[汽車之家 資訊] 您要問2024年車圈什么最火，小鵬P7+絕對算一個，新車在巴黎車展開啟預售，預售價為20.98萬元起，將于11月上旬上市并交付。但這是本文關心的么？當然…不是啦！作為一個以智能化作為主要賣點的品牌，端到端和純視覺智駕是我們關注的重點，小鵬P7+就同時配備了這兩項技術。那么這套鷹眼視覺方案究竟有什么過人之處，能讓小鵬如此自信地拋棄激光雷達，只用攝像頭呢？最近各家車企頻繁提到的端到端又是什么呢？下面就讓我們一起來看一看，小鵬今年又憋出了什么大招。

● LOFIC：解決純視覺智駕逆光場景看不清的小妙招

既然要了解小鵬的純視覺智駕方案，首先讓我們來看看目前在純視覺方案中存在的一個很關鍵的難題，就是如何應對逆光場景，這需要盡可能地提高攝像頭的動態(tài)范圍。動態(tài)范圍越大，那么智駕系統(tǒng)就能同時識別出車輛前方特別亮和特別暗的障礙物。設想一下，在一條漆黑狹窄的鄉(xiāng)村小道上，一輛開著大燈的小轎車和一輛沒開燈的摩托車并排走著，如果車輛的攝像頭只捕捉到了比較亮的小轎車，沒看到旁邊的摩托車，那么就容易導致事故的發(fā)生。

看到這里，可能有些網友會說了，智能手機上的HDR（高動態(tài)范圍模式）就能解決這個問題啊，為什么不用在車上呢？其實從思路上講沒有問題，在現如今的智能手機上已經有了一套較為成熟的軟件解決方案，就是通過多幀合成的方式來同時兼顧暗部和亮部的清晰度。當你選擇手機上的HDR功能時，手機會先后拍攝一張短曝光的較暗照片和一張長曝光的較亮照片，再各自取兩張照片中亮度適中的部分，合成一張照片，這樣就能獲得良好的逆光拍照效果。

不過這種模式如果應用在汽車上，所面臨問題是：不夠快�；蛟S大家在使用手機HDR功能的時候都會看到屏幕上“請持穩(wěn)手機”的提示，這是因為基于多幀合成的HDR模式需要較長的拍照時間，通常需要1秒甚至數秒，這個時間看起來不長，但是放在汽車上還是太慢了。例如汽車在高速路行駛時的車速為120km/h，每秒車輛行駛33米，如果智駕系統(tǒng)每張照片要拍一秒，那么路上所有的景物都會變得拖影和模糊，無法獲得清晰的圖片。即使真能拍清晰，一秒后的照片也無法滿足智駕系統(tǒng)對于視覺實時性的要求，在這個分秒必爭的應用場景中，提早半秒鐘識別出障礙物或許就是生與死的區(qū)別。

在解決一個工程問題的時候，通�？梢詮挠布�和軟件兩個方面去考慮。既然軟件解決方案無法應用在汽車智駕上，那么就需要在硬件方面動腦筋。小鵬這套AI鷹眼視覺方案采用了單像素LOFIC（橫向溢出集合電容）架構。對于視覺傳感器來說，每個像素都會有一個電容來接受光電信號，如果光線太強，電容裝滿了，反映到照片上就是一大片純白，看不清具體的細節(jié)。而如果光線太弱，圖像信息淹沒在傳感器本底噪聲中，那么圖片上只能看到一堆彩色的噪點，也看不清具體細節(jié)。如果想提升動態(tài)范圍，可以從兩個角度來考慮：1.降低本底噪聲。2.提升電容（滿阱）容量。LOFIC就是通過提升電容容量的方法來提升動態(tài)范圍。

具體來看，LOFIC就是在傳統(tǒng)的像素電容的基礎上增加了一個溢出電容，用于承接由高亮度光源產生的溢出電荷，從而提升了動態(tài)范圍，在強逆光環(huán)境下也能夠捕捉到清晰的圖像，這就是LOFIC最基本的原理，如果您看懂了上文的內容，那么其實也不難理解。當然，在實際工程應用中面臨的問題要復雜的多，還要考慮多余的電容帶來的制造難度、功耗增加和串擾等問題，要真正實現量產上車，對于芯片的設計和制造都提出了較高的要求，因此小鵬能夠做到把這項技術量產上車，還是展現出了一定的技術實力。

從小鵬官方公布的案例來看，LOFIC技術的加持能夠在大光差、逆光和暗光場景提供更清晰的視覺圖像，例如在即將駛出隧道時，由于隧道內和隧道外的亮度差距較大，因此傳統(tǒng)的攝像頭拍出來隧道外面是一片純白，而有了LOFIC技術的加持，就能夠看到隧道外的更多細節(jié)，從而提升了智駕系統(tǒng)的安全性。

除了解決逆光環(huán)境的問題，這套AI鷹眼視覺方案還在感知和識別速度方面迎來提升，據官方宣傳，這套鷹眼視覺方案的感知距離提升了125%，識別速度提升40%。此外，得益于端到端大模型量產上車及能力迭代，AI鷹眼視覺方案對視覺信息的利用效率比上一代提升8倍，整體計算效率提升了20%，響應速度提升了100毫秒，可實現與激光雷達方案同等的智駕體驗。那么下面就讓我們繼續(xù)了解一下，什么是端到端技術。

