小鹏汽车董事长何小鹏认为，在算法+规则时代，高清地图+AI+激光雷达+算法，整体是最简单做好的，等于有一个上帝视角指导如何开车，视觉的反应效率很高，但是很多区域无法开，以及需要有大量的规则博弈；但是说实话，这个方式最容易在局部道路做的很好效果。

白名单的无高清地图+AI激光雷达+算法，复杂度大大提高，相比上面，可以开的区域增加很多，但是需要做更大量的规则，规则之间的博弈非常痛苦，需要大量的人力去维护，导致整个开的过程越来越不丝滑，导致能力的继续明显向上碰到巨大挑战。

激光雷达盛产之后的今年绝对可以被称作城市NOA（城市导航辅助驾驶）诞生的元年，很多车企像小鹏、理想还有问界等等车企都逐步开放了试点城市，数量也是越来越多，但这些都不如安全来得实在，为了这个小目标车企们也都不遗余力的上激光雷达，那么这玩意真的这么重要吗？

首先来看，城市NOA的确是现阶段提升车企品牌力和竞争力的好办法，要真正做好城市NOA，不仅需要强大的软硬件支撑，高算力的计算平台，同时还要有大量的数据以及高效的算法，只有城市NOA实现一定的渗透率后，自动驾驶才能开始聊。

的确，在自动驾驶尚未到来之前，城市NOA似乎是必经之路，毕竟它进一步实现了驾驶员的减负。不过以理想的NOA为例， 他们有一个比较苛刻的要求，那就是必须购买搭载激光雷达的车型。那么城市NOA真的离不开激光雷达吗？

20年前，自动驾驶所依赖的传感器如毫米波雷达、超声波雷达还有摄像头等就都已经出现，它们成本更低、技术更成熟，并且激光雷达能做到的事情它们就可以做。而激光雷达本质上也是一个感知设备，通过发射和接收激光实现对外界环境的3D建模，从而构成一个机器能够理解的虚拟模型。

虽然激光雷达在雨雪雾等天气下也会受影响，但在良好的环境中，激光雷达不论是黑夜还是白天，百余米范围下的精确度都能够超过摄像头和毫米波雷达。而良好的感知、决策和控制能力是实现自动驾驶安全性的前提，而使用激光雷达+毫米波+摄像头的多传感器融合感知方案，能够获得充分冗余的感知能力。

激光雷达的优点也比较明显，与摄像头相比，强光下不容易出现“亮瞎眼”的情况，并且对障碍物的运动方向判断更稳定，通过深度学习和视觉算法能够尽可能规避失效的问题。对比起来，毫米波的成像分辨率较低，但毫米波的难点却恰好是激光雷达的长处。

目前主流激光雷达主要使用905nm和1550nm两种波长，前者的雷达接收器可以选用价格更低的硅材料，而使用后者的激光雷达可以以更高的功率运行，探测距离也更远。

虽然激光雷达数据采集效果更佳，但激光却有可能损害人眼，一般情况下我们的角膜和晶状体可以吸收掉绝大多数有害的环境光，但波长在400-1400nm的光线却可以穿过眼角膜和晶状体，直接聚焦在视网膜上，就和放在太阳底下的放大镜聚焦效果差不多。

据医学资料显示，视网膜只要升温10℃就会损伤感光细胞，造成失明，所以波长905nm的激光雷达为了避免伤害人眼，发射功率和探测范围都要进行范围的削弱。总的来说，激光雷达的上车优劣并存，至于如何选择还是看咱们消费者自身的需求。

作为城市NOA感知能力最重要的一块拼图，激光雷达的上车趋势正在逐渐明朗。

这两年，随着L2+/L2++量产上车，新势力车企们几乎都开启了城市NOA的规模化竞赛，激光雷达的选装率也越来越高。今年以来，理想、零跑、智己、极氪、小米等多个品牌发布的全新或者改款车型，无一例外全部都搭载了激光雷达。

激光雷达正在成为越来越多车型的标配，不仅是以往的中高端车型，如今搭载激光雷达已下探至20万元以下的大众化车型，进一步普及。今年3月，搭载激光雷达的零跑C10 ，定价16万元以下，刷新了搭载激光雷达车型的入门价格。

市场对高阶智能驾驶和激光雷达的热络，也加速了激光雷达产品的持续迭代，多家激光雷达头部厂商在近期都发布了更高性能的新品。就在上周，禾赛也发布了基于其自研第四代芯片架构的超广角远距激光雷达ATX。

在发布会上，禾赛科技CEO李一帆表示，2023年激光雷达上车量在15万以上新能源市场已经达到了10.4%，预计2024搭载量将达到16%，这一数字也意味着激光雷达市场渗透率将“跨越鸿沟”，进入快速增长的全新周期。

“我跟员工们说过：第一，希望激光雷达行业能跨越鸿沟。第二，如果能跨越，希望我们能在里面。”

自研芯片，沿着摩尔定律以性能和成本双线演进

此次禾赛发布的ATX是一款平台型产品，沿用已经量产数十万台的成熟AT平台，并搭载第四代芯片架构，全面升级了光机设计和激光收发模块，实现了小巧体积与强劲性能的完美结合。

与上一代平台架构的AT128相比，ATX不仅体积缩小60%，重量减小50%，同时实现了最远300米探测距离、140度最广水平视场角，最佳角分辨率达到0.08°×0.1°。更远的探测距离、更好的最佳的分辨率、更广阔的视野，为智能汽车赋予强大三维感知力。

禾赛ATX与市场上的同级产品对比，性能大有全面超越的趋势。从探测距离来看，禾赛的ATX达到了最远300米，近期发布的某厂商新品，其公开的最远测距是200米，只有ATX的2/3。而测距能力是反映激光雷达性能的一项核心参数。

禾赛认为，将测距能力提升50%能够极大地帮助车企实现更高的AEB安全车速上限。在发布会上，李一帆举了一个例子：能够准确识别150米以外平躺着的轮胎（反射率10%），从而就能实现130km/h状态下的AEB刹停；而如果仅能识别100米外轮胎，其安全刹停速度仅有110km/h，前者比后者AEB刹停速度上限能提升20km/h。

另外，相比市场同级别高性能远距激光雷达，禾赛的ATX首度达到了140°的超广水平视野，从现场展示素材来看，应对城区场景车辆两侧的机动车、电瓶车加塞，这多出来的 20°是相当有用的。

除此之外，0.08°×0.1°的最高分辨率可以使测得的物体轮廓更清晰，极大地提升了行驶安全。而在性能大幅领先的同时，ATX的功耗仅需8W。从核心参数来看，ATX的确是一款性能全面升级的激光雷达产品。

对于为什么要做更高性能的激光雷达，李一帆认为当前的ADAS软件还有很大的进步空间，激光雷达的性能提升，有助于ADAS系统实现以前做不到的事情。比如此次ATX搭载的禾赛自研的全球首个智能点云解析引擎，内部集成256-core波形处理核，通过每秒 246亿次的高采样率实现了对全波形的精细捕捉，结合独有的全波形智能识别技术，能智能识别雨雾、前车尾气、灰尘等，并在点云中实时进行“像素级”标记，滤除99.9%以上的环境噪点，让智能汽车感知到的视野更清晰。

同时，ATX 的智能滤噪功能还能够有效减少系统误识别和误触发，大幅降低雨雾天气对激光雷达的干扰，为智能汽车提供全天候的安全感知力。

目前ATX已获得来自国内龙头车企、头部新能源车企、领先新势力、主流欧美合资车企等多家主机厂的多个量产定点，预计将于2025年Q1开始大规模量产。

不过禾赛并没有公布ATX的价格。在发布会后的采访中，李一帆解释说，类似英伟达、地平线、宁德时代等等TO B的企业，媒体同样不知道他们的报价。“因为不同的客户情况不一样、量产时间不一样、需要的服务也不一样。”

李一帆表示，价格是由市场决定的，在竞争激烈的中国市场，激光雷达的价格必须要具备竞争力。而对于作为安全功能的激光雷达必须要有的核心性能，因为成本的下降会变好还是变差？车是否变得更安全了？

