光看参数买不到真·智能汽车

中国的汽车行业，充斥着大量“参数怪”。

以前的购车逻辑，一定是先看机械参数，比如通过发动机排量、变速箱类型，基本就能判断一辆车的动力性能如何。但到了智能汽车，光看硬件参数，你很可能买不到真正的智能汽车。

最朴素的逻辑是，一辆智能汽车所搭载的芯片算力越大，那么它所能实现的功能就越强大；所配置的激光雷达越多，那么它的安全性就更高；甚至，屏幕越多，那么它就越智能。

但事实并非如此，在如今智能汽车产品上，硬件参数只能代表软件的上限，但不能决定功能体验的好坏。以传统的“硬件拼凑”方式造车，已经造不出真的智能汽车了。 

智能汽车，没有捷径

以往的堆料、堆参数的造车方式行不通了。

在传统的分布式架构中，一个ECU（电子控制单元）对应一个功能，每增加一个新功能，就要增加一个新的ECU和一些线束。车企都会把ECU里面元器件的采购、制造、芯片厂家的选择以及子系统的验证和确认，都交给Tier1来做。

但随着智能化的发展，车载ECU需要处理越来越多的数据，对ECU的运算能力也有了更高的要求，传统的ECU已经不能满足日益增长的数据处理和运算能力的需求。

域集中式架构是行业公认的汽车电子电子架构变革方向，“中央集成+区控制器”架构更是被视为终极方案。在中央集成式架构下，SoC芯片可以代替ECU中的MCU芯片，提供汽车智能化所需的算力。

比如小鹏G9率先引入的中央超算+区域控制—X-EEA3.0架构，相比上一代电子电气架构，X-EEA3.0新增了一个中央控制器，使用了更高性能芯片，算力相比之前提升了267%，也支持了更高级别的智能辅助驾驶和交互体验更好的智能座舱。

但全新的架构，对车企在软件层面上提出了更高的要求。

就像电脑一样，把硬件组装完成后，并不能直接让其工作起来，最起码还缺一个操作系统。实际上，智能汽车对于车企软件研发能力提出了更高的要求，比如操作系统提供线程创建等服务；中间件负责和不同操作系统对接，并给上面应用提供通讯，资源管理等服务；应用软件则负责功能的实现。

业内流行一个说法叫“全栈自研”，用简单的话来说，就是除了硬件可以采购之外，所有的软件都是自己做的，自己独立完成全部环节的开发，而不需要依赖供应商。

从完全依赖供应商到全栈自研，是一个漫长的探索和尝试的过程，需要一步一个脚印。以小鹏汽车为例，在2017年小鹏开始搭建自动驾驶研发团队。在2018年，在第一款产品小鹏G3上，首次推出视觉和超声波双重融合的车位识别方案，在泊车场景上开启了自研。在第二款产品P7上，小鹏量产了高速NGP导航辅助驾驶功能，并逐步构建了全栈自研和数据闭环的能力。到了第三款产品P5，小鹏量产了车规级激光雷达。在今年9月17日，城市NGP智能导航辅助驾驶功能开始在广州试点，开始领跑中国的智能汽车行业。

这就像升级打怪的过程，小鹏的做法是先从泊车场景入手，再到逐渐把自研的功能扩展到更为复杂的高速和城市。相比堆参数，小鹏在智能汽车上的解题思路，是堆量产经验。

丰富的量产经验，让小鹏具备了全局思维的同时，具备解决全流程问题的能力。反过头来，才能清楚的认知到实现新产品所需的软件功能，需要搭配哪些硬件基础。而不是，粗暴地堆积参数。

弱者堆参数，强者拼算法

全栈自研，带来的更多是产品研发的主动权。

这就像做菜一样，用供应商方案就好比吃食堂，你不需要知道原料、配料和烹制过程，吃就可以了。但食堂的饭菜往往只能填饱肚子，很难根据个人的口味去调整。但全栈自研，就好比自己去菜市场买菜，可以根据个人的口味购置食材、进行烹制，主动权完全在自己手里。

当下，很多依靠供应商方案来完成城区高阶智能驾驶功能的车型，就因为高精地图的资质问题而纷纷被“卡脖子”。于是，也就有了很多空有高配置参数，却迟迟无法兑现功能交付的智能汽车。

