根据杰兰路发布的《2024年度下半年新能源汽车品牌健康度研究》显示，今年下半年，新能源车型在新车销量中的渗透率突破50%。过去以传统燃油车为主导的市场，正被新能源车所取代，中国车市的市场结构，已然重塑。  
  
而如果回顾国内新能源车的发展，可以发现主要经历了三个阶段：  
  
第一阶段，“三电系统”即电机、电池和电驱的技术突破，推动了中国新能源汽车从0到1的突破，但该阶段下的新能源车，更多面向的是B端市场；  
  
第二阶段，智能座舱系统的上车，让新能源车从代步工具，变为可以移动的智能终端，新能源车迸发出了强劲的增长趋势，C端用户逐渐成为新能源车的购买主力；  
  
第三阶段，市场参与者竞相技术升级，带动整体智能驾驶技术的发展，推动了新能源车市占率突破35%关口，开启第二次高速增长，也是如今市占率超50%的关键因素。  
  
可以看到的是，在当下的新能源车市场竞争环境下，是否具备高阶智能驾驶技术，成为“新能源车下半场”的胜负手。  

而仔细翻看这份报告的话，在一众新能源品牌中，问界荣获品牌净推荐值（NPS）、品牌发展信心指数双项第一；问界M9和问界M7分别荣获新能源SUV车型净推荐值第一和第三。  
  
此外，数据显示，赛力斯新能源汽车累计销量426885辆，同比增长182.84%，其中问界M9发布12个月累计大定突破20万辆，而在1月8日累计交付也突破了15万辆。一系列数据也进一步印证了问界的“有口皆碑”。  
  
而问界能够获得如此高的用户净推荐值NPS，离不开其拥有行业T0级别的智能驾驶技术。  

“车位到车位”，大不相同

当下的高阶智驾技术，已进入到了比拼“车位到车位”的新阶段，就连特斯拉，也在FSD V13.2版本中，跟随中国智驾技术的脚步，实现了“车位到车位”的智驾功能。  

然而，虽然目前国内外部分车企已经实现“车位到车位”智驾，但在技术路线，特别是体验上，却大相径庭。  
  
“车位到车位”做得好不好，主要看两个核心：一是体验连贯性，即在启动这个功能前，是否需要多次学习，学习完成后能否立即开启使用；二是产品完整性，即对于一些复杂起步场景，是否能做到全程无断点。  
  
目前，国内多数玩家的车位到车位功能，实现的前提是需要先“跑图”。  
  
也就是，要么需要提前把地库所有路线全部跑一遍，相当于给地库建一次全面、清晰的地图后，才能使用“车位到车位”；要么，就是要求用户按照系统要求，完成起点、目的地的车位驶入进口、驶出出口的路线学习（类似于行车记忆功能），即可启动该功能。  
  
当然，无论以上哪种“跑图”模式，系统都会结合用户常驾驶路线数据，通过静默学习，自动生成通勤路线的“车位到车位”。  
  
可以看到的是，这种“车位到车位”功能，非常繁琐且费时费力，从体验上来说，也对用户非常不友好。那么，有没有那种无需“跑图”即可实现“车位到车位”功能的高阶智驾系统呢？  

也有，那就是特斯拉的FSD以及问界搭载的ADS 3.0。  
  
ADS 3.0的“车位到车位”功能，能够完全适用于初次行驶场景，即用户在陌生路段不建图，也能全程使用智驾（包括问界ADS 3.0中新增的VPD代客泊车功能也是如此）。  
  
此外，对于“车位到车位”的具体解题思路也不一致：  
  
一种是国内多数玩家选择的“VPA+NOA+VPA”技术路径，即在停车场路段，驱动系统行驶的是记忆泊车/代客泊车模式，而驶入公开道路后，才会转变为智驾领航（NOA）模式，抵达目的地停车场时，再次转为记忆泊车/代客泊车模式。  
  
另一种就是问界ADS 3.0和特斯拉FSD这种，用一套模式打通全场景。即无论是在园区封闭路段、地下停车场区域还是在公开路段，SR界面一直保持智驾NOA/NCA画面，不会随场景变化切换软件系统。  
  
