智能驾驶行业到底有多卷？

“对技术同学来说，做得好只有两种情况：第一种，你做了一个之前没有的东西；第二种，你将之前的东西能力在一年内提升5-10倍。”蔚来智能驾驶研发副总裁任少卿感慨，智能驾驶行业变化太快了，产品功能要有量级上的提升，才能赶得上行业变化的速度和大家的需求。

在需求的强力推动下，智能驾驶行业几乎每年都会有一个新“热词”——新的技术突破。

任少卿这样总结：

“22年是BEV（Bird's-Eye-View，鸟瞰视图，即模拟从正上方垂直向下观看地球表面的效果，清晰显示空间关系，简化车对周围环境的感知和理解）；

23年是OCC开城（Occupancy Network，占用网络，将世界划分为微小（或超微小）的立方体或体素，预测每个体素是空闲 还是被占用，能提供更精确的物体形状信息，对车理解复杂的场景和避免碰撞非常重要，降低对激光雷达的依赖。）；

24年是端到端大模型（即所有模块神经网络化，将原始数据输入神经网络系统，由模型系统直接输出驾驶指令，解决信息带宽问题）。”

大模型为汽车智能带来的想象空间不亚于一次工业革命。不论是已在AI领域深耕多年的车企还是刚摸到AI门槛的车企，都不得不立刻涌入“百模大战”这一战场，唯恐被时代抛弃。

但盲目拔苗助长可能会适得其反。

“你得有一些基本的能力之后，（端到端大模型）这玩意才有用，否则它是个毒药。”任少卿告诉《AI光年》，做端到端大模型的前提是智驾各功能模块都已经完成模型化，且足够性能与效率的工程体系支撑。

另外，蔚来对智驾大模型的定义很明确，就是对真实世界进行预测的世界模型，与ChatGPT等大语言模型泾渭分明。任少卿说蔚来现在已经有世界模型了，“但怎么把它（与整车架构等）拼好，这是我们正在研究的。”

相比起汽车产业界，任少卿在学术圈更为声名远播。

在截至2022年的自动驾驶谷歌学术引用榜中，任少卿居全球第一。他提出的Faster RCNN和ResNet，分别是物体检测和深度学习网络领域近十年最重要的工作之一。后者的研究工作被认为是计算机视觉识别领域里程碑式的突破，还让任少卿与团队获得了2023未来科学大奖的数学与计算机科学奖。

在与《AI光年》近3小时的对话中，任少卿深度复盘了蔚来做智能驾驶的决策逻辑、智驾行业的技术路线变迁以及他眼中的大模型上车热潮。

以下是对话整理实录，为方便阅读，《AI光年》在不影响原意的基础上有所改动：

本文目录：

1.谈选择：人生短短几十年，要做有意义的事

2.谈决策：慢即是快，把代码全部重写一遍

3.谈技术：要做之前没有的东西，或者将原有能力提升5-10倍

一、谈选择：人生短短几十年，要做有意义的事

《AI光年》：你本身是做AI的，读博的时候做的也是AI，为什么最后会选择做自动驾驶？

任少卿：其实这个很简单，我希望能做一些能看得见、摸得着的东西。具体来说就是，周围的朋友能用到，我自己能用到，家人能用到，自动驾驶我觉得是这样的事情。

《AI光年》：会不会遗憾错过了大语言模型这一波机会？

任少卿：智能驾驶这个行业，最近几年车厂整体卷的程度很高，参与其中的每一个人也都很卷。那么大家除了这是一份工作，拿一份工资之外，到底为什么要干这个事？就像你说的，很多同学也可以去做AI，那他为什么要做自动驾驶？

我觉得最重要的两个价值，还是斌哥从2017年开始就一直在说的，解放精力和减少事故。

大家都能看到一些统计数据，有关车的交通事故量还是很大的，那我们想说，无论在辅助驾驶状态下，还是人工驾驶状态下，希望能降低10%、20%、30%的事故。

这个价值非常高，做的过程也会有非常多困难，但很多同学是认可这件事的。

你自己认同一件事的价值的话，你就愿意去多花点时间，脑子里面的噪音也会少一些，周围一起做的人的一致性也会更高。

《AI光年》：价值观一致是你加入蔚来的主要原因吗？

任少卿：其实核心有两块。第一块是大家对发展方向认知比较一致。需要有最基础的数据闭环，需要整个技术链条的打通，有这些东西之后，（自动驾驶）才能做好。

自动驾驶实际上是AI的一个应用方向，要做到最好一定是要数据为先的。你怎么去拿到足够量的数据？主机厂有获得和使用数据的闭环，那主机厂是最适合做这件事情的，这也是我为什么到蔚来的核心原因。

