出品 | 虎嗅汽車組
作者 | 王笑漁
編輯 | 周到
頭圖 | 視覺中國
先問大家一個問題：" 你每天上下班通勤時間多長？"
據《2022 年中國主要城市通勤監測報告》顯示，全國承受 60 分鍾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 公裏，其中北京平均通勤距離 11.3 公裏，是全國通勤距離最長的城市。
現在的車企們，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），号稱可以在城市街道中進行自動輔助駕駛。而後，國内的造車大軍也紛紛拿出對标 FSD 的功能。
于是就有了，華爲的 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緻的——通過自動駕駛系統，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體驗了小鵬的 XNGP（小鵬的第二代智能輔助駕駛系統）。雖然它最終将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——現階段的輔助駕駛，仍然是一個 " 新手司機 "。
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。"
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，因爲 AI 對周圍世界的理解的精細程度超過人類駕駛員。比如，我們開車的時候隻看到前面有一個車，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。"
小鵬汽車自動駕駛副總裁吳新宙
從小鵬汽車内部的目标來看，随着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。" 具體這個時間點，我希望在 2024-2025 年中間的某一個時間點。"吳新宙說道。
然而，站在當下 2023 年的時間節點來看，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，我就遇到了連續被加塞的場景。當時我駕駛着 G9 Max 版行駛在橋上最左側車道，前方是一輛輕型貨車，系統自動留出了較長的跟車距離。正是因爲跟車距離太遠，給了右側一輛比亞迪加塞的機會。加塞期間，系統自動減速并向左打方向主動讓出位置，對方順利完成加塞。
緊接着，一台滬 A 牌照的摩托車，快速從右側完成超越，幾乎是貼着右側翼子闆而過。
然而，車輛并沒有對這台摩托車作出任何反應，甚至連方向盤都沒動。原本我以爲是系統沒有發現它，但其實屏幕上的環境模拟顯示系統，早已在摩托車處于車輛側後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啓轉向燈的時候，老司機都會先閃燈、适當加速試探，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）。先是一個右轉的場景，系統選擇走右側第二個右轉車道，但右側第一條車道上的右拐車輛突然減速，侵占了系統設定的行駛路線。恰巧此時右轉的紅燈亮起，車輛及時刹車并停在了上海外灘最繁華的斑馬線上。
幸虧，執勤交警沒有走過來對我敬禮。
緊接着，還是在外灘上，突然本車道的前方有一輛網約車停靠在路邊下客，占用了最右側車道。但系統并未找到機會提前向左變道，導緻車輛停在原地等待了 15 秒的時間，等後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，一定會向左側找空擋，盡量快速地駛出斑馬線區域。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。
最後，它的駕駛方式會嚴格遵守規則。
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 系統當前的軟件版本，就會嚴格按照 60km/h 的上限行駛。更尴尬的是，如果前車以 55km/h 的時速行駛，那麽自動超車就無法執行。
在延安高架上，我就遇到一輛 " 上海特産 " 榮威 ie6 以 60km/h 内的時速 " 龜速 " 行駛。在它後面跟了有大概一兩公裏之後，小鵬的 XNGP 系統始終無法自動超車。
急性子的我，隻能手動打下轉向撥杆，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則——不争不搶的風格，文明禮貌的習性，确實把城市道路中的各類風險降到了最低。但這背後犧牲的是通行效率，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。
小鵬汽車内部做過測試，目前的 XNGP 的通行效率能夠做到人類駕駛員的 80% ——那麽打個比方，從 A 點開到 B 點人類駕駛員需要 48 分鍾，而自動駕駛所需的時間是 60 分鍾。
既然開得比人還慢，爲什麽要讓車自動駕駛呢？
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 XNGP 已經全量推送了。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——這意味着，它不再是僅供演示的 Demo 版或者 Beta 版，而是通過 OTA 全量發布給真實用戶去使用的一個新功能。
小鵬 G9 的用戶在鄉間小路體驗 XNGP
站在現在這個節點去看，小鵬将自動駕駛技術推向市場的節奏大緻是這樣的：第一步是，可用；第二步是，大範圍的可用；第三步是，大範圍的好用。
第一步要實現 " 可用 "，主要難在工程化。
" 在工程化能力方面，我們領先别人一到兩年以上。"在小鵬汽車自動駕駛中心項目總監 John Ma 看來，工程體系是綜合性能力的體現，高效率測試，高效率研發，高效率代碼管控等等。" 這是我們從積累到現在非常寶貴的财富。"
