小鵬汽車

小鵬汽車的智能駕駛系統(tǒng)（XPILOT）硬件架構(gòu)非常先進(jìn)，最新的G9車型搭載了雙Nvidia Orin芯片，總算力達(dá)508 TOPS，并配備了12個(gè)攝像頭、5個(gè)毫米波雷達(dá)、12個(gè)超聲波雷達(dá)以及2顆激光雷達(dá)。其中兩顆激光雷達(dá)作為視覺感知的補(bǔ)盲傳感器使用，而非唯一依賴；高分辨率的攝像頭使其能夠遠(yuǎn)距離識(shí)別場(chǎng)景。

在軟件方面，小鵬采用模塊化的感知體系并結(jié)合端到端的規(guī)劃網(wǎng)絡(luò)。XPILOT多年來通過不斷迭代積累了大量路測(cè)數(shù)據(jù)，逐步優(yōu)化感知、地圖和決策模塊（可以看作“模塊化端到端”風(fēng)格）。小鵬特別強(qiáng)調(diào)基于高精地圖的NGP（導(dǎo)航引導(dǎo)駕駛）能力。

經(jīng)過多年的迭代，小鵬已經(jīng)在高速和城市場(chǎng)景下逐步實(shí)現(xiàn)點(diǎn)對(duì)點(diǎn)輔助駕駛功能，如在P5等車型測(cè)試中，其城市NGP功能的每百公里接管次數(shù)已接近高速NGP水平，表明這一技術(shù)正在實(shí)用化推進(jìn)。

此外，小鵬G9基于最新的X-EEA 3.0電子電氣架構(gòu)，采用千兆以太網(wǎng)作為通信主干，以支持自動(dòng)駕駛、智能座艙和OTA升級(jí)等功能?？傮w來看，小鵬的特點(diǎn)是重硬件投入（多模態(tài)傳感融合、高算力平臺(tái)）和快速迭代的算法升級(jí)，目標(biāo)在開放道路上實(shí)現(xiàn)更多城市駕駛場(chǎng)景的自動(dòng)化。

理想汽車

理想汽車的智能駕駛技術(shù)近年來也有重大突破。其新車型L9首次實(shí)現(xiàn)了對(duì)外宣稱的高速自動(dòng)駕駛，其硬件配置與小鵬G9相當(dāng)，搭載雙Orin-X芯片（總算力508 TOPS）和禾賽128線激光雷達(dá)。

軟件架構(gòu)方面，理想采用了“快慢雙系統(tǒng)”策略，使用端到端網(wǎng)絡(luò)負(fù)責(zé)低延遲的實(shí)時(shí)控制（快系統(tǒng)），同時(shí)引入視覺語言大模型增強(qiáng)對(duì)復(fù)雜場(chǎng)景的理解（慢系統(tǒng)）。理想過去一年通過在端到端模型之外疊加VLM，利用大模型來解析語義信息（例如交通標(biāo)志含義、行人行為推理等），以輔助端到端模型進(jìn)行決策。該方案在現(xiàn)實(shí)計(jì)算資源下仍占用了整顆Orin-X算力，雙模型的協(xié)同效率有待提升。

據(jù)報(bào)道，理想計(jì)劃在2025年下半年推出下一代VLA（視覺-語言-動(dòng)作）端到端大模型，將視覺和語言能力深度耦合，進(jìn)一步提升模型的多模態(tài)推理能力，并有望顯著降低人工接管率。理想的應(yīng)用場(chǎng)景主要以家庭高速游覽為主，也在測(cè)試城市道路自動(dòng)輔助駕駛，其特點(diǎn)是注重安全性（大量冗余傳感和算力備份）以及逐步向大模型方向發(fā)展。

特斯拉

特斯拉作為自動(dòng)駕駛領(lǐng)域的先鋒，目前已幾乎完全采用純視覺架構(gòu)。其最新硬件（HW4）集成了8個(gè)環(huán)視攝像頭，加上一些毫米波雷達(dá)單元（2021年后曾去除，后又部分恢復(fù)）以及兩個(gè)自研FSD芯片，總算力級(jí)別也在數(shù)百TOPS量級(jí)。與前兩者不同，特斯拉并不使用激光雷達(dá)和高精地圖，其規(guī)劃系統(tǒng)完全依賴基于深度學(xué)習(xí)的視覺和雷達(dá)感知結(jié)果。

2023年特斯拉公開的資料顯示，其最新FSD 版本采用了端到端的BEV占據(jù)網(wǎng)絡(luò)進(jìn)行路徑規(guī)劃。該網(wǎng)絡(luò)從多攝像頭拼接出的BEV語義圖中直接預(yù)測(cè)可行駛空間，從而生成車輛軌跡。這種規(guī)劃方法弱化了對(duì)事先道路拓?fù)涞囊蕾?，通過數(shù)據(jù)驅(qū)動(dòng)的方式學(xué)習(xí)環(huán)境語義，有助于多傳感器信息的融合。

特斯拉的應(yīng)用場(chǎng)景從美國高速公路一路擴(kuò)展到全球城市街道，其FSD Beta在有限條件下可完成復(fù)雜路口及高速匝道等任務(wù)?？傮w而言，特斯拉的特點(diǎn)是End-to-End First，系統(tǒng)設(shè)計(jì)簡化為幾層網(wǎng)絡(luò)聯(lián)合優(yōu)化，以大量實(shí)車數(shù)據(jù)驅(qū)動(dòng)模型迭代，不斷通過OTA推送來改進(jìn)駕駛策略，其決策機(jī)制完全由神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)實(shí)現(xiàn)，黑箱化程度較高。