“产品的理念，第一，我们反复强调性价比不是价格唯一的，而是你解决什么问题。第二，我们认为真正持续降价又提高性能的办法是靠芯片化。”

目前禾赛的1~3代芯片均已成功量产并经历市场大规模量产的验证，今年推出的AT512和此次发布的ATX，正是基于第四代芯片架构。在此基础之上，禾赛实现了极致性能与极致成本的“摩尔定律”，并表现为两条路径：一是成本不变、性能不断提升；二是性能不变，成本不断下降。

这两条路径上，禾赛都有对应产品。以AT512为例，相比于第三代芯片的AT128，AT512的成本保持与AT128相似，但线束提升到512线、每秒点频从150万点提升到1230万点，有八倍的提升。而ATX则是第二条路径，其核心性能相比AT128有提升，但成本却下降了不少。

对于ATX这代产品的周期，李一帆坦言没有预期，因为中国市场竞争激烈，两年内必须要推新品，但这是很大的技术挑战。所以禾赛要做的，是在接下来三四年时间里，通过ATX量产迭代慢慢降本，进入更长周期的“制版印刷”时代，这是李一帆所设想的运营模式。

当年的“反共识”决策，今天成为了共识

3月12日，激光雷达企业禾赛科技披露2023年财报。财报显示，2023年全年，禾赛科技共交付激光雷达22万台，同比增长176.1%。其中，ADAS激光雷达交付量约为19.5万台，约占全年总交付量的87.8%。全年综合毛利率为35.2%，较2022财年下降4%。

在毛利率没有大幅下降的前提下，出货量增长远超营收增长，也说明了禾赛激光雷达售价和成本都在不断下降。

李一帆认为，在商品时代，激光雷达作为商品，要实现合理的成本和利润，企业才能健康地生存，比拼的不只有交付能力，还有经营能力。

作为经营健康的一大指标，2023年禾赛营收为2.64亿美元，其中Q4的现金储备为4.43亿美元，也是全球唯一一家季度经营现金流为正的激光雷达公司，充分体现了出色的商业化能力和运营效率。

对此，李一帆强调，相比价格，可持续经营更为重要，否则几年后就可能面临厂商经营问题而无法交付，“特别是车规产品，我们的定点都是至少两年半后。如果届时公司已经不存在，我们谈产品没有意义。”

从市场反馈来看，自2022年开启量产交付以来，禾赛已累计获得来自16家主流汽车厂商及Tier1客户超过60款车型的前装量产定点。

对于今天的经营成功和行业地位，李一帆认为在很多历史节点上，禾赛做了一些反常识的战略决策。首先在技术路线上，当时禾赛面临很多细分赛道，比如905nm和1550nm，一维转镜、二维转镜和MEMS的选择。时至今日，禾赛依旧坚持最初的905nm和一维扫描的方案，越来越多同行也选择了跟随，从实际行动上证明了当初禾赛的技术路线选择的正确性。

“为什么在那个点上那么难理解？这就是战略定力，我们清楚地看到这个方法是对的，那我们就不会被影响。”李一帆说道。

另外，还有更重要的芯片化决策。李一帆回忆说，当时意识到激光雷达长期趋势是要降本和做小，靠买元器件拼装做不到，所以从2017年禾赛就开始了芯片化之路。但芯片研发难度非常高，是需要多年积累，且每一代需要建立在上一代的商业验证基础之上的。

目前禾赛已经经历了四代芯片的迭代：V1.0（搭载第一代芯片的XT已交付超2万台）、V2.0（搭载第二代芯片的AT128交付30万台）、V3.0（搭载第三代芯片的FT120已开始发货），V4.0（搭载第四代芯片的AT512、ATX已发布）。四代被商业验证的芯片化架构，为禾赛建立了巨大的先发优势，当然，也极大程度上帮助禾赛验证了极致性能与极致成本的“摩尔定律”。

在经营策略上，禾赛同样做了很多看似“反共识”的选择，比如自建工厂，目前禾赛拥有全世界自动化率最高的激光雷达工厂。2022年9月，禾赛成为全球第一个实现“月交万台”的激光雷达厂商。2023年底，禾赛首个实现累计装车超过30万台的激光雷达厂商；2023年12月，禾赛激光雷达的单月产量达到5万台；2024年禾赛则继续向着百万台爬升。

事实证明，将研发和制造放在一起，通过研发和设计、在早期阶段解决生产中可能遇到的问题，的确让禾赛快速建立了大规模、高品质交付的能力。

“禾赛是为数不多的几家坚持认为只有自己拥有工厂，才能把这个事干好的企业。早年客户会觉得代工是一个听起来更靠谱的方案，凭什么要相信一个草台班子搭的工厂？但我们做到了。”李一帆颇为感慨。

李一帆总结说，芯片化、自建产线、国际化，这些事情决定了禾赛的核心竞争力，也为禾赛赢得了越来越多客户，从中禾赛看到了那个跨越鸿沟的千万量级出货的可能性。

“我一度认为是不被市场理解的。今天来看，这几个都是市场和最终认知里的最优选择。这些选择决定下，我们不一定就能做到最好，但我们已经看清楚了（行业）。”

激光雷达有没有用，是市场选择和验证出来的

作为激光雷达行业发展得如火如荼的证明之一，在很多热门车型上，消费者对激光雷达都表现出极大偏好。比如在小鹏G9的大定订单中，超过80%的用户选择了带有激光雷达的MAX版本；在问界M7新款10万单的大定中，城区NCA的选装率达到75%。

不过，另一方面，去激光雷达却同样成为时下智能驾驶领域的热门话题之一。很重要的原因，是以特斯拉FSD为代表的无图纯视觉方案，抛弃传统的激光雷达，只依靠摄像头来获取路况信息，取得很大的成功，这在很大程度上动摇了此前主流的激光雷达融合感知方案，并吸引了众多企业的跟随。目前国内有华为、极越、大疆等等很多企业都推出了自己的纯视觉方案并且开始上车。

从成本来看，相比几百块的摄像头，成本达数千元的激光雷达，的确是车企一笔不小的开支。尤其是在过去几年，因为高昂的成本，激光雷达只能是高端车型的专属。而去激光雷达不仅能为车企节省开支，在不同价位车型中更好地推动“智能平权”。

对于这种路线之争，在李一帆看来，根本不存在所谓的技术路线，只有技术选择，选择意味着如果发现错了改正就好。而且随着大规模量产，行业很快就会达成共识。

从特斯拉的方案看，凭借其全球六百多万辆量产车，采集到足够丰富多样的数据进行筛选，在云端使用数万张GPU以及自研的DOJO进行训练和验证，这种对于芯片算力、算法和大数据的成本投入，是普通车企无法想象的，也难以复制。这种情况下，车卖得越多，纯视觉成本当然就会更低。

小米产业投资总经理、管理合伙人孙昌旭认为，中国公司擅长通过技术创新不断降低成本，如果价格降下来的话，激光雷达感知到的信息更全面精准，用户体验更好，那未来传感器融合自然就是大家的选择。

那么，激光雷达到底解决是什么问题？马斯克为什么不用？在李一帆看来，激光雷达解决的并不是100%的问题，而是1%甚至更低的安全问题。“在不同的场景里，激光雷达有点像是一个‘作弊武器’，可以让安全性实现10倍以上的提升，而且由于这些问题的解决和不解决的差别，会导致用或不用有2-3年的差别，因为你为了解决最后面的corner case的问题，往往是需要最长时间的。”

除此之外，李一帆对于激光雷达的价值还有进一步的思考。在他看来，激光雷达不应该仅是一个功能件，更应该是安全件。以AEB误触发率为例，搭载激光雷达的理想L9 Max的AEB误触发率低于主流行业标准近3倍。

“有激光雷达的版本相比无激光雷达更安全，可以针对通用障碍物进行自动紧急制动、激活速度无上限等等。假如我车里有小孩，那我一定愿意花这笔钱。这是行业的大变革。”

