采訪｜李勤 李安琪

文｜李安琪

編輯｜李勤

今天智能駕駛的發展節奏，幾乎所有從業者都未預料到。

2022年底，在蔚來智能駕駛研發副總裁任少卿的判斷裏，城區NOA（領航輔助駕駛）的規模鋪開，需要挨個開城。

但進入2023年，一下子就要“全國都能開”。始作俑者是華爲。甚至華爲提出的“全國都能開”，也是在同行不斷加碼開城目標後，被動做出的調整。

智能駕駛是嫁接在智能汽車核心屬性中的技術變量，它被認爲是最大勢能的變革之一。在各家車企的落地節奏中，自然寸步難讓。

但可能少有人料到，是蔚來緊跟華爲，把“全國都能開”的高階智駕交付給用戶。去年開始，華爲喊出智駕“全國都能開”，不斷刺激著同行的神經。蔚來智駕則相對低調，鮮少參與開城數字交鋒。

今年開始，蔚來智駕風格突變，鬥志拉滿。

按照蔚來的計劃，將于4月30日開啓全域領航輔助NOP+全量推送。不僅成爲華爲之後，第二家交付全域領航輔助駕駛的車企，從用戶推送規模看，也是目前體量最大的一家，超20萬量級。

蔚來節奏激變是如何發生的？

數日前，36氪在北京見到了蔚來智能駕駛研發副總裁任少卿。近3個小時交流中，任少卿分享了智駕工程、技術和安全等問題，以及對端到端自動駕駛、世界模型等前沿技術的洞察。

蔚來智能駕駛研發副總裁任少卿

2020年8月加入蔚來前，任少卿已經是計算機視覺領域的風雲人物。其畢業于中國科大與微軟亞洲研究院聯合培養博士班，2016年曾獲得全球計算機視覺頂級會議CVPR 最佳論文獎。畢業後還參與創立智能駕駛公司Momenta，擔任研發總監。

然而，智駕量産之路荊棘遍地。雖然投入重資，蔚來直到2023年才發布全域領航輔助NOP+功能。質疑伴隨著蔚來智駕團隊。

任少卿說，蔚來有自己的邏輯和節奏，“我們習慣于把基礎的東西先做完”。團隊除了經曆早期4顆Orin芯片的域控制器控選型，還重寫了軟件架構。2022年，任少卿判斷，智駕必然會從高速走向城區，因此帶領團隊開始部署兼容城市場景的算法架構，“我們不是第一個推出城區智駕功能的公司，但是第一個城區技術架構上車的”。

蔚來CEO李斌爲團隊構建了以汽車工業爲基礎的認知邏輯，即圍繞“十幾年車輛生命周期”做技術布局。

蔚來的思路是，智駕軟件至少做到10年更新，三代軟件同架構，硬件起碼要保證6-7年的最佳體驗。

蔚來在二代平台車型標配4顆英偉達Orin芯片，整車AI算力1016 Tops。蔚來的堅持一度被質疑，畢竟同行普遍采用2顆Orin方案，即便蔚來第3顆Orin作爲系統冗余，仍有1顆Orin“賦閑”。

但在蔚來的技術體系下，節奏突變的關鍵，也是找到了第4顆Orin的用武之地，跑出“群體智能”路線。

2023年9月，任少卿和智駕團隊定下目標，在今年二季度完成60萬公裏城市道路驗證。

行業普遍的做法是，自建測試車隊，即一城城驗證後開通路線。但結合群體智能，蔚來可以通過每台量産車的1顆Orin算力，乘以規模數量，得以驗證道路的智駕功能是否可用。這超出蔚來意料，原定9個月的才能完成任務，實際只用了3個多月。

