蔚來智能駕駛研發(fā)副總裁任少卿

“別人都在開城，蔚來為什么不發(fā)布開城數(shù)據(jù)？”相信這是很多人的疑問。

在這個智駕領域尤其浮躁的時代里，有人喊出了“智駕全國都能開”，而蔚來這家造車新勢力，在智駕層面卻從未喊出過激進的開城口號。

有人說蔚來的錢都花在了堆硬件層面了，“在毫無意義的地方花了很多錢。”難道蔚來在智駕層面真的把錢花錯了地方？

蔚來的智駕能力到底如何？為什么大家都在干的事蔚來沒有干？蔚來在智駕上到底要怎么干？新發(fā)布的樂道品牌會用上蔚來的智駕功能嗎？帶著一連串的疑問，鈦媒體App近期對話了蔚來智能駕駛研發(fā)副總裁任少卿。

在來蔚來之前，任少卿是原Momenta研發(fā)總監(jiān)兼聯(lián)合創(chuàng)始人 。其畢業(yè)于中國科學技術大學與微軟亞洲研究院聯(lián)合培養(yǎng)博士班；2022年獲得人工智能全球最具影響力學者榜單——AI 2000，排名第十；2022年入選AI華人青年學者榜單；2023年，榮獲2023未來科學大獎數(shù)學與計算機科學獎。

好漢不提當年勇。對于過去的成績，任少卿不愿講述太多，他更愿意分享他當下在做的事，以及未來想要做的事。

“群體智能：讓智駕更安全”

在北京車展前夕，任少卿第一次出現(xiàn)在李斌的直播間。之前他并未在直播間出現(xiàn)過，用他的話說，“抖音都很少玩，現(xiàn)在是被斌哥（蔚來汽車董事長李斌）給帶出來的。”

雖然是第一次參與智駕的直播，但他并不緊張，用他的話說，“蔚來的智駕功能，你已經(jīng)測試過很多次了，對于其能力你還是很了解的，了解了就不會有什么緊張。”

在那場智駕的直播過程中，有一個令人印象深刻的0.5次接管，在方向盤掰出的幅度比較小的情況之下，蔚來的輔助駕駛系統(tǒng)并未退出。

任少卿對此解釋說，我們的設計實際上會有一定的這個幅度，系統(tǒng)是可以容忍方向盤有一定角度的調整。這樣可以實現(xiàn)“人機共駕”之間更好地交互。

簡言之，就是在一個車道里面，你可以加上你的意圖給車，車還會加上他的意圖，一起實現(xiàn)共駕這輛車。而不是當你手碰方向盤時，輔助駕駛就立刻退出。

在直播的過程中，任少卿一直坐在后排，返程的時候，他坐在了前排副駕，開到半路，他問坐在后排的李斌，“你們覺得現(xiàn)在是車在開還是人在開？”

車自己開與人來開，帶給后排乘客的體驗，已經(jīng)傻傻分不清了。這也是蔚來的目標，也是李斌反復對外強調的“人機共駕”，讓駕駛更安全，打通“類無人”的駕駛方式。

蔚來已經(jīng)于4月30日向所有NT2平臺車型全量推送了全域領航輔助NOP+的城區(qū)功能。這也是繼華為之后，第二家交付全域領航輔助的車企。從覆蓋的用戶規(guī)模來看，蔚來覆蓋超24萬名用戶。作為比較，理想是20-25萬名，問界和小鵬各有7-8萬多名。

李斌曾說過，從用戶規(guī)模、已驗證可用范圍和已驗證道路里程來看，蔚來毫無疑問是智駕第一梯隊選手。截至4月20日，蔚來NOP+城區(qū)智駕在全國726座城市可用，覆蓋范圍99%；城區(qū)智駕已開通里程超過84萬公里，比原計劃今年6月實現(xiàn)40萬公里的里程大幅提升。

為什么呢？其實，背后主要得益于兩方面的原因，一是以通用能力為主的底層智駕研發(fā)能力的持續(xù)迭代；二是蔚來獨特的群體智能的助推，這是蔚來智駕提速的幕后技術功臣。

所謂群體智能，即通過用戶車輛對每條路進行驗證，然后通過分布式驗證和集中優(yōu)化的方式，幫助每個用戶跑過的每條路進行安全驗證，最終針對每個版本開展超過1000萬公里的實車測試，才會推送給用戶。

