中國的汽車行業，充斥着大量“參數怪”。

以前的購車邏輯，一定是先看機械參數，比如通過發動機排量、變速箱類型，基本就能判斷一輛車的動力性能如何。但到了智能汽車，光看硬件參數，你很可能買不到真正的智能汽車。

最樸素的邏輯是，一輛智能汽車所搭載的芯片算力越大，那麼它所能實現的功能就越強大；所配置的激光雷達越多，那麼它的安全性就更高；甚至，屏幕越多，那麼它就越智能。

但事實并非如此，在如今智能汽車産品上，硬件參數隻能代表軟件的上限，但不能決定功能體驗的好壞。以傳統的“硬件拼湊”方式造車，已經造不出真的智能汽車了。

智能汽車，沒有捷徑

以往的堆料、堆參數的造車方式行不通了。

在傳統的分布式架構中，一個ECU（電子控制單元）對應一個功能，每增加一個新功能，就要增加一個新的ECU和一些線束。車企都會把ECU裡面元器件的采購、制造、芯片廠家的選擇以及子系統的驗證和确認，都交給Tier1來做。

但随着智能化的發展，車載ECU需要處理越來越多的數據，對ECU的運算能力也有了更高的要求，傳統的ECU已經不能滿足日益增長的數據處理和運算能力的需求。

域集中式架構是行業公認的汽車電子電子架構變革方向，“中央集成 區控制器”架構更是被視為終極方案。在中央集成式架構下，SoC芯片可以代替ECU中的MCU芯片，提供汽車智能化所需的算力。

比如小鵬G9率先引入的中央超算 區域控制—X-EEA3.0架構，相比上一代電子電氣架構，X-EEA3.0新增了一個中央控制器，使用了更高性能芯片，算力相比之前提升了267%，也支持了更高級别的智能輔助駕駛和交互體驗更好的智能座艙。

但全新的架構，對車企在軟件層面上提出了更高的要求。

就像電腦一樣，把硬件組裝完成後，并不能直接讓其工作起來，最起碼還缺一個操作系統。實際上，智能汽車對于車企軟件研發能力提出了更高的要求，比如操作系統提供線程創建等服務；中間件負責和不同操作系統對接，并給上面應用提供通訊，資源管理等服務；應用軟件則負責功能的實現。

業内流行一個說法叫“全棧自研”，用簡單的話來說，就是除了硬件可以采購之外，所有的軟件都是自己做的，自己獨立完成全部環節的開發，而不需要依賴供應商。

從完全依賴供應商到全棧自研，是一個漫長的探索和嘗試的過程，需要一步一個腳印。以小鵬汽車為例，在2017年小鵬開始搭建自動駕駛研發團隊。在2018年，在第一款産品小鵬G3上，首次推出視覺和超聲波雙重融合的車位識别方案，在泊車場景上開啟了自研。在第二款産品P7上，小鵬量産了高速NGP導航輔助駕駛功能，并逐步構建了全棧自研和數據閉環的能力。到了第三款産品P5，小鵬量産了車規級激光雷達。在今年9月17日，城市NGP智能導航輔助駕駛功能開始在廣州試點，開始領跑中國的智能汽車行業。

這就像升級打怪的過程，小鵬的做法是先從泊車場景入手，再到逐漸把自研的功能擴展到更為複雜的高速和城市。相比堆參數，小鵬在智能汽車上的解題思路，是堆量産經驗。

豐富的量産經驗，讓小鵬具備了全局思維的同時，具備解決全流程問題的能力。反過頭來，才能清楚的認知到實現新産品所需的軟件功能，需要搭配哪些硬件基礎。而不是，粗暴地堆積參數。

弱者堆參數，強者拼算法

全棧自研，帶來的更多是産品研發的主動權。

這就像做菜一樣，用供應商方案就好比吃食堂，你不需要知道原料、配料和烹制過程，吃就可以了。但食堂的飯菜往往隻能填飽肚子，很難根據個人的口味去調整。但全棧自研，就好比自己去菜市場買菜，可以根據個人的口味購置食材、進行烹制，主動權完全在自己手裡。

當下，很多依靠供應商方案來完成城區高階智能駕駛功能的車型，就因為高精地圖的資質問題而紛紛被“卡脖子”。于是，也就有了很多空有高配置參數，卻遲遲無法兌現功能交付的智能汽車。