这两种解题思路最大的区别，就在于是否具备“全场景贯通”能力，全程体验无断点。  
  
除了前面提到的，部分玩家的车位到车位功能，需要切换智驾模式外，还有一些场景会出现“体验断点”的情况。  
  
譬如，遇到某些路段，因交通事故或封路，导致预定路线无法通行；停车场中固定车位被占用时，系统束手无策……这时，第一种技术路径的玩家，要么系统会直接退出，要么提示驾驶者接管。  
  
虽然这种“断点体验”，不存在安全隐患，但会极大影响用户的体验。  

而主打“全场景贯通”且“体验无断点”的问界ADS 3.0，却能按照人类的驾驶思维，对诸如封路、车位被占用、临时变更目的地车位等情况，进行处理。  
  
以问界M9上的ADS 3.0为例，在我们测试时，从始发地车位上就能直接开通车位到车位功能，即便是在通过收费闸机、环岛、复杂路段，乃至我们临时变更目的地车位，它都能方便、快捷、准确地处理和应对，期间不会出现系统退出、降级、切换、提示接管等情况，做到了真正的“全场景贯通”能力，保证了体验的一致性。  
  
特别需要注意的是，当“车位到车位”与“VPD代客泊车”两大功能结合时，问界ADS 3.0的“全场景贯通”能力也得到了全面加强。我们测试时发现，即便是目的地设定的车位被占用了，问界M9也能自动漫游，寻找空车位停车，整个过程就跟人类司机一样。  

“车位到车位”比拼的是“硬”实力

“车位到车位”功能实现的本质，其实是端到端智驾。  

“端到端”能够有效解决传统基于规控算法的智驾系统，无法很好解决长尾效应的问题。即基于规控算法的传统智驾，在自动驾驶过程中，无法解决那些发生概率较低但种类繁多的特殊场景所带来的潜在风险。  
  
不过，同样是端到端，为何不同玩家之间，会存在如此大的差异呢？  
  
那是因为，端到端智驾，重要的不是算法的端到端，而是体验的“端到端”。  
  
前文提到了，虽然国内不少玩家都能实现“车位到车位”，但在体验上却大不相同，而这背后就是各家的“硬”实力存在差异。问界搭载的ADS 3.0之所以会有更好的体验，就是因为在架构（软件）、硬件和云端算力（学习能力）三大“硬”实力上实现了领先。  
  
架构/软件  
  
端到端大模型，最理想的是传感器数据和车辆状态信息，在输入单一大模型后，直接输出车辆控制指令。  
  
但在实际操作过程中，由于一段式端到端大模型是一个完完全全的“黑盒”，其具备的安全性、可解释性与鲁棒性等问题，目前仍无令人信服的根本解决方法。这也是为何“端到端”会有“上限很高，下限很低”的说法。  
  
因此，业内玩家通常选用多段式端到端的架构方案，进而规避一段式端到端带来的“黑盒”特性，比如小鹏的端到端就采用了XNet+XBrain+XPlanner的三网融合端到端大模型。  

而问界搭载的ADS 3.0则去掉了BEV网络，采用GOD+PDP的端到端架构。  
  
在这套架构中，负责感知的GOD（通用障碍物识别）网络，已经从简单“识别障碍物”到深度“理解驾驶场景”的跨越式进步，从而全面提升了智能驾驶的安全性与驾乘体验；负责预测决策规控的PDP网络，实现预决策和规划一张网，从而实现类人化的决策和规划，行驶轨迹更类人，通行效率更高，复杂路口通过率>96%。  
  
此外，ADS 3.0还特别地引入了本能安全网络，这是问界的智驾系统区别于其它玩家最大的不同。  
  
所谓本能安全网络，类似于人类的手碰到火苗会本能地收回来，ADS 3.0的端到端网络基于安全优先，在处理更复杂的路况的时候，安全的应急处理能力也极为迅速和及时，守住安全的下限。  
  
就比如，很多车库上下地面的通道都比较狭窄，如果在转弯处，对向正好有车辆也在转弯，甚至可能还压线行驶。人类驾驶员遇到这种情况时，通常情况会采取停车观察、等待、通过一系列操作。但问界M9不同，只要右侧空间允许，便会自动向右靠，绕过对向车辆。  
  