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。後來在 P7 上擴展到高速場景，推出了高速導航輔助駕駛 NGP。之後，在 P5 上把算力壓榨到極限，實現了部分城市的導航輔助駕駛 NGP。經曆了三款車型的自我叠代，這才有現在 G9 和 P7i 車型上的全場景輔助駕駛系統 XNGP。
市面上很多搭載激光雷達的車型，都号稱支持城區導航輔助駕駛，但真正能夠将功能量産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。
吳新宙認爲，" 功能的仗，一仗一仗打，它有一定的難度。但我們特别有底氣的是，小鵬的研發體系已經達到了穩态，我們在各個團隊之間的配合的流暢程度，已經到了非常好的狀态。所以還是那個調，工作量很大，但是不難。"
第二步，大範圍的可用，是當前的難點。
現在的城市 NGP 功能，隻在上海、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域，隻能使用 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。因爲上海城市很多道路的左拐彎車道是設置在道路右側車道或者中間車道，并非全都是在最左側的。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 會更早地規劃好車道、提前變道，避免走錯。
中控屏的高精地圖數據顯示右側沒有圍欄，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，則是爲車輛的自動駕駛系統提供道路先驗信息。除了縱向加減速、橫向轉向之外，最重要的就是可預知車道線、道路标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，華爲當個寶》一文中，我們已經深度讨論過，高精地圖當前面臨的鮮度、監管、成本等問題。短期内，高精地圖很難實現全國城市道路的覆蓋。
丢掉高精地圖這根 " 拐杖 "，小鵬拿出了 XNet 深度視覺神經網絡。
吳新宙表示，感知能力是實現在無圖區域導航輔助駕駛的第一步。感知的 XNet 深度視覺神經網絡，這也是中國首個且唯一量産的 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網絡，再通過大量的邏輯和算法把信息融合起來，以産生 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絡裏，再讓它直接輸出 BEV 視角下的靜态和動态信息。
比如動态目标物的 4D 信息（如車輛，二輪車等的大小、距離、位置及速度、行爲預測等），以及靜态目标物的 3D 信息（如車道線和馬路邊緣的位置）。特别是對于靜态的環境來說，這意味着 XNGP 将會擁有超級強大的環境感知能力，簡單來說就是——它擁有了實時産生高精地圖的能力。
"BEV 的感知的源頭确實是特斯拉當時提出的，大家都在跟進。"在毫末智行技術副總裁艾銳看來，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。" 在跨傳感器的時候沒有之前大家老說的遮擋或者截斷導緻的各種各樣的問題。所以在整個準招、測量方面的效果，現在看起來是，BEV 比之前每個傳感器單獨做的确實要好很多。"
第三步，從大範圍可用到大範圍好用，這需要漫長的 " 打怪升級 " 過程。
在人爲輸出的規則上，小鵬已經開始摳細節了。比如，在通過綠燈的路口時，XNGP 依舊會适當降低速度，再跨越路口的停止線。再比如爲了提升刹車時的舒适性，小鵬就會借助博世 iBooster（電控刹車助力系統）來控制減速。甚至于，因爲小鵬 G9 和 P7i 車型尺寸的不同，研發團隊會控車策略上有針對性進行調校，避免同樣的算法在 SUV 上會造成刹車點頭。
但這，還遠遠談不上實現一套好用的自動駕駛系統。在引入深度學習之後，自動駕駛技術其實已經從高精地圖這樣的基建問題，轉變成人工智能問題。那麽，其解題思路就變成了 " 喂數據 "。
特斯拉 CEO 埃隆 · 馬斯克最近就表示，" 爲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境中生成案例來訓練深度神經網絡。因爲盡管現在 FSD Beta 車隊的運行裏程達到了 100 萬英裏 / 天，但這類案例實在太少。"
吳新宙也提到：" 仿真數據也是我們持續建設的中後台能力，所以我們現在所有的軟件上線之前都會經過大量的仿真數據的驗證，然後再上實車。" 此前，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。
寫在最後
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 至少不輸的。當然如果 FSD 某一天在中國開放的話，面對中國這樣複雜的場景，我也不是很确定，他們（特斯拉）的規控是不是能做到像我們同樣的自如。"
放眼國内的其他玩家，小鵬表示自己沒有危機感。
" 跟國内的友商比，我相信大家都會認同我們是毫無疑問在第一陣營。" 吳新宙認爲，作爲一個綜合實力的體現，在有圖和無圖的能力方面，現在 XNGP 能夠達到狀态目前是行業領先的。" 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。"
當然，一個很現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。而作爲對比，特斯拉一季度在全球範圍完成超過 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 的全球選裝率僅爲 10%。
顯然，特斯拉并不是因爲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。
