堆料堆不出特斯拉

  上周，英伟达发布了算力达到2000TOPS的Thor芯片，直接把尚未问世的Atlan扼杀在摇篮里，这种卷死自己人的做法把业内人都看傻了，话音未落，另一大芯片豪门高通也发布了一款超算SoC，最高算力也达到惊人的2000T，用来挖币都绰绰有余。

  与此同步，近期国内扎堆上市的众多电动车，尤其是头部明星产品小鹏G9、阿维塔11、理想L9、蔚来ET7等，也把“堆料”玩到了新高度。

  上汽旗下的高端新能源品牌飞凡汽车推出的首款旗舰车型飞凡R7，在前几天上市时甚至自诩智舱界“屏霸”、智驾界“卷王”。

  英伟达Orin和高通8155刚刚随车交付，8295已宣布明年上车，下一代智驾芯片也呼之欲出，堆料和内卷似乎成了一种没有尽头的绝对正确。

  然而，当发布会的喧闹逐渐过去，人们开始冷静下来时，却不由得思考两个问题：我们是不是即将跨入一个“算力过剩”的时代？以后汽车行业竞争的主旋律难道就是“唯算力论”吗？

  过去两三年，虽然“软件定义汽车”的声音一浪高过一浪，芯片算力也从个位数卷到了千位数，但从真实的情况来说，硬件和软件、算法和数据早已形成了一个无法分割的系统，单独强调某方面的突出能力只会让自己会变得越来越偏科。

  比如，过分强调传感器数量和芯片算力，而忽视了算法能力的积累，就无法创造差异化体验，非常容易被消费者批为“智商税”或者是“无脑堆料”，反之，如果芯片算力不够，也无法为之后实现更高阶的功能提供硬件支撑。

  对车企来说，无论是追求高线束的激光雷达还是高算力芯片，本身都不是原罪，尤其是在汽车行业，软件升级能够最终靠OTA实现，但硬件升级就没这么简单了。

  因此，设计一套目前看来有些“过剩”的硬件组合是可取的，也是有必要的，但难就难在如何榨干它们的价值，避免让它们沦为摆设。

  市场一致认为Model S是第一款真正意义上的智能汽车，而这种智能化实际上和堆料并没什么关系，更多是靠软件层面的创新。

  在整车架构上，特斯拉改变了传统汽车单个功能与ECU（电子控制单元）的一一对应关系，将多个相似的功能集成到域控制器内，并通过开源的操作系统自研中间件，实现了软硬之间的解耦，为后续的OTA铺平了道路。

  其次，为实现iPhone般的全新交互体验，特斯拉采用了英伟达消费级的Tegra3芯片。

  结果就是，几乎所有的实体按键都被特斯拉一把干掉了，取而代之的是一块令人过目不忘的17英寸触摸式液晶大屏，在上面能轻松实现导航、音乐、上网、控制门窗开关与温度等一系列基础功能，而且还能像手机一样可以OTA。

  站在现在看，早期Model S的外观和续航固然令人眼前惊艳，但真正的颠覆式创新更多是体现在软件和算法层面，甚至能够说是它开启了“软件定义汽车”的新时代。

  但从2021年开始，汽车的智能化竞争逐渐演变成为了一场硬件端的军备竞赛，“人无我有，人有我多”不知不觉成了行业竞争的主旋律。

  2021年初，蔚来发布的ET7搭载了行业内第一个超过1000TOPS的计算平台，当年年底，沙龙机甲龙的发布会上，那句“4颗以下请别说话”的闭嘴名言又将这场竞赛推向了又一个高潮。

  遥忆2019年，一套普通的ADAS方案的传感器配置还是以前视的单目或多目摄像头为主，环车一周的毫米波雷达为辅，最多为了倒车再加两颗鱼眼摄像头和超声波雷达，算力最多不过十几TOPS。

  但到了2022年，传感器数量和规格暴增，小鹏P5和极狐阿尔法S HI版分别多达32和34个，高端车型用的摄像头也从当初的200万像素变成现在的800万，曾经用不起的激光雷达，如今也成了蔚小理们的标配。

  飞凡R7等甚至开始用上了4D毫米波雷达。2022年，不只是激光雷达装车元年，也是4D毫米波雷达元年。

  以英伟达为例，其供应给小鹏P7、P5的智驾芯片Xavier单颗算力仅30TOPS（每秒30万亿次运算），但给Xavier接班的Orin芯片单颗算力转眼就提升到了254TOPS，今年发布的Thor芯片单颗算力更是达到了2000TOPS的水平。

  座舱也成为军备竞赛的另一个主战场，各种大屏争奇斗艳，比如理想L9里面的三块超大屏，高合HiPhi Z里的旋转中控屏，岚图Free上的升降屏以及飞凡R7的43英寸宽幅真彩三联屏等等，各种奇技淫巧都被耍得淋漓尽致。

