从小鹏看自动驾驶发展趋势

 小鹏：端到端大模型量产落地，体验升级成下阶段主线

算法端方面，小鹏已实现了国内首个端到端自研大模型的量产。该模型基于分段式架构进行构建，整合了神经网络 XNet、规控大模型 XPlanner 以及大型语言模型 XBrain 三个关键组件。在数据闭环体系中，则通过全栈技术实现了对数据的精准处理、高效提取以及深入分析的能力，在测试环节实现了理论与仿真并行的模式以加速迭代节奏。云端计算资源方面，则储备达到了2.51EFlops水平。从研发投入角度来看，在智慧驾驶领域小鹏每年将投入35亿元资金进行研发工作，在其中7亿元专门用于算力训练以提升技术实力。采用端到端架构的小鹏系统于2024年7月提前完成无限XNGP全量推送任务，并于第一阶段实现了"全国可用"的核心目标，在第四季度计划进一步完善至"无门不扰"的服务标准，并有望在未来一年内全面达成用户"满意使用"的目标定位。值得注意的是，在产品演进过程中小鹏实现了由覆盖度提升向用户体验优化的重要转变,XNGP功能不仅获得了用户的广泛认可还进一步提升了用户体验渗透率,这将有助于推动产品销量快速提升并加速市场拐点的到来

1、 小鹏：端到端大模型量产落地，体验升级成下阶段主线

1.1、 智驾技术加速演进，XNGP 即将实现“门到门”体验

小鹏无限 XNGP 已成功在全国范围内实现道路通达，在即将迈入"门到门"的时代新篇章。小鹏高速 NGP 功能自 2021 年 1 月起陆续开展 NGP 功能的推送工作。2022 年 9 月 17 日,基于自研的智能辅助驾驶系统 XPILOT, 小鹏在广州试点推广城区 NGP, 成为国内率先开展城区 NGP 功能试运行的企业之一。随后于 2023 年 3 月,XNGP 系统正式迭代,先后在具备高精地图覆盖的城市进行领航辅助功能的开放测试,此时 XNGP 功能仍受限于高精地图的应用模式,尽管以此模式开发自动驾驶相对便捷,但道路覆盖有限导致用户体验不够全面。进入 2024 年后,小鹏采用无图智驾技术的无限 XNGP 向部分具备智驾经验的用户开展试运行,直至 7 月才完成全量推送,实现全国范围内均可使用该功能,并计划于本季度末全面实现"门到门"体验服务。从 launch 到完成这一系列技术突破仅用三年半时间,XNGP 技术的进步显著推动了小鹏端到端大模型技术的整体发展。

小鹏 2024Q4 实现真正的“门到门”体验

1.2、 端到端大模型拓展能力边界，智驾领军车企坚定布局

1.2.1、 分段式端到端大模型量产上车，XNGP 能力加强

国内首个端到端大模型量产上车。神经网络XNet+规控大模型XPlanner+大语言模型XBrain协同作用形成了完整的体系。在上一代的小鹏自动驾驶系统中仅有感知模块依赖于AI模型其余模块均为人工定制规则这一做法导致了大量人工定制规则的出现其在人力物力以及维护成本方面均存在明显劣势相对稳定的传统量产自动驾驶系统通常包含约10万至10万条的人工定制规则而无限接近人类水平的自动驾驶系统则相当于拥有10亿条这样的规则对于需要快速迭代优化的自动驾驶系统而言这种规模显然难以承受。基于此端到端的技术范式是指通过数据输入端与指令输出端实现完全的数据驱动让AI能够模仿人类成熟的驾驶行为从而实现快速迭代与成本降低。自2021年小鹏开始转向采用端到端技术其体系由神经网络XNet+规控大模型XPlanner+大语言模型XBrain三部分构成

