隨著特斯拉 FSD 進入中國的消息越來越近，最近各家車企都在自家的高階智駕上上強度。不過沒想到，強度上得最猛的，是一向在智能駕駛上不聲不響的長城。

8D 重慶，20 個匝道的 5 盤龍立交橋、90 度直角轉彎的地下環道、35 公里連續直播、讓系統隨機規劃 NOA 路線…… 魏建軍的第二次 NOA 直播，就選擇了 hard 模式，給長城這套系統的感知、路徑規劃都提出了不小的挑戰。而且長城汽車智能平臺開發中心高級總監姜海鵬還放話說，「長城的智駕水平，在國內可以排名前三」。

長城的智駕是突然開竅了？

帶著這個問題，前不久我們參加了關于長城智駕系統的內部溝通會，來看看長城的智駕水平究竟是不是真的能做到「行業前三」？

如何實現的？

用端到端大模型給智駕提速

先來看看長城這套全場景 NOA 是怎么實現的。它背后的技術就是長城的端到端智駕大模型 SEE。

「端到端」可以說是今年智能駕駛圈的當紅炸子雞，在 2024 年還沒開始「端到端」的智駕玩家，有點慢半拍了。

所謂的端到端，就是用深度學習網絡，代替原本感知、決策規劃、控制各環節上百萬條規則指令，讓系統通過深度學習網絡和大模型，學習人類開車的行為。這樣，信息傳遞的效率更高，智駕系統也能更像人在開車。

不過，目前各家訓練模型的效果遠達不到「感知進——決策出」這種一體化效果，各家車企主要是把各個模塊分別模型化，比如端到端感知、模塊化端到端，再用人工規則接口把各模塊連起來。

具體來看，長城這套端到端智駕大模型 SEE，把感知、決策、規控各模塊全鏈路一體化整合，同時也保留了部分人工規則，來做安全兜底。

這樣，在 NOA 直播中類似于遇到鬧市區沒有車道線、提前避開實線變道、在隧道里窄車道轉彎等場景，可以處理的比較流暢。

除了技術架構外，影響端到端效果最關鍵的，是算力和內存、數據，以及未知的訓練效果。

從長城分享的信息來看，數據來自于長城用戶回傳數據和專業數采數據，目前累計真實用戶駕駛里程超過 2 億公里，已經生成了 20PBs 有效數據，訓練數據超過 1000 萬 clips 。

這個數據量可以做個比較：目前公布訓練數據量的車企并不多，之前理想曾宣布計劃在今年底達到 1000 萬clips，馬斯克也曾在 2023 年出分享過，「（FSD 訓練）到了 1000 萬個，就變得難以置信了」。這樣來看，1000 萬clips 這個訓練數據量本身還是不錯的，當然，智駕大模型訓練的效果并不是單純「量」的較量，對于質的要求更高。

除了數據外，算力也決定了模型的最終訓練效果。目前，長城藍山智駕版基于算力 254TOPS 的 Orin-X 平臺，保留了一個激光雷達作為安全冗余；長城的九州超算中心總算力規模達 1.64EFLOPS（1640PELOPS）：

長城的九州超算中心，1640 PELOPS

特斯拉 Dojo 智算中心，計劃 100000 PFLOPS

小鵬「扶搖」智算中心，600 PFLOPS

理想智算中心， 750 PFLOPS

吉利星睿智算中心，810 PFLOPS

華為車 BU 云智算中心 3500 PFLOPS

商湯絕影智算中心 12000 PFLOPS

百度 Apollo 智算中心，2200 PFLOPS

自動駕駛終局：端到端+場景識別

端到端究竟是不是自動駕駛的終局方案？

這個問題可能是目前行業里最大的分歧之一：有的人覺得端到端就是自動駕駛的終局；有的人覺得它只是未來眾多方案之一。

在長城智能駕駛團隊看來，端到端架構一定是未來的方向，但并不是唯一的終點。「終點一定要像人的大腦一樣思考，對場景有自己的理解。比如，當前面出現一個塑料袋時，人會選擇壓過去，因為人知道這是軟的，但目前智能駕駛系統做不到這個判斷，它只能判斷是障礙物，要么剎停、要么避障。」長城汽車智能平臺開發中心高級總監姜海鵬說。

也是基于這個判斷，目前長城這套智能駕駛系統，也是按照端到端大模型+場景識別來做的，這一點長城全場景 NOA 開城的進展也能看出來。

第一批，保定、深圳、成都和重慶， 8 月 30 日開放；

第二批，石家莊、武漢、廣州、鄭州、西安，9 月 30 日；

第三批，上海、杭州，蘇州，北京，天津，10 月 30 日

第四批，青島、濟南、佛山、長沙、長春，哈爾濱，11 月 30 日；

12 月 30 日，全國開放。

目前長城的全場景 NOA 選擇的是「城市白名單，場景黑名單」的策略：開放 NOA 的城市，全路線開通；只有遇到超出系統能力范圍的場景時，再把控制權交還給駕駛員。

這樣加大了 NOA 覆蓋的范圍，加快了高階智駕落地的速度，更關鍵的是，提高了 NOA 的連貫性，讓用戶使用 NOA 時的體驗更好，不至于只能有一段路可以用城市 NOA。

「當我們評價 NOA 水平時，不只是考慮平均接管率，也要考慮功能連續性。目前，行業里支持點對點的主機廠沒幾家。」也許正是因為點對點能力，姜海鵬會做出「長城的智駕水平在國內可以排名前三」的判斷。

最后

最近有一個說法，「2025 年將迎來自動駕駛的 ChatGPT 時刻」。

2025 年是否真的能迎來自動駕駛的 ChatGPT 時刻，這個答案也許沒那么確定，但是我們能看到智能駕駛正在逐漸進入快車道：

端到端+大模型技術路線，讓智駕在算法上更簡單，也更聰明；

車端算力的不斷升級，甚至下一代智駕平臺的上車，也給智駕系統提供了助力；

過去幾年里各家車企積累的數據，逐漸讓大模型訓練從量變向質變發展；

而越來越多用戶對高階智能駕駛的認識、了解、嘗試和選擇，消費者接受度的提升，也推動著智能駕駛發展。

正是因為這些因素，讓今年以來國內各家車企高階智駕的發展迅速，也讓長城的智能駕駛進展提速。

提速后的高階智駕，可能會帶來更多的驚喜，或者驚訝。

本文作者：米其林