“我们有信心，在今年年内推出来的城市NGP效果，会相当程度上比FSD的效果要好。”3月26日，何小鹏在百人会论坛的采访上向《电动汽车观察家》明确表示，小鹏汽车将于2026年开始向无人驾驶过渡的目标。

此时距离何小鹏喊话特斯拉创始人马斯克——“（要）在中国的自动驾驶领域打得（特斯拉）找不着东”刚过去16个月。

何小鹏2020年社交媒体发言

当然特斯拉也没闲着。

4月，马斯克表示可实现“完全自动驾驶能力”的FSD测试版已搭载在超10万辆特斯拉车型上。近日发布的特斯拉2021年影响力报告表示，美国所有汽车相比于使用Autopilot自动辅助驾驶的特斯拉汽车发生事故的概率要高8倍。马斯克表示，这项数据将趋向于超过10倍。

但在中国，由于开放功能过少，昂贵的FSD对特斯拉车主来说品牌标签的意义远大于使用价值。

2020年的小鹏科技日上，一段小鹏NPG／特斯拉NoA导航领航驾驶辅助系统的对比实验中，小鹏P7表现稳定，特斯拉Model3则有了一系列无故、违规变道和错误驶出的情况发生。

这一表现也与中国媒体屡次的对比测试结果一致：在北美开始测试完全自动驾驶的特斯拉，在中国结构化道路上仍水土不服。

晚七年出发的小鹏，现在的自动驾驶能力能否与特斯拉一较高下？何小鹏说要赶超特斯拉，是在吹牛吗？

更重要的是，以特斯拉和小鹏为代表的纯视觉和感知融合两大技术路线，在量产自动驾驶这一目标下的差异怎样，前景又如何？

01

在中国，特斯拉比小鹏“差”在哪儿？

本质上，如今的纯视觉感知的特斯拉车型，和依靠多传感器融合的小鹏车型已是运行模式大相径庭的两种“生物”，且“栖息地”也大为不同。

1．1 ｜ 纯视觉VS多传感器融合

特斯拉FSD完全靠“看”。车身四周的8枚摄像头，以每个摄像头36帧每秒的速率采集，分辨率为1280×960、12－Bit的RAW格式图像。

原始图像数据直接进入名为“HydraNets（九头蛇）”的单一纯视觉神经网络算法中，进行图像拼接、物体分类、目标跟踪、引入时间序列的在线标定、视觉SLAM（定位与地图构建）等一系列能让机器明白“我拍的是什么”，最终形成一段路况时空的“向量空间”——对真实物理世界的虚拟映射。

“最困难的是建立一个准确的向量空间，”马斯克表示，“一旦有了准确的向量空间，控制问题就类似于电子游戏。”

向量空间，特斯拉AI DAY 2021年8月

“向量空间”是所有L3级及以上高阶驾驶辅助系统的必要条件，区别在于如何获取（感知）真实世界的数据。

从P7开始，XPILOT智能驾驶辅助系统（下称XPILOT）形成了“小鹏风格”的融合感知系统：前视三目摄像头＋翼子板侧后视摄像头＋反光镜前视摄像头＋后视摄像头＋五个毫米波雷达＋四个环视摄像头＋十二个超声波雷达＋高精地图＋高精定位。

从P5开始，XPILOT又引入了激光雷达。

小鹏P5将适用城市NGP

雷达提供直接的速度、深度、距离和部分材质信息，其中激光雷达能够直接对现实场景进行3D点云的虚拟建模；摄像头则对行人、交通标志标线等多细节进行感知。之后，通过融合算法模式，将不同传感器的原始数据或感知结果进行4D一致化的融合，由此建立向量空间。

两套方案各有优劣。

视觉方案具有极大的成本优势。单目摄像头成本仅在150－600 元之间，较为复杂的三目摄像头成本也通常在1000 元以内。

特斯拉的8个摄像头成本在200美元（1400元）之内，加上自研的自动驾驶芯片，总成本不到1万元人民币。

多传感器融合方案在摄像头之外，毫米波雷达成本在50美元左右、半固态激光雷达普遍在几百美元，以及高精地图的费用。

2019年，高德地图宣布100元／车／年的标准化高精地图合作价格。但头豹研究院在报告中认为，除基础服务外，高精地图图商还收取辅助自动驾驶服务费，行业价格或为700－800元／车／年。

成本是技术量产规模的决定性因素，但技术的可靠性和可实现性更加重要。

距离／深度／速度探测是视觉方案的劣势之一，要通过2D的图像来构建3D＋时间的向量空间，中间不但存在2D“翻译”到3D所带来的延迟问题，而且对图像处理算法、AI学习所用的场景数量／质量，和硬件算力都要求极高。

例如，去年特斯拉取消毫米波雷达之后，FSD测试版的自动转向功能设置了75 英里／小时（120公里／小时）的最高速度和最少三辆车的跟车距离。之后两个月，特斯拉将限速提高至80英里／小时（128公里／小时），跟车距离降低到两个车身长度。