小马智行首席财务官王皓俊也表示，如果激光雷达是安全件和气囊，消费者买单意愿和价值将会有很大程度的提升。

2023年是智驾技术高歌猛进的一年，也是激光雷达产业快速发展的一年，这一点在速腾聚创身上体现得尤为清晰。

财报数据显示，2023年，速腾聚创激光雷达总销量约26万台，同比增长355.4%，其中，用于ADAS应用的激光雷达销量达24.3万台，同比增长达到惊人的558.5%。激光雷达销量增长带来速腾聚创收入的大幅增加，其中ADAS产品收入达7.77亿元，同比增长384.6%。 

图源：速腾聚创

规模效应推动速腾聚创毛利率表现改善，其用于ADAS应用的激光雷达产品的毛损率由2022年的101.1%大幅改善至2023年的5.9%，带动整体毛利率实现转正，这也归因于速腾聚创2023年采购的半导体芯片价格远低于2022年。

2024年，车载激光雷达市场持续扩张。根据盖世汽车研究院智能驾驶配置数据库数据，今年1-2月，速腾聚创以73,986的装机量，55.3%的市场份额位列激光雷达供应商装机量排名第一位。华为技术以22,025的装机量，16.5%的市占率夺得榜眼。图达通和禾赛科技则分别以18,972、17,141的装机量位列三、四名。 

前4家企业市场份额占比超过98%，行业呈现出明显的头部集聚效应，而速腾聚创渐渐与其他企业拉开身位。

最主要的原因，还是在于速腾聚创的大量量产定点订单开始发力，小鹏、问界、极氪、比亚迪、智己等合作企业贡献不小。

截止到今年2月底，速腾聚创已与22家汽车整车厂及一级供应商的激光雷达产品的量产定点订单增加到63款车型，且为上述22家汽车整车厂和一级供应商中的12家实现了25款车型的SOP。

这股势头在2024年有望持续下去。在财报电话会议上，速腾聚创CEO邱纯潮指出目前激光雷达行业需求属于快速上量的阶段，预计年内会维持这种强劲的增长趋势。他认为速腾聚创今年有机会冲击100万台的目标。

从行业发展态势来看，制定这100万的目标，并非空口无凭。

当下，以城市NOA为代表的高阶智驾功能加速落地。2023年搭载领航辅助驾驶的车型为94万辆，已实现规模化量产。

根据中国信通院报告数据，截至2023年第三季度，国内已有36家车企确认采用激光雷达。小鹏、问界等品牌的城市NOA智能驾驶产品已证实，激光雷达是确保智驾体验的舒适性和安全性的关键传感器之一。

2024年以来，随着极氪001和智己L7等车型的推出，激光雷达在智能汽车领域的标配化趋势愈发明显。

根据盖世汽车统计，目前标配NOA领航功能的车型超过70%主要集中在30万以上价格区间，随着搭载领航功能车型逐渐下探到15万左右的价格区间，2024年搭载量预计将突破180万辆，在此过程中，预计会有更多的车型将激光雷达作为标配。 

城市NOA的竞争推动激光雷达上车量同步高速增长，加之政策推动L3级及以上高阶自动驾驶车型发展，车载激光雷达将迎来快速放量期。速腾聚创等一众激光雷达企业，迎来更广阔的发展舞台。

依托于速腾聚创已取得规模化优势，和在芯片化等方面的早早布局，速腾聚创激光雷达产品平均单价持续下降，其用于ADAS应用的产品平均单价从2022 年的每台约人民币4,300元下降至2023年的每台约人民币3,200元。

虽然这在一定程度上影响了销售收入，但在价格战内卷不止的当下，降本方面的发力，加之速腾聚创在深圳的两个自有制造中心和与合资公司立腾在东莞投资的制造中心，保障其大规模量产和交付能力，成为速腾聚创攻略市场的核心优势之一。

2024年，随着定点订单的放量和合作企业的持续扩充，速腾聚创在提升抗风险能力的同时，其激光雷达产品装车量有望得到持续提升。

销量大增，毛利率转正，为何还在亏损？ 

图源：速腾聚创财报

2023年速腾聚创亏损同比扩大，净亏损43.31亿元，上年同期亏损20.86亿元。但值得注意的是，2023年速腾聚创优先股的公允价值变动为负人民币35亿元，上年同期为负人民币15亿元，这部分损失远远超过公司的经营性亏损。这方面损失扩大的原因主要由于速腾聚创的估值上升和港股会计规则的计算。今年速腾聚创上市后，所有优先股自动转换为普通股，将不再存在此类型数据。

也就说，公允价值变动仅在账面上增加的亏损并不影响公司的现金流。

所以，从更符合企业经营的指标来看，2023年速腾聚创经调整净亏损约为4.34亿元，同比收窄22.8%，盈利水平实际已有明显提升。

基于当前激光雷达产业的发展阶段和公司发展需要，花钱很正常，重点是怎么花？

财报数据显示，占据速腾聚创开支大头的还是研发费用。2023年，速腾聚创研发支出从2022年的3.06亿元增加至6.35亿元，同比增长107.6%。不考虑包含其中的期权费用化的话，其2023年研发费用达到约人民币4.3亿，与研发相关的资产投入达到人民币8,000万，研发总投入约为5.1亿元。 

图源：速腾聚创

近年，速腾聚创围绕更远探测距离和更高分辨率等行业主要的角力点，加紧研发布局。此前，速腾聚创推出了三种激光雷达平台：M平台、E平台和R平台，产品矩阵不断丰富。

在今年的CES 2024上，速腾聚创还正式发布首款940nm的超长距激光雷达M3，其是全球激光雷达行业首款通过940nm激光收发方案，实现300m@10%超远测距能力的激光雷达产品。 

图源：速腾聚创

不过，除了产品迭代更新，更需要关注的是速腾聚创对AI、芯片领域的投入。2023年，速腾聚创约30%的研发投入用于AI的研发，包括算法、算力和数据储存，还有约22%用于芯片的研发投入。 

速腾聚创的激光雷达自研芯片技术壁垒

（图源：速腾聚创招股书）

目前速腾聚创拥有共563名研发人员，其中约100名人员专注于芯片研发，近150名人员专注在AI算法领域。

AI、软件于传统的纯硬件激光雷达公司而言，并非强相关领域，但对于速腾聚创这家“非纯粹”激光雷达企业，却是核心能力之一。

此次财报的发布，速腾聚创可谓是进一步揭示了多年积累埋下的伏笔，打破以往市场对速腾聚创聚焦发力车载激光雷达的印象。

速腾聚创董事长兼首席科学家邱纯鑫博士介绍到，RoboSense，从狭义理解就是机器人+感知，但从广义来说，就是机器人+认知，也就是AI+机器人。“速腾聚创从成立之初，就把自己定义为一家机器人公司。成为全球领先的激光雷达公司只是我们实现目标的第一步。”

这句话可以分为两个层面来讨论：

一，速腾聚创是一家机器人公司吗？是否具备发力AI机器人的积累和能力？

二，速腾聚创是否完成了前置目标，即成为全球领先的激光雷达公司？

先说后者，客观而言，从销量、营收、市值、产品、技术等多个维度来讨论，在当下的激光雷达市场，速腾聚创足以配得上一句“全球领先”。2023年的这份成绩单是最好的证明之一，哪怕还在亏损，但亏损也是“业界常态”。

过去多年，速腾聚创把车载激光雷达作为核心抓手，接下来，基于速腾聚创在传感器和AI算法等软硬件能力方面的积累，将加速对“AI+机器人”道路的探索。

加码“AI+机器人”

从技术层面来看，无论是传感器还是AI感知能力，都是速腾聚创的核心能力所在，在硬件、软件算法以及芯片技术等方面均积攒了丰富的经验。

在2016年4月，速腾聚创对外发布了“普罗米修斯计划”，正式提出将逐步向自动驾驶领域合作伙伴提供一站式激光雷达环境感知技术解决方案的计划。

不仅仅是聚焦激光雷达的感知，速腾聚创开发的新一代的HyperVision全栈式算法解决方案同时支持纯激光雷达的ADAS解决方案、纯视觉的ADAS解决方案、激光雷达+视觉的ADAS解决方案、以及激光雷达+视觉的自动驾驶解决方案。 