之所以說群體智能是蔚來的獨有能力，主要是因為蔚來為每個NT2.0平臺車型都標配了四顆Orin 芯片，其中一顆專門用于群體智能。相較蔚來，同行要么只配置至多兩顆芯片，要么只在高配車型上配置芯片，很難像蔚來一樣實現(xiàn)群體智能。這也是蔚來為何前期搭建基礎耗費時間比較長，而一旦搭建完成，智駕普及快速進入第一梯隊的原因。

更為重要的是，群體智能可以幫助蔚來發(fā)現(xiàn)所有的風險場景，而行業(yè)的一般做法是靠測試車完成。但測試車的規(guī)模畢竟有限，很難覆蓋所有的極端場景。而蔚來依靠群體智能，顯著提升了找到不安全場景的能力。可以看到，通過群體智能，蔚來建立了發(fā)現(xiàn)不知道場景的能力。這也是很多用戶在使用智駕時對極端場景的安全擔憂，蔚來通過群體智能將主動安全做得更安全。

“靠著群體智能，我們在數(shù)據(jù)的維度持續(xù)挖掘，找到接管的數(shù)據(jù)、找到潛在的風險，同時處理這些高價值的數(shù)據(jù)。現(xiàn)在我們已經(jīng)有超過一千萬公里的高價值數(shù)據(jù)，保證我們在領航的狀態(tài)，在主動安全的狀態(tài)做到更加安全。”任少卿表示。

“人車共駕：如何讓用戶感到安心？”

雖然蔚來的群體智能大幅提升了應對極端場景的處理能力，但礙于技術瓶頸和安全法規(guī)，現(xiàn)階段的智駕還處在L2+階段，雖然在部分場景可以實現(xiàn)類L3功能，但畢竟沒有到全程不需要駕駛員操作的L4階段。因而，人車共駕，是現(xiàn)階段智駕的主要特點。

但實現(xiàn)人車共駕，并不是一件容易的事。因為其中的核心是事關安全，一旦處理不好人駕和智駕的關系，用戶開啟一次就會終生棄用。為了做好人機共駕，蔚來主要做了兩方面的工作。

一方面是讓提醒功能更人性化了。傳統(tǒng)的駕駛人監(jiān)測系統(tǒng)DMS，會在車上裝一個攝像頭，監(jiān)測駕駛員的狀態(tài)，一旦有不符合駕駛安全的行為，系統(tǒng)會自動發(fā)出提醒。但任少卿認為對于智駕系統(tǒng)來說，這遠遠不夠，因為缺乏對車輛本身和車外的監(jiān)測。

在任少卿看來，人、車和車外環(huán)境是一個整體，需要將三者進行統(tǒng)一的融合，實現(xiàn)在真正危險的場景下對人發(fā)出準確的提醒，而在不危險的情況下則要做到減少打擾。

為此，蔚來開發(fā)了一套將駕駛員、車、智能駕駛融合成一套整體的模型——ADMS。它會通過對整體車的狀態(tài)、駕駛員的狀態(tài)，以及車外環(huán)境狀態(tài)進行統(tǒng)一建模，實現(xiàn)在有必要的場景提醒駕駛員，在沒有必要的場景減少提醒。

任少卿表示，相較傳統(tǒng)的DMS，蔚來的人車共駕模型ADMS，在風險場景的有效提醒率上升高了3.5倍。對于現(xiàn)階段的智駕而言，實現(xiàn)人和車的共駕尤為重要，尤其是對于安全而言。這是智駕實現(xiàn)“減少精力、減少事故”的安全，這也是蔚來2017年開始開發(fā)智能駕駛系統(tǒng)時的初心。

除了具有更好的人車共駕模型ADMS確保安全外，蔚來還創(chuàng)新地推出了智駕分體系，這一使用體系就像是城區(qū)智駕的操作教程，可以幫助用戶建立起正確、安全的全域智駕使用觀念。

智駕分的核心，是建立一個長期的人車共駕下駕駛員安全行為引導機制，通過分值的變化讓駕駛員關注并持續(xù)確保自身駕駛行為的正確。

據(jù)悉，智駕分主要從專注安全駕駛、合理地完成系統(tǒng)接管響應和良好的智駕經(jīng)驗三方面，通過對過去30個智駕使用日（新用戶為100公里智駕里程）的人車共駕行為進行模型化評估。

用戶開通城區(qū)智駕之前，為了確保他對于城區(qū)智駕的功能理解，需要完成經(jīng)驗任務且NOP+高速城快智駕里程達100公里。后續(xù)在使用過程中，會結合智駕分體系對用戶使用全域領航輔助NOP+的全量功能使用里程范圍管控，分數(shù)高于70分全量城區(qū)驗證道路可用，分數(shù)低于70分，則只有城區(qū)主干驗證道路可用。

