主持人（陈心怡）：尊敬的各位媒体老师和线上的媒体老师，各位嘉宾，大家下午好，首先我代表长城汽车热烈欢迎各位的到来，我是长城汽车企业平台陈心怡。

今天是我们长城汽车智能驾驶媒体沟通会，其实我们在4月15号的时候已经首次邀请魏总在保定做了一个城市智能驾驶挑战的直播项目，也相信各位媒体朋友们关注到了长城汽车其实埋头研发了很长时间的智能驾驶，其实今年也是要开始快速的去交卷的一个阶段。

时隔两个月之后大家应该也都注意到了，魏总又发了个微博，又开始预热这个周末30号的时候要挑战更有难度的，在中国数一数二的8D魔幻城市重庆，再去做更高阶的挑战。我们也是想借这个机会邀请智能驾驶明星团队过来跟各位老师分享一下这两个月以来，我们在智能驾驶又取得哪些新的成绩和进步。同时，这次也是邀请蓝山智驾版车型领导过来，跟大家聊一些我们产品方面的节奏和进展。

我不多说，介绍一下今天出席活动的领导，主要包括：

长城汽车智能化副总裁 吴会肖吴总；长城汽车智能平台开发中心的高级总监姜海鹏姜总，长城汽车智能平台开发中心的专家 吴国苏州；以及长城汽车魏派产品总监 刘鹏凯刘总。

我们先有请技术专家吴国苏州为大家分享一下我们智能驾驶技术的最新进展。

吴国苏州：我简单跟大家沟通一下关于长城智能驾驶这两个月内的一些动态更新和进展。

今天分享的内容首先是包括我们对行业趋势的一些认知和看法。另外我们今年在4月份向各位媒体老师介绍了我们SEE一体化大模型，这个模型在这两个月的时间内又有了一定更新和升级，包括功能和场景更新也会在这里跟大家分享。最后是各位关心的城市NOA产品开城的计划，也是大家更为关心的一个内容。

首先我们来回顾一下今年4月份我们发布的模型表现，（视频）这是4月份我们SEE模型在盘山公路连续开车情况，可以看到大转弯的角度和连续弯道的场景，智驾模型在当时已经表现了非常拟人化的驾驶表现。

实际上当时这个产品已经不是传统的基于规则决策和规划，它是带着人工智能决策的一体化大模型，所以它对于避障能力都展现了一定老司机的水平。像这样的垂直曲率变化的坡度，对现在的智驾系统也是一个非常大的考验，其实在当时整个算法状态能够很好的应对这样一些场景。包括路面上一些异形障碍物和通用障碍物的感知和避让，当时也都全部支持。

接下来主要和大家讲一下我们对行业趋势的一些看法。

实际上这两年智驾技术的进步非常快，各种新的名词也层出不穷，我记得在去年底的时候大家都还在谈论BEV+Transformer成为一个智驾的新范式，大家希望把这个东西搬上车，而在今年在几个月前各个主流的智驾厂商都纷纷开始宣传自己端到端技术。当然从现在本身已经量产的智驾产品来看，BEV+Transformer感知加上人工规则的决策规划，是目前的市场主流。当然这样的技术对于一些高速和高架NOA产品是没有问题的，但如果用2021年就推出的技术去挑战城市的场景会遇到非常非常多的问题，这也是我们看到为什么现在主流的厂商在开城的过程中快的大半年的时间，慢的可能几年时间，目前行业城市NOA的开发普遍需要上千名甚至几千名的工程师一个场景一个场景去写代码优化，从而导致开城的缓慢。这也是为什么人们在意识到智驾进入城区之后，传统感知决策规划的方法——这种分段式的方法，越来越不能适应城市场景的需要，并且上限很难提高。我们今天看用AI模型实现统一的感知，预测决策规划是一个必要的方法，也是为什么我们大家都在大力的发展端到端技术的一个根本原因。

我认为今年肯定是一个端到端到技术上车的元年，当然端到端技术本身是加快产品迭代，并且让处理每一个case解决的效率更高，但它并不是智驾终局。我们认为全场景自动驾驶，仅依靠端到端是不够的，对于通用场景理解是必要的技术手段。当前辅助技术向自动驾驶迈进，端到端和场景理解是一个必然的趋势。

第二，我们再来回顾一下SEE模型的背景，其实SEE是我们在今年4月份发布的一体化智驾模式。当时背景我们就是为了应对L2+的辅助驾驶由高速走向城市，需要处理无穷多的case，有各种人车混流的路段，且交通场景非常复杂。为了解决几乎无穷多的场景问题，而提出的一种技术理念和架构。它强调的是安全、高效和体验，在这样一个架构下我们主要干了三件事。