小鹏端到端大模型由 XNet、 XPlanner、XBrain 三部分组成

X-Net：X-Net是一种多层次深度视觉感知神经网络架构，在静态X-网、动态X-网以及纯视觉2K占用网络的基础上进行了融合性设计。它类似于智能驾驶的核心感知系统。静态X-网配备有实时3D建模技术，使车辆能够摆脱对高精地图的依赖，并显著提升了适应复杂环境的能力；动态X-网则具备预测与博弈能力，在处理复杂交通场景时展现出卓越的表现；而纯视觉2K占用网络则利用摄像头捕捉的信息构建三维体素模型来规划可通行区域。通过这些技术的集成应用，在实际使用中能实现对现实世界环境的高精度重建，并显著提升了预测能力和行驶规划的能力。与传统方案相比，在汽车感知范围上实现了两倍以上的扩展，在覆盖面积上可达1.8个标准足球场大小，并能够精确识别超过50种目标物体。

小鹏 XNet 2.0 成功引入占用网络，感知范围、通用障碍物识别能力大幅提升

（2）规划大模型 XPlanner：XPlanner 采用神经网络架构设计，在长时序处理能力、多目标协同分析以及强大的推理逻辑等方面具有显著优势。该系统能够实现对持续性运动过程的精确建模，并根据实时环境反馈进行灵活调整，在输出最优运动轨迹方案的同时，“小脑形态”的特性使其核心功能可类比于智能汽车的核心控制单元。通过来自‘五星司机’群体的数据样本进行深度学习训练，并采用数据驱动的学习方法不断优化模型参数，在此过程中取代传统的人工编写运行规则的方式下完成代码替代工作。“小鹏智驾”系统通过智能化改造后，在真实道路场景下展现出显著性能提升效果：降低前后的衔接断层达50%，车辆违停及突然熄火事件减少60%，紧急情况下的应急响应时间下降40%

基于神经网络的 Xplanner 具备长时序、多对象、强推理的特点

（3）大语言模型 XBrain：XBrain 的核心功能是赋予智驾系统类似于人类大脑的学习与理解能力，在应对复杂场景以及未知环境时展现出强大的泛化处理能力和全局性的逻辑推理能力。通过 XBrain 的赋能作用，在准确识别待转区、潮汐车道以及特殊车道的同时还能清晰解析路牌文字等信息，并快速理解并掌握各种令行禁止、快慢缓急等行为指令；从而实现安全与性能的平衡优化，并进一步提升安全与效率的平衡水平。小鹏汽车基于此开发出的智驾系统能够精准识别周围环境中的各类障碍物与交通标志，并在此基础上做出相应的反应与决策。

利用大模型，小鹏智驾能“看懂”更多路标等信息

该系统采用逐步渐进的演进方式，在架构设计上实现感知、策略与规控的有机统一。整合于统一的 Transformer 框架中，在保证足够解释性前提下持续优化各模块间的协同效率。该系统可划分为三大部分：基于分段式模块化设计的具体实现方案。参考相关汽车技术创新资料可知，在算法架构选择上采取分段式技术相较单一One Model方案具有显著优势：从数据需求层面来看，在智驾场景下至少需要300,000辆量产车提供训练数据以上；而基于传统One Model方案则可能需要数量级更高的资源支持

1.2.2、 端到端大模型下迭代速度显著加快，助力体验升级

随着“端到端”战略的推进，小鹏智驾的迭代速度显著提升。自2021年1月起，小鹏高速NGP功能开始推送，并于同年启动“端到端”范式转型。经过约两年多的时间后，在2023年11月正式推出XNGP无图功能并实现城市级覆盖。而仅仅8个月之后的第56个AI日（5/6），小鹏宣布实现国内首个全场景大模型量产。自全球发布以来仅需7个工作日便完成全部版本更新，并累计实现至少35个版本升级。