高精地圖，相當于智能駕駛系統中的一個“上帝視角”。最大的意義在于提供高精度的先驗數據。當下很多車廠采用高精地圖，核心原因在于本身自動駕駛算法不夠成熟，對通過傳感器實時獲取信息沒有信心，進而不得不以高精地圖來彌補。但是高精地圖數據的制作主要依賴采集車收集數據，成本高，法規限制大，準确度、鮮度很難保障。

業内更認可的，是重感知、輕地圖的路線，意思是依靠車端強大的感知硬件，擺脫對高精地圖的依賴。但依靠供應商方案做智能駕駛的車企，此時想轉向重感知的路線并不容易。

技術路線的轉變，相當于把高精地圖這樣一個基建問題，轉化為了人工智能領域的問題。因為，如果沒有高精地圖，車輛行駛在城市道路上，智能駕駛系統需要依靠感知和計算實時作出正确判斷。

那麼首先，就需要足夠豐富的感知輸入。比如小鵬G9 Max版車型，标配了31個感知元器件，包括2顆激光雷達，12顆攝像頭，5顆毫米波雷達，12顆超聲波傳感器。其中，2顆RoboSense（速騰聚創）第二代智能固态激光雷達分别部署于車頭兩側大燈下方，帶來180°水平視角覆蓋範圍，有效減小了垂直視角盲區，能夠更好地應對各種城市複雜工況。其次，還需要強大的算力支撐。G9 Max版車型，标配了雙NVIDIA DRIVE Orin超級計算平台，總算力達到508TOPS。

單從參數上看，G9的感知能力和計算平台可能不是最亮眼的車型。但别忘了，硬參數不能代表實際的功能體驗。因為，要從重感知技術路線上實現城市高階智能駕駛，光有激光雷達和大算力芯片還不夠，關鍵在于用數據閉環的能力去解決人工智能問題。

在業内有一個共識，自動駕駛是一種遞進式的解決問題。自動化系統遇到了無法解決的問題，将數據回傳、處理，再進一步叠代算法、優化體驗。目前，小鵬汽車不僅自研了車輛端的傳感器感知融合、定位、規劃、決策、控制等方面，并在雲端數據運營所需的數據上傳通道、前端數據上傳實現、雲端數據管理系統、分布式網絡訓練、數據采集工具開發、數據标注工具開發、軟件部署等方面實現了自研，可形成數據和算法的全閉環。

為了進一步解決自動駕駛領域的長尾問題，在今年8月，小鵬還與阿裡雲合建了智算中心“扶搖”。智算中心的作用，主要是用于自動駕駛模型訓練，包括視覺檢測、軌迹預測以及行車規劃等算法模型。基于海量數據和人類駕駛交互行為的交互式推理預測決策引擎，可以實現“老司機”般的駕駛，兼顧舒适安全和通勤效率，達到在狹窄或擁堵空間下的通行能力。

在軟件、硬件、雲端能力的基礎之上，依靠硬件和算法升級，G9 Max車型搭載的XNGP系統可以實現重感知且不依賴高精度地圖的技術方案，并且在2023年陸續在大多數城市開始實現全場景智能輔助駕駛能力，逐步完成行車與泊車功能的打通，形成完整的點到點智能導航輔助駕駛。

單點功能，還不算真·智能

把衆多供應商方案集成，同樣可以實現配置數量的堆疊。但功能與功能之間的體驗，會存在明顯的割裂感。換而言之，隻是将單一的智能化組合起來，還不足以稱之為真的智能汽車。

舉個簡單的例子，很多智能駕駛系統是沒有可視化的感知界面、沒有語音交互提醒，這使得駕駛員和乘客無法準确地掌握系統的允許狀态，缺乏對系統的可信度。而這種割裂的體驗，就是各層能力沒有打通，隻是做到單點功能的堆砌。

在此前的小鵬P7上，小鵬就嘗試把感知系統可視化的能力、語音交互的能力與智能駕駛系統進行打通。比如，P7在啟動NGP導航輔助駕駛時，車機系統會展示SR模拟顯示，包括車輛周圍360°視角、環境模拟、限速指示等信息，讓駕駛員實時了解車輛周邊狀态。此外，語音交互機器人小P還會主動進行語音播報，通過準确的風險場景識别以及清晰的分級接管提醒，讓用戶明确知道自己何時需要接管車輛。

在G9車型上，由于中央集成架構和大算力的加持，小鵬的語音交互和可視化顯示有了更全面的體驗提升以及能力擴充。

比如，以往的語音交互受限于芯片算力，都是将語音上傳到雲端進行計算，而小鵬G9則在本地和雲端都保留了各自的運算模塊，并通過端雲融合的策略，根據場景選擇實際要選用的結果。這也是為什麼，小鵬G9的語音交互可以在無網弱網狀态下使用。這保證了語音交互的毫秒級響應速度和全場景的執行效率。

