「最近又坐我们的车了吗？」专访才刚开始，彭军就希望帮我约一台全无人运行的Robotaxi，以便和去年的难点场景表现做一下对比。

(资料图)

因为他认为，「讲再多技术方法论，也比不过实际体验。」

如今的小马智行，包含Robotaxi、Robotruck、POV（乘用车智能驾驶）三条业务线，其中POV的辅助驾驶软件方案「小马识途」因其商业变现能力、极快的发展节奏颇受关注。面对这条竞争愈发激烈的赛道，结合时下热门的城市NOA、去地图化，以及未来无人驾驶等话题，小马智行联合创始人兼CEO彭军均分享了自己的见解。

如何「正视」城市NOA？

根据小马智行的规划，小马识途的高速NOA+记忆泊车方案会在二季度上市，城市NOA+自主泊车方案也会在今年晚些时候推出。

虽说城市NOA已不算什么新鲜概念了，尤其在智能车品牌之间，该功能几乎已成为竞争必需品。但直到目前，用户对各家城市NOA系统的表现评价仍然褒贬不一。整体来看，在使用该功能的过程中，多数时间还需要驾驶者精神高度集中。

对此，彭军认为，城市NOA所面临的挑战，恰恰体现了自动驾驶分级，以及设置ODD（运行设计域）的意义——不同的驾驶能力，要用在不同的场景和道路上。

「不能用L4的标准去看待NOA，因为它们是完全不同的物种。目前的城市NOA主要还是适用于城市主干道等相对规整的道路上，在狭窄混乱的小路上很难落地。」

他认为，车企或方案供应商正面临两种选择：一、以60分水准拓展更多的区域和场景；二、在限定区域内将体验做到无限接近100分。而小马智行选择的正是后者。

「能否明确责任，是目前自动驾驶的市场化短板之一。与其说将100%的场景做到40分，还不如将40%的场景做到100分，也就是在明确的场景中将责任完全转交给机器。」彭军表示，只有让机器能达到像老司机一样的水准，才能体现出真正的辅助价值。

对于小马智行等路径相似的自动驾驶公司来说，「以L4赋能L2」是它们一贯强调的优势。而小马智行方面也曾表示，POV业务可复用70%的L4自动驾驶算法。

但彭军也强调，虽然L2和L4对于安全、舒适，高效的理念都是一样的，可「70%的复用」并不是说有70%一模一样的代码。「全无人驾驶的要求是，能够处理任何极端情况，这与L2还是有较大的不同。」

彭军介绍称，小马智行所运用的「伸缩网络」架构，可在同一套代码、同一个模型下，根据不同的算力做一定的减值，以提高复用性。

伸缩网络要达到的效果就是，「不管是纯视觉方案的高速NOA，还是带有1-3颗激光雷达的城市NOA，用户的驾驶体验都应当是一致的。」而为了保障这种体验感，小马智行的城市NOA系统，初期针对的场景会倾向于主干道等路况较好的区域。

目前，市场对L2的需求处于爆发期，可相关功能至今还没有标准，每家车企都有独特的定制需求。彭军认为，这恰巧提供了机遇。

在彭军看来，L2的实现要比L4容易得多，且目前其实也还处于「从无到有」的过程中，很多用户对其中差异仍不甚清晰。「今天大家还只是『吃饱』就行，但一旦开始要想『吃好』的时候，就能看出每家的差距来了，也就会迎来大洗牌的过程。」彭军说道。

行业面临问题，但不必悲观

尽管POV业务备受关注，但彭军还是一直在强调小马智行的「以终为始」理念——相信用机器完全替代人类驾驶，是唯一的终局。

不过谈到这里，就很难回避一个话题，那就是所谓的「自动驾驶寒冬」。

从年初谷歌及Waymo的裁员，到Argo AI的倒闭，再到近期Cruise召回300辆Robotaxi，接连的事件似乎已形成了一种行业的负面现象。

作为局中人，彭军觉得这主要是由于大家在初期对自动驾驶的期望过高，如今感到了落差，但这并不应被过度解读。

「首先，谷歌裁员的幅度很小，而且是对公司整体政策的执行。如果将其比作一个行业遇冷的标志，未免有点夸大。」彭军认为，虽然大家对无人驾驶的落地进度有所质疑，但更应该看到自动驾驶近两年取得的巨大进步。

「如今我们已经做到全无人Robotaxi了，Waymo和Cruise也已经做到了。另外再看如今的城市NOA，虽然体验还需改进，但在两年前它根本都不存在。」他表示，行业在发展进程中必然会暴露一些问题，但总体来看，行业进步还是显而易见的。

如今，小马智行的Robotaxi数量已达到近300辆。但是要达到这样的量级，也经历了谨慎的考量。尽管迭代速度较快，但在逐步扩大车队之前，也需要进行反复验证。

近期Cruise遭遇的召回风波，召回数量刚好也是300辆。对此，彭军表示，虽说这是新生技术发展的必经过程，但这也说明在实现「大目标」之前，要先做好任务拆解。「在产品还没成熟的时候，不应该快速做到300辆的量级，而是应先做30辆车进行验证。」这种谨慎，也正应对了小马智行「小步快跑」的发展风格。

