小鵬汽車，剛剛把車圈端到端的“口水仗”推向最高潮：

520當天，自研的端到端智駕大模型上車，直接OTA推送給了用戶。

全球唯二，中國首個。

不論之前業內如何激辯大模型怎么上車、怎么爭論端到端技術范式，也不論發布會上紛紛攀比“遙遙領先”，現在小鵬的回應方式：上車、上路，交給用戶來評價。

直接的改變，是小鵬全系智駕體驗提升，官方給了明確的數據：

前后頓挫減少50%、違停卡死減少40%、安全接管減少60%

小鵬最新OTA的，是什么大模型？

這次OTA的新智駕技術體系，小鵬在產品、技術傳播口徑上出現了明顯變化：

不再講“AI定義汽車”，而是首次提出“AI智駕”、“無AI不智駕”。

以前的智駕，難道就不是AI嗎？

何小鵬告訴你，真的不全是。

傳統自動駕駛系統中，只有感知一個模塊用到AI模型，其余的模塊基本都是人工定義的規則。

這就造成兩個主要問題：一個是獨立模塊之間的信息是逐級傳遞的，在這個過程中必然會存在信息的丟失和誤差，而且前一個模塊的誤差會影響到下一個，多個模塊之間的信息誤差會不斷累積，進而影響到自動駕駛方案的整體效果。

第二個就是人為定義的規則，試圖用“窮舉法”覆蓋自動駕駛的所有場景，或者說出現一類問題，打一個相應補丁。

但問題是，幾乎不可能窮舉所有種類的交通目標和場景。

何小鵬給了具體的概念：較為穩定的傳統量產智駕系統，大約有10萬條左右各類人工定義的規則。即使這樣，功能仍然無法超越L2，體驗也是參差不齊。

而經過測算，一個無限接近人類司機的自動駕駛系統，大概等效于10億條規則。

這怎么寫？人力、時間、維護成本都無法承受。

所以，小鵬大約在2021年左右意識到模塊化、規則驅動的自動駕駛技術體系的局限性，開始轉向端到端的新技術范式。

簡單地說，兩個端分別指數據輸入端和指令輸出端，中間不再分成幾個相互獨立的模塊。通過完全數據驅動的模式，讓AI司學習人類成熟駕駛行為，看到一種場景，做出相應對策。自主且高效解決行泊場景中新出現的各類長尾問題，具備更快的迭代效率，有效降低開城成本。

小鵬的端到端大模型，有三個組成部分：神經網絡XNet+規控大模型XPlanner+大語言模型XBrain。

何小鵬特別強調，端到端智駕大模型體系下不是只有神經網絡，實際上目前也沒有任何一個玩家將整個體系完全AI化。

端到端體現在將感知、策略和規控統一在相同的Transformer架構下，模型有足夠解釋性的前提下，一體化程度逐漸提升。

比如XNet屬于三個神經網絡的整合，動態、靜態和占用網絡，讓自動駕駛系統如同裸眼3D，對現實世界中的可通行空間進行3D高真實度還原。感知范圍面積可達1.8個足球場大小，同時識別50+個目標物。

而同時，小鵬還引入了AI大語言模型XBrain，這相當于給了自動駕駛系統超越“感知”的“認知”能力。能夠認識待轉區、潮汐車道、特殊車道、路牌文字，秒懂各種令行禁止、快慢緩急的行為指令，進而做出兼顧安全、性能的擬人駕駛決策。