HyperVision，RoboSense速腾聚创自主研发的智能驾驶人工智能感知软件

（图源：速腾聚创招股书）

围绕激光雷达，速腾聚创已完成了“芯片+硬件+AI软件”的全链路解决方案布局。速腾聚创把汽车当成相对成熟的硬件平台，实现AI的全流程的打通（包括数据、算法、算力集群），甚至建立了自己的超算中心-“神机超算中心”。

现今，速腾聚创有意扩大机器人方向的商业落地应用，预期收入结构也会有所转变。

过去几年，速腾聚创主要以Helios和Bpearl两个产品去满足大部分的机器人客户需求。2023年，速腾聚创选定了清洁、无人叉车两类机器人，以及港口和矿场两类场景。而在2023年下半年，速腾聚创发现割草机器人对激光雷达有强烈的需求，其E平台能非常好的满足这类机器人的需求，预计在今年Q4开始交付相关产品。

而对于激光雷达在具身智能机器人上的应用，“我认为正如激光雷达是高阶智能驾驶的关键传感器一样，激光雷达具备三维感知能力，天然的带深度信息，也将是人形机器人关键传感器。我相信，激光雷达在汽车领域的催熟、也能很好迁移到人形机器人。”邱纯鑫直言。

汽车行业实际上与机器人存在紧密联系，某种意义上讲，智能汽车也可以算作机器人的一种，特斯拉就把其汽车产品称为放在轮子上的机器人，汽车机器人相关概念愈发盛行，同时特斯拉也在大力发展人形机器人项目。

具身智能被认为是“人工智能发展的下一个浪潮”，人形机器人的未来绝不仅仅止于替代人类的重复劳动，甚至于有可能成为人类家庭成员的一部分。

在特斯拉2023年度股东大会，马斯克预计未来人形机器人的需求量将远远超过电动车，这个需求量也许可能会达到100亿。根据高盛最新预测，2035年人形机器人市场总规模上调至380亿美元。

回首速腾聚创的发展轨迹，其创新步伐与行业发展紧密相连。2016年，速腾聚创推出的首款激光雷达产品是针对低速机器人应用的16线激光雷达，那时在机器人技术和市场还未迎来爆发式增长的时期，可以称之为激光雷达行业的第一阶段。尽管当时市场规模有限，但速腾聚创凭借其前瞻性的技术研发和市场布局，为后续的发展奠定了基础。

随着技术的不断进步和市场的日益成熟，速腾聚创很快将重心转向了车规级激光雷达的研发。到了2021年，速腾聚创率先实现了车规量产固态激光雷达M1的商业化，标志着激光雷达进入了第二阶段。

如今，具身智能的兴起，让机器人行业迎来了新的发展机遇。具身智能要求更高级、更复杂的传感器来支持机器人的感知和决策能力。在此背景下，依托于速腾聚创在软硬件多方面的积累布局，速腾聚创已准备好迈入激光雷达第三阶段，通过其技术革新，推动整个机器人行业的智能化升级。

从智能硬件水平上来说，小鹏G9无需太让人担心，智能驾驶芯片配备两颗来自英伟达的Orin-x，同时配备两颗激光雷达，5颗毫米波雷达，12颗超声波雷达，均是现阶段非常主流的配置水准。但是无论是什么样的车型，小鹏XNGP才是那个核心，本文还是围绕XNGP展开。

本文带着这些问题，逐一盘点并解读智能驾驶的几大热点：城市NOA、去高精地图、去激光雷达、大模型上车、舱驾融合，并从技术和市场层面，给出解读。

智能驾驶发展至今，城市NOA作为当前量产智能驾驶的最强功能，已经成为行业内的热点，也是各路玩家纷纷布局的重点。

2021年起，在特斯拉、小鹏等头部造车新势力的影响下，各主机厂陆续推出适用于高速公路和城市快速路场景的高速NOA功能；从2022年起，NOA的应用场景从高速推广到城区，得益于“BEV+Transformer”的普及，2023年是城市NOA群雄逐鹿的一年，多家车企发布城市NOA“开城计划”。

目前城市NOA已经成为市场关注的热点，并且陆续搭载在新车型上。根据佐思汽研的数据统计，2023年1-9月，国内乘用车高速NOA的渗透率为6.7%，同比增加2.5个百分点；城市NOA的渗透率为4.8%，同比增加2个百分点。

2021-2023国内乘用车NOA渗透率（数据来源：佐思汽研）

截至2024年1月，已经量产搭载城市NOA的车企主要有小鹏、华为系（极狐、阿维塔、问界）、理想、智己等4家，另外特斯拉在北美推送了城市NOA，而蔚来和魏牌（毫末方案）的城市NOA已经公布正在路测中。根据表1的汇总结果，整体来看，城市NOA的落地进展，距离宣传发布的目标，存在一定差距，没有达到预期，尤其是部分车企曾经号称在2023年底全国可用，实际上目前只落地了有限的几个城市。不过，各家也正在努力推进城市NOA的全面落地，力争在2024年占据更多的市场份额，也值得我们期待。

小鹏将城市导航辅助驾驶命名为城市NGP（Navigation Guide Pilot），在P5、G9、G6、P7i等车型上均有搭载。这4款车型都是搭载激光雷达的车型，并且从G9开始，小鹏的车型都采用前视800万像素双目摄像头，并通过2颗高算力的NVIDIA Orin-X SoC芯片，提供508TOPS的超高AI算力，满足城市NGP的感知和算力要求。

小鹏于2022年9月在广州率先推送城市NGP，是国内最早让城市导航辅助驾驶上车的车企。截至2024年1月，小鹏的城市NGP已经覆盖国内52个城市，包括广州、深圳、上海、苏州、南京、杭州、宁波、北京、天津、成都、西安、武汉、长沙等，也是国内可用范围最广的城市导航辅助驾驶。

小鹏城市NGP的覆盖范围

华为的城市导航辅助驾驶功能称为城市NCA（Navigation Cruise Assist），已经搭载在华为深度参与的极狐、阿维塔和问界系列车型上。极狐、阿维塔车型配置了3颗激光雷达和具备400TOPS算力的华为MDC810计算平台，问界系列车型配置了1颗激光雷达和200TOPS算力的华为MDC610计算平台。截至2024年1月，华为的城市NCA开放了国内6个城市：上海、深圳、广州、杭州、重庆、北京。

华为城市NCA的覆盖范围

理想的城市NOA在其L7、L8、L9三款车型上实现。这三款车型都配置了1颗激光雷达和2颗NVIDIA Orin-X芯片，并且前视双目摄像头和侧视摄像头的像素都高达800万，足以满足L2级智能驾驶的硬件性能要求。截至2024年1月，理想城市NOA已经在北京、上海、广州、深圳、杭州、成都等国内10个城市开通。

理想城市NOA的覆盖范围

智己会在其现有车型L7、LS6、LS7中，全面搭载城市NOA功能，并通过1颗激光雷达和1颗254TOPS算力的NVIDIA Orin-X芯片来实现。不过，智己的城市NOA推送时间较晚（2024年1月），目前只开通了上海1个城市。

特斯拉的城市NOA目前只在北美地区推送，还未进入中国，虽然一直宣称即将在国内推送，但至今还未见身影。蔚来和毫末则还在道路测试阶段，还没有真正开始推送给用户。

在2023年上海车展，国内多家主机厂与智能驾驶解决方案提供商，纷纷喊出了“去高精地图”的口号：小鹏宣称“城区NGP，2023年6月起不需要高精地图”；理想宣传“AD Max 3.0系统逐步摆脱高精地图”；智己提出“数据驱动道路环境感知模型替代高精地图”；华为直言“ADS 2.0系统不需要高精地图，有图无图都能开”；百度作为高精地图提供商，也提出了“轻地图”的智能驾驶方案；毫末则发出“重感知、轻地图”的声音。