蔚來智駕開始“狂飙”。任少卿表示，目前每月的道路驗證裏程達數千萬公裏，蔚來智駕已經在全國726個城市鋪開。

在任少卿看來，在整個智能駕駛的技術落地背後，根基是安全。

蔚來推送全域領航輔助駕駛的一個核心標准，就是事故率低于人類開車，未來2-3年，蔚來還計劃將事故率降低30%乃至更低。

爲了減少事故風險，蔚來選擇了一條枯燥的道路：分析用戶的所有智駕接管數量。“每天可能達幾百萬次。”第4顆Orin可以篩掉99%無用數據，再經過複雜流程，得到萬分之一安全接管案例，回傳至雲端。此外，蔚來還能通過ADAS（輔助駕駛）和ADMS（增強型駕駛員感知系統）等系統精准地提醒用戶，減少事故發生。

技術演進方面，“端到端”被視爲智駕行業下一代方案。

據任少卿介紹，蔚來的端到端智駕方案是將感知模型與規控模型合並，實現信息無損傳遞。當前行業各家基本都在構建感知大模型與規控大模型。

大模型化很重要的一點是，讓智駕擁有更強的預測能力。就像大語言模型ChatGPT能夠預測下一個字詞，智駕也要具備對物理世界的時空認知能力，認識“路面下雨會打滑”等物理規律。

這背後是更龐大的世界模型。去年中，蔚來開始探索機器人世界模型，目前已有階段性成果，端到端方案也將在年內發布。

任少卿認爲，機器人世界模型的建立強依賴于機器硬件如智能汽車、機器人等。而這些硬件生産與供應鏈能力，恰恰是中國公司的強項。這也是車企做世界模型的優勢所在。“車企一定會是真實世界中領先的人工智能企業。”

以下是36氪汽車與蔚來智能駕駛研發副總裁任少卿的對話，經編輯：

36氪汽車：從競爭角度來看，大家加快開城速度與華爲有關系嗎？

任少卿：華爲教會了行業怎麽打心智戰。智駕的使用和熟悉成本確實比較高，像座椅電視這種，10秒鍾搞不明白，一分鍾總搞明白了。但智駕說不清楚，一些測試和試駕最少得跑兩三個小時。華爲讓消費者認知到了智駕。

36氪汽車：“全國都能開”對于智駕行業有什麽特別的意義？

任少卿：自動駕駛每年都有熱詞，2022年的BEV（鳥瞰圖），2023年Occupancy Network（占用網絡），今年的全國開城、端到端大模型。對于頭部玩家，今年上半年開城就會進入尾聲。

城區智駕屬于高端功能，但其實智駕還有兩條線，往下走，做好更便宜的方案；往上走，探索L3級自動駕駛，法規、保險全部都要跟上。

36氪汽車：智駕功能之前是按城市是挨個驗證的，現在明顯感覺大家都來不及了，這對你們的價值觀來說有挑戰嗎？

任少卿：之前大家不太理解我們的邏輯，最近逐漸有一些理解了。

我是2020年下半年加入蔚來，那時候正好是設計第二代平台。第一個不被理解的問題是，爲什麽把激光雷達裝到頭頂？

它確實挑戰了很多傳統車的設計語言，內部設計同學一開始也很難受。

這其實是基于我們的認知。激光雷達裝在車頂比裝在車前感知更遠，泥點子、灰塵影響更小、維修成本更低，還不容易被撞到，對用戶價值更高。

斌哥（蔚來CEO李斌）就去溝通造型設計的同事，他說這是挑戰，也是個機遇，這是之前沒有過的設計語言，如果做得足夠好，可能會引領一個時代。

現在已經有很多車的激光雷達裝在車頂，但細看，整體協調性和流線感還比不上蔚來的設計。

第二個被诟病的是4顆英偉達Orin芯片。但換個角度，大多數人的車怎麽也得開個5-10年。Orin是2022年下半年量産，Thor（英偉達下一代芯片）明年量産，三年換代，難道三年也要換車嗎？

芯片行業變化很快。從2017-2018年到現在，算力變化百倍千倍。Mobileye 的EyeQ4是2018年量産，算力2.5 Tops，但2022年的Orin算力254 Tops了，100倍差距。如果到2025年Thor量産，6年時間算力上漲500倍。