第二块就是产生的价值，解放精力和减少事故。

一个是脚底下需要什么，另外一个是方向往哪走，这件事情我们认知比较一致。这也是我想把自动驾驶做好之外，来到蔚来的原因。

《AI光年》：如何判断高价值项目的可行性？有时候有价值的事和能落地可商业化的事是两码事。

任少卿：你如果认定它有价值，剩下就要去评判，这件事有没有可能踮着脚尖做到？如果踮脚尖能做到，那这就是一个很好的状态，大家就努力去把它做到，这对个人成长也更好。

人生就这么几十年，其实有产出的时间，或者说精力丰富的时间可能更短。做一些自己觉得有意义的事儿，这可能也是对自己最大的交代。

二、谈决策：慢即是快，把代码全部重写一遍

《AI光年》：2020年加入蔚来，你接到的最重要的任务是什么？

任少卿：需要想的更清楚，终极的技术形态是什么？你怎么能快速地走到这种形态？而不是说我走不到，所以我要搞一个中间形态。

我们的产品形态至少是可以逐渐演变成终极的形态，不需要（用户）用到一半，把原来熟悉的东西扔了，换一个新的。用户本身养成使用习惯也是有成本的。

所以，第一个topic实际上是第二代平台（指蔚来技术平台NT2），包括第三代平台（NT3），软硬件的架构是什么？怎么去保证产品体验的连续性和长期的领先性？我们从20年的下半年到22年上半年都在搞这事。

比如，你看现在激光雷达安在车顶上很普遍，但是在20年的下半年，这是一个非常天马行空的想法。

虽然从技术角度和维修成本来说，放在顶上是一个好的选择，但对于传统汽车设计来说，车顶上冒出来一个犄角，是一个很奇怪的事情。不是常规设计，车的外形和能耗会有挑战。

最后怎么说服设计的同学去接受这个方案？

斌哥跟设计的同事说，大家做设计做了这么多年，其实很多时候都是在一个固有框架下，发挥想象力去设计车的外形。但现在有一个新的、有挑战的，更符合技术、用户价值的方向和趋势，如果做得好，有可能引领接下来10年、20年，你们愿不愿意接受，还是说我们回到传统的思路上去搞。

类似的思考方式，其实也适用于所有想要创新，想要突破的事情。

这个逻辑下去了之后，我觉得就没什么阻力了。你看ET7的设计，直到现在，我觉得无论从激光雷达的实用性和车的整体性以及外观和能耗来说，都是设计最好的。   

另一个例子是（英伟达）Orin 平台，我们是第一个发布和量产的。从20年下半年到22年上半年，我们和英伟达团队一起踩了非常多坑，解决了非常多工程上的问题，才把它量产出来。生生把它原定的量产时间往前推了半年。

直到今天，它也是量产车上最复杂的一套智驾硬件系统，甚至我觉得可以去掉智驾二字，因为没有那个域会有这么复杂的四块Orin加上PCIE连接这样一个结构。

《AI光年》：从2020年至今，智驾行业有两个重要变化：一个是从依赖高精地图（有图），到追求不依赖高精地图实现高阶智能辅助驾驶（无图）；另一个是从在高速等固定路段开放高阶智能辅助驾驶（高速），到实现全国都能开（城区）。

在几个关键节点上，蔚来的决策逻辑是什么？

任少卿：之前大家的图还在说到底用高精级还是导航级，有很多讨论。我们其实不想做这个选择，没有必要。

实际上需要的是设计一套框架，把对的信息用起来，把错的信息扔掉。因为不止是高精度地图，现在导航地图也会有错。

所以我们推出的NADArch（蔚来智能驾驶架构），它实际上是希望用同一套框架去解决不同场景，包括高速的、城区的。低速的就包括泊车的，以及我们特有的换电站的这些场景。甚至包括说ACC（自适应巡航控制系统），LCC（车道居中辅助），大家原来用的低阶功能也是同一套框架。   

