新能源汽車行業(yè)從藍(lán)海到紅海再到血海，小鵬是經(jīng)過磨練的。
現(xiàn)在賣得好的，不代表能力強(qiáng)，汽車行業(yè)是個(gè)長線的競爭，而不是短期一兩個(gè)月的銷量。
——小鵬汽車董事長 CEO 何小鵬
5月20日小鵬汽車520 AI DAY上，何小鵬直接用“血海”來形容，新能源汽車市場的競爭。
從年初至今，小鵬美股跌幅為40%，理想汽車下滑44%，蔚來下跌42%。
造車新勢力御三家蔚小理，真的是難兄難弟了。
在一片血海中，誰能搶到未來十年新能源汽車的船票呢？
小鵬汽車還沒拿到，但何小鵬已經(jīng)找到了鑰匙——存放著船票保險(xiǎn)柜的鑰匙。
科技每日推送受邀，與小鵬汽車董事長CEO 何小鵬、小鵬汽車自動(dòng)駕駛中心負(fù)責(zé)人李力耘，近距離聊了下血海、船票，還有智駕產(chǎn)業(yè)“皇冠上的明珠”：國內(nèi)首個(gè)量產(chǎn)上車的端到端大模型。
國內(nèi)沒有一家車企
拿到了船票
何小鵬又要搶船票了。
在20年前，何小鵬在2004年創(chuàng)辦了UC公司。
最終在2014年，UC瀏覽器成為全球最大的第三方手機(jī)瀏覽器，拿到了直通移動(dòng)互聯(lián)網(wǎng)的船票，并高價(jià)賣給阿里巴巴后，從此小鵬變大鵬。
“大鵬一日同風(fēng)起，扶搖直上九萬里。”
每個(gè)10年，何小鵬似乎都會(huì)遇到重大的人生關(guān)卡。
剛好又過了10年的現(xiàn)在，何小鵬被問到，智駕領(lǐng)域是否已經(jīng)有贏家時(shí)，他直接回應(yīng)：
國內(nèi)沒有一家車企拿到船票。大家都有機(jī)會(huì)。
從銷量變現(xiàn)來看，小鵬汽車并不占優(yōu)。2024年第一季度汽車總交付量為21821輛，較2023年同期的18230輛增長19.7%。這成績在造車新勢力中，都并不突出。
但現(xiàn)在賣得好的，不代表能力強(qiáng)，汽車行業(yè)是個(gè)長線的競爭，而不是短期一兩個(gè)月的銷量。
何小鵬，有友商所不及的底氣。
小鵬汽車是家很特殊的新勢力，它的技術(shù)形象已經(jīng)支棱起來了。
對于行業(yè)發(fā)展預(yù)期，何小鵬很堅(jiān)定自己的判斷。
“上一個(gè)10年，是新能源汽車的時(shí)代，下一個(gè)10年，是智能汽車的時(shí)代。”
何小鵬思考上，有了一些重大變化，今年以前，他還認(rèn)為中國的全無人駕駛還要好多年，他看不出來還要花多長時(shí)間。完全無人駕駛要解決的問題太多了。
但在今年，小鵬汽車端到端大模型開始上車測試，何小鵬看到數(shù)據(jù)后，覺得機(jī)會(huì)就在不遠(yuǎn)的將來，在數(shù)年內(nèi)也許就會(huì)看到，更強(qiáng)力的無人駕駛的到來。
小鵬知道船票在哪里
在這樣的背景之下，小鵬汽車率先提出了“無AI不智駕”。
小鵬發(fā)布了，國內(nèi)首個(gè)量產(chǎn)上車的端到端大模型：神經(jīng)網(wǎng)絡(luò)XNet+規(guī)控大模型XPlanner+大語言模型XBrain。
無AI不智駕，難道過去的智駕，就沒用AI嗎？
何小鵬告訴我們，含AI量真不高！
簡單來說，傳統(tǒng)的自動(dòng)駕駛，是模塊化的，例如泊車、等紅綠燈、無保護(hù)右轉(zhuǎn)、出高速匝道等等，分成一個(gè)個(gè)子模塊，靠著人工定義規(guī)則。
試圖用“窮舉法”，覆蓋自動(dòng)駕駛的所有場景，然后一有事故遇到bug，就立刻打上補(bǔ)丁，比拼的就是人力。
為什么傳統(tǒng)的智駕模式走不通了呢？
何小鵬給了具體的概念：較為穩(wěn)定的傳統(tǒng)量產(chǎn)智駕系統(tǒng)，大約有10萬條左右各類人工定義的規(guī)則。但依舊達(dá)不到L3，體驗(yàn)也參差不齊。
經(jīng)過測算，一個(gè)無限接近人類司機(jī)的自動(dòng)駕駛系統(tǒng)，大概等效于10億條規(guī)則。這得好十幾代程序員持續(xù)掉頭發(fā)，不停敲代碼了。
小鵬汽車意識到了傳統(tǒng)自動(dòng)駕駛方法的局限，最終祭出了端到端大模型，去提高能力的上限！
小鵬汽車自動(dòng)駕駛中心負(fù)責(zé)人李力耘，在端到端大模型中，發(fā)現(xiàn)了AI的魅力。
他表示：AI能夠真正突破以前10萬+行級別代碼的能力上限，或者實(shí)現(xiàn)無上限規(guī)則的能力。
為什么呢？
因?yàn)锳I天生能夠在一個(gè)非常有不確定性、非常模糊、非常需要博弈的空間里，找出一個(gè)非常好的解。
XBrain側(cè)重于整個(gè)大場景的認(rèn)知，XNet側(cè)重于感知和語義。
