0
“國內首個端到端上車?！?/p>
5月20日，小鵬汽車的AI DAY上，何小鵬宣布端到端大模型上車，即日起面向用戶全量推送AI天璣系統，覆蓋所有在售車型。
在特斯拉FSD V12推送后，國內智駕界就為“端到端”爭得沸沸揚揚。而小鵬的此次發布，也如一枚深水炸彈，再次點燃了“端到端”的熱度。
根據發布，小鵬的端到端大模型由三部分組成，分別是神經網絡XNet，規控大模型XPlanner和大語言模型XBrain。
XNet可模擬人類感知，使自動駕駛系統感知范圍提升2倍，XPlanner可使機器的駕駛策略不斷擬人化，做到前后頓挫減少50%、違?？ㄋ罍p少40%、安全接管減少60%。XBrain則能讓自動駕駛系統擁有與人類大腦一樣的理解學習能力，能認識待轉區、潮汐車道、特殊車道、路牌文字等。
同時，何小鵬也表示，小鵬的端到端大模型未來能實現2天一次迭代，未來18個月智駕能力提升30倍。
此前，小鵬的自動駕駛系統具有約10萬+行代碼，但一個無限接近人類司機的自動駕駛系統約需要10億行代碼，以人力編寫規則，幾乎是不可能完成的任務。而改用端到端大模型后，系統將能實現幾乎無上限的規則。
何小鵬表示，此前，小鵬認為還要許多年才能實現無人駕駛，但今天，在端到端大模型上車測試后，小鵬認為機會就在不遠的將來，也許數年內就能看到更強力的無人駕駛，甚至是全無人駕駛的到來。
除了端到端大模型，AI天璣系統也包含了AI小P、AI司機和AI保鏢三大功能。
AI小P相當于是大語言模型加持的語音助理小P，具備更高級別的理解能力和需求推理能力。AI司機可實現AI代駕和AI泊車功能。
此外，何小鵬也透露，小鵬汽車第二品牌MONA系列的首款車型也將于今年6月亮相。
發布會后，雷峰網(公眾號：雷峰網)參加了何小鵬與小鵬自動駕駛負責人李立耘的訪談，就小鵬自動駕駛規劃、端到端以及大模型等內容進行了交流。以下為本次交流內容，雷峰網進行了不改變原意的編輯和整理
Q：如何看待特斯拉將重心放在了自動駕駛？小鵬的自動駕駛研發是否會加大？
何小鵬：他們的動作很難評價，是不一樣的路線。大模型對于自動駕駛是顛覆性的變革，而不是比例上的變化。我今天專門提出下一代新的自動駕駛，相信我們上會和所有的友商拉開非常大的差距，它會有數十倍的提高。
我自己的判斷有一個變化。今年以前，我覺得中國的全無人駕駛還要好多年，全無人駕駛要解決的問題太多了。但今年端到端大模型開始上車測試，我們看到數據后，覺得機會就在不遠的將來。在數年內也許就會看到更強力的無人駕駛甚至全無人駕駛的到來。過去10年里，大家認為智能只是新能源汽車的輔助，用戶對智能的需求以前是在第10、第9名，現在可能到了第5、第4名的需求。我認為不遠的將來，我們會是絕對的前三。
Q：小鵬下一步怎樣保持在大模型方面領先甚至遙遙領先的位置？
何小鵬：自動駕駛是一件非常困難的事情，它不是靠錢、靠人就可以做到的，它有成功的概率，有非常大的數據門檻，而且越往后越難成，因為頭部效應會越來越明顯。
第二，在過去一年里，很多公司在跟著小鵬做“去高精地圖”，沒有成功。他們只在非常少的區域用到了輕地圖或者非高精地圖，實際上在這方面的技術難度遠超原來的NGP。很多人說做高速輔助駕駛，在高精地圖上比較容易，但是在城區去掉地圖都很難。
去年中國開始有大模型的創業風，但大模型真正從模型到應用到工程落地的難度遠超想象。
今天我們的升級也只是第一步，但是我們看到了一個方法論，并且把它真正落地，能夠每兩天一次內部OTA。過去靠人根本做不到，以前自動駕駛的規則在10萬條級別?，F在我們用大模型，將來會做到億、十億條或更大的規模。
當然它不能與以往的自動駕駛完全同比，因為它是一個推理的模型，邏輯跟以前的完全不一樣。
我認為包括小鵬在內的小部分企業，會把絕大部分在做自動輔助駕駛，或者上一代以規則、AI輔助的智能輔助駕駛的企業甩的越來越遠。
Q：擁有AI能力的小鵬智駕系統跟特斯拉的FSD相比，有什么優勢？小鵬說過18個月要提升30倍的智駕能力，到了這個能力之后，責任的劃分有沒有改變？以及，智駕的成本已經降到了什么程度？
李力耘：特斯拉具體的表現，尤其是在中國，我們無法評論。特斯拉FSD如果能入華，我們是擁抱的。鯰魚效應，能夠帶動國內智能駕駛行業的發展。我們非常期望FSD入華后能幫助大家更好了解小鵬的智駕，我們也對自己的智駕非常有信心。
