https://weibo.com/5881975508/M6r0FyXEL

国产20万的车，30tops的算力，能达到这个水平，已经足够牛逼了

锤子车最新版FSD在这种路况下，表现如何？
--
FROM 119.80.182.*

看着比真人开车累多了

【 在 AD007 的大作中提到: 】
:
: https://weibo.com/5881975508/M6r0FyXEL
:
: 国产20万的车，30tops的算力，能达到这个水平，已经足够牛逼了
:

#发自zSMTH@NE2213
--
FROM 182.104.14.*

训练能训练几个？各种物体千奇百怪。
各种demo视频也就骗骗外行，一堆车一堆人叫路况复杂，其实这种对人工智能来说是最简单的。
【 在 AD007 的大作中提到: 】
: 小鹏自建的超算平台正在训练
:
--
FROM 111.33.136.*

虽然有很多不足之处还可以改进，但毕竟这只是一辆上市了一年的量产车，售价只有20万，算力只有30tops
可以说是全球数一数二，国内遥遥领先的量产自动驾驶车型了。
【 在 bigmealie 的大作中提到: 】
: 看这个视频比开车都紧张。。。
--
FROM 36.112.200.*

量产见！
这是小鹏汽车去年NGP的远征上的一句口号。

彼时，小鹏P7上的高速NGP刚刚量产，为了证明其可用性，小鹏举行了一场广州到北京的NGP远征。
此时，小鹏P5上的城市NGP首发量产，只是这次战场移到了城市，在交通情况极为复杂的广州来见证量产诞生。

demo和量产之间的巨大鸿沟

这两年，随着智能驾驶的普及，已经有太多的城市自动驾驶的测试视频被释放出来，各种诸如吊打特斯拉的豪言壮语层出不穷，但是真正落到实地的首发量产车竟然是算力只有30TOPS的小鹏P5。

这其实就是因为智能驾驶技术的demo和量产之间其实是有巨大的鸿沟的，做一个demo相对比较简单，在一个熟悉的道路上，采集足够的高精地图数据，反复训练道路情况，比如曾经释放过某闹市区域智能驾驶demo视频，就有点像一个盲人总走家周围的道路，他知道哪里有棵树，哪里有个小水坑，所以他可以像普通人一样行走，这是因为他把周围的东西都背下来了，而且一走十几年就完全没任何问题。

但是量产就不一样了，在技术泛化以后，你要面对的最大的问题就在于现实世界里海量的长尾工况，将会极大的影响技术的量产，比如城市道路随时的施工，故障车甚至警察临检，或者穿过道路的小狗小猫。这些都是横在量产前的巨大困难，稍有不慎，GAME OVER。

实际上，量产还不仅仅是算法层面上持续优化，更是对整个品牌工程落地能力的考验，这个甚至涉及到整个公司的目标考量，资源分配甚至是执行力和价值观等等等等的多方面因素。所以，才有了那句量产见真章。

预判是城市NGP的灵魂

在小鹏城市NGP释放出来的画面中，我们可以看到，城市NGP实际上达到了一种“可用”的地步，什么叫“可用”，就是可以正常使用，但是距离“好用”，可能还差那么一点。而其中最大的原因就是预判。

在新出行释放出的一镜到底的视频中，我们可以看到P5对于大部分场景，不仅仅依靠感知去做判断，甚至在目标车辆还没有进入近距离之前，我方车辆就可以开始进行动作，比如图一中，对对面而来的非机动车，我方车辆不仅仅在纵向上选择减速，在横向上也开始避让方向，远离非机动车，这就是基于预判的一种决策和执行。

这种决策还在变道中也表现的淋漓尽致，比如图二中，面对右侧车辆情况复杂的情况，我方车辆采取逐渐靠近道线，并蚕食和卡位左后方空间的策略，也是基于对左后方车辆运动轨迹的预判而形成的。

所以，可以说城市NGP的成功，很大程度上依赖于P5本身通过高精地图加持下，对周边感知能力超精细化的处理，然后对此状况进行的预判和决策。
所以说，预判是决定城市辅助驾驶是否能够足够好用的非常重要的核心因素,

但是
决定城市NGP可用的是这个预判
决定城市NGP还有待进化的也是这个预判
即便是小鹏已经跑烂的广州，也有不成功的地方，比如图三，对横向入位的车辆，系统没来及做任何预判和决策。

不过，好在即便是算力有限的P5上，现在看到的能力，并不是P5的最终能力，据悉在攻克G9的核心任务同期，P5团队也正在非常紧张的做各种优化工作，估计后续还会有各种更新。
（P5：一滴也没有了……）

摆脱高精地图之路

实际上在去年1024上，小鹏的自动驾驶副总裁吴新宙就表示过“自动驾驶进入下半场”，全场景辅助驾驶将会进一步降低对高精地图的依赖，为了实现这一目标，小鹏在G9上已经全部重写了代码，不断去提升感知的比重，来降低对地图额依赖。

个人理解，小鹏后期大概率会采取一种，用高精地图可以加强感知能力的意思，这个逻辑就是说，车辆实现高阶辅助驾驶的能力在于感知系统，而用高精地图进行加强和校验。
在有高精地图的地方，车辆表现的更加稳定一点，
在没有高精地图的地方，车辆表现的略微弱一点。
在这样的策略下，更大规模的泛化城市辅助驾驶，会更快的驶向更大的范围。
当然，如果后期再加上拓扑地图啥的，这种能力应该就会有更大的提升，但那可能是另外的话题了。
【 在 clyu1981 的大作中提到: 】
: 训练能训练几个？各种物体千奇百怪。
: 各种demo视频也就骗骗外行，一堆车一堆人叫路况复杂，其实这种对人工智能来说是最简单的。
--
FROM 119.80.182.*