這樣一來，系統處理復雜甚至未知場景的泛化處理能力大幅提升，對真實物理世界的宏觀邏輯的推理能力亦是如此。

XPlanner同樣是神經網絡模型，作用類似人類的小腦，通過海量數據時刻訓練，使得駕駛策略不斷向擬人進化，擁有“老司機般的腳法”。

何小鵬透露，目前端到端大模型能夠做到“2天迭代一次”。在未來18個月內，XNGP的能力可以提升30倍（接管率指標） 。

這也是端到端的技術優勢之一，只要在穩定大量優質數據來源的情況下，就能以“一日千里”的速度迭代進步。

而在這樣的競爭中，小鵬首次明確智駕全棧“AI化”是最低門檻和標準：

“沒有AI”或AI含量不足的，都不能稱為合格智駕。

小鵬智能化，上了哪些新？

端到端智駕大模型，是小鵬最重要的更新。

不過體驗飛升可能還要過一段時間才能體現出來：

2024年第三季度，小鵬汽車的智駕即可實現“全國都能開，每條路都能開”。

2025年實現城區智駕比肩高速智駕體驗。

小鵬指的“每條路”，不局限于有地圖導航的路，還包括園區、小區內非標準、無地圖信息的路。

“城區智駕比肩高速智駕體驗”，何小鵬也給出了具體的標準：平均1000公里接管一次。

而在用戶看得到“摸得著”的智駕功能，小鵬也給了足夠多的新體驗。

首先是AI代駕，業內也有叫“通勤NOA”。小鵬的產品特點是“點到點”超長記憶領航智駕。僅需一次學習，系統便可生成定制化的駕駛路線，提供覆蓋全程的智能輔助駕駛。

單個用戶最多可存儲10條記憶路線，每條路線最長100km。

官方透露AI代駕已經可以實現“通勤路線0接管0降級”，而且還能記憶模仿不同車主獨特的駕駛習慣。

泊車場景也有進化。免遙控離車泊入，和迎賓出庫功能。整體可泊入車位提升3倍，泊車速度提升50%，側方位、斷頭位等復雜刁鉆車位也可一把到位。

智能座艙層面，車機平均幀率、首幀跟手性、觸摸響應速度均提升30%以上，應用啟動速度提升50%。

以前的語音助手“小P”，現在有了小鵬“全域大語言模型”加持，變成了“AI小P”，具備更高級別的理解能力和需求推理能力。體驗上最大的區別，是用戶從“給出指令”式的交互方式，變成“訴說需求”，AI小P準確理解洞悉，給出解決方法。比如，“一句“我有點冷”，即可理解用戶是否需要打開空調。

總體來說，整個汽車產業都在擁抱大模型，試圖把大模型威力是釋放到智能汽車的方方面面。但真正邁出第一步，有技術積累和產品初步形態，并且敢開放給用戶的，小鵬是第一個。

這一點被何小鵬反復強調，他認為這次OTA背后體現的能力和儲備，是小鵬下一個10年的關鍵。

何小鵬：端到端，越往后越難成

何小鵬這話，是把時間尺度放到今后10年的競爭中說的。

他的依據是今后的10年高階智駕會逐漸成為ABS、ESP這樣的車輛標配“硬實力”，沒有或者體驗不好，就賣不出去。

而保證這一核心能力的方法，非端到端不可。

技術層面的原因前面已經說過。何小鵬又從技術本質出發，給出了最新的判斷：

端到端頭部效應越來越明顯，越往后越難做成。

這樣的看法和業界普遍大相徑庭。

端到端興起后，業內再次躁動起來，很多人認為既然以往模塊化、規則驅動的技術體系要推倒重構，那就意味著所有人回到了同一起跑線——相當于F1比賽中“安全車”出場，優勢清零重置。

何小鵬也不否認這一點，他說現在還沒有誰拿穩了智駕“船票”，大家都有機會。

但從技術本質、業務模式和持續投入三個角度來看，后發的“追趕者”，和小鵬的差距會越來越大。

首先是技術本質，何小鵬認為“端到端自動駕駛技術范式，從0-1很難，很慢。但從1-100會非常快。”

具體體現在端到端模型本身對數據的需求量激增、可解釋性不好搞…以及技術體系切換的沉沒成本。

其次是業務層面，何小鵬再次提起了行業已經很久沒人提過的“升維降維”路線之爭，他認為：

小鵬的自動駕駛之路，一開始就是軟硬結合、由低向高走，這非常重要。因為自動駕駛量產落地，競爭的不是代碼能力，而是工程能力、泛化能力。需要投入巨大的車隊、算力和安全措施成本。

小鵬、特斯拉的相同之處，是從造車開始上手，逐漸積累了自動駕駛量產的車規流程、測試標定，以及十萬、百萬計的超大規模“路測車隊”——這些都是L4玩家短期難以實現的底層積累和konw how。

同樣，也正是因為小鵬需要持續開發、維護、升級量產智駕系統，而非只做展示型的Demo，所以從一開始，小鵬就持續花大成本投入AI基礎設施的建設。

何小鵬透露了一個具體數字：每年大概7億元，今后只增不減。

這樣的投入極高，不是傳統Tier 1靠賣給車廠軟件這種商業模式能承擔的。所以端到端也會沖擊重構自動駕駛產業鏈，何小鵬甚至直接判斷今后“普通Tier 1可能很難做”。

總結一下，何小鵬的意思其實是：

端到端給了所有玩家新的機會，但并不平等。小鵬押注并實現了領跑，這次賭對了。

這可能也是為何何小鵬是車圈唯一一個銷量起起伏伏，但依然成竹在胸的老板。

甚至當被問“怎么應對產品高度重合小米汽車競爭”時，何小鵬直接說：

現在賣得好的，不代表能力強。汽車行業是個長線的競爭，而不是短期個把月的銷量。