怎么去看“AI定義汽車”？大家以前覺得端到端AI大模型就是一個大的網絡。其實人就是一個最普適的AI系統，由眼、耳、口、鼻、大腦、小腦、運動神經組成整體，可能有所重合但也是分工非常明確的各個主體。所以我們對AI的認知也提出了XBrain、XNet、XPlanner，既有聯系又有分工，能夠非常好地提升AI智駕能力上限。
但同時，我們也是一路從高精地圖或者10萬+規則的過程中摸爬滾打起來的，不僅能夠保證有非常好的上限，我們的下限也有多年積攢的技術兜底。
此外，我們還有非常高效的迭代體系，比如說兩天一個內部版本，面向用戶要月月有更新，每個季度換“新車”，迭代也非常快。
Q：最近一兩年有些車企在布局智能駕駛的賽道，很多人都說智駕時代已經來了。智駕時代，贏家已經確定了嗎？后面的人還有機會嗎？
何小鵬：沒有人敢說確定，國內也沒有一家車企拿到船票，我覺得都沒有拿到船票，都有機會。
小鵬在行業里走的非常專注，有一些企業最近幾年在追趕，我覺得他們方向非常正確，但這不是僅靠一些人幾年就能追得上的，它是非常長期的事情。
我相信這個行業將來會有少數幾家能夠把全無人駕駛或者完全自動駕駛做到中國甚至全球最好，但不會太多，因為難度非常高。
舉個例子，現在真正原生的大模型在中國、在全球都不多見，而且有的推進很快，比如OpenAI，但也有很多推進不快，大模型拼的是長期專注和綜合能力，包括數據規模、技術實力和商業實力。
我認同寫軟件的公司會越來越多，也認同軟件公司的算法能力和技術提高會越來越快。但在大模型領域甚至很難有Tier1。Tier1賣給你一個自動輔助駕駛軟件，它后面只是做少量更新。但大模型的數據要循環起來，一年的算力費用，小鵬今年一個多億美金，但如果想從90、91、99、99.1、99.991不斷地往前推進，這個費用會是多少？
以前用Tier1做集成商，在軟件時代和智能軟件時代都OK，但在大模型時代非常困難，所以合作方式在將來都會有質的顛覆。
Q：端到端大模型雖然能提高能力的上限，但自身也遇到了黑盒的不可解釋性問題，做了哪些優化來提升整個智艙和智駕的體驗？
李力耘：自動駕駛走入了無圖時代后，大家會發現AI能夠真正突破10萬+行級別代碼的能力上限，實現無上限規則的能力。AI天生能在一個非常不確定性、模糊、需要博弈的空間里，找出一個非常好的解。并且，如果我們運用好的模型架構能力和好的體系，AI還具備自我進化和學習的能力，當然還是要給它一點教導和方向，使AI能夠提高上限。
AI是否具有可解釋性？即使是一個端到端的大模型，也有不同部分的側重區域，XBrain側重于整個大場景的認知，XNet側重于感知和語義，工作時它們是緊密協調的，并且是聯合訓練標注，是有機整體。
如果在工程實踐中遇到問題，我們能找到到底是因為理解出了問題，還是沒看見，還是因為看見了也理解對了，但動作錯了。這在我們的實踐中非常好解決，這也是小鵬真正量產端到端大模型的最重要前提。
Q：大家都在講端到端和大模型，大模型之間有沒有性能上的差異，它是由什么決定的，算法、算力還是數據量？
何小鵬：第一是肯定有，外面的各種語言大模型天天都在宣傳，就像以前手機跑分，是一樣的邏輯。但自動駕駛大模型是一個垂直的專業大模型。目前我們還在做預訓練，沒有后訓練。
我認為在這個領域里面，目前用L4的公式去看大模型的安全和體驗反而會更好，這個模型到底有多大、這個模型的數據到底有多強，最后還是要看客戶的體驗、用戶的價值，這是我自己的看法。
李力耘：這也要看我們對算力的利用率，以及模型更新究竟有多快，每個更新版本能不能保證有進無退？我覺得整個效率體系和算力也很重要。
Q：能不能教我們一下分析端到端的方法有哪些硬指標？
何小鵬：現在很難。端到端本身是體系內的能力，是指在各種復雜場景里能夠做到能力不斷成長，且個性化的表現。端到端是即時響應的，規則非常穩定，在類似的環境里能夠做到泛化的反饋。
對于端到端大模型的硬指標，我覺得是最終看接管率。今天高速如果沒有續航的問題，可以做到1000公里接管一次。在城區，今天所有的城市輔助駕駛，我認為安全接管可能是百公里或者一兩百公里。但體驗接管是十公里以內。如果在城區開100公里、300公里、500公里接管一次，體驗完全不一樣。這個靠以往的規則算法絕對做不到，因為問題是無限的。以后我們會考慮做一些工具來測接管率，去任意道路上開100公里看它個性化的表現怎么樣，但這個很難。
