硬刚特斯拉，小鹏已完成百分之......

还记得在今年 520「AI DAY」上，小鹏发布了量产上车的端到端大模型。

随着在今年 7 月底 AI 天玑 5.2.0 版本开启中国区域的推送，XNGP 功能从 「全国都能开」 升级为 「全国都好用」，摆脱了对高精地图的依赖。

同时，寻迹倒车、离车泊入、座舱功能和交互上也有了不少体验升级。

但就刚刚过去 3 个月，全新的 AI 天玑 5.4.0 版本已经迎来了发布。

那么，在这场「小鹏 P7+ AI 智驾技术分享会暨首发 AI 天玑 5.4.0 先享会」上，到底都说了些什么？

如何让「端味」变得更浓？

2023 年，特斯拉在 FSD 的 V12 版本中，正式引入了端到端架构。

随着 FSD 向公众推送，特斯拉 FSD 在北美有着惊艳的表现。同样，引起了一股「端味」热潮。

而现在，国内像「蔚小理」（小鹏）、「华小智」（小米）等主流智驾玩家们也纷纷开始布局端到端架构。

但是，在关于端到端模型方向的讨论中，小鹏副总裁、自动驾驶负责人李力耘博士却表示「做端到端很容易方向错了」。

那么问题来了：小鹏是怎么做的呢？

李力耘博士提到，目前行业中有三种主流的端到端发展路线，包括了「堆叠模型路线」、「车端大模型路线」以及「云端大模型路线」。

其中，堆叠模型路线通过多个规则不同的小模型堆叠成大模型，可以综合利用各个模型的优势，这种方案在一定程度上能够模拟出类似大模型的效果。

对于工程师来说，基于规则的小模型也更容易理解和调试。

但问题在于，堆叠模型路线需要大量的优秀规则工程师来设计和调整各个小模型以及它们之间的组合方式。

而且，多个小模型的堆叠可能会导致计算复杂度增加、系统效率降低，并且在模型之间的融合和协调方面也存在一定的挑战，容易出现信息失真。

随着智驾对实时性和准确性需求的不断提高，这种路线的局限性也会逐渐凸显。

而车端大模型路线是直接将端到端模型部署在车辆上，可以实时处理车辆传感器获取的数据，快速在本地实现智驾功能。

并且，车端大模型路线可以减少数据传输的延迟和带宽需求，提高系统的稳定性和可靠性。

不过，受到车端算力资源的限制，车端的计算能力和存储容量难以支持大规模的模型训练和参数优化。

随着后期训练数据量的不断增加，车端大模型非常容易陷入「性能瓶颈」。

相比之下，云端大模型路线的计算资源更加丰富，可以支持大规模的模型训练和参数优化，参数量是车端模型的几十倍甚至百倍。

同时，云端大模型还可以更加方便地进行集中管理和更新，提高智驾系统的迭代速度。

所以，凭借更强的数据处理能力、突破车端的算力性能、更高效的模型训练和优化，小鹏选择了这条云端大模型路线。

以李力耘博士给出的数据来看，小鹏云端大模型的参数量相比车端大模型有着 80 倍的提升。

这种巨大的参数量优势使它能够全面吸纳智驾数据，不遗漏重点信息细节。例如，在面对复杂的交通场景时，能够更好地理解各种路况信息，为智驾决策提供更准确的依据。

而通过大量数据的训练，也可以解决很多智驾场景中的长尾问题，从而使 XNGP 实现 L3 级的智驾体验。

这意味着在一些特殊的、不常见的驾驶场景下，车辆也能够做出合理的智驾决策，提升了驾驶的安全性和舒适性。

小鹏选择了云端大模型路线，必然是基于对发展需求和行业趋势的综合考量。小鹏云端大模型在参数量、训练效率等方面的提升，也显示出了小鹏目前的技术进步。

但云端大模型的应用也需要面对网络稳定性、数据安全等方面的挑战。同时，还要不断优化算法和模型，充分发挥云端大模型的优势。

当然，虽然端到端模型「上车」已经成为了当下的大趋势。但对于这件事，其实也一直存在着不小的争议，比如：

