#新能源大牛说# 看到这张图，我不知道 蔚来 的人看到会有什么样的想法。 反正我看到我会觉得，这个图至少对于 nio 来说，看上去没有那么“美观” ，不冤。 首先我确实也不清楚，这个能力评估基于什么标准，所以下面都是个人的主观分享。 这里要展开讲其实上下的逻辑线会非常冗长，我可以简明扼要了一点点。 这里面有意思很有意思的细节：技术和产品。 产品面向用户，好与坏会有比较直接的体感；但技术就比较有意思了，它是托起好产品的基座，同时最不能被用户察觉。 这里大家可以看到一个典型案例：特斯拉 FSD 在国内的表现好吗？ 答案是：不好。 准确解释应该是，它不是体验不好，而是体验场景并没有国内厂商更丰富。 在国内厂商『全国都能开』的摇旗呐喊下，特斯拉似乎变成了「糟糕体验」的存在。 更有媒体老师向极越pr团队，表达了特斯拉 FSD 对比极越 ppa 就是垃圾。 德卤听到这句话就略显尴尬，如果说德卤是极越第一吹，阁下应该不会不服，但听到这个炸裂发言，也只能表示同意。 这是个小插曲，想表达的是，即使是这么专业的媒体老师，其实依然不好分辨技术和产品之间的微妙关系，以及特斯拉产品目前在国内的处境。 那就更别说大部分用户了。 当然这是由国内争气，和跨国别因素所带来的版本差异。 讲了这么多，到底想表达什么？ 特斯拉案例带来的核心是： 1、特斯拉底层的技术，包含算法、硬件设计/使用、技术理解、AI 能力、车载架构设计能力，都是全球仅有的强。 2、特斯拉做产品策略的优先级和其他公司有巨大的不同，就像座舱能力一直被国内吊打。 但最后我依然要来一句比较扎心的话：关于自动驾驶国内外的体验不同是因为国别区隔下的版本不同，特斯拉技术实力最强的；关于座舱，就是优先级没有那么高。 讲这个和 nio 有啥关系？ nio 和 特斯拉有着一个极其相似，但又处于不同环境中的技术、产品表现。 在蔚来的技术栈里（这里讲的是自动驾驶），布局和架构能力应该是国内首屈一指的，这一点其实很不好解释。 但我可以给你讲几个细节，在 nio 的 app 里用户应该可以看的的实时数据更新最多和最快，这源自于架构能力：领航换电的推送，这意味着对于记忆泊车这种低速场景的功能 nio 能搞定。 但遗憾的是，nio 并没有去做记忆泊车这个产品。 并且在 nio 的产品规划里，应该也不会有 记忆泊车 这样的功能了。 nio 的产品目标是，如果我能做好全域能力，并且全域能力包含 记忆泊车，我就全力去把资源投到全域能力的提升上。 这就像记忆领航、通勤模式、AI 代驾一样，它确实是一个有使用场景的功能，但对于企业来讲，你不能把它当成实现高阶城区能力的目标，而是要当成过程中的一环。 但在当前这样的竞争环境里，你不能老试图让用户理解你，这张图就是典型例子。 用户的视角可能就是，你有一个巨大的缺角。 —————————— 关于产品 我们看要分清楚自动泊车、记忆泊车和记忆领航三者的场景和技术区别。 从用户理解角度来看，自动泊车是比较好理解的，同时它涉及的技术复杂度相比较之下也会简化很多。 相对于记忆行车而言，记忆泊车 MPA（Memory Parking Assist）可以看成是停车场区域内的一个自动驾驶功能，可帮助用户按记忆的路线自动巡航并泊入车位或自动从车位泊出并巡航至泊出点。 通常情况下，考虑到记忆泊车实际是一种低速自动驾驶控制过程。 因此需要在记忆泊车过程中设置一定的设计运行范围才能保证其记忆建图和行驶控制具备可行性。 比如，从控制逻辑上讲在记忆泊车控制中如果遇到前方障碍物的情况，对于记忆行车而言，通常是采用刹车避障的方式进行障碍物躲避。 而记忆泊车则是通过转向绕行的方式进行障碍物躲避，从这一点上讲也是记忆泊车相对于记忆行车来说十分不一样的地方。 从整个静态ODD上看，我们的记忆行车通常是不需要考虑太多的极端的要素的。 只要不是传感器本身的限制和遮挡都可以确保记忆行车控制的可行性。 哪怕是类似内部道路、施工路段这类场景也可以不必作为ODD范围外需要考虑的要素。 因为系统会根据识别的结果进行适时更新，但匹配上记忆行车的行驶路径方案相对比较单一。 记忆泊车相关技术中，为了实现自动记忆泊车，一般需要先生成泊车地图，泊车地图一般包括停车路线和停车位。 根据生成的泊车地图，车辆可以自动按照停车路线行驶并停入对应的停车位，从而实现自动记忆泊车。 记忆泊车的六个主要子功能包含： - 记忆建图 - 智能泊入 - 沿途车位识别 - 智能泊出 - 运行过程中故障处理 - 动静态障碍物处理 - 视频监控等 其功能核心主要是在使用泊入及泊出前利用泊车（环视摄像头）或部分行车传感器（前视摄像头）进行记忆泊车的局部地图绘制，提前学习并建立智能泊入和智能泊出的路线地图。 建图完成后，用户需要使用所建立的地图驱动整个智能泊入、低速巡航及智能泊出控制。 且整个过程中，用户无需手动控制车辆，但不能离开座位，整个泊车过程需要用户监控系统的运行状态，必要时可对车辆实施制动或转向以接管车辆。 对于记忆泊车功能而言，由于考虑到传感器识别能力、系统控制能力等因素，通常是需要制定比较严格的ODD适用范围，并且整个控制过程中，驾驶员对于整车控制是可以随时介入的。 和记忆泊车系统类似，记忆行车实际上是一种针对自车车辆中预先记录的轨迹进行智能辅助驾驶的控制过程。 整个过程实际是包含低速巡航和辅助泊车的过程场景。 智能泊车控制过程在最后一定的时间通常是允许用户下车，通过手机短程遥控车辆过自动泊入车位的，这一过程需要从遥控泊车模块调动相应的控制过程。 而通常架构不统一的方案是，用两块芯片来区分行车和泊车。 TDA4、s32v 等都是常用的计算平台。 以典型的泊车算法处理芯片为例，整个记忆泊车处理流程分为两条主线：环视摄像头输入的数据通过TDA4上的VPAC模块进行ISP处理后，可以分两步进行分流，其中一路是通过C66模块中的两个DSP核分别进行前处理和后处理，同时C7x/MMA上完成神经网络的实时处理。 所以，架构统一的第一层是硬件统一，泊车和行车算法写在一个板子上；通过虚拟指令来切换调用具体算法能力。 个人分享，错立改。 #蔚来汽车#