Q：特斯拉宣布端到端時說它放棄了30萬+的代碼，咱們能定義說放棄了10萬行的代碼嗎？咱們端到端是完全的神經網絡，還是后處理？
何小鵬：不能這樣說，因為我們沒有精確的統計。沒有任何人敢說端到端都是神經網絡，它是在一個體系里面完成的，就像剎車在哪里，它一定是有規則體系的。我們在規則體系里面有一個優勢，能夠把剎車控制器的算法沙盒做好。
Q：今年小鵬在智能駕駛和訓練數據上投入大概是42個億，在銷量波動的情況下，怎樣去衡量這個投入產出比？是其他少投入一些，還是維持多投入？
何小鵬：我們今年大概是70個億的研發投入，這個投入非常堅決。從2019、2020年，純電市場很多汽車的銷量在波動，我們認為這個波動是1-2年左右的波動，不代表它的銷售能力和整體能力。所以我一直想強調短期銷量沒有價值，但是研發要非常堅定。今年小鵬的經營能力做了巨大的提高，去年6月份我們期望單車成本降25%，到今年年底會遠遠超過。我們把不該花的錢不花了，在該花的錢上一定會多花，包括智能駕駛。
Q：您提到今年要投7個億在算力上，這會成為一個慣例嗎？像馬斯克說每年投10個億去買卡一樣。
何小鵬：不是慣例，明年一定會更多，所以我們有點痛苦。
Q：端到端會讓大家重回一條起跑線還是差距越來越大？如果端到端成熟的話，是不是智能駕駛的開發需要的人越來越少，對于算力的成本會越來越高？這是不是此消彼長的關系？
何小鵬：要看不同的團隊，過去全球有很多優秀的公司沒有把L4真正落地，背后有很多原因，不僅僅是算法能力或者某些能力。小鵬的道路是軟件+硬件組合起來，一起從起點向高走，而不是從高做便宜，這是一個非常巨大的差別。要在汽車領域把自動駕駛做好，是工程的能力、體驗的能力、全球泛化的能力、是成本和控制的能力，不僅僅是做出效果，這是差別巨大的。
我相信要把端到端做好需要巨大的車隊、巨大的算力、非常長時間在安全領域浸潤，這都是基礎條件，如果沒有這些條件是做不好的。
Q：為什么要在通用能力越來越強的時候繼續推出AI代駕、AI泊車等相對比較特定場景的智能化功能？
李力耘：通用模型能力是越來越強的，但解決的是最通用的體驗、效率、舒適、安全，和AI代駕、AI泊車完全不矛盾。AI代駕和AI泊車是往更加千人千面，更加學習你的習慣去做出改變的。你生活的城市，你的通行路線或者你車位的習慣都不一樣。其實人也可以類比為AI，每個人都是一個非常強的AI，但每個人都有點不一樣。
何小鵬：如果是完全通用的AGI，但到達真正的能力還很遠。做特定場景現在就可以把體驗再加50分，你愿不愿意，還是再等10年或者20年？我不認為通用AGI會很快。
Q：今天一些車型開始推送AI天璣系統，您預計智駕的長板在什么時間節點會帶來銷量質變的提升？
何小鵬：什么時候到拐點？我現在不太敢說。以前用規則寫程序大概知道有50個程序員，變成100個，數字提高接近1倍。但在訓練里面，AI大模型在初期訓練中有不可解釋性，從零到有用需要較長時間。
但我們發現，從有用到好用可能比想象快非常多，以前靠堆人是做不到的。所以今天我們還在培養它。我覺得在當下硬件性能不變的條件下，只通過軟件升級，大概12-18個月能夠取得非常大的顛覆，但是它需要龐大的訓練量和長期的訓練時間。我說它會顛覆很多原來做自動駕駛的公司，是因為隨著高階自動駕駛和無人駕駛的實現，智能輔助駕駛技術不可能以單一軟件功能的方式售賣，智駕會帶來高昂的數據費用。
Q：12-18個月在不更換硬件的情況下可能會有一個拐點，這個拐點具體指的是什么？
何小鵬：我希望在包含小區在內的所有城市道路，能夠做到極低的接管率和極高的安全率，而且你不會感覺到它比較慢或比較蠢，老是在那里僵住、博弈的感覺。
Q：AI智駕在出海這件事情上是怎么落地的？每個國家對數據要求都不一樣。
何小鵬：我們先把規則類，例如NGP這些能力做到全球，這些基本對數據沒有要求。我們會把大模型端到端的能力進一步優化后再做出海，在海外我們會嚴格按照數據隱私要求去做全球化的整體能力。
Q：我們和大眾的合作今年是非常受關注的，未來小鵬有沒有意愿將這種合作模式推廣到更多車企？
何小鵬：現在有一些廠商在跟我們溝通，期望通過這樣的方式進行更多合作。我們不是一個標準的Tier1，我們期望能夠有更深度的合作伙伴走向全球。在過去的時間跟大眾合作非常好，每一家海外的大型企業都有非常多的點可供我們學習。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
