为什么「车位到车位」能力变得重要？ 小米的车位到车位又创造了一个记录。 用 5 个月的时间小米做出了全国 NOA 。在不到 3 个月后，继华为、理想，小米带来了车位到车位。 ★车位到车位的能力基本是一个终极的NOA场景。 车位到车位后，智能驾驶没有其他可以卷的场景。但为什么叫终极场景而不是终极能力，因为背后实现难的并不是能力，而是背后的核心方法论。 过去思考车位到车位，我们更习惯解决的是车位的问题，也就是打通泊车最后的一公里，所以当时出现了一个技术叫做记忆泊车。 但记忆泊车有几个痛点问题，比如需要记忆路线，而且成本很高，系统容易奔溃。其次需要固定车位。同时体验还有断点，比如临近地库 NOA 会断，然后一般是进了匝机，才显示记忆泊车可用。 而小米思考车位到车位，是希望用一个通用的行车能力来实现车位到车位，未来有一个比较性感的考量，就是实现 FSD 的能力。不是用城区 NOA 和泊车两个不同域来交互切，而是用一个通用能力来解决。 ★这时候会带来三个非常重要的改变。 车位到车位不需要太强度依赖记忆。 记忆路线从过去的几何信息的方式，变成如今更像人的语义记忆方式。比如只要看箭头、看提示，来找路，甚至巡游找位。记忆成本变低，使用范围更大。 泊车位变成一个泊车环境。 泊车环境跟城区道路环境变成一个场景，只不过感知要攻克不同的难点，比如地库复杂的环境、有匝机、有不同障碍物、APA对识别精度有更高的需求，比如小米引入了 VLM 来做识别异形障碍物。但体验上看他们是一个技术栈，不会有断点。 从车位到车位延伸。 其实中国有大量特殊的无图场景，比如我们高速有收费站ETC、有地库也有开放停车场，比如我们进入各种内部道路，比如我们高速服务区中，都是车位到车位的应用场景之一。 ★据说小米车位到车位下一个大版本，也会马上来了。