  然而，这些传感器都不便宜，以Orin芯片为例，单颗就要400美元，除此之外，车企还要为此研发复杂的算法，甚至是自研域控制器，耗时又耗钱。

  但另一方面，消费者是否愿意为此买单也是一个问号，所以问题来了，为什么车企还是要乐此不疲地去卷硬件呢？

  对于一款想要实现高等级智驾水平的车来说，堆料几乎是一条必经之路。一方面是因为中国的道路情况实在是过于复杂，另一方面也是因不同传感器都有其短板，没有一个全知全能的传感器。

  比如，摄像头虽能采集丰富的纹理和颜色等信息，但对距离的感知能力比较弱，而且受光照条件影响比较大，雨雪天气都容易阻挡视线；超声波雷达虽然便宜，但无奈感知距离非常短，只能用于倒车防撞等基础功能，毫米波雷达虽然探测距离比较远，但分辨率低，没办法识别静止物体，最好要有激光雷达来帮忙。

  因此，当下最好的办法是配置不同数量，不一样的种类的传感器，组成一个互补的感知体系，从而为更安全的辅助驾驶保驾护航。

  以刚上市的飞凡R7为例，全车搭载33个感知硬件，包括中国区首发的采埃孚Premium 4D成像雷达，800万像素摄像头等。同时还有Hella增强版远距离点云角雷达、超声波雷达和高精度地图等，让整车最高探测距离可达500米。

  在感知硬件层面，特斯拉则是为数不多的异类，仅靠摄像头和毫米波雷达去追求L4级别的无人驾驶，但即便是自研芯片和算法，特斯拉依然无法覆盖所有的长尾场景，导致安全事故时有发生，这也是国内车企想要竭力避免的情况。

  传感器增多之后，毫无疑问也会对芯片算力提出了更高的要求，这点和智能手机有相似之处。

  比如同样搭载了33个传感器的蔚来ET7，每秒产生的仅图像数据就达到8G，约等于一部90分钟的高清蓝光电影。

  而想要这一些数据能被及时传输和处理，高算力、低功耗的芯片自然就会成为刚需，所以蔚来ET7、小鹏G9、理想L9、飞凡R7等等高端产品都用上了单片算力达254TOPS的Orin芯片。

  其次，目前智能驾驶使用的是新型神经网络Transformer，比传统的CNN性能更强，但要求的算力也更高，大算力芯片与之非常契合。目前各个汽车品牌推动落地的无限接近于L3的辅助驾驶功能，正是基于大算力芯片才得以实现。

  除此之外，车载大屏也被认为是车企堆料“重灾区，但这件事却要客观看待，不能一棍子打死。

  大屏只是车内交互体验的一个载体。无论是屏幕尺寸、像素，背后的芯片算力，还是物理按键保留与否，都不能直接决定体验的好坏。

  实际上，决定车机交互体验的是多个系统级要素，包括芯片、算法、UI设计、语音语义的识别等，这些都是不可或缺的能力。

  从这个意义上来说，评价一款产品或一项技术的好与坏不能只看它用了哪些配置，更要看它利用这些配置做了什么？使用者真实的体验又如何？无论是座舱还是智驾，道理都是一样的。

  智能驾驶就是一个典型的观察样本，它也是一项系统工程。如果说高规格传感器和大算力芯片是一匹好马，那先进算法就是能发挥其潜力的好鞍。

  可行业现状却是，好马易得，好鞍难求——无论是线束过百的激光雷达，还是算力上百T的芯片，车企只要肯掏钱就能买到先进硬件。但一套足够先进的智能驾驶算法，却是有价无市，其中感知算法尤甚。

  智能驾驶通常分为感知、决策、执行三步骤，能准确还原周围环境的感知算法，是一辆智能汽车作出正确决策、控制的前提。但问题就在于，很难有感知算法能够兼顾安全、可靠与高效。

  当下，智能驾驶感知算法主要有两条路线，一条是强调发挥传感器主观能动性的后融合算法：摄像头、激光雷达、毫米波雷达等分别报告自己对探测物体的判定结果，系统综合传感器判断再来定夺周围环境的感知。

  但每类传感器囿于自身特性，看到的只是真实世界的一小部分，面对复杂、极端场景时，不同传感器的判断可能会“打架”，造成对物体的漏检、误检。

  对此，行业又发展出了中央集权式的前融合算法：各传感器只输出颜色、形态、速度等原始数据（即“只讲事实，不做判断”），系统将它们融合后再负责识别工作。

  但它也并非完美：不同传感器原始数据千差万别，需要开发新的框架予以容纳，并进行数据的时空同步，算法复杂度大增，对芯片算力的需求更高。

  此外，前融合算法也不能完全规避小概率误漏检，此时被剥夺了“判断权”的各传感器，又难以修正偶发的错误识别结果。

  由于上述种种原因，融合感知算法至今是智能驾驶行业的顶级难题。不过，工程难题总是会不断催生工程创新。一种兼采前后融合算法之长的全融合算法应运而生。

  今年，上汽飞凡汽车推出首款车型R7，在行业中首次搭载其自主研发的Full Fusion全融合算法。

  在全融合算法中，前融合与后融合算法各自并行，系统层面对两套算法的感知进行比对、采纳。这一方面发挥了前融合算法的高维认知优势，另一方面又保留了后融合算法的独立识别结果作为冗余。

