6月29日，在小鹏G6上市的同时，何小鹏还宣布了「XNGP年内覆盖50城」、「将推AI代驾模式」等消息。回想今年的上海车展，G6已经颇受关注，而可展馆内除了这些重磅新车外，还有一个现象同样显现出来：那就是多家车企不约而同地提到了AI对于智能车的关键作用，其中不光是新势力品牌，也有传统品牌。
如果说ChatGPT让人看到了AI的更多可能，那么AI也让自动驾驶获得了更多可能。
而对于从初期就对技术路线有明确认知的企业来说，已经步入城市辅助驾驶的落地阶段。其中，小鹏汽车作为代表品牌之一，不管是在北京开放城市NGP功能，还是首款扶摇架构下的车型G6上市，都受到了极大的关注。尤其是第二代XNGP智能辅助驾驶系统，可逐步实现从车位到车位的全场景智能辅助驾驶。近期，XNGP迎来最新版本迭代，发布全新一代高速NGP，官方介绍其能力时称其体验「无限接近L4」。
在此节点，小鹏汽车自动驾驶产品高级总监刘毅林接受了「首席智行官」的专访，借机对新一代智驾系统、城市NGP、小鹏的市场逻辑，以及新的技术趋势发表了见解。
BEV带来的更多可能
早在两年前，小鹏便已着手开发BEV感知架构XNet，如今终于在XNGP上实现了量产部署。在刘毅林看来，BEV相当于「让一个人的前后左右都有了眼睛」，继而结合神经网络，对环境的感知丰富度、感知效率、「上帝视角」的多传感器感知融合都得到了进一步提升。
据他介绍，从前的车载摄像头之间需要相互协同，类似于要由多个人关注多个方向，利用的是不同的眼睛和不同的大脑，会存在沟通和协同的问题，而BEV解决的正是这种协同问题。
刘毅林表示，虽然路面信息是静态的，但实际上非常复杂。「单说车道线的形状、大小、颜色、磨损程度，距离间隔等，都是会有差异的。如果先逐个认知，再拼合到一个环境当中的话，无疑非常低效。」
而利用Transformer，则可以将已经训练好的系列相关图像，直接在BEV下识别，并利用这些图像构建出三维空间。
「所以，现在我们谈无图化和重感知，实际上是指具备了在车端，对于静态交通环境的认知能力。在这种技术架构下，感知环境不再需要大量的预设数据，而是可以通过实时感知去形成数据，进而做出自动驾驶决策。」刘毅林说道。
如今，在城市NGP加速落地的阶段，BEV的量产应用和无图化能力，为小鹏带来了更多可能。
城市NGP的挑战
近期，小鹏汽车先后发布了两段在北京的城市NGP实测视频，分别是基于高精地图的环线及主要快速路体验，以及无图化的普通道路演示。
在这座新能源汽车渗透率较高、用户数量大，但路况复杂的城市中开启城市导航辅助驾驶，无疑是个令人兴奋的新起点，但也面临着更大的挑战，全面的无图化就是其中之一。
「从经济性和政策性两方面来看，轻地图方案都是城市导航辅助驾驶的必经之路。」刘毅林指出，从技术上来说，小鹏已经具备一定的无图化能力了，在3月份已经在G9和P7i 上实现了第一阶段的红绿灯启停通过直行路口的能力。并且在6月初发布了第二阶段完整的导航辅助驾驶能力在北京的测试视频。
但要持续开放更多路段，不仅仅是单纯的技术问题，而是要针对复杂和多变的现实环境，进行充分的测试。
「在进入一座新城市前，我们必须要进行充分测试。在此过程当中，我们设置一个横轴（场景）和一个纵轴（里程），来进行考量。」
不过他也指出，像全新一代高速NGP那样的高水准，在城市场景还需要更多的时间，因为城市交通的道路和路况复杂性远远超出高速公路。
刘毅林提到，在多数L4级自动驾驶的逻辑中，很多场景需要通过牺牲效率，或者缩窄范围来达成。而高等级辅助驾驶的BOTTOM UP 逻辑，是既要将范围扩大至全量范围和场景，又要达到很高的安全底线，同时又不能过于牺牲效率，这无疑是更难的挑战。
这也是为什么，城市辅助驾驶还需要一些时间才能到达普通消费者预期的成熟度。
刘毅林透露，现在小鹏的城市NGP百公里接管率约为十余次，和上一代高速NGP差不多。后续随着能力的增强，应该会让这一数字持续下降。他表示，让新功能成熟还需要时间，但体验一定会以较快的速度得到改进。
「当我们回头去看，每项技术出现的早期，都曾遭到过质疑，但之后又逐渐成为标配——在有导航辅助驾驶功能之前，大家都觉得有车道保持就已经很好了；在LCC出现之前，大家也会觉得有自适应巡航就已经很牛了。」
