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(lǐng)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(jìn)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(xué)技術(shù)大學(xué)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(xué)者榜單——AI 2000，排名第十；2022年入選AI華人青年學(xué)者榜單；2023年，榮獲2023未來科學(xué)大獎數(shù)學(xué)與計算機(jī)科學(xué)獎。
好漢不提當(dāng)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(dāng)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(shè)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(diào)整。這樣可以實現(xiàn)“人機(jī)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(dāng)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(biāo)，也是李斌反復(fù)對外強(qiáng)調(diào)的“人機(jī)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(lǐng)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(lǐng)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(dú)特的群體智能的助推，這是蔚來智駕提速的幕后技術(shù)功臣。
所謂群體智能，即通過用戶車輛對每條路進(jìn)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(jìn)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(dú)有能力，主要是因為蔚來為每個NT2.0平臺車型都標(biāo)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(chǔ)耗費(fèi)時間比較長，而一旦搭建完成，智駕普及快速進(jìn)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(fēng)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(dān)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(fēng)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(lǐng)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(yīng)對極端場景的處理能力，但礙于技術(shù)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(diǎn)。
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(guān)安全，一旦處理不好人駕和智駕的關(guān)系，用戶開啟一次就會終生棄用。為了做好人機(jī)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?cè)吮O(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(rèn)為對于智駕系統(tǒng)來說，這遠(yuǎn)遠(yuǎn)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(jìn)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(zhǔn)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?cè)诤铣梢惶渍w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(jìn)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(fēng)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(dǎo)機(jī)制，通過分值的變化讓駕駛員關(guān)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(yīng)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(jìn)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(wù)且NOP+高速城快智駕里程達(dá)100公里。后續(xù)在使用過程中，會結(jié)合智駕分體系對用戶使用全域領(lǐng)航輔助NOP+的全量功能使用里程范圍管控，分?jǐn)?shù)高于70分全量城區(qū)驗證道路可用，分?jǐn)?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(guān)的更顯性的事情或指標(biāo)。“原來大家開車時可能并不太關(guān)注自己的駕駛習(xí)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(lǐng)航輔助NOP+時，達(dá)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(yīng)該將安全保障置于前置條件，也應(yīng)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(biāo)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(rèn)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(lǐng)先兩代，一代基本上是三年，六年就是一個比較領(lǐng)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(yù)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(yù)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(hù)、運(yùn)營、迭代帶來的成本非常高，很難持續(xù)維護(hù)6年、10年。
這也是蔚來為什么一直強(qiáng)調(diào)NAD的架構(gòu)，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(fèi)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(gòu)是一樣的，軟件和硬件同架構(gòu)，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(dāng)于樂道到量產(chǎn)的時候，它對于這些攝像頭相關(guān)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(zhì)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(gòu)沒有做好，或者說沒有好的平臺，后續(xù)是無法進(jìn)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(rèn)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(rèn)為，大模型現(xiàn)在更多地變成了一個宣傳的東西。
從技術(shù)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(jī)器學(xué)習(xí)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(fù)雜的系統(tǒng)問題簡單化，讓人去訓(xùn)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(diǎn)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(yīng)的能力。比如需要建立一個結(jié)合現(xiàn)實的自訓(xùn)模型的底層架構(gòu)，包括數(shù)據(jù)體系，如何找到高質(zhì)量的數(shù)據(jù)？怎么找到corner case？然后去建立一個把這些標(biāo)注數(shù)據(jù)處理的系統(tǒng)，最后才是建立一個訓(xùn)練的系統(tǒng)。有了這些基礎(chǔ)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(gòu)，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(yùn)營=全域領(lǐng)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(shù)——“占用網(wǎng)絡(luò) OCC 2.0”。
占用網(wǎng)絡(luò)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(jìn)行識別，能夠處理更復(fù)雜的空間關(guān)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(dāng)有了這個基礎(chǔ)能力之后，就可以開始訓(xùn)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(xùn)，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(fù)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(xùn)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(fù)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(zhì)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(fù)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(luò)自己學(xué)，就機(jī)器自己去定，那這個的核心就是端到端，就相當(dāng)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(qiáng)地對世界的建立認(rèn)知的能力，以及預(yù)測的能力。”任少卿坦言道。