任少卿表示，智駕分的根本目的是希望讓用戶看到一些與其駕駛安全相關的更顯性的事情或指標。“原來大家開車時可能并不太關注自己的駕駛習慣，有了這個智駕分之后，可能每次開車的時候就會注意一下這個事，它就會變好。”

ADMS的開發(fā)和智駕分體系的建立，可以讓蔚來用戶在開啟全域領航輔助NOP+時，達到理想的人車共駕狀態(tài)。什么是理想的人車共駕狀態(tài)？“安心感，讓用戶持續(xù)處于安心、舒適的狀態(tài)。”任少卿說道。

事實上，對于現(xiàn)在90%的用戶，城區(qū)智駕都是一個新鮮事物。在任少卿看來，車企卷智駕開城速度的前提，應該將安全保障置于前置條件，也應該提醒用戶安全大于一切。

“控成本，自研智駕芯片”

今年智駕有一個趨勢，就是往下卷。在任少卿看來，從產(chǎn)品的角度來說，其實就這兩件事，要么就是同樣的性能更便宜，要么就是同樣的價格性能更好。

值得注意的是，智能駕駛里面最貴的部分或者說最核心的部分是芯片。要想實現(xiàn)降本增效，自研智駕芯片是其中的方法之一。這也是為什么蔚來要自研智駕芯片的原因之一。

在2023 NIO Day上，蔚來正式發(fā)布了首顆自研智能駕駛芯片——神璣NX9031。蔚來的目標是用一顆自研芯片實現(xiàn)目前業(yè)界四顆旗艦智能駕駛芯片的性能，使得效率和成本更優(yōu)。

任少卿認為，不管從商業(yè)的角度，還是從功能的角度來看，2024、2025年是整個行業(yè)瘋狂變化的階段，也是瘋狂提升的階段。

對于購車的用戶來說，會考慮車如果要用8年、10年，那這個車的智駕功能是否可以用這么久。

蔚來對于這方面的考量是，硬件上要做到領先兩代，一代基本上是三年，六年就是一個比較領先的硬件。同時軟件做到九年、十年。

在任少卿看來，2027年、2028年、2029年以后，硬件迭代的速度可能就會慢下來。因此，車可能就不需要預埋那么多硬件，但是從2022年到2026年這個時間段，硬件的變化速度非常快，可能就需要預埋更多的硬件，這樣才能保證接下來的6年，車上的一些軟件相對來說好用的，可用的。

從軟件的角度來說，大多數(shù)車企其實不同車型的軟件是不一樣的，直接帶來的問題是后續(xù)維護、運營、迭代帶來的成本非常高，很難持續(xù)維護6年、10年。

這也是蔚來為什么一直強調NAD的架構，在任少卿看來，軟件層面的平臺化和統(tǒng)一化，實際上才是消費者的最終價值所在。

比如新推出的樂道品牌和蔚來的底層架構是一樣的，軟件和硬件同架構，意味著很多數(shù)據(jù)可以共享。比如攝像頭的那兩個犄角都還在，很多底層這個感知的數(shù)據(jù)，就像攝像頭積累的這些數(shù)據(jù)都是共享的。

相當于樂道到量產(chǎn)的時候，它對于這些攝像頭相關的corner case（極端情況），它是經(jīng)過蔚來的這些車驗證過，它是有好多年的這個積累，它不是一個從零開始的狀態(tài)。

任少卿指出，“智駕的本質是你上線的時候做不到90%的能力，那用戶的價值就會受限制。”

也就是說，新車上搭載的智能駕駛，剛買車時，智駕功能可能還沒有實現(xiàn)超過50%。智駕量產(chǎn)后，能力還持續(xù)迭代。如果軟件架構沒有做好，或者說沒有好的平臺，后續(xù)是無法進行持續(xù)迭代的。

“現(xiàn)在可能大家對于訂閱的接受度沒有那么高，但我們一直認為這是正確的方向。”在任少卿看來，如果沒有訂閱模式，只是一錘子買賣，就是我賣了一套硬件、一套軟件，交付的時候就把錢收完了，后續(xù)誰還有動力去優(yōu)化？

“端到端之后才是大模型”