据刘毅林介绍，目前，在小鹏高配车型的用户中，每周有接近 95% 的用户会使用城市NGP，里程占比接近 70%。也就是说，在这9成的用户中，有一半以上的路程都是由机器行驶的。
「不过，车作为大宗消费品，更新迭代的周期是比很多产品要慢一些的，用户不买车的话，会比较少关注最近几年的变化，如果让用户感受和接受到这些跨时代的变革，这是很现实的问题，也是一个特别大的挑战。」
「不要笼统地谈数据」
「所有人都知道数据对于自动驾驶非常重要，但当我们去谈数据的时候，往往非常笼统。」
刘毅林表示，数据包含很多类型。第一种是体现现实世界的静态差异的广度数据：例如红绿灯是横排还是竖排？是否有读秒？车道线各式各样的设计方法等等。
第二种数据不同场景在时间维度里发生的深度信息，其中包括很多Corner case。例如遇到一台速度很慢的手扶拖拉机，或者前车发生事故后飞出来的轮胎……
「如果用拟人来形容，AI对数据的应用，最终会像一位智者，他既经历过很长的人生，懂得很多人生哲理，同时又走遍天南地北，见多识广，这些要素之间是相辅相成的。」
刘毅林以此举例，是想形容数据既要有深度也要有广度。然而当这些都具备了，还只是迈出第一步。
在第一步走好后，接下来就需要将数据「消化吸收」。对此，刘毅林又举了个例子。
「故宫里有一本藏书叫《清宫海错图》，它将世间万物和各地奇珍都以图画记录下来了。这就不仅仅需要游历四方见多识广，还需要超强的记录归纳能力。。「任何的数据，都需要有效的消化和转化成 Know-How，在产品中形成完整的链路，才有真正的价值。」这也就是对数据进行归类分析，举一反三的能力。
此外，刘毅林还作了一个比喻——在编撰一套百科丛书时，第一册往往是耗时最长的，而第十册所花费的时间会大幅减少。这就类似于体系化能力，例如团队经验，工具链等等。
在刘毅林看来，这是从「燃料」和「飞机」的关系，其中燃料就相当于数据。
「要想创造最快的交通速度，光有燃料是不够的，因为燃料谁都可以有。」
不应盲目压低硬件标准
与G9 Max和P7i Max一样，小鹏G6 Max的传感器方案同样基于第二代XNGP系统——双Orin芯片（502 TOPS算力），以及前向两个800万像素摄像头等等，同时也有两颗激光雷达。
尽管如今的车市仍处于价格战的高压之下，供应商也纷纷提出更具性价比的方案，但刘毅林认为，如果用户需要的是良好的辅助驾驶产品，那么在没有冗余的硬件方案上，很难真正做到。
「我觉得脱离性能谈功能，都是耍流氓。」他觉得硬件方案要回归本质，也就是能否真正符合用户需求、解决问题。
「辅助驾驶的衡量标准不应降得太低，且应始终具备无限接近L4的野心。即便低成本方案层出不穷，但真正的交付的时候，用户未必会真想使用性能打折的产品。」
刘毅林表示，辅助驾驶硬件的成本占比确实很高，小鹏也会设置逐步降本的目标，但前提是性能有升无降，同时满足经济性和性能需求。
如何看待占据栅格网络？
在去年的特斯拉AI Day上，占据栅格网络技术受到了广泛关注，也引发了业界的跟进。鉴于该技术是将 BEV的二维网格感知描述，转换为三维网格。刘毅林认为，占用网络可以通过视觉，达成类似激光雷达的效果，对可行驶空间的三维感知。。
「占据栅格网络能够形成3D的可行驶空间，可有的友商既有激光雷达，又要用视觉来做，这令人费解。」刘毅林直言，如果车上有激光雷达，实际上能够达成同样的效果，同时再用占据栅格网络相当于浪费算力。
他认为，占据栅格网络并不新鲜，此类技术名词可能会带来一些吸引力，但最终还是需要看「疗效」。
「不能光讲是否拥有一项技术，而是要讲是否拥有一项用户收益。小鹏是一家技术型公司，但我们也并非只讲技术，而是更在乎用户体验。」
小鹏在第二代XNGP的阶段，将目标指向了点对点全场景辅助驾驶。
这就意味着，无论是跨城还是同城，无论是高速还是城市道路，无论是地下还是地面停车场，小鹏都要在现有架构下实现车位到车位的无缝衔接（在人类司机的监控下）。
在自动驾驶热度下降的今年，这一目标显得格外醒目。当多家车企也已不再强调智能驾驶时，小鹏仍然在高调展示自身的技术迭代。新技术的成熟的确需要研发时间，也需要市场考验，但是就小鹏来说，似乎早已设定好了自己的时间线。