「端到端能否真正实现向 L4 的跨越？」、「模型可解释性所带来的黑盒问题」、「高质量数据的依赖性」、「算力需求和高昂成本」……

所以，在 L4 真正到来之前，端到端的上车或许也只是走在智驾发展道路中的一个「试错者」。

智驾「算力」大战

目前，国内车企现有的算力普遍处于 10 EFLOPS 以下的水平。

小鹏已经实现提升了 2.6 倍云端大模型的训练效率，并且预计到 2025 年云端算力将会突破至 10 EFlops 以上，大概相当于约超过 3 万块英伟达 A100 GPU 所具备的算力水准。

然而，在此之前，特斯拉 Exapod 超级计算集群已经集成了 3000 颗基于 7nm 制程工艺的 Dojo1 芯片，其中包含了 120 个训练瓦片，能够实现高达 1.1 EFLOPS 的 BF16/CFP8 峰值算力。

依据特斯拉的算力发展规划，Exapod 超级计算集群将在 2024 年 10 月份达成 100 EFLOPS 的惊人算力。

要知道，100 EFLOPS 不仅是实现自动驾驶所需的门槛，更是几乎等同于目前国内所有车企的算力总和。

并且，特斯拉的下一代 AI 芯片 Dojo 2 也已列入计划，将于 2025 年底进行大规模部署。

放眼自主品牌，余承东曾提及华为的云端计算能力约为 7.5 EFLOPS。而理想的训练算力达到 5.39 EFLOPS，预计到 2024 年底将超过 8 EFLOPS。

其中，理想每年在训练算力上的投入超过 10 亿元人民币，若想达到 100 EFLOPS 的量级，每年投入可能会超过 10 亿美金，这无疑是对车企算力投入的巨大挑战。

所以，在这场智驾大战中「云端算力」将成为决定输赢的基础，自主品牌们为追求更高算力水平所面临的竞争压力也会越来越大。

当然，这不只是一场技术战，同样也是一场「金钱」的战争。

当小鹏，也玩起了「纯视觉」

在今年 8 月的小鹏 MONA M03 上市发布会中，小鹏首发了「AI 鹰眼视觉方案」，并宣布将在小鹏 P7+车型上首发搭载。

而在这次分享会上，AI 鹰眼视觉方案也再次被提及。

AI 鹰眼视觉方案是小鹏对智能驾驶技术的一次创新，同样也是行业首个单像素 LOFIC 架构纯视觉方案。

结合端到端的大模型架构，AI 鹰眼视觉方案可以直接将原始的视觉信息直接输入到神经网络中进行处理。

那么，什么是单像素 LOFIC 架构？

我们可以把摄像头里的像素想象成一个个专门收集光线信息的「盒子」。

在普通的摄像头中，每个像素能收集的光线信息是有限的。如果光线特别亮、像素收集的信息太多，就会把「盒子」装满、溢出，这时候拍出来的图像就会过曝。

而单像素 LOFIC 架构，就是在每个像素旁边加了一个电容。当像素收集的光电子数量超过它原本能承载的最大限度时，多余的光电子就会流到旁边这个电容里，这样就不会再出现溢出的情况。

所以，单像素 LOFIC 架构在面对各种复杂光线环境时，如暗光、逆光、大光差、黑夜、雨雾天、隧道等场景，都具有更强的信息采集能力和适应能力，能够更快地适应光线变化并准确地采集到关键的视觉信息

总结来说，单像素 LOFIC 架构方案的摄像头相比传统摄像头，在信息采集能力上有了很大的提升。给智驾系统提供更准确、更全面的环境信息，从而做出更准确的驾驶决策。

同样，根据李力耘博士给出的数据：

相比于激光雷达方案，小鹏 AI 鹰眼视觉方案的摄像头信息量是激光雷达方案的 80 倍、能够感知的语义和颜色信息是它的 100 倍、摄像头的反应速度也提升了 3 倍；

