前段时间，长城汽车举办了一场关于智能驾驶及智能座舱的媒体沙龙， 长城汽车智能化副总裁吴会肖、AI Lab负责人杨继峰及智能驾驶高级总监姜海鹏等对媒体提出的诸多问题多了仔细的解答，在此，我们梳理出了一部分跟智能驾驶相关的内容，摘要如下——

媒体：长城汽车旗下的品牌和车型很多，这些车，不仅品牌调性不一样，而且，价位也不一样，那么，在做智能化时，如何实现品牌的差异化？

吴会肖：如果对不同车型采用同样的智能化配置，如何对存量车做OTA，会是一个非常大的挑战。因此，对不同车型的智能化水平做个序列，是有必要的。

就自动驾驶来说，如果算法可以被压缩，其对算力的需求是有可能下降的，但还是要符合技术的发展规律，所以，现阶段，自动驾驶还是会分为低、中、高不同档次。

姜海鹏：智驾方面，在上一代品牌/车型（已经量产的这批）中，我们更侧重于做平台化，并在此基础上构建数据闭环能力；但对下一代品牌/车型，自动驾驶功能的区隔就会非常明显。

比如，欧拉品牌的用户主要为女性，而女性对过于激进的驾驶行为是比较担忧的，针对用户的这一痛点，我们通过记忆路线的设计，让智驾系统对用户常走的路线有一些记忆，随着对路线越来越熟悉，在驾驶的过程中，系统就不会有特别激进的行为，从而让用户舒服、放心。

再比如，坦克品牌是强越野和“铁汉柔情”的结合，其主流用户的驾驶风格偏激进，因此，我们会将智驾系统的加速、减速参数设置得激进一些，让推背感、减速会来的更刺激一些。

再比如，魏牌因为是最高端的品牌，所以，我们所有的新功能、新平台都会在魏牌上先落地。

再比如，哈弗是一个普惠性的品牌，我们要保证，竞品有的（智驾）功能，哈佛都有。

媒体：智驾产品的规划和功能算法的部署，到底应该是基于人群还是基于场景？   我刚听下来，觉得长城的思路是基于人群。

我想说的是，尽管长城体系下面有非常多的品牌以及各种不同的车型，但其实本质上，智能驾驶应该会像我们考驾照一样，无论你开30万元的车和还是 10 万元的车，你都要基于同一套交通法规去练习啊。

所以，我觉得，智驾产品按照人群来定位是很难的，所以，你们内部在做智驾产品时，底层的思考逻辑是什么？

姜海鹏：我认为，智能驾驶的产品定义首先是基于场景，然后再基于细分人群。

为什么会先基于场景？因为，场景在很大程度上决定了成本——场景不同，整个架构、平台都不一样，最终，成本也会大不一样。比如，用一个几百块钱的摄像头就能实现常用的 L2 功能，但如果要进城的话可能就得需要1.5万甚至更高的成本才行。

再往下走，就是偏高速泊车等，只需要30 TOPS以内的算力就够了。

那么，基于场景设计的智驾功能，如何再适配不同细分人群的需求呢? 这是一个非常艰难的过程，但我们毕竟采集了很多用户的驾驶行为数据，有了这些数据，我们就可以针对性地调整应用层算法的标定参数——算法还是那一套，但标定参数不同，驾驶风格就可以实现差异化。

当然了，把算法提取到标定参数这一层是非常难的，你得知道哪些参数可以变、变了以后对对用户体验有怎样的影响。这一点，很多算法公司是做不到的，因为他们对车不了解，不知道哪些信号调了以后对于整车信号的影响是什么样的，但这恰好是传统车企的优势——我们现在量产的平台都已经做到了这点，新的平台也是按照这个标准在开发。

媒体：长城不仅品牌和车型众多，而且既用毫末的算法，也用自研的算法，那在具体的开发中是如何实现技术的平台化，从而提高开发效率的？

姜海鹏：在平台化开发的过程中，中间件发挥了至关重要的作用，因为，不同算力的计算平台上，跑的中间件是同一套，这样可以保证整车、底层芯片及外部算法的适配做到标准化。

现阶段，我们最重要的任务之一就是把这套中间件推广开来，在上面跑不同的应用算法。

在未来，我们也许会因为外部的算法资源，但中间件肯定还是这一套。

媒体：目前，蔚来和理想都用了Orin和J5两个算力平台，后面还会有Thor，且基于不同硬件平台的研发都是独立进行的。那对长城体系来说，以后有没有可能基于同一个统一的硬件平台做开发？如果不能，那么，在同时使用多个品牌的芯片平台的情况下，我们会怎样分配开发资源？

姜海鹏：除了特斯拉外，现在还没有哪家公司能够确保全系车型都能够用同一个硬件架构或者同一个系列型的硬件架构。

其实，从 Orin到 Orin X，再到 Orin，再到 Orin N，它是一个产品系列，但对车企来说，完全采用同一家供应商的同系列芯片，也会存在一定的风险。

媒体：在蔚来，NIO品牌和阿尔卑斯品牌的研发都是由不同的团队来做的，现在，NIO的研发团队差不多1600人，而阿尔卑斯的研发团队目标人数是2000-3000人，哪怕，长城会采用这种“两套班子，两套人马”的情况吗？