回到这个点上，我们前年（2022年）下半年搞NADArch的时候，其实面临一个选择。

我们要搞高速的NOP+（增强版领航辅助驾驶），是将NT1（第一代技术平台）的代码直接移植过来——那时候NT1高速功能已经比较成熟，还是说全部重写一遍？

我们最终决定全部重写一遍。

重写的目的就是为了实现前面说的统一的架构（即底层技术能支持产品顺滑演变成终极形态）。我们第一代平台上的架构相对比较老了，没有办法支持城区，所以我们大概花了小半年的时间重写了整套的东西。

所以我们22年底上高速（功能）的时候，就用的这个架构，所以后面我们推城区功能的时候，很多东西也会无缝的提升高速（能力）。

《AI光年》：所以蔚来车本身有很大的功能迭代空间，只是有待一步步开通功能？

任少卿：对，我们做的整体来说会埋得更深一些。因为一个好的架构是一个有生命力的架构。   

为了做到这件事，宁愿一些功能推得晚一些，但是后面等到你这个架构成熟了，那它的（成长）速度会快非常多。我们第二代平台的架构和第三代平台的架构是有非常大的通用性的。

《AI光年》：如何定义一个有生命力的架构？

任少卿：如果只有一个评判标准的话，能活得更长就是好的架构。客观来说，如果你的架构不能去适应更多变化，那一定会被换掉。

很多家每年甚至每两年智驾的整套硬件就要换一遍，我觉得它的淘汰速度过快了。大家买一辆车，大多数人不太可能跟换手机一样，一年或者两年换一个。

现在这个智能化的车上，智能驾驶你需要用相对长的时间，但是，它本身又变化很快。所以从软件层面上，我们希望架构的生命周期是10年以上；硬件层面，我们现在每代平台的间隔期大概在三四年，所以我们的目标是坚持两代，大概是六到八年。

用户不要因为说一个ADAS（高级驾驶辅助系统）的东西，你买了然后两三年过期了，就因为这事要换车。

《AI光年》：提升架构寿命的方法是什么？

任少卿：这里面涉及到两件事，第一件事，硬件的边界；第二件事，是你软件的更新成本。

为什么我们要把智驾的硬件堆到业界的天花板？因为这玩意它变化太快了，我们就希望它的生命周期能往后延续。

架构整个软件的部分，我们自己要求85%以上的复用度，不是代码级的，是模块级的85%的复用度。我们希望核心模块的稳定性非常高，兼容不同的芯片、不同的传感器。

车企肯定要推新平台的，软件层面要做到两代平台的复用度足够高，不然整体维护成本很高，肯定就逐步放弃前面的老平台了。

《AI光年》：延长软硬件生命周期，是否意味着，新的技术新的平台出现后，老车主的用车体验不会打折太多？

任少卿：对。蔚来二代平台肯定现在拥有最好的体验，等到27年了，你不一定是最Top的，但相对还是第一梯队或者第一点五梯队，再往后三四年，硬件也还是有竞争力的。

就我们看到当前这个时间点，能支持城区功能的车，ET7是最老的一个（2021年发布）。甚至一些比它晚发的车都不支持城区。   

蔚来应该是我知道的第一个在海外去量产全自研系统的中国公司，我们平台都是我们自己的东西，原来大家在海外量产的时候，都是博世或者 Mobileye的方案。

《AI光年》：出口国外的车型也是用同一套架构吗？不同地区对智驾的政策也有所不同。

任少卿：一套架构能支持多个国家、多个地区，这是一个基础。

我举一个例子，我们在欧洲也开始测试全域NOP+了，它整个架构和功能定义都是一样的，但在数据层面有不太一样的地方。

比如，你的车在直行道上开，旁边的汇入车道上有一辆车快速逼近。中国用户能接受的做法是刹一下减速，观察这个车是不是要窜出来，没有问题我再往前走。欧洲用户不接受这个事，他们认为你是主路，路权在你这，所以这种情况下刹车可能是误刹。