高精地图

业内玩家为何纷纷发声“去高精地图”？主要有以下3点原因：

第一，高精地图的存在，让主机厂和智能驾驶开发者们，严重受限于图商，地图鲜度难以提高。

智能驾驶对高精地图的数据实时性要求很高，也就是需要地图“保鲜”，甚至每日更新一次。而图商的平均更新周期以月或者季度为单位，行业内的平均更新周期是3个月左右，这就导致图商提供的高精地图，难以满足智能驾驶开发的需求。

第二，高精地图的测绘成本高、周期长，提高了整套智能驾驶系统的开发和使用成本。

高精地图由于对精度要求高、信息丰富，因此需要采集的数据量很大，导致相比于普通导航地图，会产生更高的成本，并花费更长的周期。高成本与长周期，与当前智能驾驶行业的降本和快速迭代的趋势，严重不符，所以去高精地图逐渐成为一种趋势。

调研结果显示，分米级高精地图的测绘成本在每公里十元左右的水平，每台车每天可以采集500公里左右的道路数据；厘米级高精地图的测绘成本大约为每公里千元，每台车每天能采集约100公司的道路数据。可见精度提高十倍，产生的测绘成本与周期，会成倍增加甚至指数级增加。

第三，得益于感知算法的进步，传感器的环境感知结果，可以替代高精地图。

正是由于BEV+Transformer的广泛应用，让传感器，尤其是摄像头检测到的环境数据，能够用于构建实时的局部地图，逐渐替代基于先验数据的高精地图。

BEV+Transformer原理

如今已经进入2024年，去高精地图的进展如何？行业内实现完全“去高精地图”了吗？答案似乎是否定的。根据对以上几家公司无图方案的调研，以及行业内其他公司的解决方案，我们发现目前主要通过3种方式，来替代传统的高精地图：

一是实时局部建图，基于传感器信息，通过BEV+Transformer，构建实时的局部地图。这种方法理论上可以完全去掉高精地图，但根据大部分感知算法专家的意见，现阶段的环境感知效果，还达不到传感器与高精地图融合的水平，只能说正在逐步提升，向完全无图靠近。

二是众包地图，即通过已售出车辆收集道路信息，整合来自普通用户的数据，绘制地图。这种方式在前几年就已经有人提出并且正在采用，本质上还是在构建地图，只是不再依赖图商，而是让用户帮助主机厂采集地图数据。

三是轻量化高精地图，是一种精简版的高精地图，精度和信息量介于导航地图与高精地图之间。这种方案可以理解为是一种过渡状态，是综合平衡整体感知定位效果与地图成本之后的结果，实际上仍然需要地图。

通过以上分析，不难看出，去高精地图虽然是主机厂和智能驾驶开发者所推崇的趋势，但目前还没有完全实现。去高精地图，更多的是在摆脱对图商的依赖；而当前的环境感知效果，还不能达到完全无图的水平；现阶段高阶智能驾驶还离不开高精地图，只是绘图的方式在改变，对精度的要求在降低。

激光雷达，曾被称为“自动驾驶之眼”，但高昂的成本让大多数车企望而生畏。近几年来，去激光雷达的声音一直存在，而纯视觉感知方案与视觉+激光雷达融合感知方案的技术路线之争，也一直没有停止过。

激光雷达的点云效果

激光雷达一度是国内的高阶智能驾驶，尤其是城市NOA的必备项，国内的头部智驾厂商，也普遍采用摄像头与激光雷达数据融合的方案，实现高阶智能驾驶所要求的精准感知。小鹏、蔚来、理想、阿维塔、问界……都搭载了激光雷达。

与此同时，以特斯拉为代表，也出现了另一种声音：只用摄像头的纯视觉感知方案。

马斯克曾不止一次提出：“人类驾驶只用眼睛观察环境，所以根据第一性原理，纯视觉方案才是正确的路线。”而特斯拉作为智能驾驶的先驱者，本身也证实纯视觉方案的可行性。

从目前高阶智驾的搭载情况来看，大部分车型仍然配置了数量不等的激光雷达，只有特斯拉和极越，选择纯视觉方案。

众做周知，特斯拉的视觉感知算法，始终处于行业的领头羊地位，而极越作为百度重点打造的车型，纯视觉的底气自然来源于百度在智能驾驶领域多年的积淀；其他主机厂和方案商，我们大胆猜测，有没有这样一种可能：采用融合方案不仅是因为融合方案的感知效果更好，更因为对自家的纯视觉感知算法不够自信，以及激光雷达有利于放大车企对智能化的营销效果，所以配置了高成本的激光雷达。

虽然国内大多数高阶智驾车型都搭载了激光雷达，但车载激光雷达作为技术壁垒高、需求前景不明朗的领域，尤其是近几年成本才逐渐降到万元以下，导致目前存在的供应商非常有限，产品型号也有限，与摄像头、毫米波雷达等传感器相差很大。

目前车载激光雷达供应商主要有速腾聚创、图达通、禾赛科技、Luminar、览沃、Velodyne、Ouster、亮道智能、探维科技、北醒等，以及少数宣称自研的方案商如华为。目前量产上车的激光雷达是半固态激光雷达，从国内的出货量看，速腾聚创、图达通、禾赛三家的激光雷达应用最广。

速腾聚创（Robosense）的激光雷达产品以RS-LIDAR M系列为主，包括M1/M1 Plus/M3等，M1就是在小鹏的车型上配置的激光雷达，M3则是超长距激光雷达，最远能够探测300m距离外的目标物。此外，速腾聚创还有补盲激光雷达产品E1，以及Ruby Plus/Helios/Bpearl等机械旋转式激光雷达。

图达通（Seyond，原Innovusion）将激光雷达产品分为猎鹰系列和云雀系统，猎鹰系列在蔚来的车型上已经搭载，包括猎鹰K和猎鹰Q两款超远距激光雷达；云雀系列则包括远距离激光雷达云雀E和补盲雷达云雀W。

禾赛科技的激光雷达产品包括已经在理想车型上搭载的AT128、最远探测距离400m的超远距激光雷达AT512、机身高度仅25mm的超薄激光雷达ET25，以及补盲雷达FT120和若干机械旋转式雷达产品如Pandar / QT / XT等系列。

自从ChatGPT火爆问世，AI大模型就成为不可逆转的潮流，并且被广泛应用于各行各业，当然也包括智能驾驶。大模型让端到端的智能驾驶成为可能，吸引了全行业多个领域的玩家，并且已经取得了一定的成果。

AI大模型上车已经成为智能驾驶行业的共识，众多玩家都纷纷布局参与其中，其中主机厂、Tier 1、科技公司、芯片公司等不同类型的厂商，分别在不同的方向发力，形成自己在大模型时代的竞争优势，同时也形成了分工明确的合作关系。

主机厂可以直接To C，能够利用自己大量量产车的优势，在真实道路上采集大量数据，用于不断优化自己的AI大模型。同时，主机厂能够利用自己在产业链中的优势和主导地位，充分整合上下游资源。不过，智能驾驶的大模型开发成本高且周期长，对主机厂的资源投入和技术实力有较高的要求，目前传统主机厂通常寻求外部合作，共同开发，而头部的造车新势力则偏向整体自研。蔚来、小鹏、理想、阿维塔、吉利、比亚迪、长城、广汽等企业，目前都有AI大模型的相关布局及应用。

Tier 1作为智能驾驶解决方案的提供者，在大模型上车方面，主要从软件算法层面做文章。Tier 1通过软件和算法层面切入，开发智能驾驶的垂域大模型，为主机厂提供智能驾驶大模型服务，同时打造自己的数据闭环系统，形成一整套完整的大模型生态，例如，BEV+Transformer就是各家Tier 1普遍在开发并推广的大模型解决方案。现阶段，毫末智行与商汤科技，就是提供智能驾驶大模型的典型代表。