姜海鹏：就长城的体量来说，我们不打算这么做。我们还是想尽可能地追求通用化、平台化。

杨继峰：我们为什么要纠结“几套人马”的问题？其实，这个问题的本质是怎么样能更好地解决算法模型的多场景泛化能力。

过去，AI在每个场景下都需要用算法绑定数据、绑定计算架构，并且还需要有专门的团队去维护；但在下一个时代，我们会看到的是用同一个模型来解决多场景的问题。如Transformer 可以用来解决智驾的空间感知问题，也可以用来解决座舱的空间感知问题，还可以用来解决工厂的空间感知问题。

【未来，大模型的引入，将大幅度降低技术平台化的难度。——编者注】

媒体：智能化走在最前面的，主要是纯电车型，而长城目前销售价的车型中燃油车占比还很高，那长城对燃油车的智能化是怎样的态度？

我们后面会采取什么样的战略，是只对存量的硬件平台进行软件更新，还是在后续新的硬件平台里面也会把燃油车放进去？还是说，先用智能新能源车把整体的量带起来，然后再将技术应用到燃油车上？

吴会肖：首先我承认，燃油车做智能化确实比电动车难得多。比如说，燃油车做 OTA 升级的时候，先得考虑蓄电池的电量，根据电池余量来判断可以在什么时候升级；甚至，可能不能在冬天升级，因为，在冬天，蓄电池电流不够的问题会更严重。

当然，我们在燃油车上也搭载了高通的8155，并且，在此基础上实现的智能化，效果也还可以。

媒体：那我们今后会将新的EE架构应用到燃油车上吗？

吴会肖：会的。

媒体：对传统车企来说，如果在之前的组织模式下要去做智能化转型，效率会很低，那么，长城这边有没有一些组织架构更新的计划？

吴会肖：我们在不久前刚成了立AI Lab，但人员是从公司现有数字化团队整合而来的。我们的座舱团队，当前分布在8个城市，协同上还存在不少问题，现在也在做整合。

长城在十几年前就开始做智能化了，但随着技术的严谨，组织也在持续调整。

杨继峰：我在汽车产业所经历的组织，分三个阶段。

第一个阶段，是以车型交付为目的开发时代。在这个阶段，一个车型只要进入 SOP， 95%的开发工作就完成了，剩下的就是把它调优，然后交付。在这个阶段，车型开发团队在做完这一款车后就去做下一款车。

随着OTA的理念逐渐深入人心，没有OTA能力的车型被市场接受的难度开始升高，而为了降低OTA的难度，主机厂就得减少整车的系统版本。这个时候，车辆的系统开发需要更加关注平台化，让一个平台能支持多个车型的交付。相应地，组织架构也要适应平台化开发的需求去做调整。

我们刚成立了一个 AI   Lab 和空间算法实验室。因为，我们发现，下一个时代的AI开发，是整车数据驱动的，甚至，舱驾也可能是要融合为一体的，所以，在当前阶段，按域或按功能做平台化也许并不是一个好的思路。

今天，我们的算法团队是基于多个平台给多个品牌的车型做交付，但在下一个时代，这样的组织架构是不行的。因此，我们会站在一个更广的视角上建立系统和系统之间的关系，比方说，场景的数据标签就会同时被应用于自动驾驶的规划控制上、座舱的内容生成上以及动力管理和性能管理上。

媒体：我们可以理解为，您所在的 AI   Lab 算是长城的“ AI 中台”吗？

杨继峰：   在我的定义里，这个不只是中台，而是中台+前台。

我们这个团队还要对今天所有自研的 DMS、OMS、ABM 、语音等在智能空间上的落地应用负责。我们希望把整个 AI 数据能力、计算能力、算法能力和应用场景放在一个组织里端到端地去解决。

媒体：城市 NOH，我们明年开城的节奏大概是怎样的？

姜海鹏：首批落地的城市包括上海、北京和保定，后续会陆续拓展成都、广州这些一线城市，其次是准二线包括长沙、青岛、郑州这些省会城市。

明年的计划目标是 100 个城市，但这个目标很有挑战性，因为中国城市的场景确实差异太大。就拿红绿灯来讲，现在我们在北京、上海训练红绿灯识别的模型，采集的图片达到 500 万张。

媒体：有一个说法是大模型“参数量越高，可解释性越差”，那杨总怎么看待大模型的可解释性在智驾应用中的问题？或者说，在您看来，可解释性是不是一个问题？

杨继峰：大模型的可解释性问题，在算法开发层面和在工程落地层面，思路是不完全一样的。

在算法开发层面，试图用一个特别大的基座模型去解决多个任务，必然会带来可解释性差的问题；但在工程落地层面，我们其实是可以找到一些方法来解决或避开这个问题。大概有以下几种思路——

第一，在选择基座模型的时候尽可能选择一个可控性强的，而不是“能聊”的。

第二，用另一个模型来约束基座模型出错的可能性。

第三，不应要选择一个参数量最大的模型，也不一定要选择在多任务上跑得最好的模型，而是选择对解决特定场景的特定任务最合适的模型。

媒体：对端到端的自动驾驶大模型，如果加了很多约束，那它的结构还算是“端到端”吗？

杨继峰：做算法的人推崇的核心是高级，因为端到端模型显得特别高级，所以我们很推崇。但从量产的角度看，我们要在安全性能和用户体验之间找平衡，因此，所谓“更有高级感”的模型能否在一个可见的时间点把功能体验做好，是我们更需要思考的问题。

所以，我们还是要以终为始地定义功能体验，而不是去定义算法的高级性。

END

交流群 | 进“传感器群/滑板底盘群/汽车基础软件群/域控制器群”请扫描下方二维码，添加九章小助手，务必备注交流群名称 + 真实姓名 + 公司 + 职位（不备注无法通过好友验证）