中国特色的“自动驾驶”

前一阵笔者驾驶一辆飞度开车跑了1000km的长途，由于省界的疫情关卡，用时接近16个小时。期间笔者最想念的就是自动驾驶辅助系统，因为行驶在绵延不断、单调枯燥的高速路段，再加上黄昏黑夜的光线和前后夹击的高光灯，那种开车体验已经不能叫驾驶了，而是无尽的折磨。

这并不是疲劳后驾驶，而是驾驶带来的疲劳。相信几乎每个体验过长途驾驶的人都会有这样的体会，如果有人能替自己一会，哪怕只是一小会，让自己高度紧绷的神经能够放松一下就行。

此外尽管人们都知道在高速行驶时，如果分神几秒钟都有可能带来极为严重的后果，但实际上几乎每个人或多或少都会在驾驶过程中做看手机、喝口水等杂事，这时候你就会觉得自己真的需要多几只手和眼。

自动驾驶辅助系统就是那个拥有很多“眼睛和手”、能够“替”你减轻很多疲劳的“人”。

注：目前市面上量产车所搭载的自动驾驶辅助系统，绝大部分都是辅助系统，达不到完全自动驾驶层级；所以法律规定驾驶员仍需要注意周围驾驶环境，以应对突发或紧急情况。

所以在首次体验过特斯拉自动驾驶辅助系统，尤其是NOA（Navigate On Autopilot）功能后，就对类似的系统尤为关注。而就在前一阵（1月20日），小鹏NGP（Navigation Guided Pilot）自动驾驶辅助系统也开始向用户推送公测版本，笔者有幸曾亲自感受了一番，也算凑齐了特斯拉NOA、蔚来NOP、小鹏NGP的自动驾驶辅助系统深度体验。

国内最强？

小鹏一直以“做懂中国的智能汽车”自称，所以对其自动驾驶辅助系统也宣传为“国内最强”。

说实话一开始是不太相信的，理由很简单，彼时小鹏是否能够生存下去可能都是问题。但当笔者深度体验过小鹏的自动泊车功能，尤其对比其他友商的自动泊车后，开始逐渐相信小鹏的工程师是真下过功夫，根据中国苛刻的道路环境进行设计和测试功能。

（快而准的停车位识别）

（狭窄的停车位，轻易的自动泊入）

但是，精神总归是精神，自动泊车和自动驾驶辅助系统的要求完全不在一个量级，所以小鹏去年首次声称NGP功能推出时，并没有引起笔者太大关注。

而此次体验的NGP版本是根据去年10月测试版升级而来，听取了各方评测的意见，对NGP进行了细节方面的提升和优化。

先总结一句话：小鹏NGP自动驾驶辅助系统在测试道路上的表现，各个方面都相较特斯拉NOA优秀，更比蔚来NOP优秀；但同时也暴露出了一些战略上的问题和基础功方面的不足。

首先，无论是蔚来的NOP还是小鹏的NGP，都完全是仿照特斯拉NOA的路线在跟进，甚至诸多显示、交互、音效都是完全照搬的，所以从直观感受和操作方面是容易上手的。

不同的是小鹏NGP在车机界面和语音对驾驶员的提醒比较贴心，因为大部分用户并不熟悉自动驾驶辅助系统，并不信任这套系统，根源在于用户不清楚车辆看到了什么、要做出什么操作；虽然特斯拉NOA系统在图形界面也会给出行动提醒，但是缺失了语音和显著的文字提醒，多少还是会让用户担心一下。

另外，由于有高精地图的辅助，小鹏NGP除了仪表盘屏幕的实时驾驶环境的显示之外，还加入在中控屏幕高精地图的渲染。这样就能够让用户清楚，车辆已经知晓了前面固定道路的情况，能够提前做出精准的变道、出入匝道的操作，能够给用户足够的信心来相信系统。

其次，在测试中自动执行变道、超车时，小鹏这套自动驾驶辅助系统应对游刃有余，哪怕是较为狭窄的空间，车辆也能够果断的完成变道，整个过程既没有像特斯拉那样非常突兀，同时又不会像蔚来NOP那样犹豫不决，单纯从体验角度而言，非常像一个人在开车。

在测试过程中，笔者发现这套系统有一个非常“本地化”的能力，彰显了小鹏宣称的“更懂中国”，那就是车辆如果判定左侧超车道拥挤，那么在特定情况下能够实现右侧超车。这对于中国的高速路况而言，简直就是福音，虽然严格来讲，不应该如此操作，但是实际道路情况诸位也懂的。

最后，由于有高精地图的加入，车辆提前知晓了中国“迷惑”的出入匝道口，所以能够相对轻松的应对复杂的车道线并完成变道。

横向对比特斯拉NOA和蔚来NOP，小鹏这套系统做的相当不错，利用高精地图和极富针对性的中国路况特点，已经把高速上自动驾驶辅助系统NGP做的十分具有实用性了，尤其在特殊路况的处理方面，都要明显强于其他两者。