高精地图，相当于智能驾驶系统中的一个“上帝视角”。最大的意义在于提供高精度的先验数据。当下很多车厂采用高精地图，核心原因在于本身自动驾驶算法不够成熟，对通过传感器实时获取信息没有信心，进而不得不以高精地图来弥补。但是高精地图数据的制作主要依赖采集车收集数据，成本高，法规限制大，准确度、鲜度很难保障。

业内更认可的，是重感知、轻地图的路线，意思是依靠车端强大的感知硬件，摆脱对高精地图的依赖。但依靠供应商方案做智能驾驶的车企，此时想转向重感知的路线并不容易。

技术路线的转变，相当于把高精地图这样一个基建问题，转化为了人工智能领域的问题。因为，如果没有高精地图，车辆行驶在城市道路上，智能驾驶系统需要依靠感知和计算实时作出正确判断。

那么首先，就需要足够丰富的感知输入。比如小鹏G9 Max版车型，标配了31个感知元器件，包括2颗激光雷达，12颗摄像头，5颗毫米波雷达，12颗超声波传感器。其中，2颗RoboSense（速腾聚创）第二代智能固态激光雷达分别部署于车头两侧大灯下方，带来180°水平视角覆盖范围，有效减小了垂直视角盲区，能够更好地应对各种城市复杂工况。其次，还需要强大的算力支撑。G9 Max版车型，标配了双NVIDIA DRIVE Orin超级计算平台，总算力达到508TOPS。

单从参数上看，G9的感知能力和计算平台可能不是最亮眼的车型。但别忘了，硬参数不能代表实际的功能体验。因为，要从重感知技术路线上实现城市高阶智能驾驶，光有激光雷达和大算力芯片还不够，关键在于用数据闭环的能力去解决人工智能问题。

在业内有一个共识，自动驾驶是一种递进式的解决问题。自动化系统遇到了无法解决的问题，将数据回传、处理，再进一步迭代算法、优化体验。目前，小鹏汽车不仅自研了车辆端的传感器感知融合、定位、规划、决策、控制等方面，并在云端数据运营所需的数据上传通道、前端数据上传实现、云端数据管理系统、分布式网络训练、数据采集工具开发、数据标注工具开发、软件部署等方面实现了自研，可形成数据和算法的全闭环。

为了进一步解决自动驾驶领域的长尾问题，在今年8月，小鹏还与阿里云合建了智算中心“扶摇”。智算中心的作用，主要是用于自动驾驶模型训练，包括视觉检测、轨迹预测以及行车规划等算法模型。基于海量数据和人类驾驶交互行为的交互式推理预测决策引擎，可以实现“老司机”般的驾驶，兼顾舒适安全和通勤效率，达到在狭窄或拥堵空间下的通行能力。

在软件、硬件、云端能力的基础之上，依靠硬件和算法升级，G9 Max车型搭载的XNGP系统可以实现重感知且不依赖高精度地图的技术方案，并且在2023年陆续在大多数城市开始实现全场景智能辅助驾驶能力，逐步完成行车与泊车功能的打通，形成完整的点到点智能导航辅助驾驶。

单点功能，还不算真·智能

把众多供应商方案集成，同样可以实现配置数量的堆叠。但功能与功能之间的体验，会存在明显的割裂感。换而言之，只是将单一的智能化组合起来，还不足以称之为真的智能汽车。

举个简单的例子，很多智能驾驶系统是没有可视化的感知界面、没有语音交互提醒，这使得驾驶员和乘客无法准确地掌握系统的允许状态，缺乏对系统的可信度。而这种割裂的体验，就是各层能力没有打通，只是做到单点功能的堆砌。

在此前的小鹏P7上，小鹏就尝试把感知系统可视化的能力、语音交互的能力与智能驾驶系统进行打通。比如，P7在启动NGP导航辅助驾驶时，车机系统会展示SR模拟显示，包括车辆周围360°视角、环境模拟、限速指示等信息，让驾驶员实时了解车辆周边状态。此外，语音交互机器人小P还会主动进行语音播报，通过准确的风险场景识别以及清晰的分级接管提醒，让用户明确知道自己何时需要接管车辆。

在G9车型上，由于中央集成架构和大算力的加持，小鹏的语音交互和可视化显示有了更全面的体验提升以及能力扩充。

比如，以往的语音交互受限于芯片算力，都是将语音上传到云端进行计算，而小鹏G9则在本地和云端都保留了各自的运算模块，并通过端云融合的策略，根据场景选择实际要选用的结果。这也是为什么，小鹏G9的语音交互可以在无网弱网状态下使用。这保证了语音交互的毫秒级响应速度和全场景的执行效率。