三、谈技术：要做之前没有的东西，

或者将原有能力提升5-10倍

《AI光年》：回到开城与开路的选择上，在推送城区高阶智能辅助驾驶时，其他车企都选择开城，为什么蔚来选择开路？   

任少卿：城市实际上是一个太粗的颗粒度，我们想把它放在一个更细的颗粒度上去。

我们拿大城市举例，你开了50条路叫开城还是100条路叫开城？北京上海这些毛细血管的路，你开了叫开城，还是不开也能叫开城？对于用户来说，你说开了一个城，我到底能不能全城开？我今天不能开是因为啥？

我们可以去说我们开了很多城，但你其实没有办法量化它。

所以我们做了几件事，第一件事，整体的开发逻辑回到路这个口径上去。你这条路能开就是能开，不能开就是不能开呗。为了让这件事更显性，我们还做了一个网站。我们既不放大这件事，也不缩小，用户您自己看开了多少路，家门口的路到底能不能用。

《AI光年》：其他车企的智驾开城进度会让团队有舆论压力吗？有没有产生过战略犹豫，比如考虑过回到开城口径。

任少卿：不是，这没法犹豫，怎么犹豫啊？对吧。

去年我们NIO IN（2023蔚来创新科技日）后，9月份到去年年底，确实大家都说，人家都开了50城、100城、200城，你们这个不知道在干啥。

但最终大家都认为这是一个长期且正确的事，没得反悔就少纠结，剩下的事就是赶紧干，赶紧把要开的路给开了。最后路汇成城，比如说今年二三月份，我们开了600城、700城的时候，大家就不会有这个疑问了。

《AI光年》：内部如何评判做的好与不好？

任少卿：我们自动驾驶团队每个季度会开一个季度讨论会。我们会去说，你一年下来到底什么叫做及格了？或者什么叫做得好？

这个行业的变化太快了，所以我会跟同学们去说，对技术同学来说，做得好只有两种情况：第一种是说你做了一个之前没有的东西；第二种是你在之前的东西上一年提升了5-10倍。

你说你做了一个之前有的东西只提升了百分之二三十，就不要来说了。因为一个模块上一定要有一些东西是能在量级上提升的，才能赶上这个行业变化的速度和大家的需求。

我举个例子，做AI这个事儿需要数据，我们过去三年数据标注可能都是以两位数的效率往上走，三年下来可能是万倍甚至到10万倍以上。你不做到这样，你就落后了。

某种程度上这也是有挑战的事，有意思的事。技术人员最讨厌两件事，第一件是天天干重复的事，这么搞的话，一大部分人就离职了；第二件是吭哧吭哧搞了一年半载，没量产。

《AI光年》：但智能驾驶目前的一大块工作量还在优化corner case上。（corner case即智能驾驶中的边缘案例，指发生概率较低的可能场景，易被AI遗漏，需人工处理。）

任少卿：即使是优化corner case也得做出来创新。

因为你原来做高速的时候场景少，假设你遇到的corner case是10个，你做到城区了，不同城市的差异这么大，场景又多，所以遇到的corner case量不是10，不是100，是1000甚至更多。如果提升了20%、30%，那没有任何意义。每年提升10倍，这个东西还能玩。

《AI光年》：对于优化corner case，有没有提升效率的好办法？

任少卿：大家为什么之前要按场景去做测试，核心逻辑是你没有办法穷举，那就做聚类。

开路实际上面临两个东西，第一个是通用能力，比如说感知规控，怎么适应城区里面的复杂场景；第二个就是测试。   

全国的高速比较像，全国的城区那可不一样。北京是比较小的匝道辅路特别多，杭州有非常多可变车道等等。

我之前在北京开车比较多，去上海我基本开个一个小时以上肯定是要开错路的。因为北京没有左转在右边，或者左转在中间的路，所以我很容易一看导航要左转，这脑袋也不想一把打到左边去了，然后发现进了实线走不了。