不过，在这趟看似完美的体验过程中，笔者也发现了几个小问题，暴露出了小鹏自动驾驶系统的缺点。

体验和技术谁重要？

在试驾过程中，虽然小鹏NGP几乎在所有功能点上都表现非常好，但是笔者多次发现，车辆在车道线内的居中保持功能，也就是车辆并没有稳定行驶在“居中”位置，车辆距离左右车道线的距离不稳定；尤其有一次在一侧有长距离障碍物时，车辆不但不会向另一侧进行暂时躲避，反而贴的更近了。

尽管这些不足以引起注意的细节并不会影响整体功能使用，或者说如果不仔细观察都不会发现，但不由得引发了笔者的思考。

虽然小鹏拥有高精地图的加持，但是车道居中功能则依赖的是各个传感器数据的融合和实时计算。按理说小鹏P7外部具有12个超声波传感器、5个高精度毫米波雷达、13个自动驾驶摄像头，如此覆盖全面的传感器，道路信息的收集层面是不可能有问题的。那么显然出现这种情况就只能是数据融合阶段或者算法算力的问题，导致车道居中的稳定性得不到保证，毕竟如果车道数据是准确的，那么让车辆“居中”对于软件工程师而言毫无难度。

那么看似非常完美的NGP系统，为何在这样的基础功方面出现问题呢？

笔者并不敢断言是由于什么造成的，但是可以猜测出有几种可能性：一方面可能是工程师对“车道居中”的要求并没有非常苛刻；另一方面可能是算法或者算力受到了限制。

第一种可能性并不大，因为车道居中是自动驾驶的基础中的基础，只有将此功能做好，才谈得上进一步完善；那么即有可能是算法或者算力方面有些小问题。

小鹏采用的英伟达Xavier芯片算力虽然不弱，拥有30TOPS，目前量产车中仅次于特斯拉的FSD芯片（72*2=144TOPS，有一个芯片冗余）；按照马斯克的“目前FSD Beta都未能发挥FSD芯片能力”的说法来看，英伟达Xavier可能足矣应对NGP所需的算力。

然而笔者在采访小鹏自动驾驶负责人时问到“目前实现NGP大概使用了百分之多少的算力时”，对方的回答是：“这个不方便透漏。”

很显然，如果小鹏NGP并没有发挥Xavier全部算力就能实现如此优秀的体验，那么负责人应该并不避讳谈及这个问题。按此推测，那就是小鹏目前所采用的算法，应该使用了绝大部分的Xavier的算力，而恰恰正是算法方面的不足，导致了一些基础功不足的问题。

当然这仅仅是一种推测，并没有十足的证据来证明实际情况。

但是我们可以通过另一个层面来印证这一问题，即采用了高精地图到底意味着什么？

表面上，自动驾驶辅助系统具备高精地图信息，那么可以提前得知固定道路信息的每个细节，从而体检做规划和预判，这样车辆自动驾驶系统只需要负责处理这些之外的车辆、临时路障等信息就可以应对高速上自动规划路线的自动驾驶。

所以无一例外，除了特斯拉之外，几乎所有搭载于量产车上的自动驾驶辅助系统都选择了高精地图的加入。

为什么？

因为这样可以最快提升自动驾驶辅助系统的体验，达到可用、好用的地步。

从技术角度讲，搭载着高精地图的车辆，由于不需要判断很多已知的固定道路环境，所以对于算法和算力的要求就会降低，那么就能更快地实现的功能，并且对其进行优化达到好用的程度。

从体验角度而言，并没有消费者会关心车企到底如何做到这样的体验，而只会从直观感受方面对其评价，从而影响其购买决策。而这些恰恰是最能直接撬动资本市场和消费者市场的核心。

而像特斯拉一直有能力却不采用高精地图的做法，根本原因是通过车辆不断在各种道路环境中训练，尽可能的收集多特殊情况数据，对其算法进行“高难度”训练，从而逐渐迈向全自动驾驶。

本质上说，两者之间并没有什么高低之分，只是着重点不同。

举个简单的例子，购买特斯拉FSD的虽说承诺将来能实现全自动驾驶，但实际上大量用户都是买的“期货”，要承担这部分的时间风险。与其如此，对于大部分其他友商而言，将眼前的功能做到好用，做到用户接受才是更重要的事，与其从技术发展角度进行“死磕”，不如让用户感知到自动驾驶辅助系统的魅力，得到良好的体验。

也只有这样才能卖更多的车，发展的更长远。

放在最后

尽管很多人不愿意承认，实际上中国在新能源汽车领域，无论是市场竞争力还是核心技术的沉淀，依旧未能跑在世界前列。但这并不影响车企的产品功能优秀，足以吸引消费者的关注。

就像小鹏NGP和蔚来NOP自动驾驶辅助系统的出现，正是中国近些年来在新能源领域发展趋势的缩影，与其许诺一些宏伟的“空头”功能，不如研究如何让用户真切感受到“智能汽车”带给人们生活的点滴改变。

追寻优秀标杆的脚步固然正确，但是并没必要完全照搬，依据现有的自身情况，以及所处的市场环境，打造出属于自己的核心竞争力，才有可能真正长期发展下去。