当前颇具「争议」的话题，包括当前的硬件军备竞赛、Robotaxi热潮下的商业化思考以及针对当前众多车企「百舸争流」下的路线之争....

基于此，我们与小鹏汽车黄鑫、众多新出行社区网友齐聚新出行，开演了一场关于智能化的「新出行公开课」。

聚焦在对硬件军备竞赛的讨论、小鹏对于激光雷达路线看法、城市 NGP 开发的难点等，论点激烈、收获颇丰。

Now,Let's witness it ！

一、硬件的军备竞赛重不重要？

新的市场我们看到包括新势力、传统车企在内先后宣布超过 1000TOPS 算力芯片即将上车。

而如何看待当前日益激烈的「硬件军备竞赛」，黄鑫提到：硬件的军备竞赛才刚刚开始，而第二轮、第三轮的军备竞赛将更加激烈。

而在「重不重要」这个议题上，黄鑫从「算力」以及「软硬件」两点入手谈当前的硬件竞赛。

1、「算力」

「对于自动驾驶而言，车辆需要一个好的算力平台。」

黄鑫首先「确认」了算力平台的重要性。

而在「平台的算力上」，黄鑫认为“ 200 TOPS 的算力和 800TOPS 的算力差距并不会太大，反而 200TOPS 和2.5TOPS 差距会更明显。”

黄鑫认为算力并不是单纯的数字累加，在较低算力时突破第一个层级是最难的，而在第二个层级时其实已经解决了大部分问题。对于 800TOPS 甚至以上的算力而言，当前大多数并没有将富余的算力真正利用起来。

在当前，「软件算力」的成本核心在于如何以「最低」的算力值处理场景，而目前大部分车企都宣布 1000TOPS 算力的「即将上车」，实际上算力的分配还暂未有实质性的应用，而硬件军备竞赛显然也会失去意义。

黄鑫在现场提到：“在当前芯片的基础上做优化算法”。

高算力并不意味着处理场景能力更强，而增加新的功能不意味着只需要增加算力。

反而是需要在当前算力的芯片上做优化，把算力真正「利用起来」。

2、「硬件服务于软件」

黄鑫的观点与当前众多工程师类似。

算力大小数字，是「用户」最容易抓取去衡量一块芯片性能的标准，但实际并不然。

例如对于智能驾驶、座舱芯片开发商而言，做好的芯片不是通用型、为追求高算力而打造的芯片，而是将芯片的能效做到最大化以及考虑如何适配未来客户的软件需求。

而对于「自研路线」的车企或者 L4 无人车科技公司而言，选择合适自己的芯片，而不是高算力芯片也尤为重要，这其中包括自身算法的能力以及解决了高成本。

这其中的逻辑是，硬件附属于软件，芯片围绕软件系统、算法需求本身来设计，并且通过了解市场需求还需要对未来几年时间内做前瞻性的布局，保证芯片推出市场后不会面临淘汰。

二、自动驾驶的核心竞争力：处理短板

「木桶效应」

黄鑫提到的是自动驾驶是一个系统化工程，车企需要攻克的是木桶效应中的「短板」，一个「短板」的存在，会让整个系统跑不起来。

显然，目前市场的眼光还是习惯放在更为诱人的「长板」上。

这也回归到了我们前文提及的小鹏所坚持的「整体化的系统架构设计」问题，传感器与计算能力的不平衡关系，其中的一个缺陷或者短板会让系统「全盘皆输」。

而小鹏也正是利用了正向的「系统架构设计」，才能有针对性的解决中国复杂的特殊场景，例如加塞、横穿等，成为自身独到的优势。

三、对于Robotaxi 商业化的看法？

黄鑫认为未来 L4 无人车企业会呈现两极分化。

未来这个领域存在少部分的头部玩家，当然需要投入更多的资金与资源。另一部分玩家会向主机厂做配套，实现商业化脱身。

而 Robotaxi 的下放也会有一个新的难题，就是消费端的需求与商业端的需求的「矛盾关系」。

黄鑫提到商业端 Robotaxi 能够打通至该城市里的一条胡同，但消费端布局全国各地，个人的道路需求不一。

四、华为配套的出现，存不存在非自研、半自研的车企也会有新的优势？

作为一个话题延伸，华为虽不做无人车，但我们也看到了华为在智能驾驶的配套看法，而车企是否有可能基于此得到新的优势？

黄鑫举了一个「爬楼梯」的例子，颇为形象。

市场上关于自研的团队领先从一楼到二楼，而后续的团队可能利用梯子、绳子等工具也可以爬到二楼。

但两者的差异化在于「时间」与「发展速度」。

「时间维度」上，后来车企的进场相比前来者时间节点不同，在「分秒之争」的智能赛道上，后来者更慢一些。

而在「发展速度」上，前者具备自研能力会在下半场的产品上带来更强的差异性，例如二楼到三楼，而这个差异化伴随着楼梯越高、甚至突破天花板都在不断增强。

「飞机先生」尝试总结为：1 到 2 楼是 0-1 的突破，这个场景下所有车企带出来的驾驶系统一定是足够「惊艳」的，但实际上从2-3楼以及更高楼层上，是基于一整套正向系统架构做进一步的开发，而不再只是硬件的军备竞赛。伴随着自研的深入、迭代速度加快，后来车企明显是会掉队的。