另外，一个城市就算划一片片儿区，里面也有很多不一样的东西，比如说小路不清晰的车道。所以我们除了按场景去做测试，也会按路做测试。

因为我们有群体智能，所以相比自有测试车队测试能力大幅提高。提高不是一个百分之多少的问题，是几个量级的提高。

每家的测试车队也就是百规模的，但量产车是10万规模的，把量产车用于测试（功能验证），从绝对数目来说就提升了两三个量级。

*注：1.匝道，通常是指一小段提供车辆进出主干线，如高速公路、高架道路、桥梁及行车隧道等与邻近的辅路，或其他主干线的路桥/斜道/引线连接道，以及集散道等之附属接驳路段。

2.可变车道，全称为“可变导向车道”，主要设置在交叉口，可通过电子指示牌变换车道的行驶方向，缓解交通压力。

3.蔚来群体智能，能够在量产车上分布式验证用户行驶过的道路以及使用过的智能驾驶功能。每月实车验证里程超2,000万公里，单一路线5次验证自动准出。

四、谈安全：智驾行业，安全是底线也是最大的价值 

《AI光年》：群体智能是否有技术壁垒？

任少卿：本身这个行业没有什么严格意义上的技术壁垒，但实际上说想把它做好需要需要做好架构、工程实现以及相应的算法。

我们从芯片上就规划了，四块芯片有两块做功能，一块做群体智能和个性化训练，一块做冗余。这些功能第一依赖整体的架构系统，通用能力和稳定性，第二需要算力。

我们是第一个提这事的（群体智能），特斯拉那个叫影子模式，但说白了它更得多是对代码的拷贝测试，从软件架构和平台能力上说没有做的这么广泛和通用。

《AI光年》：业内一直有一个论断，从L1到L5级自动驾驶，最混乱最危险的就是L3级人机共驾阶段。现在高阶智能辅助驾驶正好处于这一阶段，如何保证使用智驾的安全性？   

任少卿：首先一个负责任的车企去量产，无论什么功能， 是L1也好，是L2也好、是L3也好。它第一一定是要保证这个东西的安全性，一定要比人驾本身要更安全。

拿主动安全为例子，主动安全可能没有办法保证说我100%避免所有事故。但是你主动安全上线了之后，一定要比没有这个功能的时候，更安全，一定是要减少事故。

怎么去做到这件事其实没有那么容易。比如说在原来老的一些车型上，你气囊爆了，很明确，因为有气囊传感器。但剩下的比如说气囊没有爆，车轻微碰撞了、剐蹭了，你怎么知道这些事发生了？以及这些事件（的发生）到底是因为第三方，还是因为本车，还是什么？

因为我们第二代平台有全量的传感器，相比第一代平台，能99%以上的去知道这个事故到底是怎么回事。那你知道了事故怎么回事，就可以作为解决它的第一步。

到了L3，大家说这个是不是存在一些模糊的边界？我觉得在这个产品推出前，它是会有。但在实际上的产业推进过程中，很多边界已经逐渐的清晰化了。

在实际的事故中，最近智驾相比三四年前有非常大的突破。我们能逐步的向用户公众说明，无论在辅助驾驶状态还是人工驾驶状态，都能大幅减少事故的发生，同时它减弱了事故本身的严重等级。减少事故之外，从保险赔付的角度，它也有经济价值。

《AI光年》：为什么选择在4月30日将全域NOP+功能全量推送给用户？

任少卿：开路和开用户其实是两件事。

开路是我们一直在做的，可以看到我们每个月会更新公布我们开了多少路。用户是另外一个纬度，相当于说把功能释放给多个用户。

我们前面做了非常多轮的内测、公测。为什么这样做？是因为蔚来能开城区（高阶智驾功能）的用户数和车的数目是国内最大的。因为我们是全量标配（NT2平台及以上车型），是20多万辆，其他家据我们了解应该没有上10万辆的。