毫末智行在2023年4月发布了行业内首个智能驾驶生成式大模型Drive GPT：雪湖·海若。

毫末采用RLHF（Reinforcement Learning from Human Feedback，人类反馈强化学习）技术，并引入真实用户数据，从而持续优化认知决策模型。雪湖·海若能够按概率生成多个场景序列，从而将用户最关注的自车行为轨迹量化，输出清晰的决策逻辑链，并通过Drive Language实现场景的Token化表达。雪湖·海若搭载于魏牌新摩卡DHT-PHEV车型，将通过Hpilot 3.0系统实现城市NOH（Navigation on Highway Pilot，导航辅助驾驶）。

毫末智行发布雪湖·海若大模型

商汤科技的AI大模型名为Uni AD，能够将检测、跟踪、建图、预测、规划等不同的算法模块，整合到Transformer的端到端框架中，从而融合不同的计算任务，实现端到端的处理。商汤还构建了面向决策规划算法的数据闭环体系，并建立数据驱动的决策规划算法库，将大数据与决策规划算法融合，通过大模型的处理，让智能驾驶拟人化。

商汤科技Uni AD的优势

科技公司的优势在于丰富的AI技术储备，以及云端资源。早期，国内各大科技公司，已经在通用AI领域积累了一定的技术沉淀，这些技术积累可以直接转化到智能驾驶方向，从通用大模型，逐步渗透到垂直领域。科技公司还会利用自身的云端资源，自建云服务器，提供大量云端资源与配套服务，供客户调用、开发和布署自己的AI大模型。华为、腾讯、百度阿波罗，是这方面的佼佼者。

芯片公司在大模型时代，仍然聚焦于芯片。通过提供适合布署AI大模型的芯片硬件，芯片公司仍能在大模型的竞争中占有重要地位，例如英伟达、高通、地平线等；同时，芯片公司通常还会提供与芯片配套的、完善的开发工具链，供开发者使用。

从行泊一体到舱驾融合，集成化已经成为智能汽车的必然趋势，当然也是智能驾驶的必然趋势。舱驾融合已经成为近两年来行业内的热门话题和技术发展的方向，但目前的落地情况，似乎远不如行泊一体来的那么快。

舱驾融合也称为舱驾一体，包括软件层面的融合和硬件层面的融合：软件层面的融合主要是在软件和功能层面，融合智驾与座舱的软件、数据等，包括升级软件架构、开发面向服务的架构（SOA）、跨域打通信息与数据交互、实现智驾与座舱功能联动等；硬件层面的融合主要是硬件形态的融合，是一种直观可见的集成化，将从本质上改变底层软件与通讯方式，并且具有明显的BOM成本优势。

不同程度的硬件层面舱驾融合方案

可见，软件层面的舱驾融合，更多融合的是功能与应用，相对容易实现，而硬件层面的融合，则形成了完全一体化的新硬件，开发的工作量与难度较大。目前，硬件层面的融合，存在One-Box、One-Board、One-Chip等不同融合程度的方案。

One-Box方案是将智驾域的核心板与座舱域的核心板，集成在同一个域控制器中，但核心板原本的软、硬件架构都不改变，板间通信方案也不变。One-Box方案有点为了融合而融合的味道，集成度最低，融合的难度也最低。

One-Board方案是将智驾的SoC芯片与座舱的SoC芯片，集成在同一块核心板上，但两块SoC仍然分别处理智驾域和座舱域的数据，只是在一块板子上，共用MCU、存储、接口等外围硬件。One-Board方案能够一定程度上提高集成度，减小通讯时延，提升舱驾的整体性能表现；并且，One-Board方案能够有效减少SoC以外的硬件，从而降低系统的BOM成本。

One-Chip方案是在同一块SoC芯片上，同时处理智驾域和座舱域的数据，通过在SoC上运行虚拟机，实现智驾和座舱的不同功能模块。One-Chip方案是真正意义上的舱驾融合，集成度最高，能够最大程度地集成智驾域和座舱域的硬件，提升舱驾性能表现，并实现最大程度地降本。不过，One-Chip方案的融合难度也最大，目前还少有应用案例。

虽然舱驾融合已经成为行业的共识和智能汽车发展的必然趋势，但现阶段实现的难度较大，短期内，很难有集成度高的舱驾一体方案落地。

从技术维度，对于One-Chip方案，目前已有的SoC芯片，还不能满足舱驾融合的要求，尤其是难以支持舱驾融合所需的综合算力要求（NPU+GPU）；并且One-Chip方案的操作系统布置难度大，智能驾驶软件通常基于Linux系统或C++实现，而智能座舱软件则基于QNX系统或Andriod系统，两者难以很好地兼容并存。

而对于One-Box或One-Board方案，由于控制器整体体积变大，对控制器的安装布置，也提出了新的要求；更重要的是，同一控制器内的计算任务成倍增加，造成功耗明显提升，发热量增大，对控制器的散热也是一个挑战。

从市场维度，目前无论是C端还是B端，对舱驾融合的变革意愿都不强，Nice to Have，not Must Have。C端的用户对舱驾融合带来的性能提升和体验改善，难以有直观的感受，区别不大；B端的主机厂则对舱驾融合还没有迫切的要求，并且舱驾融合也涉及到原有的智驾开发部门与座舱开发部门的融合，合二为一会产生一定阻力。

从成本维度，虽然长期来看，舱驾融合能够有效降低系统的成本，尤其是硬件BOM成本，但短期内会产生大量的开发费用，何时能够看到降本的效果，也是一个问题。另外，One-Chip方案中的SoC芯片，一定是高性能的芯片，其成本必然不会低，也会增加开发者的投入。

由于上述存在的这些难点，目前舱驾融合的进展还比较缓慢。One-Box方案由于集成度低、难度低，有少数玩家率先实现，例如特斯拉、小鹏等，但并不普及；One-Board方案对核心板的设计能力要求高，目前实现的案例非常少；One-Chip方案依赖满足要求的高性能SoC芯片，还需要等待芯片厂商的进展，目前更多的是在单颗SoC上实现舱泊一体等简化的融合效果。

现阶段，市场上已经出现的舱驾融合案例主要是特斯拉、小鹏、零束、极越、德赛西威、中科创达等玩家提供的方案。

特斯拉从整车电子电气架构层面规划了One-Box的舱驾融合方案，将分别负责智能驾驶、智能座舱和车内外通讯的3块核心板，集成到1个控制器中，形成中央计算单元。

小鹏提出了与特斯拉相似的One-Box方案，将智驾系统的XPU、中控系统的DCU和仪表系统的ICM整合到同一个域控制器中，形成舱驾一体域控制器，打造其“三合一座舱”的概念，并应用在小鹏G9车型上。

零束是国内早期提出舱驾融合概念的方案商之一。零束全力打造的银河全栈3.0架构，在硬件层面由2个高性能计算单元（HPC，High Performance Computing）和4个区域控制器ZONE组成，其中的1个HPC集成了智能驾驶与座舱功能，但也是One-Box方案；在软件层面，零束整合了中间件与SOA原子服务层，提供统一的标准化API（Application Programming Interface）接口，便于不同智驾和座舱模块算法的调度与复用。

极越率先提出了智能驾驶“真冗余”的概念：当智能驾驶域控失效时，座舱域控可以提供简单的ACC等功能以接管，实现跨域的冗余策略。某种意义上说，极越算是实现了基于座舱SoC芯片（Qualcomm SA8295）的One-Chip方案，只是智能驾驶的功能过于简单。另外，极越也实现了应用层级（软件层面）的舱驾融合，即3D人机共驾地图：通过智驾域和座舱域的跨域资源调度，直接可视化显示感知目标结果，提供还原显示的虚拟化驾驶体验。

德赛西威在2022年4月发布了车载智能计算平台Aurora，当时号称行业内首款可量产的车载智能计算平台。在硬件层面，Aurora集成了NIVIDA Orin、Qualcomm SA8295和黑芝麻的华山A1000芯片，属于One-Box的方案；在软件层面，Aurora能够同时提供智能驾驶、智能座舱与智能网联服务，实现一定程度的“中央计算”。此外，Aurora采用了插拔式的结构形式，可以根据需求伸缩和裁剪算力，满足多样化的计算需求。