對于現(xiàn)在大家都在講的大模型上車，任少卿認為，大模型現(xiàn)在更多地變成了一個宣傳的東西。

從技術的角度來說，大模式實際上拆開來看，包含了很多層的東西。

具體來說，首先要模型化。

大家其實還沒有搞明白什么是模型，為什么要搞機器學習或者人工智能這個事，就開始要大模型。

實際上，搞模型有好處也有壞處。模型的好處是把復雜的系統(tǒng)問題簡單化，讓人去訓練模型，接近問題的辦法從加人變成了加數(shù)據(jù)。很多公司在這個層面開始往里走，而且走得很深了。

那模型不好的點是什么？任少卿解釋說，模型化這件事不是說說就可以了，需要建立相應的能力。比如需要建立一個結合現(xiàn)實的自訓模型的底層架構，包括數(shù)據(jù)體系，如何找到高質量的數(shù)據(jù)？怎么找到corner case？然后去建立一個把這些標注數(shù)據(jù)處理的系統(tǒng)，最后才是建立一個訓練的系統(tǒng)。有了這些基礎能力之后，其實才是起步開始做模型化。

這聽起來不太好理解，但簡言之，就是要先有一個底層的架構，然后才能干其他的。

此前任少卿在蔚來智能駕駛發(fā)布會上公布了蔚來實現(xiàn)城區(qū)智駕公式（通用能力+按路驗證/優(yōu)化/開通/運營=全域領航輔助 NOP+）。

該公式中首先提到的通用能力就是蔚來智駕的底層能力，其中也用到了現(xiàn)在業(yè)界討論比較多的技術——“占用網(wǎng)絡 OCC 2.0”。

占用網(wǎng)絡OCC（Occupancy Network ），實際上其原理是通過獲取體積占據(jù)信息，使得系統(tǒng)能夠在三維空間中精確地定位物體并識別其形狀，而非僅在二維平面上進行識別，能夠處理更復雜的空間關系，從而提升自動駕駛的能力。

蔚來將OCC2.0表述為“超高精度純視覺柵格”，再加上車上的11個攝像頭，其智能駕駛的“感知精度”與“泛化能力”都會有較大的提升。

當有了這個基礎能力之后，就可以開始訓練模型，那是不是意味著就可以上車了？其實，還會面臨很多的問題。

比如說發(fā)現(xiàn)了一個case（問題），這個case 不過，模型重新訓，然后把所有的 case 重新測， 100% 的 case 全部重新過一遍。

因為涉及迭代的速度，要在同樣的時間，有了這個case，依然希望在3天能修復掉。從測試的角度來說，之前是 1% 測一遍，現(xiàn)在是 100% 測完。

“那你的整體的測試能力要提升 100 倍。如果沒有辦法提升 100 倍，模型就是扯淡。”

所以第一步，大家都是模型化。感知模型化大家都沒問題了，實際上這些規(guī)控模型的模型化，頭部都沒怎么做全。

“模型之后是端到端，最后才能叫大模型。”

為什么要端到端？在任少卿看來，其實訓練這個智能駕駛，它本身也生產(chǎn)一個產(chǎn)品，只是它產(chǎn)出來的不是一個車，它產(chǎn)出來的是這個模型或者是一個功能。但它也是一個復雜的產(chǎn)品，它有非常多的東西需要去做。

為了更好地理解端到端，任少卿將其比喻成福特的T型車流水線。

早期大家做自動駕駛，可能幾個人坐下來把能想到的東西都寫下來，在實驗室階段可能三個人就能完成；但在工程化階段，就不可能再是這樣一個東西，就變成一個T型車的流水線，開始拆工序，第一步做什么、第二步做什么、第三步做什么……一步一步把流水線給建立起來。

所以就變成了第一步要做感知，感知完了做定位，然后做規(guī)劃，再做控制。拆分完了流水線，爽的事情是看起來部分解耦了，但帶來的問題是這個中間的接口必須定義得非常清楚，以及非常簡單，流水線才能走。但是這個接口的定義本質上是有問題。

有什么問題嗎？“因為真實世界沒有這么簡單，真實世界是復雜的。”任少卿說道，越往后你會發(fā)現(xiàn)，你可以解決99%的問題，但就是這1%的問題解決不了。

不管如何定義這個接口，最后可能還有問題無法解決。“所以大家就希望說那我不定這個接口了，我讓這個接口，網(wǎng)絡自己學，就機器自己去定，那這個的核心就是端到端，就相當于說把這個前面和后面連起來，把這接口干掉，能干掉很多事。”

“那就要從我們自己的定義來說，大模型一直要解決的是你有一個更強地對世界的建立認知的能力，以及預測的能力。”任少卿坦言道。