车多了，城市和具体的地点分布都会更多，用户不同的驾驶习惯差别也会更大。

《AI光年》：多轮内测公测是为了验证安全性吗，全量推送的安全标准是什么？

任少卿：分为一个底线和一个目标。

我们所有功能一定要比没有这个功能的时候更安全，这是底线。在此基础上，我们希望能进一步的（智驾）比人（人类驾驶员开车）更安全，减少整体全量的事故率。

蔚来希望到2025年，智驾安全程度是人驾的十倍。我自己非常想做这个事，我觉得这个能救一命。而且也看到了路径的可行性。   

五、谈未来：大模型上车勿操之过急，需要逐步落地

《AI光年》：你怎么看今年的“大模型上车”潮？

任少卿：大家现在更多还是在炒概念。大模型，尤其端到端大模型里面其实有好多件事。

首先是模型化。坦白来说，很多连模型都没做，就别说什么端到端大模型了。感知大家可能都模型化了，但你规控有没有模型化？

这里面遇到了很多有意思的问题。大家没办法模型化很多时候是因为你的工程体系支撑不了这件事。

比如控制模型上车。原先大家遇到一个场景去debug（排除故障）很容易，我就从数万行代码里面找到那一行，把那一行改了就行了。

结果你控制模型上车了，要改动信息得重新train（训练）一个模型。它效果是变好的，但你这个迭代怎么办？那你需要有快速train一个模型再快速验证的能力，你这个事儿才玩的下去。

我们在去年年中的时候，把规划和控制的代码模型化了。实际上到今天来说，规控上模型的都没有几家。

模型化后才到端到端。端到端这个事更多解决的是感知到规控接口信息丢失的问题。

不是说你上端到端一定会好，因为原来那个信息它也是有带宽的，那你得先把那个信息先处理完，你放大带宽才是有价值的。

当然端到端这些事我们从去年一直在做，但是我想说的是说你得有一些基本的能力之后，这玩意才有用，否则它是个毒药。

如果你原来的代码架构足够清晰，你的（debug）测试量可能只有1%。原先你花三天重新测1%，现在不好意思，你花三天要重测100%。所以你的数据验证体系效率要足够高。

我们首先把这个能力弄起来了，才能去碰端到端这些事。

最后是大模型。大模型在我这边定义会比较窄一些，我们叫世界模型，它要解决的核心问题是对于真实世界更全、更好的信息表达和预测。

世界模型我们大概从去年下半年开始训，现在模型有了，但怎么把它拼进去？怎么拼成一个有显著提升的东西？这是我们现在正在研究的。   

《AI光年》：这是否意味着智驾的自研门槛会越来越高？

任少卿：会的。而且世界模型甚至比大语言模型的要求更高。

因为从数据的角度，它的获取难度就比大语言模型更高。大语言模型很多是处理互联网公开数据，世界模型你自己得有数据，互联网扒出来的数据不太能用。

越往后走，人力和资金投入都会进一步的加大。

《AI光年》：未来要继续自研智驾的车企，需要具备媲美互联网大厂的数据能力吗？

任少卿：如果从单纯模型的角度来说，需要现在这种大语言模型的团队的能力，但是从验证的角度来说，它又需要最强的这一批车企的能力。这也不是单纯互联网公司的能力能cover住的。

《AI光年》：之后智驾成本会上升还是下降？

任少卿：智驾的成本分为两块，一个是硬件的成本，一个是研发的成本。

硬件的成本更多的可能还得靠芯片公司再卷一卷。从研发的角度来说，大家现在更多的是该花花该省省。   

《AI光年》：大模型上车后，智驾还需要激光雷达吗？

任少卿：马斯克原来说过一句很经典的话，人能只靠眼睛开车。我完全认同，但还有一句话叫做，人跟动物最大的区别是会使用工具。激光雷达就相当于多了个工具。

从我个人角度来说，有激光雷达更安全，像安全气囊一样，是否愿意多花钱去买，就这么个事。

另外，使用激光雷达并不代表对你的技术要求更低。激光雷达如果想用好，也不容易。比如激光雷达实际上作为一个安全冗余系统存在，你的底层系列需要只有摄像头的时候能用，有激光雷达的时候也要能用，技术复杂度会更高。

《AI光年》：端到端大模型上车，哪些变化消费者能感知到？

任少卿：实际上消费者先感知出来变化，有了提升之后再回来解释到底怎么回事比较合适，我们现在有点反过来了。

消费者的体感其实可以说是（智驾的）拟人化程度。它是像傻子一样还是聪明一点，消费者是能感知出来的。

我们去年上规控模型后最大的变化就是，原来你被别人cut in（加塞），如果那辆车的角度比较奇怪，或者车型比较奇怪，它会有一些（机械化反应）的情况。但上了模型后就会变好。（转载自：腾讯深网）