第一，算法架构相比传统算法分段式算法模块发生一定转变，我们用一体化大模型来解决大部分问题，我们相信随着数据量的增长，人工智能技术的进步，模型不断进化，能够更好的解决场景问题，而不需要靠几千人的团队来针对每一个场景去打补丁，这是我们的第一个措施。实际上现在火热的端到端技术理念，我们当时一体化模型就已经得到使用，只是在当时的情况下，毕竟这个模型不是完全端到端的，还有大量人工规则在里面，所以本着实事求是和相对于客观的态度我们还是称之为一体化大模型。

第二，我们觉得在当时的情况完全靠AI无论是技术还是，数据量在一定程度上都是有限的。如果仅靠AI做自动驾驶，对消费者其实是不负责任的，我们做了多层兜底。另外在一体化感知方面这块我们走在前面，用一个感知模型替代了多个模型加后处理的感知，我们智驾模型符合端到端理念，完全通过数据驱动使得智驾系统不断进步。

大家比较关心的一个点是SEE这个模型在端到端技术的应用。端到端的理念不是说一步到位的。行业里的智驾方案都是从分段式的架构开始的。最早模型化的是一个感知模型，而后面会有复杂的后处理和一个多传感器融合。和，最后才是大量人工编码的决策规划，我们称之为经典分段式的智驾结构。而在端到端的第一步是感知系统，它把前端感知和融合采用一个模型来实现一个BEV一体化感知，现在市面上大部分车型基本都实现了BEV感知的端到端，而在决策和规划采用人工编码的方式。

第二步是整体智驾算法的端到端，我们平时讲的端到端基本下面两种方式：第一种是现在普遍的做法，它是BEV一体化的感知加上大的决策规划和模型，把两段结果拼起来，主要依靠模型推理，通过传感器输入就能够实现驾驶轨迹的输出，我们称之为模块化的端到端。而完全端到端，不需要再经过中间的过程可以直接通过感知来输出驾驶轨迹。我们的看法是在现阶段完全的端到端实际上是一个很难训练的模型，并且实际上因为从头到尾都是黑盒，有很多不可预知的问题，通过人工规则对一些场景的修补也是个比较难的事情。而模块化的端到端，虽然技术上容易实现，但因为中间有接口，特别是人工定义的接口，会有信息传递的局限，也会导致性能损失。所以我们认为把两种技术全部都结合起来，那是现阶段一个比较好的方案。所以我们说的SEE2.0在这两个月内发生的升级，实际上结合了模块化的端到端和完全端到端的优点，既有直接输出驾驶的轨迹，又有感知加上模块化智能决策规划的结果，最后还有安全策略来给大家做兜底，保证智能驾驶拟人化和安全。在后面分享的片段里面我们可以看到这种能力的优越性。

大家都知道除了算法的升级，人工智能最重要的一个事情就是数据，我们通常认为从CNN算法到BEV算法到决策规划模型到最后的端到端，数据量是指数级的增长，长城汽车在过往项目里面也积累了海量的数据，我们在两个多月的时间内把用于训练的数据量进行了翻倍，有一百多台的研产车和大量的测试车在全国各个地方在跑，有大量的数据回传，并且做了数据处理来实现了模型能力的增长。

具体技术迭代升级我们做了四方面的考量：

第一，模型优化，在原有基础上把模型进行了一些优化和压缩，执行效率提升了20%，同时让模型做更多的事情。

第二，增加了近300万Clips的实车数据，进行了大量场景泛化工作，我们完成了全国高速高驾道路超过30万公里的数据泛化。完成了四个首先开通城市NOA城市场景的泛化测试，采集数据量超过了1PB，而测试总里程超过了100万公里，泊车方面泛化测试了200多种泊车场景。

第三，我们把模型升级以后省出来的算力做了一部分长周期的场景理解。当然从现阶段角度上，如果不计血本的去做进行场景理解，肯定是做不到的，所以我们把模型对环境记忆和分析的周期从几十秒扩展到分钟级，优化了包括对静态障碍物的绕障，一些不合理的限速以及黄灯闪烁误减速，都通进行了一部分优化。

最后一块是安全能力，一如既往的，主动安全方面，AEB在4-150km/h可激活，同时完成了30万公里的AEB误触发测试，AEB误触发指标也是行业第一梯队的。另外，重点提升人车混流和博弈交通场景下，在保证效率的情况下提升了安全性能。相对于415版本，630整体升级其实是挺大的，无论道路拓扑能力构建上、博弈安全性、对场景的理解这其实都是比较大的提升。