所以軟硬件設計平台生命周期要足夠長，這對用戶的長期持有是最有價值的。我們想做到軟件更新10年，三代軟件同架構，硬件上要做到兩代，6-7年時間。

36氪汽車：所以李斌的邏輯還是從汽車工業出發，不是消費電子？

任少卿：他考慮的是生命周期。車不是手機，不能一年一換，要看10年-15年。消費者買的時候可能加了一些錢。30萬以上的車加3%成本，總比三年換一輛車成本低得多。

今年，能實現城區智駕的車，ET7是最老的一輛。很多比它晚上市的車，都做不了城區智駕。

36氪汽車：蔚來全量推送的標准是什麽？

任少卿：我們的紅線的是，全域領航功能的安全性一定要比人開要好。不管是全域智駕開放，還是車輛使用全生命周期，我們都希望能夠減少事故。

減少事故，涉及到一個非常複雜的系統。首先要知道有沒有事故？這不是一件容易的事。像氣囊炸了這種很容易監控，但有些剮蹭，用戶自己可能都不知道，也不知道別人蹭了你還是你蹭了別人。

我們從去年中開始建系統，一開始用氣囊、IMU（慣性傳感器）的數據，但都很難判斷，後面把視覺和Occupancy（占用網絡）加入進來做剮蹭判斷。

36氪汽車：很多時候是車輛快要蹭到了，用戶安全接管，這種也會納入數據分析嗎？

任少卿：會有。冰山上的問題永遠是小的，還需要看冰山下面的數據。所以我們建了第二套系統，分析所有接管。這是什麽概念？一天幾百萬次接管，包括高速NOA的接管。這是一個更複雜的系統。因爲數據量太大，可能都沒有辦法回傳。

怎麽辦？群體智能。比如100公裏接管了10次，車端一顆Orin可以篩掉99%不是安全接管的案例，剩下1%的安全性接管，再經過一個複雜自動化流程，再篩掉99%，得到萬分之一的案例。所以其實是兩個指標，真實事故和潛在事故。

36氪汽車：數據分析完了，怎麽減少事故率？

任少卿：所以這是一套多級體系。第一級是基礎功能加強，比如用OCC（占用網絡）、激光雷達等增強對安全接管的分析。

然後是功能級警報。我們有兩套系統，ADAS（輔助駕駛）和ADMS（增強型駕駛員感知系統）。之前駕駛員的監測邏輯是，用戶可能不處于緊張狀態，DMS也會做提醒，但現在我們車內外傳感器都融合，判斷風險場景的出現，更多信息輸入，可以更精准地提醒。

我們還做了另一套系統，智駕分數。結合我們的事故分析，會發現低分用戶與高分用戶的事故率差8倍以上。低分數用戶的事故率較高。高分用戶能開的智駕功能或者小路就會多一些，低分用戶可能在主幹道上用智駕更安全。

36氪汽車：智駕全國都能開在二季度推送，這個決策是什麽時候做的？

任少卿：可能就今年年初。一方面是，我們原定60萬公裏可能要9個月才能完成，就是去年9月到今年6月，但我們發現去年12月就已經差不多了，用戶熱力道路都搞完了。剩下的就是，解決安全和體驗上的問題。這是一個巨大的拐點。

