另外我们在各种正式的文章或文件中看到的自动驾驶都是指L3-L5级别，而辅助驾驶才是L0-L2级别。
关于小鹏汽车的自动驾驶
小鹏在2022年9月17号，在广州首发城市NGP产品。
这款产品能够实现在城市场景下的导航辅助驾驶，本质上来说还是L2产品。目前能做到导航辅助驾驶这个程度，国内只有小鹏。
其实在小鹏做这款产品之前，做过用户调研。对于普通用户而言，有71%的里程都是发生在城市道路上的，更有 90% 的驾驶时间是在城市道路，100%的用户会途径城市场景。因此城市场景对用户的意义是非常重要的。
之前有人做过一个研究，真的想让用户为智能驾驶买单，用户场景一定要覆盖到平时使用场景的70%，才会觉得买这个东西是非常值得的。
城市NGP与高速NGP的对比：代码量是高速NGP的6倍，感知模型数量是4倍，预测、规划、控制相关代码量更是达到了88倍。
至此就是小鹏汽车认为的智能驾驶的上半场。小鹏汽车完成了用户平时驾驶最相关的多个场景的产品覆盖（记忆泊车、高速NGP、城市NGP).。
小鹏推出高速NGP后，用户有15%的时间在使用此功能；记忆泊车上线后提升了5%；增强版记忆泊车上线后又增加了百分之几的使用时间；城市NGP推出后达到90%的使用时间占比。下一步使用时长占比100%是要达到全场景NGP，小鹏这款全场景辅助驾驶产品内部代号为XNGP。
XNGP主要有两个点：一是全国都能用，二是全程都能用。
首先是全国都能用。城市 NGP 也好，高速 NGP 也好，以及其他公司的NOA产品（除特斯拉外），还是依赖到高精地图的。国内目前所有车企或者其它Tier1服务商提供的产品，都需要依靠高精地图。
高精地图生产周期长，采集困难，审核严格，无法做到全国及时覆盖，因此不依靠地图的重感知、轻地图的辅助驾驶急需推出。XNGP就是如此，不需高精地图即可实现完整的功能。
其次就是全程都能用，不论是何时场景，何种环境（极端天气除外）都可实现从车位到车位的完整体验。
实现全场景辅助驾驶是小鹏汽车未来两年最重要的工作。
支撑小鹏实现XNGP（全场景辅助驾驶）有两大方面，硬件，软件以及AI体系。
硬件方面小鹏汽车在NGP的配置算力从之前的30TOPS提升到如今的508TOPS，摄像头也有一个比较大的提升，足以支撑小鹏完成XNGP的开发甚至能够坚持冲向无人驾驶之前。
软件及AI体系方面，小鹏汽车引入了一款全新的感知结构，我们内部叫做.NET。
之前的 AI 系统，虽然采用多相机的输入方式，但是其实最终输入的是单张图片，这个图片就是静态的。当然它也能识别出来这个车子的大小是多少并标记出来。
.NET和之前的感知系统最大一个不同就是：它不仅是多相机的，而且是多帧的。说白了，它输入的不再是一个单帧图片，而是一个短视频。从视频里面不仅可以知道和我们交互的这些交通参与者的大小，位置，姿态，还能知道其具体的速度以及历史轨迹，从历史轨迹能去预测它将来的行动方向。
像人类一样去识别探测预测遇到的交通路况并针对此状况进行相应的博弈，实现多车道里的变道。这就是.NET的动态感知能力。
.NET还有一个特别牛的地方：静态感知能力也特别强。可以在不依靠高精地图的情况下通过感知得到的车道线，道路边缘斑马线等实时生成一个地图。因此XNET可以做到在无高精地图的地方使用。
有利有弊，.NET也有不好的地方：太吃数据。要让它跑起来至少需要几十万个视频，甚至一百万个视频。我们算了一下，让它跑起来需要标注2000人一年，即使我们有1000人的标注团队，也需要两年才能完成。并且这两年不能有更多的CORNER CASE进来。
我们做了一个全自动的标注系统，可以把原始数据、相机、图像、激光雷达等信息作为输入，将视频里出现的各种目标物的位置、尺寸、速度、加速度标注出来，且准确率比人工还高。但仍会进行二次检查。经过全自动标注系统的一个部署，我们之前的整个工作只需要十几天就可以完成了。
我们在去年八九月份我们和阿里一起合作做了一个当时全国最大的自动驾驶制算中心；扶摇，用来训练，AI学习标注之后的相关数据，仅需要11个小时就可以形成一个迭代。
现在越来越多的车企都在部署自己的制算中心，正是因为要进行数据的训练与学习。
训练的结果再部署到车子上，我们用的是Transformer架构。Transformer一开始光是动态.NET就需122%的Orin-x的算力，但经过重构优化后，现在仅需9%就可以完成。
相关阅读 >>
持久流畅！coloros 12系统亮相：搭载AI自流畅引擎2.0
微软将chatgpt集成到azure openAI服务中，每100
更多相关阅读请进入《AI》频道 >>
