超越特斯拉了，小鹏这回牛气了？

先问大家一个问题:“你每天上下班通勤时间多长？”

据《2022年中国主要城市通勤监测报告》显示，全国忍受极端通勤时间超过60分钟的人超过1400万人，其中青年群体近600万人，占40%以上。因此，研究如何提升青年群体的通勤效率成为当下重要课题。该报告指出,2021年北上广深的通勤距离平均为9.4公里，北京平均通勤距离11.3公里，在国内通勤距离第一。

如今的车企，都在努力帮助大家解决上下班路上这段最为艰难的日子。

早在2015年，特斯拉就推出了FSD（Full Self-Driving,完全自动驾驶），自称能自动辅助城市街道上的驾驶。随后，国外各大汽车制造商都开始效仿，希望能够实现这一目标。随后国内造车大军又拿出了对标FSD这一特点。

所以才会出现，华为ADS,小鹏XNGP,小鹏NAD,理想NOA等等。在这些名字背后，代表着不同厂商对于自动驾驶技术的理解和应用方式。功能丰富，百花齐放，不过，它们的目的都是一致的——通过自动驾驶系统，协助司机完成A点至B点之间的运动。

近日，我们在上海闹市区里体验小鹏XNGP（小鹏二代智能辅助驾驶系统）。在这之前，我已经经历过类似体验。尽管最后还是把我平安地送上目的地，其间也经过上海最堵延安高架、最热闹的外滩。不过，作为一名刚刚接触汽车辅助驾驶技术的初学者，我还是非常兴奋的。不过，这一次“车辆自行行驶”的经历，依旧会给我一种感觉—这个阶段辅助驾驶吧，还只是个“新手司机”。

自动驾驶比人类更加安全？

“未来,AI（人工智能）一定比人类更会开车。”

吴新宙，小鹏汽车自动驾驶副总裁，3月31日沟通会提供的结论。“现在大家都说，人工智能会改变未来的生活方式。”他进而解释到:“道理很简单，因为AI对周围世界的理解的精细程度超过人类驾驶员。比如，我们开车的时候只看到前面有一个车，跟这个车的距离是多少，速度多少我们不知道的，但是AI在360度无时无刻不在做这样的观测。”

就小鹏汽车的内部目标而言，随着计算能力的增强，算法能力也不断增强，他们想让人工智能“开车水平”超过人类老司机。“我想让我们的车变得更智能一些，能自动驾驶，并且可以随时了解路况。”“具体这个时间点，我希望在2024-2025年中间的某一个时间点。”“现在我们已经有了智能驾驶技术，但是还需要进一步完善。”吴新宙表示。

不过，从目前2023年这个时间点上看，小鹏XNGP体验仍停留在“新手司机”层面。

一、被加塞现场小鹏强调了一条“能够使使使”原则。

位于上海南浦大桥，我会碰到不断加塞的镜头。当车辆经过桥顶时，突然出现了一个“砰”的声音。那时我开的是G9 Max版本，开到大桥最左边的车道上，前面有轻型货车，系统会自动预留更长跟车距离。由于车速快，车辆前后都有明显的速度差，而前方又没有足够大的空间让后方汽车通过，因此双方驾驶员都想把自己的车开过去，但最终还是没能走到一起。正由于跟车太远了，让右边有比亚迪加塞。加塞儿过后，系统又让车辆继续向前运行。在加塞过程中，系统会自动减速慢行，在左击的方向上主动让位，对方成功完成加塞。

随即一辆沪A牌照摩托车迅速完成了从右边的超越并差点贴上右边翼子板。

但该车并未回应摩托车，连打方向盘也不动。当我把手机从车上取下之后，我才意识到，原来这就是一台可以遥控的摩托车。本来以为被系统没找到，但是在实际应用中，画面中环境是模拟显示系统，长期以来，当摩托车位于车辆侧后方的时候，它的驾驶路线一直被锁定。

真要是一个老司机，人满为患路段下方不预留车身长度跟车。这是因为，当你看到对面来了一辆汽车时，后面的车辆可能已经减速到接近车头，这时你应该马上刹车才对。退而求其次，一万步而言，当遭遇旁车具有变道意图或打转向灯时，老司机们会首先闪出灯光、适当加快试探的速度，借此逼退加之塞。

二是行驶路线受阻时其处置不老练。

到了上海外滩，我就遇到了两次Corner Case（边缘场景）。第一次是一次交通信号灯故障引起的交通阻塞。首先是右拐的镜头，系统选择行走右边的第二右转车道，但是，在右边第1条车道，右拐车辆忽然放慢了速度，侵占系统制定行驶路线。由于左转方向没有绿灯指示，所以我只能通过路口信号灯来确认左转车道是否畅通。正好这时右转弯亮红灯了，汽车及时制动，停靠在上海外滩最为热闹的斑马线。