  对智驾系统来说，这套算法更快、更精准地描绘了周遭环境；而消费者可以感觉到的，则是飞凡R7的RISING PILOT智能驾驶即使面对复杂十字路口、静止障碍物等高难度场景，也能精确感知，从容应对，驾驶决策更像人类。

  飞凡R7全系标配4D成像雷达，在自研算法加持下，无激光雷达版飞凡R7表现也不逊色，其能力在快速进化——半个月之内，飞凡团队将R7对静止物体避障的成绩从时速60km/h提升到了80km/h。

  全融合算法对高阶硬件的驾驭能力和挖掘潜力，让行业看到了高阶智驾提前到来的可能。

  但归根究底，无论全融合、前融合、后融合，同样离不开硬件支撑和数据训练，以及时间的力量。能否在市场端推出足够优秀的现货产品，才是检验智商税的最高标准。

  于行业，高阶智驾的时间逻辑更重要。对用户，智能出行的放心逻辑是前提。两者的共性在于，从追求硬件的超级，到关注体验的普及。

  2022年9月，小鹏城市NGP在广州试点，飞凡RISING PILOT初始版本即达到行业头部水平，交付即具备高速领航功能，年底前锁单还享受终身免费的智驾软件包。卡住行业数年之久的智能驾驶“L2墙”，终于在车端开始松动。

  相对而言，有智能手机产业的前车之鉴，智能座舱端的体验落地方向非常明确。卡住早年山寨机的教育，相比于彩电、冰箱的堆料，消费者更在意的是，车机能否拿出手机、Pad级别的丝滑体验。

  因此，北美才会有76%的消费者只考虑购买有苹果CarPlay的车型，华为鸿蒙座舱和鸿蒙OS成为各大品牌争相标榜的卖点，是“含华量”的核心指标之一。

  考虑物理按键党的情结，领克和福特电马将实体按键整合进大屏，推出了“屏幕+按键”的方案。

  更大的争议来自于，车机和手机的操作逻辑有本质的不同，手机能吸引用户的全部注意力做低头族，但适用于高速行驶场景的车机，更应该让驾驶者聚焦道路做抬头党，而不是分心。

  理想ONE率先采用副驾屏方案，新车普遍搭载副驾蓝牙耳机，飞凡R7还推出导航地图一键分享的副驾领航模式，主副驾互不干扰、分工明确。奔驰EQS、大众ID6、飞凡R7等搭载了 AR-HUD，让驾驶者始终能目视前方。

  综上所述，我们大家可以看到，在这场堆料的军备竞赛中，考验的不止是爆发力，更是耐力和潜力，后发优势巨大。近期上市的理想L9、小鹏G9、飞凡R7更是堆料界课代表。

  但疯狂堆料之后，能否在体验端更有料，避免工程端出乎意料，才能让我们消费者对智能出行更放心。在这一点，转身完毕的大厂新势力，似乎比“老新势力”们更有底蕴。

  眼下，智能汽车赛道杀红了眼，3、4款新车同日上市已不鲜见。面对激烈的竞争，堆料已是车企们打造差异化产品的必由之路。只是，如果车企为堆而堆，处于信息劣势中的用户就很可能不明不白地缴纳“智商税”。

  在这样的市场中，明智的车企已然放弃“唯硬件论”、“唯参数论”，转而将用户最终体验作为开发的金标准。

  这既是大势所趋，也是民心所向——肉眼可见的未来，智能汽车的硬件会逐渐趋于同质化，谁能做好智能驾驶的鞍（算法）马（硬件）匹配，为用户更好的提供真实的优质体验，谁才能掌握智能电动汽车竞争的主动权与护城河。

  毕竟，比起堆料和内卷，所有智能电动汽车品牌都逃不过的终极命题，不是对方，而是：生，死，特斯拉。

  2天后，特斯拉将举行AI DAY，人形机器人Tesla Bot 原型机，以及最新版本的FSD、神经网络算法、算训超级芯片都将发布。

  面对忙于屠龙油车，但终将调转枪口的特斯拉，无论比亚迪，还是蔚理鹏米们，亦或是埃安、极氪、飞凡们，都应该认清一个真相：

  特斯拉不是堆出来的，在特斯拉无暇顾及的边缘地带疯狂内卷，卷不赢特斯拉。对彼此隔空放狠话，吓不倒特斯拉。

  能打败特斯拉的，不是PPT，而是科技超过去、品牌冲上去、产品打出去。能检验蔚来ET7、理想L9、小鹏G9、极氪001、飞凡R7们是不是智商税的终极对手，有且只有Model Y和Model 3。