03

小鹏如何在全球追赶特斯拉

特斯拉FSD早晚在中国开放，而小鹏汽车智能驾驶也要走出中国。两方早晚正面对战。小鹏能否在东半球，乃至全球和特斯拉一战？

真正给何小鹏叫板特斯拉信心的，是小鹏汽车从2020年完成的端到端全栈自研体系能力。

3．1 打造自己的算法数据闭环

何为全栈自研？

吴新宙向《电动汽车观察家》表示：小鹏汽车的“全栈自研”不仅是自研车端的视觉感知、传感器融合、定位、规划、决策、控制等方面（的算法）。

还包括云端数据运营所需的一系列工具和流程。

即数据上传通道、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自研。

“由此形成数据和算法的全闭环，为快速的功能迭代打下坚实的技术基础。”

区别于逻辑判断算法模型依赖于工程师有多聪明，自动驾驶系统主要采用的神经网络算法模式具有“基于数据成长”的特性：算法是在前期数据收集、中间数据存储与迁移，后期核心数据的训练与管理，所形成的数据流中逐渐成熟的。

算法由数据推动迭代，迭代算法又带来新的数据，系统能力的提升本质上是在数据中循环往复的过程。

在这一成长闭环当中，任何一个环节加以他人之手，都将影响企业“自己的”自动驾驶系统迭代升级的速度和质量。

此前传统汽车产业中是没有“自己的”节奏的。主机厂虽然占据产业链的强势位置，但车型迭代周期更多受限于零部件供应商技术和商业的节奏。直到特斯拉打破了这一行业惯例。

特斯拉AP更迭历史 资料整理：《电动汽车观察家》

2016年6月发生的Model S死亡事故中，何时通过视觉方案实现AEB（紧急制动）的时间分歧导致了特斯拉与Mobileye彻底“分手”。

对于事故车辆没有启动紧急制动（AEB）功能，Mobileye首席通信官DanGalves发表声明称：“目前（2016年）AEB被归入躲避追尾事故系统，（因而无法应对前方横向出现的车辆）。不过Mobileye将会从2018年开始带来道路侧向转弯（LTAP）检测功能。”

但特斯拉即不愿意等到2018年，也不愿意走Mobileye所擅长的传统视觉感知路线。

于是，才刚成立一年的特斯拉视觉感知自研软件算法小组Autopilot Vision（TV）和机器学习小组，在2016年10月“强行”顶替了Mobileye的位置，并在年底确定了AI视觉感知的技术路线。

上线之初，TV并未完成AP软件端所有的应用开发，包括 AEB、防碰撞预警、车道保持、自适应巡航等关键功能缺失数月之久，还用毫米波雷达干了一段时间AEB的“活儿”，导致众多“幽灵刹车”的案例产生。

直到2017年4月，特斯拉推送V8．1，自研的AI视觉算法能力追上了Mobileye为支撑的HW1．0时代，就此开启了汽车产业从未有过的迭代速度，并“逼迫”全行业“追赶”起了特斯拉的节奏。

小鹏是全行业第一个从全栈自研，而非仅仅是功能层面，追赶特斯拉节奏的车企。

2018年，通过小鹏G3，XPILOT 2．0 正式产品化落地，实现了端到端自研数据闭环的自动泊车系统量产；

2019年在小鹏G3i上搭载的XPILOT 2．5 系统在泊车之外，实现了ALC自动变道功能。其中，小鹏自主研发了最底层的线控、路径规划和控制部分算法，感知算法仍依赖于供应商提供；

2020年，小鹏P7和XPILOT 3．0一同亮相，可实现NGP和停车场记忆泊车功能，至此小鹏第一次完成了深度的软件全栈自研，建立了自己的视觉感知能力、驱动感知进化的数据闭环体系、高阶辅助驾驶算法和软件架构的落地，成为全球第二家实现自动驾驶系统全栈自研，算法、数据闭环的车企。