五、小鹏认为二楼以上的困境有哪些？

1、实现「产品价值」的能力。

在突破下一层时，黄鑫提到其中新的挑战不仅仅是基于技术问题能够解决，它还来自于多方面。

“有些功能你推出后没人用。”

例如城市场景下，最重要的是如何真正解决产品价值能力。

黄鑫提到的「垃圾时间」。

在城市大规模堵车场景下，此刻的「效率」不起任何作用，无论是「辅助驾驶」还是「人工驾驶」都不起任何作用，而此时如果「辅助驾驶」能释放时间，就是最优项，这也是黄鑫所提到的「价值」。

另一个「价值」来源于决策。城市所遇到的场景不像高速路段，例如高速中系统只需要捕捉下一个下高速口的信息，在这段范围内 NGP 只需要找到合适的变道时机完成下高速动作。

而城市 NGP 中到达目的地需要遇到众多「不可预料」的应急环境，包括变道车道变小、变道车道是一个右转或者掉头车道、变道车道遇堵车场景等。

而城市中的逻辑需要加入如何「避障」、「预测」，包括城市道路的十字路口、专用车道、掉头等，这个决策不是「机械式的决策」。

小鹏的开发逻辑是将技术作为「根基」，并要具有产品价值的思维能力，这个价值直接决定这个产品使用频率高不高、好不好用。

所以整个城市 NGP 系统不单单只是建立一个强感知，不是意味着加入「激光雷达」后就能解决任何问题。

2、遇到突发场景。

黄鑫提到对于城市的思考，系统的开发逻辑是基于交通规则下设定的，但实际生活中许多突发场景例如出现「违法交通规则」的人群。

而诸如此类的场景虽然发生概率虽然比较低，但情况复杂，包括横穿车道上的行人、在左转车道上有直行车辆、故障以及违章车辆违停等场景，特别是中国的复杂工况下存在着很大的不确定性。

六、小鹏在城市 NGP 开发上是如何解决这些难题的？

1、城市 NGP 系统开发上对标上是人。

这里的对标并不是意味着在系统内搭载一套针对驾驶者的训练系统，而是在开发思路上，小鹏利用「人」的驾驶行为、思考、决策能力作为决策参考。

“「驾驶者」就像是一个金矿，它可以给你提供非常多有趣的、让你很激动的东西你可以去做。”

而如果不是基于「人」思维方式解决场景，这个功能不会有人用。

显然，这又印证了黄鑫所表达的「产品价值」的问题。

“我们的产品不是要做只适合凌晨 2 点的城市没有车的场景，如果你做这样一个产品就是失败的。”

2、“一定要去学会做场景的拆分”

面对城市大多「突发场景」，黄鑫提到最重要是要做到如何对场景做拆分，发挥「人」的思维模式。

“人在开车的时候，不一定只是琢磨你眼睛所看到的东西。你可能会预想哪个车道会更快、如何变道。”

小鹏通过对场景做拆分，不断推演、分裂出新的数据，完成新的升级，以达到类似于“人”的决策能力。

而这也得益于小鹏的全链路自研算法。在系统完成识别后，系统将会预测物体对自身行驶轨迹是否存在影响，也着决定了自身的规划与控制，包括针对中国多元场景的避障能力。

从识别、融合算法、行驶轨迹预测、规划与控制，这条链路会针对不同场景做决策，而如果其中一路存在短板，同样也会导致系统的「失败」。

3、激光雷达先行

黄鑫提到激光雷达在中短期内能够弥补数据的优势是无可比拟的，但目前每个传感器都在进步。

黄鑫强调激光雷达确实很重要，但激光雷达不是一上后就「万事大吉」。

但目前在中国这样复杂的路况下，从可预知的中短期来讲的话，单一抛弃激光雷达的纯视觉方案还是十分困难的。

七、「飞机先生」观点总结：

无论是小鹏、理想还是蔚来等新势力车企，单纯从基础 AP 上升到自动打灯变道等功能，实际解决的只是单一功能，基于 L2 的基础上，不断优化或者改变用户的体验，这是1-2楼的玩家。

但伴随着楼层的爬高甚至抵达到目前智能驾驶的天花板，凭借单纯的硬件、算力堆叠，实际上会遇到尴尬的局面，就是硬件和算力都没用到实处，而只是针对单一功能的作用，这对后续下半场的竞争力几乎为零。

而率先展开全栈自研的车企将会在新的赛道上发挥优势。

中国市场开始迎来新的转变，针对用户个性化的需求正逐步下放，而这当中不同的技术路线也正「百花齐放」。但纯视觉或是激光雷达、高精地图路线依旧是一场「纠结」之争，但不可否认的是，通往自动驾驶的道路不止一条，但这其中决胜之道永远不是算力在内的硬件之争，反而是优化算法之争、思维之争，而所有的竞争力都将回归于系统基础架构、用户体验上，最终实现产品价值。

伴随着 P5 的到来、城市 NGP 的落地，小鹏又再一次在中国智能化赛道上继续狂奔。