36氪汽車：如果沒有華爲，你們全量推送的節奏會不會更往後一點？

任少卿：華爲也是因爲之前有人喊出了100城，所以才往前走一點。中國跟美國智駕市場不一樣，特斯拉更多按照自己的節奏來走，但中國是一堆人在旁邊，大家都在互相卷。

36氪汽車：智駕追求安全和穩健，這跟這行業競爭的快節奏有沖突嗎？

任少卿：我們的長期目標大家可能都認同，但短時間內確實非常卷，每個月不發一個智駕版本可能都會覺得落後，所以每個月都在發版。客觀問題逃脫不了的。

但長期工作一定要堅持。工程師如果只爲了每個月發版而卷，那沒有意義。比如這版開發了某個功能，但下一版就沒有了。長期的認知框架，可以保證做的事持續有用。

還要有很強的測試能力，測試叠代的能力能保證能夠實現終極目標。比如原來智駕半年做一次測試，但現在每月一測。如果測試搞不定，就隨便發出去嗎？這肯定不行。

全國道路都能開，實際有兩件事要做。第一是路真的能開，包括通用檢測能力，去複雜路口記一些東西。這都是技術算法範疇。

第二是能驗證。中國城區道路各種各樣，北京朝陽跟海澱，跟平谷就不是一個世界。怎麽能驗證這些路都能開，其實是一個複雜系統。

36氪汽車：有技術公司認爲，智駕是標准化的功能，不是産品，車企不應該做，您怎麽看？

任少卿：我們不覺得智駕是功能，甚至也不是産品，我們覺得它是個服務。服務需要長期更新的，給用戶提供可用、安全的、領先的東西。所以這也是我們一直在推訂閱服務的原因，從商業邏輯上來說，買斷智駕是不現實的。

買斷一定會導致大家短視。就是現在很多車賣了，功能裝到車上就結束了，後面更新就看車企的良心。

從價值來看，車如果要讓用戶事故率下降30%，肯定不能只把它當功能來做。功能只是智駕的低級階段，但是中高階段一定很快會來。

36氪汽車：一些車企智駕做的不錯了，但市場還是懷疑，智駕是不是真得能幫助賣車？

任少卿：說白了智駕還是個小衆市場，還沒有進入大衆市場。

這是需要我們從業者去做的。第一，價值持續擴大，城區智駕就是一個價值擴大的點。之前高速NOA的體驗成本太高了，繞兩小時才能體驗到。城區智駕，可以降低用戶試駕的認知成本。第二，智駕的安全性需要很強的第三方證明。有了證明報告，消費者能看到實際的智駕價值。

36氪汽車：現在智能駕駛的技術構型成熟了嗎？還會有大的技術拐點嗎？

任少卿：從技術角度來看，基本框架都在了，後面需要持續叠代和運營，是個系統性工程。比如怎麽證明蔚來的總體事故率 (包括人駕、人機共駕)真的減少30%，很難。因爲用戶只有在出事故時，才有明顯體感。

但從規模群體來看，是有可能的。所以我們也在探索保險業務，跟第三方合作驗證。

36氪汽車：L3大概在什麽節點？商業模式上會有大的變化嗎？

任少卿：L3就跟城區一樣，小規模的使用和全量之間，還是會差1~2年。小規模可能會比較快。L3的決定性因素還是安全。如果遇到接管場景，用戶可能要等一段時間，給系統幾秒鍾再接過來。

商業角度，從保險和責任維度上肯定有一些轉移，原來個人負責，L3狀態的話車企主責，保險邏輯和商業邏輯可能就要變發生變化。我們也在籌備保險相關的東西。

當然，還有政策等因素。蔚來也一直在積極推進政策落地，今年應該會有政策允許L3試點車型。原來的L4自動駕駛的測試都是紙質車牌，L3發會發鐵牌，算是新型號的車。

36氪汽車：蔚來智駕開始服務樂道，會考慮別的合作嗎？技術複用度如何？

任少卿：我們是一個很open的狀態。現在我們的第二個品牌就在複用平台的技術，包括NT2.0和NT3.0也要同平台。硬件會換，但我們自己要求模塊級的複用度——就是模塊級複用的比例85%以上。我們也要在新的車輛平台驗證，智駕架構能做到這些事，以及成本足夠低。

另外，我們是國內第一個能夠跨洲量産智駕的。在歐洲我們的高速NOP已經推送了。這是我們純自研的第一代NOP，2022年3月份在國內量産ET7後，我們在當年9月份在歐洲量産了ET7，建立了功能安全、智能安全這些大規模量産能力。現在我們在歐洲去測純感知、純無圖的NOP+。當然，也要在歐洲建立當地的數據中心。