我们看一下具体的效果，接下来是我们拍的路口实车视频，对自动驾驶还是比较难的，只有采用AI模型做决策规划，才有可能在复杂场景能不能像老司机一样流畅。另外在很窄的道路上避让非机动车穿行能力、可通行的能力都大幅度增加，而不是一味的机械等待。我们强化了模型AI 拓扑能力，包括像锐角路口进行拓扑构建，也大大提升。

下一个是变道通行的场景，属于行业内典型的城市工况，包括主道辅道切换，路边静态车辆的绕障，，对决策和规划模型能力也是比较大的挑战。这是一个比较窄路的城中村，道路仅比车辆宽一些，也没有出现大量卡顿的情况。

接下来是一个动态目标博弈的场景，我们可以看到实际上通过路口有很多情况是各种车辆博弈，包括人车博弈和车车博弈，如果一味追求安全，智驾系统虽然很安全但没有人会去使用。在一些场景下，车辆企图超越前方的车辆，但是一看超不过，立马自动放弃，这是跟诸位老师基本是一个水平。

最后一块行车场景，这对人类驾驶是特别特别简单的一个场景，反而是传统智驾基本都很难搞定，特别是超宽没有车道线的道路，对一些不正常的靠边是非常普遍的，而这个模型采用的端到端技术，学习驾驶人的行为也会比较轻松的应对这个场景。

另外跟大家分享一下泊车的改进，在这两个月之内我们做了大量的泛化测试，完成了主销城市里面超过200种泊车场景泛化，同时特别优化掉头泊车、斜列泊车、车头泊入。记忆泊车方面，对地图学习和巡航车速都提升到一个令人满意的水平。超窄车位，对体积比较大的车辆这样的能力也是必须的，泊入时候两边仅有20厘米左右的空间。最后一块是断头车位，虽然那很多泊车产品都能支持，但对空间的感知能力和借用空间的规划能力决定泊车效率。我们能够及时发现对面的空车位，三把实现掉头。

最后一块是主动安全，现在法规项目满分是大家的必选项，我们我们除了法规项目，更加在意其在真实场景中的表现，例如这里有个躺在地上的假人，夜间场景侧翻车辆，都实现了很高速度的AEB制动。

最后关心的是我们城市NOA开城计划，随着新车的上市，首批开放四个城市，第一是保定，第二是深圳，第三是成都，第四是重庆，这四个城市非常非常有代表性。

保定是历史悠久的古城，特点是施工道路非常多，包括新旧道路交替，无规则的车道线和车道线缺失是非常普遍的现象，特别是老车区路窄，车流密集，是非常有难点的一个城市。第二块是深圳，高楼林立，城市高架和地面交替非常多。第三是典型的成都这样的二线城市，路窄，也有大量左右的公交车道，还有待行待转区也比较多。最后我们也介绍了山城重庆，对智能驾驶来说是一个高地，垂直坡度变化非常多，道路曲率和宽窄变化范围都非常大，立交密度非常大。

如果搞定这四个城市，那全国80%城市的场景都能覆盖，为我们接下来每个月的开城计划提供了一个很有力的保证。从能力上讲，现阶段我们有能力去应对全国范围的城市NOA。但本着对用户负责的态度，智驾这个东西毕竟不是一个光靠理论计算就可以证明的，它需要大量的实际测试，我们有信心在一个不错的技术基础上，通过我们大量测试，在今年12月底的时候实现全国所有城市开放。

最后给大家分享下我们最近录的一个视频，是非常有挑战的在城中村内行驶的视频。

（视频）大家可以看到在类似城中村的场景里面基本上不可能用规则沿着车道线行驶，因为你会遇到无数障碍物需要避障，采用拟人化方式做路径规划是必须要实现的。类似这样的场景对于一般驾驶员如果不是老司机的话也都是比较困难的。可以看到像这种场景，写入规则的代码几乎是很难完成的。所以我们认为行业对端到端技术趋势的判断是准确的，SEE智驾模型在端到端技术的应用无论是国内还是国外，都算第一梯队。

我分享到此结束，欢迎各位媒体老师提问。

主持人：感谢吴国苏州我们专家给我们做的分享，下面我们就进入正式的提问环节。各位媒体老师，如果有任何问题、建议，不光是技术，关于产品层面包括我们研发的布局都可以问，我们今天专家和领导来的都比较齐。