“与非自研相比，采用‘全栈自研’模式在组织、人才、研发投入上肯定都更重，但是优势也是显而易见的。”吴新宙表示。

3．2 掘金全栈自研

优势确实显而易见。

仅从高速导航领航功能来看，小鹏NGP于2020年落地；蔚来虽然略早几个月，但仍是基于Mobileye半自研产品；理想则在2021年9月升级后才将该功能落地。

而包括极氪＋Mobileye（ZAD）、极狐华为HI 版（华为 ADS）、智己汽车＋Momenta（IM AD）、哪吒汽车（华为＋地平线）、零跑汽车（Leap Pilot）等品牌虽然都有L3级高阶智能驾驶能力的计划，但仍与小鹏存在相当的时间差。

跟“自己比”，小鹏也进步迅速。

小鹏XPILOT系统更迭情况 资料整理：《电动汽车观察家》

2020年，小鹏P7在自研方案之外，还采用了1个前置摄像头和一个英飞凌Aurix MCU 2．0为主的智能控制器作为冗余方案，其感知和决策算法也来自博世。到2021年的P5身上，这套来自第三方的冗余方案被取消了，P5只了搭载英伟达Xavie平台，而且增加了激光雷达作为传感器。

按照计划，小鹏将在算力为30TOPS的英伟达Xavie平台上实现XP3．5最核心的城市NGP功能。同样实现这一高阶驾驶辅助功能的特斯拉FSD芯片算力则为144TOPS。

“（全栈自研）锻炼了团队的极致工程能力，在有限的算力下实现了相对复杂的功能落地。”吴新宙向《电动汽车观察家》表示：“从XPILOT 3．0到3．5，再到未来的4．0和5．0，小鹏的技术路线是非常有延续性的自然演进。”

3．3 效率竞争

殊途同归。小鹏虽然已经走上了与特斯拉颇有分歧的技术路线，但两者的路径和目标却是一致的：通过全栈自研，实现量产自动驾驶技术。

在吴新宙看来，面向这一目标的较量其一在于数据量，其二则在于正确的网络架构。

“特斯拉目前的网络架构，对于体系能力有很高的要求，无论从数据的获取，标注和训练来看，其它厂家在体系能力的建设和投入上和特斯拉有巨大的差距。”

数据量方面，特斯拉目前在全球范围内无人能敌。

特斯拉人工智能总监Andrej在CVPR（IEEE国际计算机视觉与模式识别会议）2021上表示，截至2021年6月底，特斯拉拥有百万量级的车队，已经收集了100万个36帧10秒时长的高度差异化场景视频数据，约占用了1．5PB的存储空间。获得了60亿个包含精确深度、加速度的物体标注，共进行七轮影子模式迭代流程。

这一数据规模，不仅小鹏与特斯拉相去甚远，即使是一众自动驾驶公司也难望其项背。去年10月，Waymo公布的最新数据中，累计路测里程达到1000万英里。特斯拉截至去年6月的数据则为近1500万英里，其中170万英里在Autopilot启动情况下收集。

数据是自动驾驶系统算法模型迭代成长的燃料。而特斯拉已建造了一套高效的数据闭环体系，将这些海量数据加工成“无烟煤”。

特斯拉数据生产的三个阶段 《中金 ｜ AI十年展望》

在百万辆级的车队基础上，特斯拉通过“影子模式”有针对性地搜集海量corner case（罕见特殊的长尾场景）场景数据，以及人类司机在该场景下的操作数据为神经网络提供质量更高的半监督学习或监督学习引导；

这些原数据需要被标记出各类特征之后，才能作为神经网络的学习素材。

此前，这类非结构化数据依赖大量人工标注，属于劳动密集型产业，各企业多将工作外包给第三方。但第三方标注具有效率低、反馈慢等痛点，导致标记、分析、处理训练数据的延迟较高。

特斯拉自建超过一千人的数据标注团队，分成人工数据标注、自动数据标注、模拟仿真、数据规模化四个团队，技术层面已经完成了从2D标注到4D标注和自动标注的进阶，自动标注工具可以通过一次标注就实现所有摄像头多视角、多帧画面同步标注，同时也能就时间维度进行标注。

