傍上AI大腿，小鹏智驾追得上华为？除非买车只为上下班

自从ChatGPT横空出世，似乎一瞬间，万物皆可AI。眼下与智能化绑定颇深的新能源汽车，当然也不会错过这个风口。在昨日（5月20日）的小鹏AI智驾发布会上，小鹏汽车就宣布，将在明年一季度之前，在旗下所有车型上完成AI系统的推送。但在高大上的AI概念背后，小鹏的AI系统对智能驾驶到底能带来怎样的效果，才是用户更关心的部分。

结果对了就是好AI，那过程呢？

首先，AI并不是一个新概念。只是“人工智能”在近年来，在逐渐展露出自主学习能力上的天赋。落在汽车智能驾驶概念上，我们一般将其称为端到端的运行逻辑。在小鹏汽车的发布会上，也将其AI智驾描述为“端到端大模型量产上车”。不过在解释端到端的逻辑与效果之前，我们得复盘一下模块化架构。因为后者才是智能驾驶领域现阶段的主流逻辑，包括华为、百度等，在智驾方面都是采用该搭建方式。

模块化，即将整个智能驾驶过程，拆分成多个组成部分。比如感知、追踪、预测、判断等等。然后每个部分由不同的模块来处理，整套逻辑也就类似流水线效果。如果再类比一下，就像汽车的ECU模块，然后通过总线连接在一起。只不过，智能驾驶的信息，除了感知，还有辨识、预测、计算等过程。在模块化流水线逻辑下，上游的数据吸收与信号输出如果有误差，那么下游根据该结果得出的结论，也会有偏差。而最终得出结论的决策部分，本质上是得不到“一手资料”的存在。这便是智能驾驶模块化逻辑的局限性。

而端到端的逻辑，就等于从感知到决策，全部揉在一个模型中。当系统输入图像、速度等信息后，将会直接得到诸如转向、刹车或加速等执行结果。因此，研发工作只需要围绕这一个模型进行训练和优化，资源集中度更高，系统的理论上限也更高。相对而言，模块化逻辑伴随需要增加的模块越来越多，研发调试的压力也会越来越大。这点与之前聊过的汽车ECU不断累积，最终导致信号传递效率被局限的逻辑，是类似的。

看起来端到端有其先进性，但它并非眼下的主流逻辑，也就意味着肯定有无法克服的短板存在。简单来说，输入参数，得到结果，那么端到端的过程在哪？答案其实是，没有过程。整套逻辑就是一套“黑盒”，它不仅没法传授给其它汽车产品（除非将智能驾驶部分完全剥离，也就是“出卖灵魂”）。甚至对小鹏汽车本身而言，也没办法做到解释清楚。

也就是说，即便系统做出了正确的判断。但你不知道它到底是如何计算出来的，以至于在下次遭遇类似的环境下，或者改变一定参数后，系统是否还能得出正确的结论，也是未知。这就好像做数学选择题，答案填对了，但并没有解答题一样清晰地解题过程。于是老师并不能完全判断，在更改题干信息之后，学生是否还能选出正确答案。然而对于ChatGPT这种语言信息类AI，即便是出错了，大概率也就是博人一笑，成为茶余饭后的谈资。但对高阶驾驶辅助功能而言，这就是安全隐患。

只拿来上下班，效果就是最好的？

当然，小鹏AI不可能放任这一隐患。但想要为这套系统打补丁，就至少要做到两点。第一，便是海量的学习过程。这个海量，既有对同一道路信息的不断学习，又有对不同时期，同一道路的信息采集。其次，则是学习信息的限制。比如驾驶员过于激进，甚至违反法规的操作，都会被剔除出采样目标。前者可以等同于“刷题”，虽然改卷老师不知道学生是否弄懂了一道题的底层逻辑，但通过对同类问题的海量的解答，老师最终可以默认学生的解题过程是完全正确的。后者则是对安全性的客观锁死，避免AI系统跟着驾驶员“学坏”，进而“青出于蓝而胜于蓝”。

但这套补丁的局限性也是显而易见的。结合网络上曝光的部分驾驶信息，小鹏AI往往需要对同一道路进行多次学习，也就是车主驾驶，AI像学员一样记录分析，才能逐渐迭代为可用效果。而在遭遇环境变化时，比如环境车辆没有按照法规行驶（未打转向灯、加塞等），小鹏AI则会进入保守驾驶风格，直至下一计算周期（一定路程或时间后）。而在跳脱出日常驾驶路线后，整套学习流程便需要重新开始。也就是说，常走的固定线路，与不常走，甚至初次行驶的道路之间，小鹏AI的驾驶辅助效果，会出现较大的差距。

在此基础上，我们再参考一下华为现阶段的ADS2.0系统。两者理论上都可以脱离高精地图，但导航路况信息依旧是必需品。华为在依托基础导航信息的路线规划上，再依靠自身摄像头、雷达等感知信息，凭借较强的算力以及算法模型，对路况做出精确判断，从而下达执行指令。结合具体情况来说，比如在下一路口需要左转弯的情况下，华为智驾可以提前观察路况，适时并入左侧车道，做到流畅安全行驶。但在拥有多条左转弯道路的情况下，它依旧会选择默认进入最左侧车道。即便车主自己驾驶时，会根据排队车辆的多少，选择更有利的车道。

简单来说，这个学习过程，必须经过工程师积累，然后纳入算法模型中，才能为华为智驾系统所用。而小鹏AI自身就具备一定学习能力。那么结论就很清楚了。如果是在长期反复行驶的路况条件下，比如上下班、接送小孩等场景下，小鹏AI的体验效果大概率会优于现阶段的华为智驾。因为前者处于不断迭代中，且符合驾驶员自身的驾驶习惯。但在较陌生道路，甚至陌生城市环境中，华为智驾积累的普适性算法模型，以及对自身算力的灵活应用，使其更具有广泛适用的基础。同时，华为智驾的逻辑一致性，使得驾驶员在“合作”后，很容易拿捏其尺度。