这就是问界ADS 3.0智驾系统端到端架构的优势，即在类人驾驶的同时，又超越人类驾驶。  
  
硬件  
  
如果说架构是高阶智驾的灵魂，那么，硬件就是基础。硬件的性能、稳定性、兼容性等都直接影响到智能驾驶的可行性、可靠性、安全性等。  

从硬件层面来说，ADS 3.0采用的激光雷达+高清摄像头+毫米波雷达+超声波雷达的传感器融合方案，也是业内认为高阶智驾最安全、最可靠的硬件方案。  
  
激光雷达实现三维重建和精准测距，在恶劣条件下仍能准确捕捉物体信息；高分辨率摄像头获取视觉信息；毫米波雷达在极端天气下强化对移动物体探测；超声波雷达辅助近距离障碍物检测。  
  
此外，问界ADS 3.0所用的各项传感器，在技术和性能上，也要超过其它采用多传感器融合的玩家，就比如其它玩家普遍用的是126线或150线的激光雷达，而问界M9则使用了192线激光雷达（线程数量越多，能够探测到的环境细节就越丰富）。  
  
如今业内很多玩家的端到端采用的是无激光雷达的视觉方案。这种方案虽然有成本优势，但在智驾能力和对智驾安全的保障上却存在隐患。  
  
一个典型的例子就是，在复杂的夜间城市环境中，问界能够通过激光雷达与高清摄像头配合识别小目标，即便是雨雾天也能稳定工作确保安全行驶，还能在密集车流中精准操作。但“纯视觉”方案，由于缺乏激光雷达捕捉物体信息，无法准确应对复杂路况和恶劣环境。  
  
现在业内的共识是激光雷达是在极小范围的Corner Case中体现类似安全气囊的最后一道防线的作用。而问界ADS 3.0的多传感器融合硬件方案，能有效提升安全冗余，并为算法提供多维度信息，确保高阶智驾系统的可行性、可靠性、安全性。  
  
云端算力  
  
从技术来说，“端到端大模型”有三种路线：  
  
一种是通过大量规则小模型堆叠的“大模型”，其需要大量的优秀规则工程师；  
  
第二种是“车端大模型”，即直接将端到端模型部署于车辆上，虽然见效快，但受限于车端算力，且随着后期训练数据量的增加，容易陷入瓶颈；  
  
最后一种便是云端大模型（foundation model），其参数量是车端模型的几十倍甚至数百倍，这是单纯的车端大模型所不可企及的。  

目前，“端到端”智驾做得比较好的玩家，采用的都是云端大模型。因为云端算力强大的数据处理和分析能力，能够实时处理车辆感知到的海量信息，为智能驾驶决策提供有力支持，确保车辆在复杂环境中的场景理解能力和决策准确性，因此“云端算力”成为了“端到端”竞赛的胜负手。  
  
而在云端算力领域，2024年8月问界搭载的ADS 3.0已经从3.5EFLOPS，更新到了5EFLOPS，而短短两个月之后的10月就已达到了7.5 EFLOPS（按照余承东的说法，3.5E算力当时已经是中国第二名和第三名的总和），今年更是将扩容至10 EFLOPS以上。  
  
云端算力的高低，直接会影响用户“车位到车位”的智驾体验。  
  
一方面，云端算力更高，那么对于道路上遇到突发情况的处理，将会更快速、更准确、更安全，譬如前面提到的诸多“断点体验”，很大程度源于云端算力不够高。  
  
另一方面，与规控算法不同，端到端智驾的核心就是对于AI大模型训练，而想要训练AI大模型，就比如投喂巨量数据，云端算力更高就意味着处理、分析数据的能力和速度更强，从而拥有更为快速的系统迭代能力，在用户体验上则表现为对突发情况的预处理能力更强。  
  
另外，由于ADS 3.0的云端算力平台，使用的是自主可控的算力芯片，因此相比其它玩家主要从国外芯片公司，如英伟达处购买不同，问界的高阶智驾系统能够有效避免地缘政治、芯片制裁的影响，拥有更强的进化能力。  
  

依托行业领先高阶智驾系统，问界汽车通过持续迭代的技术、功能和不断扩大的应用场景，确保为用户提供不断升级的智能、安全、便捷的出行体验。  
  
而这，或许就是为何问界汽车，能够在以“智能驾驶技术”为主导的新能源车下半场中，占据领先优势的重要原因之一。