端到端技术的使用使得小鹏自动驾驶的进步大大加速

AI 智驾时代，庞大训练数据是智驾能力快速迭代的底座。

基于折算超过十亿公里的实际视频训练数据（今年五月份），以及超过七百五十六万千米的实际行驶里程测试（今年七月份），还有超过二点一六十亿千米的仿真模拟测试（今年五月份），小鹏汽车所开发的端到端大模型系统能够在'每隔两天发布新版本、每隔两周推出体验升级版'之间实现无缝衔接，并预计将在未来十八个月内实现智能化程度较前一阶段提升了三倍以上。值得注意的是，在除上述实车数据外的数据来源中也采用了一定比例的仿真合成数据辅助小鹏在端到端时代训练过程中克服了数据不足的问题。

对数据的清晰处理以及高效的挖掘和解读是小鹏高效迭代的重要抓手。

纯数据驱动的神经网络算法要实现升级迭代，数据闭环体系的构建是关键。通过收集实车数据、云端模型训练并结合仿真能力，自动驾驶算法的长尾场景应对能力将大幅提升。小鹏将数据闭环分为“数据收集、标注、训练和部署”四个环节，根据 2022 年小鹏 1024科技日数据，小鹏彼时已在近 10 万辆的小鹏车型上部署了超过 300 个触发器，形成了一个“全闭环、自成长的 AI 和数据体系”，全栈数据闭环能力使城市场景被动接管率降低 38%，仿真能力使小鹏能够创造出更多的长尾场景，保护程度能提升 4 倍，数据获取及算法测试成本将大幅下降。

实际运行测试与虚拟模拟测试构成了小鹏汽车训练的关键环节。通过全栈数据闭环优化,城市场景被动接管率降低了17.2%

1.2.3、 智驾领军车企，围绕智驾相关领域坚定布局

小鹏在自动驾驶研发投入、团队组织、云端算力、硬件自研方面坚定布局。

小鹏2024年将斥资35亿元于研发'以智驾为核心的AI技术'项目，并持续增长研发投入。

（2）在组织结构层面上，在 2024 年 1 月，小鹏依托智驾核心的 AI 技术团队突破了3000人规模，并吸纳了4000名专业人才。与此同时，在组织架构方面据消息来源显示，在未来一个月内小鹏将把算法研发的技术开发模块划分为三大专门部门：包括端到端 AI 模型研发部、智能应用开发部以及能源效率优化部。其中端到端 AI 模型研发部致力于推动从单体模型向全体系整合迁移；智能应用开发部则承担着技术落地的具体实施；而能源效率优化部则专注于提升系统运行效能

（3）截至今年7月的小鹏AI算力储备已达到2.51EFlops，在未来每年的算力训练投入将超过7亿元人民币，并且在当年达到峰值时将拥有超过7千张高性能计算训练卡片。

硬件层面上来看，在过去两年多的时间里（自2020年至今），小鹏就致力于组建专业的芯片团队，并于2022年正式与索喜达成战略合作关系。经过近半年的努力，在后端设计领域已取得显著进展：目前该团队已完成并已送检芯片，并计划于8月份即可完成回片工作。除了开发高性能计算平台之外，在智能化驾驶技术研究方面也取得突破性进展：成功推出首个集成了智能驾驶、座舱交互、仪表盘显示、网关通信和IMU传感器等多维度功能的驾舱融合式车载计算平台XCCP，并将其作为XEEA 3.5架构的核心计算节点。这一创新成果不仅实现了约40%的成本降低和性能提升约50%，还为后续产品开发奠定了坚实的技术基础

小鹏布局舱驾融合车载计算中心 XCCP

1.3、 XNGP 体验升级，智驾成小鹏“长期马拉松”关键

1.3.1、 阶段目标“全国都好用”，向“全球都好用”进发

XNGP正朝着提升用户体验的方向稳步前进。在小鹏天玑 XOS 5.2.0版本中,XNGP已经实现了对所有城市的全面覆盖。未来的目标则是让XNGP在每一个角落都能提供极致的使用体验。为了实现这一愿景,何小鹏提出了三条核心标准：无需限制任何城市,无需受限于特定行驶路线,也无需考虑复杂的路况变化。