中科创达提出了基于高通系列芯片的舱驾融合方案，属于One-Chip方案。中科创达的方案有2套，一是基于Qualcomm SA8295芯片，实现舱泊融合，即智能座舱与智能泊车功能融合，该方案仍然需要另一颗SoC实现智能行车功能，因此不是完全的舱驾融合；二是基于Qualcomm SA8795芯片，实现完全的舱驾融合，但该方案至今还未量产，还处于研发阶段。

从以上的解读内容来看，在过去的2023年，智能驾驶的前沿热点话题不断，但实际进展整体不如宣传的预期：城市NOA开城数量有限，去高精地图没能完全去掉，去激光雷达存在争议，AI大模型有待持续深入，舱驾融合难度大进展慢。

无论是过去激光雷达+高精地图的路线，还是如今的重视觉、轻地图、轻雷达的路线，小鹏汽车的目标始终如一——坚持智驾领先地位。

在智驾之外，小鹏汽车还发布了智能座舱系统天玑XOS。这套智能座舱系统在应用界面和自定义编辑能力及用车场景的环境感知能力方面有所提升。

作为汽车的延伸，小鹏汽车也在探索更多可能。譬如发布了全新自研双足机器人和持续研发飞行汽车。未来，小鹏鹏行将在智能机器人上应用XNGP、XEEA电子电气架构等智能汽车同源技术，将智能机器人与AI汽车深度链接。

图片来源：小鹏汽车

与小鹏主抓智驾不同的是，蔚来的涉猎就显得更加宽泛了。

在蔚来的创新科技日上，蔚来创始人、董事长兼CEO李斌展示了由芯片及车载智能硬件、电池系统、电驱系统、车辆工程、操作系统、移动互联、智能驾驶、智能座舱、智慧能源、智能制造、人工智能、全球数字运营等12个技术栈构成的“蔚来技术全栈”。

硬件方面，最引人注目的是蔚来的首款自研芯片——激光雷达主控芯片“杨戬”。据介绍，“杨戬”芯片采用了8核64位处理器，提供强大的计算支撑，可高效捕获激光雷达传感器的原始数据，还将为激光雷达降低50%的功耗。

其中值得关注的一点是，小鹏提出了轻地图、轻雷达的全场景自动驾驶辅助，摆脱了地图和雷达的限制，这就意味着这个系统会有更好的适应性，不受地域限制，同时这也是让产品成本瘦身的一个做法，现在在法规限制下，很多这种高成本的零部件并没有发挥的空间，但是价格却让消费者去买单。

小鹏在智能领域的软件层面在新势力品牌当中可以称得上排在前列，这一点甚至也是大众能够选择与其牵手的重要原因之一，甚至有这样一个行业当中的评论，现在新势力产品上面在智驾方面排的上号的也就是华为和小鹏。

至于华为在整个行业当中的影响力和声量自不用说，这是一个自带流量的品牌，当然其自身也有足够的技术积累，但是配合上余承东的遥遥领先式宣传，似乎能够让其影响力更胜一筹，例如今年9月发布问界M7的时候，一句“华为ADS2.0的‘无图’城市NCA，将在12月底实现全国都能开。”不禁让人们想到小鹏这一首个落地城市辅助驾驶的车企。

要知道小鹏在当时可是抢在华为之前拿到了这个第一的称号，但是现在消费者的关注点似乎都被华为“抢走”，何小鹏此次着重在技术领域强调XNGP估计也是受到这一影响，导致现在有那么一些坐不住了，进而现在这个时间点上重塑一下自身在这一领域的地位。

如果说华为之前的遥遥领先是其“开城”的果断与激进，比如说其在今年年底就要实现全国的覆盖，这一点确实要比小鹏给出的50城更领先，但是从小鹏的角度来看，其在科技日当天便在20个城市当中公测，并且AI代驾就已经能够全国开放，这一点似乎有显示出其在技术方面的自信。

与此同时，其轻雷达、轻地图的智驾发展路线其实在降本方面会有比较显著的作用，尤其是针对智能驾驶的长期发展，后续在整车降本方面也有积极作用。

智驾这个标签对于小鹏来说有着很重要的作用，同时也是未来主流技术的一个体现，相对于宣发层面的遥遥领先，后续的落地更有实际意义，不管是作为自己主推的技术特点，还是作为供应商的角色来卖产品，智驾这张牌不管怎样都不能打错。

又是一款MPV

谁能想到MPV现在成了新势力与新能源的宠儿，越来越多的品牌开始在市场投放新能源MPV产品，理想MEGA、岚图梦想家、魏牌高山、合创V09、极氪009，仅今年上半年，MPV累计销量达到52.4万辆，同比增长21.6%。

目前国内的低价产品保有量其实是比较高的，那么这样一个存量市场的背景下，就催生出来了一些增换购的需求；与此同时，新能源的一些技术特性在MPV车型上有着更明显的体现，这也算是催生这一细分市场逐渐繁荣的因素之一。

何小鹏此次并没有在新车小鹏X9废过多的口舌，我们现在能够知道的是这是一款区分现有7座MPV的纯电车型，其会搭载扶摇架构的核心技术，例如全域800V、一体压铸、XNGP、XOS 天玑等，同时这也是目前全球唯一一款标配后轮转向的MPV。

何小鹏说想做一台年轻态的MPV，这个理念在目前的市场上还算稀奇，可以看到目前大多数产品都是在瞄着高端豪华去做概念，像有的直接就是50万以上，有的则是干掉埃尔法，那么这种理念其实相对来说会比较传统，主打的是一个乘坐属性，那么从小鹏X9目前所给出的产品特点来看，很有可能是围绕智驾和AI做文章，去满足一种不怎么区分年龄、用户群的用车场景。

似乎搞明白了要如何造车

科技日当天，有一个词经常被经常提及，就是成本，确实这是现在这种新势力品牌造车的关键，要想活下去就要实现更多的盈利，相对于自身定价的冲高，从成本上下手似乎更能够在消费者那边买一张好脸。

所谓科技日，和成本这个词之间有什么关系？其实降低成本有很多种手法，可以通过去掉一些配置、可以采用一些所谓的手段，但是从小鹏对外展示的来看，其降本的核心则是在于技术。

小鹏此前已经采用了一体压铸技术，后续可能将采用更大的压铸件投入到生产制造环节，届时将降低10%—30%整车制造成本；XEEA 3.5电子电气架构相对于上一代的架构在提升性能的同时也能够降低40%的成本；此外还有我们前面提到的自动驾驶相关，轻地图、轻雷达的策略也是降低成本的关键。

不过，小鹏希望在不影响可靠性、不影响安全性的基础上，逐步减少对激光雷达的依赖。

在小鹏面向2024年的智驾目标中，除了轻地图、全场景，“轻雷达”方案也被纳入其中。小鹏全新车型X9已经取消了两个前向角雷达。

除了感知层面逐步减少对雷达的依赖，在规划及控制层面，基于神经网络的XPlanner也在逐步降低对“人工规则”的依赖，从而带来长时序（可以预判你的预判）、多对象（决策依据完整周边信息，更综合更拟人）、强推理（像人一样懂得变通，可以走一步看一步）的优势。

长远来看，基于人工规则的决策规划很难完全实现像人类一样的驾驶，更不能灵活应对corner case，李力耘也坦承，“在上一代的决策规划架构中，曾有车主反馈称算法不够聪明，不够拟人”。

而最新的XPlanner，基于深度神经网络实现规划与控制，让系统具备对物理世界的基本认知和拟人化的博弈能力，“具有像人一样懂得变通的逻辑”，在看不清、看不全的时候，可以“走一步看一步”。

这就是小鹏面向终局的全场景智能辅助驾驶架构XBrain，朝着数据驱动和模型驱动不断演化。

值得一提的是，在这次1024科技日上，小鹏还宣布，G6/G9/P7i 的Pro版车型技术架构将会与Max车型同源，即下放Max的架构给Pro版本，从而大幅提升没有激光雷达的Pro版本的SR及感知能力升级、LCC能力以及高速NGP表现。