Robotruck的落地挑战

其实，不管是POV还是Robotruck，说到底都是小马智行Robotaxi的能力延展。此前，由于场景相对单一，Robotruck曾被认为是更容易落地的项目，但彭军直言，Robotruck要想大规模商业落地，挑战也不小。

首先，重卡本身重量高达十余吨，其对安全性的要求实际上要比Robotaxi还要高很多。对此，他给出了几个数字。

「比如说，小车在城市路况下，平均大概3万公里就会有一次事故；而卡车平均行驶至少50万-60万公里才会有一次事故，也就是说卡车虽然面临的场景简单，但它对事故的包容度极低，对安全性的需求也是高一个量级的。」

所以，在简单场景下，为Robotruck做一个Demo很容易，但若要商业化落地，其安全性就要比一般要求高出十倍。另外，再考虑到跨省运营，以及在各省推进政策的难度，彭军认为，相比起大规模、长距离的高速运输，Robotruck可能会先实现部分场景化应用。

不过，小马智行还是选择了「Hard模式」，锁定干线物流，并在去年宣布与三一重卡成立合资公司，开展L4级自动驾驶重卡产品的研发、生产与销售，共同打造高端自动驾驶重卡品牌。

「我们一边依托于量产，一边依托于应用场景，在不断打磨技术。目前进展还是比较顺利的，预计今年之内会SOP。」彭军透露称。

「轻地图」没那么高深

「高精地图无外乎就是一个传感器。」

面对现在自动驾驶玩家们急于要摆脱的高精地图，彭军认为，不用将其理解得过于「高深」。

他表示，高精地图主要是对静态元素进行识别和「预习」，例如车道线、建筑等，这能让自动驾驶车辆通过时更加轻松。

彭军用拟人的方式，将高精地图的相关技术解释得非常通俗：「就像人开车一样，开在你熟悉的路上时，会更安全更轻松；但在陌生的路上，你也是能驾驶的，只是体验感不一样。另外，这时你可能会东张西望，这就意味着对算力和传感器的要求更高了。」

在他看来，高精地图的难点在于鲜度，不依赖高精地图也就是需要实时生成地图。「随着算力越来越大，其实实践起来没那么困难。」

从GPT热潮，看自动驾驶难点

如果说谷歌的裁员令人联想到AI的瓶颈，那ChatGPT则重新打开了AI应有的想象空间。它不仅重塑了人们对AI的现实认知，还将其可能性拓展到了各个领域。试图加入这股大潮的企业，也不在少数。

一些急于「上车」的玩家，第一时间就表达出对技术迭代的急迫感，也难免会有「蹭热点」的嫌疑。彭军认为这种现象可以理解，但急躁没有意义，因为只有通过产品体验，才能评价一家公司的实际竞争力。

「声称使用GPT概念也好，或其他超前概念也好，不能衡量出一款产品的好坏。我觉得没有任何用户会单纯因为多么高级的『方法』而购买产品，最终一定会落在体验上。所以在关注最新技术时，关注点必须是在结果上。」

在彭军看来，如果要做大模型，却不对长尾的低频事件增加权重，能力反而会越来越弱。「这就相当于学生在临考前，只用两天时间把基本题做完了，却没花两个月的时间去做低概率的难题，而后者才是拉开分数差距的关键。」

「实际上，如今自动驾驶的感知、预测，prompt learning等方式都与GPT有异曲同工之处。说到底，车辆也是根据感知到的情况进行不断学习，甚至也会为用户提供『意见』。」

不过，相比于尚停留在软件中的AI系统，能够直接影响物理世界的自动驾驶，无疑是最复杂的系统之一。如果用形而上的方式来看自动驾驶系统，其设计需要覆盖全方位考虑。

「在AI系统中，既有过程导向的系统，也有结果导向的系统：例如AlphaGo之所以下棋不讲套路和定式，是因为其设定是只看重结果，不在乎过程；而ChatGPT则对过程的要求很高，力求每一次都能有很好的对话。」

至于自动驾驶，则要结合两者：既要保证安全，也要提供足够的舒适度和高效路径……这就注定自动驾驶需要多维度的优化，而且会面临更大的难度和挑战。

当专访接近尾声，我们坐上了一辆小马智行的Robotaxi。实际体验全无人的自动驾驶车，比观看测试视频的感觉更加奇妙。

从主动鸣笛提醒，到让行、博弈、避障，控制速度……恍惚间还会令人以为司机就在座位上。不能说全程体验毫无瑕疵，可是相比去年的表现，确实已不可同日而语。

正如彭军所言，在交规框架下，自动驾驶其实还有很大的灵活空间，而这种灵活的处理方式，正能看出技术的区别与高下。

关键词：