（1）不限城市：不限城市范围扩展至全国各城市，在真正摆脱对高精地图的依赖后，推动高阶智驾技术向端到端大模型时代发展。仅满足"不限城市"这一条件的小鹏汽车耗时近20个月时间完成相关布局工作。这也是中国智能驾驶技术从依赖高精地图到实现全场景无人驾驶的一条重要路径。XNGP早在2024年初阶段就实现了在全国范围内任意地点行驶的能力，并经过半年以上的持续测试与验证工作。截至去年7月统计数据显示,XNGP累计测试里程超过756万公里,并通过全面的城市覆盖实现了智能化驾驶能力的提升

（2）不限路线：无论行驶方向如何，“能导航的地方”，都能实现 AI 智驾。“小鹏汽车经过两年多的努力探索后”，成功遍历了从城市快速路到所有公开道路的路网结构。

从"白名单"到"黑名单"的转变标志着小鹏开城方案的重大调整。在技术、成本、数据、时间以及政策等多方面因素的制约下，
通常情况下，并非所有城市都能实现"全域开放"，
而是采取"白名单式"策略，在城市内特定路段和区域向特定群体开放。
这种做法会面临自动驾驶系统尚未覆盖的复杂操作场景（如掉头与环岛），可能会导致城市NOA功能降级至LCC级别或被要求接管。
而采取"黑名单式"策略，在大部分情况下均能实现道路通行（除保密区域外），其余全国范围内所有道路均向全体用户开放。
在XNGP最新公测版本中，
AI代驾已经能够自动通过ETC收费站。
预计到2024年第四季度，
XNGP将打通包括ETC收费站、停车场闸机、园区内部道路在内的智驾"断点",
彻底实现'点对点'智驾服务体验。

（3）不拘一格：不拘一格即是说XNGP能够适应包括掉头、环岛以及狭窄小路等多种复杂路况，在各类复杂场景下都能实现无缝衔接的AI智驾功能。以往基于严格编程的人工智能辅助驾驶系统在面对环岛、掉头等复杂情境时往往只能依靠工程师编写大量相关规则代码来实现“事前适应”，然而这类人工编写的规则覆盖率极低且难以做到全面覆盖各类复杂场景。“眼中有路、心中有策”的大模型赋能使得XNGP展现出显著提升的“以眼养脑”学习能力，在环岛、掉头等多变场景下均能达到“边看边开”的理想状态并有效应对各类突发情况

XNGP 支持灵活应对各种复杂路况 小鹏汽车的智能驾驶技术目前处于全国应用效果最佳的第一阶段

通过端到端技术和无视觉化的解决方案助力自动驾驶技术的全球化发展。小鹏汽车正在推动XNGP技术走向世界，在7月份推出了面向全球用户的AI天玑XOS5.2.0版本，并邀请车主群体中的4千名用户参与体验。于8月15日正式向欧洲主要国家包括德国、挪威等十国发布。截至2024年已进入30多个国家和地区，并计划于2025年实现XNGP技术在全球范围内的全面落地应用

基于规则实现智能化驾驶对世界各国都存在普遍性挑战，在具体实施过程中会遇到诸多困难。突破'端到端'及'无图化'的技术瓶颈是实现全球化智能化驾驶的关键。

1.3.2、 从好用到爱用，小鹏销量拐点或将到来

智驾技术成为小鹏的核心竞争力之一。XNGP功能得到了用户的广泛认可。何小鹏指出，在过去一年中，随着智能驾驶技术的进步与普及，在过去一个月里有更高的比例选择了搭载智驾系统的车辆；这侧面反映出用户对小鹏在智能驾驶领域的持续关注与认可度提升。2024年7月数据显示，在城区范围内使用智能驾驶系统的月度活跃用户渗透率达到84%，而2023年6月的小鹏X9销量数据显示，在该车型系列中有高达71%的比例配备了更高阶的XNGP功能；当智能驾驶技术能够达到预期水平时，在不久的将来销量将出现关键性的增长拐点；目前正是这一变革的关键阶段；用户的认可度持续攀升

从常用到喜爱使用