多传感器方案则拥有雷达直接提供的距离／深度／速度数据，以及高精地图提供超视距的先验信息，以及高精定位模块提供的分米甚至厘米级定位能力。

“（由此）帮助AI理解，决策和规划接下来的动作，为基于其他传感器的感知能力提供辅助和冗余的信息来源。”小鹏汽车自动驾驶副总裁吴新宙向《电动汽车观察家》表示。

自动驾驶各级别对应像素数、数据量以及算力需求（估计值）《中金 ｜ AI十年展望》

获得足够的冗余，是L4级自动驾驶公司和小鹏等公司，选择多传感器融合而非纯视觉路线的主要原因。

目前，由于纯视觉没有对速度、加速度的直接测量能力，幽灵刹车会是长期难以根治的问题。

未来，对高阶自动驾驶系统所需要的预期功能安全和功能安全来说，防止单一系统失效，收窄失效预期冗余是必须的，“目前纯视觉系统很难达到高阶自动驾驶所需的安全需求。”一位自动驾驶领域专家向《电动汽车观察家》表示。

1．2 美国的特斯拉与中国的小鹏

“栖息地”的不同进一步加大了两条技术路线的落地表现。

中国交通环境的复杂程度远超美国，需要大量视距之外的辅助信息提供给决策系统，才能顺利完成通行，也导致仅依赖实时、纯视觉感知系统，很难在中国落地。

中、美最复杂的立交桥系统：美国亚特兰大（左）与中国重庆

例如，即使是属于简单场景的封闭高速路，中国相比美国路弯道更多、曲率更大，甚至有两圈叠套的路段，能“一眼看到”的路线非常短暂；中国的高速路还有更长的进出匝道，和更频繁变换的虚实车道线，甚至本不应出现在封闭路上的行人。

部分企业在实践中发现，由于交通参与者通行规范程度的差异，自动驾驶系统在美国过路口比中国“容易”近10倍。

不使用高精地图，缺乏先验信息，完全依靠视觉感知，神经网络占比超过98％的FSD，需要海量的高质量、差异性数据来进化。

因此，在北美数据的“喂养”下，FSD测试版实现了非结构化路段的部分自动驾驶能力，但特斯拉在中国还无法顺畅跑通高速路段——目前缺乏使用中国场景数据的能力。

受国家数据安全要求，特斯拉在华数据不能“出国”，这不仅意味着数据本身要存储在中国的服务器中，国外IP也不能通过网络访问，甚至在国内读取数据的人也有严格的国籍背景限制。

这意味着特斯拉要适配中国场景需要在中国“重建”组织。

首先是在中国的数据和研发中心。“负责数据采集和模型训练，以及产品经理等一系列配套组织，百人以上的团队。“一位新造车势力的大数据工程师向《电动汽车观察家》表示。

还需要重新构建工作流程。因为美国的数据同样不能进中国，所以只能从美国传递模型参数，而不能传递数据本身，“这对模型的训练工作会带来很大影响，需要重新在中国搭建训练用的pipeline（data pipeline：数据的采集、处理、脱敏、清洗、标注、分类和训练流程）。”上述大数据工程师表示，这又意味着数百甚至上千人的流程团队。

《电动汽车观察家》在采访中了解到，2021年下半年，特斯拉已经开始在中国招聘自动驾驶研发的相关人员，但规模和用途仍不得而知。

而且，像所有跨国组织一样，海外分支机构从来不只是钱和人的问题。

“即使所有的研发导入，特斯拉中国和美国研发团队的融合也不一定那么顺利。” Thoughtworks物联网业务线总经理朱晨向《电动汽车观察家》表示：国际研发机构最痛苦的地方在于分支机构和总部的想法不一样。例如中国的研发团队根据中国国情做出一些特异化的判断，提交到总部后是否愿意批准。“到底用谁的代码，以及由此产生的一系列问题。小鹏则无需担心这些问题。”

XPILOT诞生之初，便是为中国场景服务的。

小鹏采用以高精地图为纲的决策逻辑，利用高精地图和多传感器融合，在感知和决策算法难度相对较低的情况下实现了高速导航领航这一L3级的高级别智能驾驶辅助能力的落地。

而且中国团队还能够针对本地场景进行专门的优化，由此在体验端超越了特斯拉NoA的在华表现。

据悉，小鹏对识别加塞、大货车等“中国特色”场景都进行了感知方面的优化：调整传感器的布局和感知范围；向XP的感知模型导入更多针对性场景进行训练。

针对高精地图“鲜度”不够的劣势，小鹏进行了地图系统的增强：对视觉感知到与高精地图不符的新路况，建模补充进地图；通过增强算法提升高精地图的精确性，以更适应道路起伏非常大的场景；通过技术将高精地图未拍到的细节部补完等等。

值得注意的是，对高精地图进行增强并不只是一个技术问题。

2021年，小鹏出资2．5亿元收购江苏智途科技有限公司，获得了稀缺的甲级地图资质。不仅使“补完”地图名正言顺，而且还获得了自建高精地图的入场券。

小鹏也是首家取得该资质的中国新造车势力。