而车机系统的可视化能力也是如此，以往的感知信息显示只能展示车辆所在的车道前方以及左右两条车道前方的信息。但小鹏与Unity 3D渲染引擎的深度合作，在G9算力提升的基础上，将真实世界立体化投射到车机屏幕内。比如，G9的车道级导航引入引导面和引导线的概念，清晰地表达车当前可用于行驶的车道并预告用户未来的车道变化，展示超视距的前瞻能力。

当然，我们依旧不能单凭功能的提升，就判断智能化的体验好坏。整个智能化的体验的连贯性，才是关键。

举个常见的例子，当你坐上一辆小鹏G9，不需要唤醒小P，即可直接说出导航到目的地。同时，你还可以一句话说出4个指令，比如打开空调、座椅向前、关闭车窗、打开座椅加热。当其他车主还在停车位上费劲的搜索导航、调整空调时，你已经轻松地驶出停车场、打开城市NGP享受愉悦的出行体验了。

连贯性的另一个体现，是自由。在以往的智能汽车产品上，语音交互往往只能处理一位乘客的一项或多项指令，而且每一位乘客需要先喊出唤醒词。

在G9上的全场景语音 2.0版本，强调的是全车全时概念。比如，驾驶员和后排乘客可无需唤醒词，直接向小P7发出指令。并且，两项指令互不干扰，可同时进行处理和执行。目前，G9是行业内首次将MIMO多音区技术应用在车载语音系统，它打破了传统语音对时间和空间的强限制，而且大幅度降低了用户的学习和使用成本。

但更为连贯的智能化体验，还是与车辆本身的机械层面进行打通。

G9四驱版车型上标配的智能悬架系统，相比其他的悬架系统需要手动去操作调节，G9上可以允许用户通过语音指令，快速地调节悬架高度。比如，当车辆即将行驶到非铺装路面时，用户就不必手忙脚乱地去切换悬架高度，而是双手紧握方向盘，眼睛关注路面，把操作任务交给小P去完成。

此外，G9的智能悬架系统，采用的是双腔空气弹簧。相比其他品牌常用的单腔空气弹簧系统来说，当车身高度保持同一个模式时，刚度确定、不能更改。而双腔智能空悬提供了2个可选刚度。

对于智能驾驶系统而言，地面的坑洼一直是个大难题，而空气弹簧的加持，能够极大地提升智驾过程的舒适性。但这是非常考验系统性研发能力的一件事。

要知道，人可以轻松的识别地面的坑洼，并适当减速或者调整悬架高度再通过。但智能驾驶系统找坑需要非常复杂的算法，需要在视觉信号中找出路面上的差异区域，识别其形状，并与附近的路面进行比较，对算法和感知能力都提出了极高的要求。

G9上的这套智能悬架系统，在通过坑洞等不平路面，悬架系统立刻使轮胎快速接地，从而减少车身失重感，降低乘客因突然失重冲击带来的不适感。此外，悬架随底盘上下运动刚度按实时需求变化，双腔控制使得不同的工况下切换最合适的悬架刚度，特殊路面（如破损路）底盘可马上变为最软最舒适状态。

另外，其更独特的一项能力是，当用户遇到特定地点需提升悬架时，可以将该地点标注并记忆，再次驶入该点时自动升起悬架，并与其他小鹏车主共享数据，其他车驶入该地点时，也可自动调节悬架。

所谓的智能，并不是一味地堆大屏、堆功能、堆参数，而是让一辆车的各类体验之间没有割裂感，让所有的交互都变得更方便、更自然。让用户体验更便捷，就是真正的智能。

写在最后

当下，我们需要警惕的是，“参数怪”成为消费主流。

一些车企为提升产品的售价，以“对用户好”的说法，给新车型标配了尚处于早期量产阶段的激光雷达和大算力芯片。与此同时，车企无法给用户承诺城市高阶智能驾驶功能落地的时间，但用户却为此付出了高昂的购置成本。

消费者并没有买到真的智能汽车，而是一台空有参数的“纸老虎”。相比看参数买智能车，我们或许更应该根据车企的量产经验、软件研发能力去选择一辆智能汽车。