挑戰(zhàn)也不容忽視；

AI 鷹眼視覺方案為我們提供了新的思路，但在實際應(yīng)用中是否能完全替代傳統(tǒng)方案仍需時間的檢驗；

AI 天璣 5.4.0 的升級帶來了更好的用戶體驗，但用戶的需求是否僅僅局限于此？

在 AI 天璣 5.4.0 版本之后，小鵬還會帶來 5.6.0 和 5.8.0 兩個大版本更新，而小鵬的目標(biāo)則是隨著 5.8.0 版本的發(fā)布能夠擁有與特斯拉 FSD V12.8 正面硬剛的能力。

不過，在智能汽車飛速發(fā)展的今天，小鵬所做的這些嘗試也只是冰山一角，未來的發(fā)展方向和路徑還有待探索。

但值得肯定的是，小鵬憑借對云端大模型路線的判斷、AI 鷹眼視覺方案的創(chuàng)新、AI 天璣 5.4.0 版本的體驗升級以及將要面市的全新車型小鵬 P7+，展現(xiàn)出了更強(qiáng)的競爭力。

本文作者：小胖子

不要忘記關(guān)注「極客汽車」的微信視頻號喲！