● 車企天天在講的端到端，到底是哪端到哪端？

或許大家在今年的各家車企發(fā)布會上都聽到了端到端這個新鮮的概念，那么究竟什么是端到端呢？首先我們要知道，傳統(tǒng)的自動駕駛/駕駛輔助系統(tǒng)是由多個模塊組合而成的，例如感知模塊、定位模塊、路徑規(guī)劃模塊、決策模塊、執(zhí)行模塊等。每個模塊負責不同的功能，它們之間會相互傳遞數據，但模塊之間傳輸信息是有延遲的，并且有可能在信息傳輸的過程中導致數據缺失，因此需要一種集成度更高的智駕方案。

而端到端技術能夠實現只用一個AI大模型完成從輸入端（感知）到輸出端（駕駛）的過程，不需要人為干預或中間步驟，而是通過大量的數據訓練，使得AI大模型能像人一樣“學會”駕駛，代替上面一大堆模塊的功能。經過訓練的端到端AI模型能夠把攝像頭、毫米波雷達、激光雷達等傳感器收集到的感知信息，直接轉換成轉動方向盤、踩下加速和制動踏板等駕駛操作。這樣做的優(yōu)點是數據能夠無損傳輸，并且讓自動駕駛系統(tǒng)更加擬人化、智能化，提升面對復雜場景的適應性。

對于端到端技術，小鵬的自動駕駛負責人李力耘舉了這樣一個例子，在傳統(tǒng)智駕中，工程師需要為車輛設計各種限速值，比如路口左轉限速，右轉限速，狹窄路段限速、高速匝道限速等，非常復雜，但是在應用了端到端技術之后，就不需要設置這些限速值，只需要用人類駕駛獲得的數據去訓練大模型，那么智駕系統(tǒng)就能“學會”像人類司機一樣在各種路況保持合適的速度。

根據李力耘的介紹，目前行業(yè)中主要有三種端到端發(fā)展路線，第一種是通過大量規(guī)則小模型堆疊的 “大模型”，第二種是“車端大模型”，即直接將端到端模型部署于車輛上，雖然見效快，但受限于車端算力，且隨著后期訓練數據量的增加，容易陷入瓶頸。最后一種便是云端大模型，其參數量是車端模型的幾十倍甚至數百倍，高算力的優(yōu)勢會使得智駕系統(tǒng)的上限大幅提升。小鵬官方表示，使用云端端到端大模型之后，智駕系統(tǒng)變道成功率提升了53%，繞行成功率提升了155%。

據悉，小鵬云端大模型的參數量將達到車端參數量80倍，通過大參數量的訓練，能夠盡可能地窮盡智能駕駛中的長尾問題，以覆蓋更多駕駛場景，使XNGP實現L3級的智駕體驗。小鵬表示，到2025年將會擁有10 EFlops云端算力，經過云端強化訓練后，車端大模型上限將大幅提高，擁有時間+空間理解能力。值得一提的是，理想在今年8月30日北京車展公布的云端算力是5.39 EFlops，年底計劃達到8 EFlops；9月24日智界的發(fā)布會公布的云端算力是7.5 EFlops；而10月底，特斯拉兩個超算中心的總算力高達88.5 EFlops，將用于訓練包括FSD、Robotaxi、Optimus在內的多個項目。

● 還有哪些車企應用了純視覺技術

提到純視覺，那么就不得不提特斯拉。特斯拉應該算是純視覺智駕方案的開創(chuàng)者，何小鵬此前也曾親自到美國體驗特斯拉的FSD，不過小鵬在“摸著石頭過河”的基礎上也確實有一些創(chuàng)新，例如LOFIC技術就是特斯拉不具備的。特斯拉的優(yōu)勢在于它的全球道路和駕駛數據量是全世界最大的，智駕大模型是需要大量數據訓練出來的，數據越多，智駕也就越智能，這也是中國品牌未來需要繼續(xù)努力的一個方面。

除了特斯拉之外，極越也是國內為數不多采用純視覺方案的車企之一。此前極越曾表示將與英偉達合作，高性能計算平臺Thor將于2026年量產上車，因此可以推測出極越未來將要采用的是上文提到的車端大模型。雖然小鵬表示車端算力受限，但是車載智駕硬件發(fā)展的速度也非�？�，因此這依舊是一種潛力很高的智駕方案。

全文總結：

在這個新能源和智能化大行其道的時代，各家車企的智駕和其他智能配置的迭代速度非常快，新車發(fā)布會上的各種新技術和新名詞也是層出不窮，相信屏幕前的不少消費者在面對這些新概念時都會感到“不明覺厲”、“跟不上時代了”、甚至覺得“故弄玄虛”，產生了懷疑的態(tài)度。針對大家的這些疑問，本文解析了小鵬P7+搭載的全新純視覺智駕方案和端到端大模型，希望對您的選車購車有所幫助。另外，此前在10月24日，小鵬正式發(fā)布了天璣XOS 5.4.0，除了智駕方面，在AI座艙、AI底盤和AI互聯(lián)方面也都有所升級，感興趣的朋友可以點擊藍色鏈接了解更多信息。（文/汽車之家 顏歡）