36氪汽車：您從2020年8月加入蔚來，2022年12月全域智駕才推出來。這個過程應該是有很多外界的噪音和壓力，您怎麽應對的？

任少卿：加入的一年半，開始半年是傳感器、芯片選型，建立團隊。因爲Orin 是全球第一個量産的，而且提前了半年；高線束激光雷達也是全球第一個量産的，所以前一年半從團隊和工程上的挑戰是很大的。

2022年3月份ET7量産之後，我們又在歐洲做量産，這又是一個很有挑戰的事情。2022年底才推了高速NOP，這可能也讓大家覺得慢了。

但慢的背後故事是，爲了推高速NOP功能，我們把所有架構都重建重寫了。當時有兩個選擇，NT1.0的高速功能（基于Mobileye的方案）是比較成熟的，可以直接拿過來用，第二是全部推翻、重搞，我們選了後者。

我們的判斷是，智駕功能一定不會止于高速，但NT1.0的架構是不可能支持高速以外的東西，城區智駕做不了。

所以在2022年3月量産了ET7之後，花了9月時間，重構了高速NOP的功能，到2022年12月才推出，接著推出城區功能。

而其他家，是用原來的方案做完高速領航，再做重寫城區架構，車上有兩套不一樣的架構，然後反過來把城區智駕架構開放給高速NOA功能。

但我們不一樣。我們是先把能夠進化的架構重建了，先推了高速，然後再順著推城區。我們是第一個有城區智駕架構，只是功能還沒有實際推給用戶。大家各自有的東西不一樣，我們習慣于把基礎的東西先做完。

36氪汽車：城區智駕的仗打完了嗎？

任少卿：全量全國都開了，往後走，還有城區的持續優化。

我們覺得，智駕開城整體需要兩年的周期。開點是去年年中，第一年大家要解決的問題是智駕功能可用，全國道路能開。第二年要解決的問題就是，智駕好用。

所以我們還需要花一年左右的時間，把城區的智駕體驗推到現在高速領航的等級。

36氪汽車：你之前在微軟研究院提出了Resnet圖像識別架構，那怎麽看Transformer也用來做圖像識別，它會是更加主流的東西嗎？怎麽看行業端到端智駕趨勢？

任少卿：Transformer已經是主流的東西。AI未來10-15年就兩個趨勢，一是性能更好，比人幹的好。原來AI對話覺得很傻，但現在已經靠譜很多，看起來更像人了。二是追求更通用，原來模型只能做3件事，現在做5件事。Transformer架構的好處就是，一下這兩個方向都卷完了，算是一個裏程碑，但演進還會持續。

36氪汽車：端到端會對現在的城區智駕是個顛覆性的事嗎？

任少卿：特斯拉FSD V12在北美的表現已經非常好了，但特斯拉也不容易，搞了6年才全量推給用戶。

大家都說“端到端大模型”，我把它分爲三個事兒，第一層叫模型，現在國內車輛完整上模型的都沒幾家，別說端到端大模型了。感知模型大家可能都上了，但規控還沒有。

但這裏有很多工程的挑戰。舉個例子，原來的多模塊方案，如果要改個控制策略，就在10萬行代碼中找到具體的幾行參數改寫一下。這10萬行代碼可能寫了一年，但只改三行，只測1%的case，3天能完成。

現在上了模型後，如果場景的規控策略不行，就得重新訓練一個，重新測一遍。那三天能不能測完？很難。這都不是算法的問題，是底層能力，只能靠自動化。

去年中，蔚來在高速NOA的規控裏加入AI神經網絡。所以第二層是端到端，其核心是把感知模型、下遊的規控模型連在一起。有了模型，才能有端到端。

之前感知模型輸出、規控模型的輸入是一個數據結構，由人工來定義，很容易有信息丟失的。比如描述一個人，人工會定義描述身高、體重、性別，但寫的再多，也不全面。如果某天AI神經網絡需要知道人的表情，但不好意思，之前沒有定義沒有學習。

而端到端不用再定義數據結構，直接把原始數據扔進去，AI神經網絡需要什麽就自己選擇，解決了數據流失的問題。我們今年也會推出一些端到端的東西，但最大的挑戰還是在工程上。

