[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范圍。動態范圍越大，那么智駕系統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生。

看到這里，可能有些網友會說了，智能手機上的HDR（高動態范圍模式）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別。

在解決一個工程問題的時候，通常可以從硬件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。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。如果想提升動態范圍，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范圍。

具體來看，LOFIC就是在傳統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，從而提升了動態范圍，在強逆光環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，從而提升了智駕系統的安全性。

除了解決逆光環境的問題，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，傳統的自動駕駛/駕駛輔助系統是由多個模塊組合而成的，例如感知模塊、定位模塊、路徑規劃模塊、決策模塊、執行模塊等。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。這樣做的優點是數據能夠無損傳輸，并且讓自動駕駛系統更加擬人化、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，目前行業中主要有三種端到端發展路線，第一種是通過大量規則小模型堆疊的 “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，高算力的優勢會使得智駕系統的上限大幅提升。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新，例如LOFIC技術就是特斯拉不具備的。特斯拉的優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展的速度也非�？欤�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�？欤�新車發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）