也就是说，未来小鹏的Pro和Max版本将“只有城市NGP功能的区别”，有用户将其调侃为：除了自家Max，小鹏的Pro版本将是一个不怕任何Max的Pro。李力耘表示，“小鹏是为数不多的，拥有这样技术平台化能力的企业”。

不难发现，通过对架构和算法的优化，小鹏汽车能够进一步减少算力和传感器对智驾能力的影响。当同行还在卷硬件时，小鹏已经可以做到通过算法砍硬件了。对于用户而言，这也意味着以更低的门槛，享受到更高阶的智能辅助驾驶体验。

随着智驾系统不断迭代升级，从依赖高精地图到轻地图、轻雷达、全场景，数据量、代码量的激增都对研发带来了极大挑战。

前面聊到的其实就是毫末智行刚刚发布的第二代HPilot智驾产品。整套产品分为三个款式，根据官方说法，能够分别满足高、中、低端车型的量产需求。但从PPT上的整套硬件价格来看，即便定位最高的HP570也仅为8000元级别。而定位最低的HP170，甚至只需要3000元级别。至于功能区分方式也很清晰，即三款产品分别满足高速/城市快速路、城市道路记忆行车，以及城市全场景驾驶辅助。以最基础的3000元价格级别的HP170为例，在标配5个摄像头，以及14个雷达，剩下3个雷达可选装的情况下，就能够实现打转向灯变道，以及超车变道动作。做到这一点，已经完全可以算得上是智能驾驶时代的及格水平。然后现在供应商告诉你，这套硬件只需要3000元左右。

这个价格是个什么水平呢？如果高攀一下智能驾驶领域第一梯队的小鹏汽车，其新款小鹏G9在有一定其它配置差异的情况下，搭载更高阶XNGP的Pro版本车型，定价要高出1.6万元。而更早推出的小鹏P7i要更为直观，在几乎仅有XNGP功能差异的情况下，产品定价差异在2万元。以上差价体现的还只是“1-2”的差别，并非“0-1”的距离。不过也额外发现了驾驶辅助系统的随车价格，似乎确实在下降。

另一个用作对比的是博世。作为绝对的一线汽车零部件供应商，博世在驾驶辅助系统这块的地位只能说是以高性价比著称。虽然没有找到确实可信的随车价格，但五菱、宝骏旗下定价10万元左右的乘用车产品，其采用的驾驶辅助系统便有博世的身影。要知道，十几年前博世的ESP采购成本都得数千元。以2005年为例，国内的ESP装配率仅3%左右。彼时国内销售的主流B级车，才能比较容易见到ESP的身影。至于销量更大的A级车，能够配备ESP，在当时就是安全性能方面的活广告。而当越来越多供应商稳定攻克电子车身稳定系统，特别是在国内企业下场之后，如今的ESP已经沦为“白菜价”，即便小型车也能轻松实现标配。那么智能驾驶系统，眼下正在重演ESP昨天的故事吗？这就得看毫末智行到底是不是在吹牛了。

便宜，果然没好货？

还是以毫末智行这波最便宜的HP170来举例。首先硬件有没有问题？答案是，稍微少了点，但也做到了全覆盖。除了12个超声波雷达在非纯视觉路线下属于标准配置之外。想要做到高速路况下的智能驾驶，一般硬件选择都具备2个前视摄像头，以及5个毫米波雷达。毫末HP170可以说是阉割了至少一个前视摄像头，以及将其中3个毫米波雷达选择了“选装”。更不用说其用4个鱼眼镜头就完成了全车周围的视觉感知。这当然不是毫末智行在硬件素质上能够“以一敌二”了。其实从定位中端的HP370就能看出来，他们其实什么都知道。

包括两个前视摄像头在内，毫末HP370使用了9个摄像头，360°的感知能力更强。但也可以发现，毫末在硬件方面的思路也偏向于纯视觉路线。不过现阶段，一定的毫米波雷达，以及全车超声波雷达还是无法再进行省略了。至于顶配的HP570，除了多加了2个侧视摄像头，最核心的硬件恐怕还是那个可选的激光雷达。这似乎又回到了“讨伐”特斯拉的老思路上。即，如果不用激光雷达，甚至不用雷达，智能化的成本到底能省多少。

但是毫末这一波“极致性价比”显然让特斯拉都为之侧目，因为这三套驾驶辅助系统，最高的算力也仅仅为100Tops（而且猜测是选装激光雷达的情况下）。更夸张的是，最低配的HP170，算力仅有5Tops。就这个算力，能不能实现高速路况的智能驾驶辅助？当年蔚来使用Mobileye EQ4芯片，算力只有2.5Tops，还不是一样跑。先别问效果如何，就问能不能用吧。

硬件“打补丁”之后，啥效果？

但对消费者来说，又怎么可能不谈效果呢。就说当年蔚来的2.5Tops，跑高速啥水平？当年Mobileye EQ4官方介绍是可以通过FOTA升级到所谓L3水平。那你猜还是EC6这款车，蔚来为啥现在用超过1000Tops的英伟达芯片？更何况当年蔚来用的也是一组前三目摄像头。再退一步，以大疆为宝骏KiWi EV提供的高性价比驾驶辅助方案。确实也只提供了4个环视鱼眼摄像头来充当车身周围的视觉感知硬件，但大疆也必须保留前双目摄像头硬件。用人眼来举例，单颗眼睛是无法准确判断距离深度的，特别是在行驶过程中。双目摄像头，其实也需要面对多变路况下，部分视觉遮挡带来的阴影，这也是三目摄像头的优势。但现阶段，双目已经可以通过算力与算法来规避。毕竟大疆在算法上沉淀还是有的，至于算力方面，这套给宝骏KiWi EV的系统算力大约在20Tops左右。

从硬件水平上来看，大疆这套方案更接近毫末这次定位中端的HP370。当然价格也确实接近，据网曝的信息，大疆这套驾驶辅助系统的成本在6000元以内。而它所配备的宝骏KiWi EV车型指导价都在10万元以上。这意味着，如果毫末的HP170装车，那么很大概率将会惠及10万元以内的车型。可是硬件表现在这，毫末还能有啥弥补方案呢？

首先是一定程度上的开源，也就是所谓“白盒”。这点是针对车企来说的，原本是立足于很多一线供应商，比如Mobileye，在提供产品时，更喜欢采用“黑盒”方式，导致车企这边无法进行再优化。而毫末的思路不仅仅是让车企拥有更多自主权。还能在交付产品的硬件有限的条件上，尽可能让车企通过自身数据和调校能力，对其量产产品进行优化。如此，装配同样智能驾驶硬件的产品，或许会呈现出不同的水平，无法进行横向参考。

另一点就是在做决策方面通过后台模型来支持，这点在今年上半年毫末就有介绍。具体方式是依靠云端的计算与学习，然后根据车辆感知到的信息，为其做出判断与执行。这样一来就可以规避车辆在算力硬件上的限制，以及通过装配系统车辆的里程积累，从而进一步学习、优化。这部分的缺点就是系统将处于不断深度学习、完善的状态，那么早期付费用户的体验就不好保障。且对于网络传递的要求较高，如果说高配版本的自身硬件，至少应对信号容易出现问题的高速路况还是较为轻松。那么低配版本在确保安全的情况下，部分路况和决策时的体验度，恐怕要打点折扣。

这两点其实也不是什么新鲜事，越来越多的供应商进入造车以及智能驾驶之后，“白盒”的呼声早就越来越高。而在强化“单兵作战”能力这点上，包括华为也是如此。越来越多的核心玩家，也开始抛弃高精地图。而讲究性价比的玩家，对于激光雷达也是能省则省的态度。毫末只是把这种对于成本的控制力，向着其它硬件部分，挥出了砍刀。面对技术提升、成本把控与市场接受的矛盾纠葛，智能驾驶或许在还没有走向完全成熟之前，就要面临大幅砍成本的局面，也算是一种无奈吧。