小鹏 AI 鹰眼视觉方案的视觉感知范围达到了 1.8 个标准足球场，能够清晰分辨颜色、文字等语义信息。

「520」还没捂热乎，

「540」就要来了？

在小鹏 P7+上，将全球首发搭载 AI 天玑 5.4.0。相较于上一版本，AI 天玑 5.4.0 在智驾、智舱、底盘等方面有着不小的升级。

AI 天玑 5.4.0 可不分场景全量使用端到端大模型，这意味着无论在城市道路、高速公路还是乡村道路等各种场景下，车辆都能够充分利用端到端大模型的优势，实现更智能的智驾功能。

在 540 版本中，XNGP 的「拟人性」提升 4 倍、变道成功率提升 53%、绕行成功率提升 155%。并且，还能够实现「0 速激活，原地启动」，在泊车能力上 AI 泊车的泊入率也提升了近 20%。

AI 天玑 5.4.0 随着小鹏 P7+ 的面市，在体验上会和小鹏现款车型的 Max 版本保持一致，这保证了用户在不同车型之间能够获得相对统一的智驾体验。

并且，这次小鹏还提出了「不选装、不订阅、不付费」的三不原则。

与特斯拉以同一套智驾软硬件来覆盖所有车型相同，小鹏也将采用相同的方案进行打通。从小鹏 P7+ 开始的后续车型将不再区分 Max 和 Pro 版本，全系标配 AI 智驾。

今后的小鹏可能将全面押注基于云端大模型和 AI 鹰眼方案的纯视觉路线，同样也在为 2026 年推出小鹏 Robotaxi 做足准备。

除此之外，540 版本首发了时空光影显示系统，可以根据天气及使用场景看到不同的 SR 画面，比如傍晚看日落、充电追极光等等。

并且，540 版本支持了 HiCar 和 CarLink 的互联，无论是安卓还是鸿蒙系统，都能实现手机和车辆的无缝连接。

在底盘方面，540 版本新增了 AI X-Pedal 单踏板模式和 AI 底盘两大功能。

AI X-Pedal 单踏板模式可以实现更为精准的踏板控制和平稳减速，在半坡行驶的状态下还能够支持刹停。

而 AI 底盘结合智驾视觉感知和大数据路况图层，可以实现对底盘的毫米级调整，结合全新悬架模式 「舒适 +」，让用户驾驶时的颠簸感降低。

AI 天玑 5.4.0 版本不仅提升了智舱智驾的智能化体验，还提升了用户的驾驶体验。

在 3 个月的时间里，相比 520 版本的全方位升级，能看得出如今小鹏也在积极探索用户在驾车场景中对功能和体验的需求。

最后

如今国内主机厂们走出的每一步都值得我们深思，就像小鹏一样：

云端大模型虽有优势，但面临的挑战也不容忽视；

AI 鹰眼视觉方案为我们提供了新的思路，但在实际应用中是否能完全替代传统方案仍需时间的检验；

AI 天玑 5.4.0 的升级带来了更好的用户体验，但用户的需求是否仅仅局限于此？

在 AI 天玑 5.4.0 版本之后，小鹏还会带来 5.6.0 和 5.8.0 两个大版本更新，而小鹏的目标则是随着 5.8.0 版本的发布能够拥有与特斯拉 FSD V12.8 正面硬刚的能力。

不过，在智能汽车飞速发展的今天，小鹏所做的这些尝试也只是冰山一角，未来的发展方向和路径还有待探索。

但值得肯定的是，小鹏凭借对云端大模型路线的判断、AI 鹰眼视觉方案的创新、AI 天玑 5.4.0 版本的体验升级以及将要面市的全新车型小鹏 P7+，展现出了更强的竞争力。