好在执勤交警没来行礼。

随即，仍是外滩，忽然，一辆网约车在本车道前停了下来，占最右边的车道。我立刻启动摄像头和车速传感器对这一情况进行检测。但是系统并没有发现任何提前左变的机会，造成该车停驶等车15秒钟，等到后方的车快走的时候，才缓缓向左绕临停车辆。

真要是一个老司机，在交叉口向右转弯，肯定要往左寻找空挡的，尽可能快的从斑马线区域开出。这样做虽然可以避免撞上其他行人，但对于车速较快、距离较远的情况来说，很可能造成追尾事故。而且当遭遇临停车辆的时候，提前换道避让，这应成为老司机们最基本的操作。

最终其驾驶方式将严格遵守规定。

上海高架桥，有很多区段为电子眼限速60km/h的区段。这条规定是为了防止司机因为超速而追尾事故。若确实整个过程都按此限速行驶，就会超车超，对生活充满质疑。因为现在所有的汽车都已经配备了智能刹车系统，可以做到实时监控和提醒驾驶者，但却不能够主动减速，否则可能会导致追尾事故发生。以及小鹏XNGP系统现行软件版本，将严格遵守60km/h上限。这意味着，即使前车上了高速，也不会因为车速过慢而导致追尾事故。更为难堪的是，假如前车车速达到55km/h，则自动超车不能实施。

延安的高架，我便碰到了一辆“上海特产”荣威ie6,车速在60km·h以内，可谓“龟速”十足。当时它还没有进入我们视野，但已经可以感觉到它正在加速前进。在其身后跟着大约一两公里后，小鹏XNGP系统一直不能实现自动超车。

急性子我只能人工打转向拨杆使汽车完成指令变道。

其实小鹏汽车对“AI的驾驶速度超过了人类”的看法，与之相对应的逻辑则应是AI比人类更符合交通规则，即无可争辩和抢夺的作风，文明礼貌等习性，真正将城市道路上的各种风险控制在最小范围。在自动驾驶时代,“人工智能+交通出行”成为主流趋势，也被认为可以解决城市交通问题和改善城市环境等方面。但是在其背后，却是以通行效率作为代价，提高用户路途总时间长度。在自动驾驶时代，我们需要更多的时间去处理一些事情，而不是一味地让机器代替人做这些事。看来，这又有悖于自动驾驶解放人类时间之本意。

小鹏汽车内进行了一次检测，当前XNGP通行效率可以达到人类驾驶员通行效率的80%——那就打个比方吧，从A点开到B点，人类驾驶员要48分钟，且自动驾驶需要60分钟。

如果你开得比别人慢，那你干嘛让汽车自动驾驶？

你是不是要给自动驾驶的生命？

尽管不是尽善尽美，但是，可以确定，此次我们所体验到的全场景辅助驾驶系统XNGP已实现全量推送。这对于整个汽车市场来说都将带来巨大的影响和变化。3月31日XNGP的第一阶段能力对小鹏G9和P7i Max版的用户开放——意味着，这已经不是仅供展示的Demo或Beta版本了，而是以OTA的形式向真实用户进行全量分发来利用的新特性。

小鹏G9用户体验乡间小路XNGP

立于当下的节点上观察，小鹏把自动驾驶技术推到市场上，节奏大体如下：第一步，可利用；步骤2、大面积可利用；步骤3、大面积易用。

第一步是做到“可用”,这主要是工程化的困难。

“在工程化能力方面，我们领先别人一到两年以上。”小鹏汽车自动驾驶中心项目总监John Ma认为，工程体系反映了综合性能力，高效率测试和高效率研发，高效率的代码管控等。“这就是我的优势所在。”“这是我们从积累到现在非常宝贵的财富。”

最早是小鹏通过G3中自动泊车这一最为简单的镜头开始自研的。当时它只是一个普通的车载摄像头，但却为我们开启了“无人驾驶”的大门。后推广至P7中的高速场景，介绍了一款高速导航辅助驾驶NGP。不过这款产品还没有完全摆脱“量产”路线，所以只能算是一个概念而已。后将算力挤压至P5中的极限，在一些城市中，导航辅助驾驶NGP已经实现。历经3款机型自我迭代，目前，全场景辅助驾驶系统XNGP已经在G9、P7i等机型中出现。

目前市场上有不少装有激光雷达的汽车，均自称支持城区导航辅助驾驶，但是真正能实现功能量产，全范围向用户推送的产品，目前，国内只有小鹏汽车。

吴新宙认为,“功能的仗，一仗一仗打，它有一定的难度。但我们特别有底气的是，小鹏的研发体系已经达到了稳态，我们在各个团队之间的配合的流畅程度，已经到了非常好的状态。所以还是那个调，工作量很大，但是不难。”

第2步、大面积可供利用是目前面临的困难。

目前城市NGP功能只有上海和深圳两个城市、广州3个拥有高精地图涵盖的城市对外开放。并且在没有高精地图遮盖的地区，仅能利用LCC车道的居中辅助功能。不过，随着激光雷达技术的成熟与普及，这项技术也将被应用到更多场景中。有了激光雷达加持后，其虽可完成静止车辆、判断并躲避锥筒及其他障碍物，但是，红绿灯通行能力尚不能得到支持。