而車機系統的可視化能力也是如此，以往的感知信息顯示隻能展示車輛所在的車道前方以及左右兩條車道前方的信息。但小鵬與Unity 3D渲染引擎的深度合作，在G9算力提升的基礎上，将真實世界立體化投射到車機屏幕内。比如，G9的車道級導航引入引導面和引導線的概念，清晰地表達車當前可用于行駛的車道并預告用戶未來的車道變化，展示超視距的前瞻能力。

當然，我們依舊不能單憑功能的提升，就判斷智能化的體驗好壞。整個智能化的體驗的連貫性，才是關鍵。

舉個常見的例子，當你坐上一輛小鵬G9，不需要喚醒小P，即可直接說出導航到目的地。同時，你還可以一句話說出4個指令，比如打開空調、座椅向前、關閉車窗、打開座椅加熱。當其他車主還在停車位上費勁的搜索導航、調整空調時，你已經輕松地駛出停車場、打開城市NGP享受愉悅的出行體驗了。

連貫性的另一個體現，是自由。在以往的智能汽車産品上，語音交互往往隻能處理一位乘客的一項或多項指令，而且每一位乘客需要先喊出喚醒詞。

在G9上的全場景語音 2.0版本，強調的是全車全時概念。比如，駕駛員和後排乘客可無需喚醒詞，直接向小P7發出指令。并且，兩項指令互不幹擾，可同時進行處理和執行。目前，G9是行業内首次将MIMO多音區技術應用在車載語音系統，它打破了傳統語音對時間和空間的強限制，而且大幅度降低了用戶的學習和使用成本。

但更為連貫的智能化體驗，還是與車輛本身的機械層面進行打通。

G9四驅版車型上标配的智能懸架系統，相比其他的懸架系統需要手動去操作調節，G9上可以允許用戶通過語音指令，快速地調節懸架高度。比如，當車輛即将行駛到非鋪裝路面時，用戶就不必手忙腳亂地去切換懸架高度，而是雙手緊握方向盤，眼睛關注路面，把操作任務交給小P去完成。

此外，G9的智能懸架系統，采用的是雙腔空氣彈簧。相比其他品牌常用的單腔空氣彈簧系統來說，當車身高度保持同一個模式時，剛度确定、不能更改。而雙腔智能空懸提供了2個可選剛度。

對于智能駕駛系統而言，地面的坑窪一直是個大難題，而空氣彈簧的加持，能夠極大地提升智駕過程的舒适性。但這是非常考驗系統性研發能力的一件事。

要知道，人可以輕松的識别地面的坑窪，并适當減速或者調整懸架高度再通過。但智能駕駛系統找坑需要非常複雜的算法，需要在視覺信号中找出路面上的差異區域，識别其形狀，并與附近的路面進行比較，對算法和感知能力都提出了極高的要求。

G9上的這套智能懸架系統，在通過坑洞等不平路面，懸架系統立刻使輪胎快速接地，從而減少車身失重感，降低乘客因突然失重沖擊帶來的不适感。此外，懸架随底盤上下運動剛度按實時需求變化，雙腔控制使得不同的工況下切換最合适的懸架剛度，特殊路面（如破損路）底盤可馬上變為最軟最舒适狀态。

另外，其更獨特的一項能力是，當用戶遇到特定地點需提升懸架時，可以将該地點标注并記憶，再次駛入該點時自動升起懸架，并與其他小鵬車主共享數據，其他車駛入該地點時，也可自動調節懸架。

所謂的智能，并不是一味地堆大屏、堆功能、堆參數，而是讓一輛車的各類體驗之間沒有割裂感，讓所有的交互都變得更方便、更自然。讓用戶體驗更便捷，就是真正的智能。

寫在最後

當下，我們需要警惕的是，“參數怪”成為消費主流。

一些車企為提升産品的售價，以“對用戶好”的說法，給新車型标配了尚處于早期量産階段的激光雷達和大算力芯片。與此同時，車企無法給用戶承諾城市高階智能駕駛功能落地的時間，但用戶卻為此付出了高昂的購置成本。

消費者并沒有買到真的智能汽車，而是一台空有參數的“紙老虎”。相比看參數買智能車，我們或許更應該根據車企的量産經驗、軟件研發能力去選擇一輛智能汽車。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!