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(yàn)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(jì)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(jì)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(shí)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(shí)時處理車輛傳感器獲取的數(shù)據(jù)，快速在本地實(shí)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(jì)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(jì)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(diǎn)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(shí)現(xiàn) L3 級的智駕體驗(yàn)。

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(shí)也一直存在著不小的爭議，比如：

「端到端能否真正實(shí)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(shí)現(xiàn)提升了 2.6 倍云端大模型的訓(xùn)練效率，并且預(yù)計(jì)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(jì)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(jì)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(shí)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(jì)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(jì)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(jì)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(shí)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(yàn)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(yàn)。

并且，這次小鵬還提出了「不選裝、不訂閱、不付費(fèi)」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(shí)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(shí)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(shí)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(yàn)，還提升了用戶的駕駛體驗(yàn)。

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(yàn)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(shí)際應(yīng)用中是否能完全替代傳統(tǒng)方案仍需時間的檢驗(yàn)；

AI 天璣 5.4.0 的升級帶來了更好的用戶體驗(yàn)，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(yàn)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！