第三是大模型。大模型有兩種，一種是語言模型，另一種是世界模型。

語言模型是對一些人工抽象概念的認知能力。世界模型則是要建立對世界時間、空間的認知能力。比如現在會議室有四個人，但如果要把場景細節都說出來，是說不完的。

除了精細描述，還要學一些物理規律，比如杯子掉了會碎，路面下雨會打滑，建立這種世界認知。

這還非常早階段。我們從去年底開始訓練世界模型。某種程度上它是一個預測器，或者是對世界仿真器。表現形式就是，車輛預測一個場景之後發生的事情，如果跟人的認知一致，某種程度上可以說他學會了認知。

36氪汽車：那這個世界模型會首先用在智駕哪些地方？

任少卿：一種方式是，直接讓模型輸出軌迹去控制車輛，這有點激進了。現在我們只把它作爲一種預測參考，接到下遊的規劃模型。

36氪汽車：端到端方案的過程比較黑盒，智駕系統的下限是可以把握的嗎？

任少卿：現在能看到提升，但下限確實是需要工程化手段去保證。畢竟馬斯克只是說他在FSD v12刪了多少行代碼，但沒說他留了多少代碼。如果功能回退，要麽改模型，但周期很長，要不然就加規則。這是個螺旋上升的過程。

36氪汽車：自動駕駛會遭遇高質量數據的瓶頸嗎？大語言模型已經遇到了。

任少卿：語言模型的瓶頸是因爲互聯網的語言數據要沒了，但機器人的世界模型，遠沒到那個階段。語言本身是個高信息密度的東西，用人類幾萬年、幾千萬年的數據來訓練。但如果把它轉成圖像或者說激光雷達信息，同樣的時間長度數據會非常可怕。

現在上萬小時的視頻訓練，已經是大家的極限。只要付得起帶寬費用，幾十萬上百萬的車輛數據幾乎是無窮的，沒有到瓶頸階段。但機器人訓練的數據沒有互聯網這麽公開，相對比較難弄，這點車企會比較有優勢。

36氪汽車：車企真的有可能成爲一個領先的人工智能企業嗎？

任少卿：現在AI更在虛擬世界發揮作用，還沒進入真實世界終端。進入真實世界時，就需要更大規模的實際數據源。車企一定會是真實世界中領先的人工智能企業。

36氪汽車：端到端大模型實際上車會是什麽時間節點？

任少卿：我們其實會分開來看，端到端肯定已經在桌上了。大模型我們還在驗證，把它接進去到底能産生多大的價值。

大模型不是指絕對的大小，而是訓練方式和邏輯不一樣，太太底層了，並且用戶其實沒有太大的體感。它是一個漸進的過程，很多公司連模型化的工程積累都還沒有，就要考慮端到端，跨度有點大。

36氪汽車：現在AI大模型成爲新風口，車企怎麽跟AI科技公司拼人才吸引力？

AI的風口其實是一波接一波的。2016年火的是AI四小龍，後面是L4自動駕駛、然後AI制藥、2022年開始是量産智能駕駛，2023年是AI大模型。風口熱鬧的時候，賽道都是最有吸引力的時候。

但對從業者來說，肯定要經曆風口到冷靜期的階段，更多還是要看長期價值、長期競爭力。

自動駕駛所代表的機器人賽道，肯定是有長期價值的。中國和中國車企在這些點上是有長期競爭力的。

回到語言模型，國內的語言模型的劣勢在于，用戶的規模，說英語和中文的用戶體量不是一個量級。但機器人世界模型，中國是有一定優勢的。世界的本質是一樣的，而國內公司的優勢在于，需要硬件去觸摸世界。生産能力、供應鏈能力，是中國公司的強項，數據積累的能力並不弱。

大模型這一仗能打一打，就看怎麽打。所以AI人才是一波一波的，但要講好自己的故事，走好自己的路。從業者也不傻，想清楚自己的積累，找到要發揮的價值，就可以搞明白。