自建数据标注体系之后，特斯拉还自建了数据的训练场——由3000个特斯拉自研Dojo D1芯片组成的算力高达1．1EFLOP的超算集群，与与谷歌（1 EFLOP）和商汤（1．1 EFLOPS）同为当下世界第一的算力梯队。

而且相比谷歌、商汤的通用性超算集群，Dojo在设计上更专注于视频处理，对特斯拉自动驾驶系统模型训练更具有针对性，并由此有效降低算法成本。

“我们认为，体系的差距比数据的差距更重要，小鹏过去几年一直致力于自己的体系能力建设。复杂系统工程在终端呈现的结果也并不是单一变量决定的，还是要看整体设计与硬件匹配的程度。

后续，我们也会持续在算法优化和传感器选型或者变更上做好平衡，用合适的硬件做出更高阶的辅助驾驶能力，并持续向自动驾驶演进。”吴新宙向《电动汽车观察家》表示。

3．4 小鹏的机会点

效率和成本，是任何产品能够成功实现大规模量产的决定性因素。而特斯拉建设这套增效降本的数据闭环体系不仅依仗自身的技术能力，而且也与其强大的资金实力息息相关。

2021年，特斯拉的研发费用约为168亿元（25．91亿美元，6．5人民币／美元）。相比之下，小鹏为41．14亿元，长城为90．7亿元。

但这并不意味着小鹏在与特斯拉量产自动驾驶的下半场竞赛中全无胜算。

朱晨向《电动汽车观察家》表示，相比于特斯拉完全从技术公司的角度出发的产品思路，小鹏在推出产品功能时候，更多思考的是能否结合中国的适用场景，真正给车主的生活带来帮助。

而更适合中国用户需求的功能则有助于小鹏在中国销量的规模化，从而实现真正意义上，XPILOT的量产落地，并帮助其建立起中国场景下的数据及体系优势。

2020年，FSD（特斯拉完全自动驾驶系统）在华购买率只有1－2％，低于北美10％－15％的比例（外媒测算）。2021年Q4，Model 3车型上的FSD搭载率，在亚太地区为0．9％，欧洲和北美则分别为21．4％和24．2％。（长期关注特斯拉的博主Troy Teslike统计数据）

小鹏XPILOT落地情况，2021年Q3

截至去年三季度末， 与特斯拉Autopilot 加强版功能相似的XPILOT 3．0激活率近60％。吴新宙未透露小鹏的数据获取模式，但表示“世界的先进经验都会学习。”

在算力和道场方面，小鹏目前可借助的“外力”丝毫不弱。

小鹏G9将搭载XPILOT 4．0，其上应用508 TOPS的 英伟达 Orin－X芯片，和千兆以太的高度集成域控制器。而且英伟达今年发布的AI训练服务器EOS算力高达18．4 EFLOPS。

而且小鹏相较于特斯拉对场景的把握能力已经开始显现。

今年3月，小鹏汽车推送了Xmart OS 3．1．0版本，实现了长达2公里的VPA－L跨楼层停车场记忆泊车功能。几乎是同期，坊间传言特斯拉正在研制“Smart Park”：在有司机的前提下，车辆自动停在“最接近门边”、“在购物车出口附近”、“停车场末端”等指定位置。从功能描述上，Smart Park与记忆泊车非常类似，领跑者与追赶者位置倒置。

在更远的海外，正如何小鹏此前所说：“我们会相遇的。”

本文鸣谢（首字母排序）：

阿宝1900  自动驾驶专家

迪迪  自动驾驶数据工程师

郭继舜 均胜电子副总裁、均胜智能汽车技术研究院院长

吴新宙  小鹏汽车自动驾驶副总裁

自动驾驶拖拉机  决策规划算法工程师

朱晨  Thoughtworks物联网业务线总经理

参考资料：中金《软件及服务 ｜ 人工智能十年展望》

——END——

       原文标题 : 小鹏VS特斯拉，自动驾驶实力深度解读