上海感受小鹏XNGP，很显然可以感知高精地图。这也让我们看到，高精路图对于驾驶来说非常重要。由于上海市区许多公路左拐弯车道都布置在公路右侧或中间车道上，并不都位于最左。所以当我们看到这样的场景时，很容易就判断出这可能就是错车或过街。人类驾驶员的稍有不慎，会走弯路道，三分不见。如果要快速行驶的话，需要花很长时间才能找到正确的行驶路线，这对我们来说无疑是一种浪费。而且小鹏XNGP也将更早的计划车道，提前改道以免误入歧途。

中控屏高精地图资料显示右边无围栏，但是主驾屏BEV感应到围栏出现，画出红边

高精地图则为汽车自动驾驶系统获取道路先验信息。随着汽车智能化程度不断提高，车载设备也越来越复杂，功能也变得多样化。除纵向加减速外、横向转向外，主要是可预知车道线问题、道路标识牌和其他交通要素所在地，事先做出变道。在《特斯拉看不上的高精地图，华为当个宝》一文中，我们进行了深入的探讨，目前，高精地图面临着鲜度，监管和成本方面的难题。随着智能汽车时代的到来，高精地图的普及速度也将进一步加快。高精地图在短期内难以实现对全国城市道路覆盖。

扔掉高精地图的“拐杖”后，小鹏取出XNet深度视觉神经网络。

吴新宙说，感知能力对于实现无图区域内导航辅助驾驶至关重要。他介绍说，为了能够快速、精准地识别车辆前方路况信息，设计了基于视觉和雷达融合的感知系统。感知XNet深度视觉神经网络，这也是中国首个且唯一量产的BEV感知（Bird's-eye-view Perception）。

小鹏上一代的软件能力，它由多个相机的单帧作为深度学习神经网络，然后通过许多逻辑与算法对信息进行整合，才能产生360度的认识。在这个基础上，我们可以看到，如果你想知道某个物体在什么角度下观看时更舒适，就必须先从不同的摄像头中获得相应的视频数据。以及XNet的多相机，多帧，将从每个相机中获取视频流，在大模型深度学习网络中直接进行注入，然后使其直接从BEV视角输出静，动态信息。

比如动态目标物的4D信息（如车辆，二轮车等的大小、距离、位置及速度、行为预测等），和静态目标物3D信息（比如车道线、马路边缘等地方）。尤其对静态环境，这就决定了XNGP将具备超强环境感知能力，通俗地说—它具有实时生成高精地图。

“BEV的感知的源头确实是特斯拉当时提出的，大家都在跟进。”毫末智行技术副总裁艾锐说,BEV最突出的优点就是最终将所有传感器同时投入使用，形成360度的视野。他认为这将使我们能够更好地控制车辆，让它变得更加智能和安全。“在跨传感器的时候没有之前大家老说的遮挡或者截断导致的各种各样的问题。所以在整个准招、测量方面的效果，现在看起来是,BEV比之前每个传感器单独做的确实要好很多。”

第3步、从大面积可使用到大面积好用需要一个很长的“打怪的提升”阶段。

就人为输出这一规律而言，小鹏早就在抠细节。这一点，从他在驾驶过程中的一些动作可以看出。例如过绿灯路口,XNGP的速度依旧会有适当的下降，再次越过交叉口停止线。如果车辆需要加速或者是减速的话，它也会主动调整车速。又如，以增强刹车过程中的舒适性，小鹏将使用博世iBooster（电控刹车助力系统）控制减速。这都是为了让驾驶者能够更舒适地驾驶车辆，而非一味追求加速性能。甚至，由于小鹏G9与P7i在型号大小上存在差异，研发团队将在控车策略方面做到有的放矢的调，避免了相同算法会导致SUV上刹车点头。

但是这样，远不能说达到了一个易用的自动驾驶系统的效果。自动驾驶技术是一项系统工程，需要多个环节相互配合才能真正发挥出效果。深度学习的提出后，自动驾驶技术实际上已由高精地图等基建难题，转化为人工智能的问题。因为我们所要解决的是一个庞大的、复杂的、动态的大数据处理过程，它涉及到很多学科和领域。然后它的解题思路成为“喂数据”。

特斯拉CEO埃隆·马斯克最近就表示,“为了获得足够多的潜在严重事故的训练案例，特斯拉不得不在仿真环境中生成案例来训练深度神经网络。因为尽管现在FSD Beta车队的运行里程达到了100万英里/天，但这类案例实在太少。”

吴新宙也提到:“仿真数据也是我们持续建设的中后台能力，所以我们现在所有的软件上线之前都会经过大量的仿真数据的验证，然后再上实车。”在此之前，小鹏在乌兰察布也建设了中国最大规模自动驾驶智算中心，使得AI模型的训练效率提高了602倍。

很显然特斯拉这些自动驾驶的绝活已经被小鹏get。