易车：第一个问题，咱们这次做的NOA升级，现在自动驾驶这一块我们也知道华为系还有一些其它品牌他们做的技术都非常的快，长城这一次升级和智能驾驶迭代我感觉从整体不管是态度还是实际变化非常大，想问一下咱们跟其它品牌自动驾驶进展而言是一个什么样的。我看了地图亦庄是自动驾驶的示范区。这是第一个问题，咱们怎么认识和其它竞品自动驾驶的梯队。现在是第一梯队，和别的品牌比有什么优势？

还有个小问题，我自己自身自动驾驶的问题。刚才看的是30万连续高速，那别的品牌宣传比较少，其实30万距离很长，会不会出现这种情况，我原来开过一些自动驾驶的车，比如举一个例子，从北京开到天津，高速域是开放NOA的，中间经过廊坊就断了，会有这么一个问题。可以宣传30万，30万很长，但固定有几个路线走下来这个10万那个10万，需要有连续性，高速域开放的逻辑水平。

还有一个问题，村里面开又没有线，又不依赖高精的地图的华为和小鹏可以做到，咱们怎么做到的？

姜海鹏：借着紧张的情绪给大家汇报一下。提的非常专业，首先说自身的优势，从去年下半年开始，从城市NOA开始运转，华为、小鹏也好，非常感谢这两家头部企业。原来我们预判城市NOA在2025年落地，恰恰由于咱们国内头部在非常深入的推广这套系统，起初是有图的，后来逐步演化成大模型的无图架构。正因为它们相对激进的推动力度，其实教育了我们用户，也把城市NOA推向智驾最热门的场景。

今年过年以后我们在CES之间深度试驾了特斯拉，回国以后所有开通智驾功能的车型，华为也好、小鹏也好、理想等等我们都深度做了一些评测和试驾。我觉得我们目前的状态不输于任何一家，如果非要排个名的话我认为我们在前三的水准，大家可以自己评价试驾一下。有没有任何吹牛的成分。

试驾有几个前提，第一是大家一定要有城市NOA试驾的基础，不要盲测或者一张白纸去测，你不知道系统的边界在哪儿，我们到底采用什么样的场景来去评测，这方面要具备一定的驾驶经验，具备城市NOA驾驶经验，这是第一点。

第二，要选择一些城市，现在几乎每一个算法公司或者主机厂都在讲端到端大模型，我可以负责任的告诉大家，现在真正全球搞端到端的，已经按照端到端架构去做的不超过三家，而且即使在端到端架构之下，其实内部也嵌入了很多规则的安全问题。因为端到端本身不是说去年或者今年特斯拉才提出这个概念，一开始做自动驾驶的时候大家就知道一定有模型化，只不过那会能力不够，模型不够、芯片不行、数据量不够。所以先把感知模型化，模型进一步模型化，慢慢推到决策这一端。原来没有模型的时候我们靠规则去做，后来发现一进城，如果我们还按照规则去做那代码是上亿行代码，你也没有办法满足城市这种场景需求。如果无限制的往上堆代码，可能一个自动驾驶没有3000人没有5000人写不好城市规则，即使写了以后有一个变动你也很难解决。所以走到今天大家已经很清楚的知道我们必须用数据驱动跑起来，才能降低人员代码的数量，降低成本，否则是不能成立的。

基于这个，我建立我们做评测做比对的时候可以找一些陌生城市，大家谁都没去过，我一直在公司内部想推一个智驾红色旅游区，我们去延安，延安大家在开车的时候谁也不会注意到这个城市是一个三线城市吗，那边没有高精地图。我们目前这套架构优势确实是不同的架构，我去了很多城市测试，特意到小县城去一些地区市激活这个功能去体验。

第二，确确实实我们把感知模型化都已经做出来了，从模型里面能输出横中向所需要的数据，据我理解行业里有很多都没有做到，是很难的一件事。一旦模型化以后迭代速度和用户体验直线往上升。还有端到端，包括一些宣传端到端需要海量的数据，这样的理解我认为是有偏差的，我们做下来以后发现大模型是需要数据，不是一个海量的推理，需要的是分布，数据分布成什么样很关键。比如我有十个场景数据，我有几PB几十PB没有意义，如果场景数据分布得很完备，我什么样的场景都见过，这样对大模型的训练是最好的。所以大模型本身对于数据量的要求是一个维度，再就是对数据的分布是更重要的一个要求。所以这块我们也在通过大量的数据采集采用各种各样的数据来提高训练精度。这是第一个问题。

第二个问题，刚才说的30万公里路测，一上市全国各地都会开通，不会按城市和按区域开通，它是一个必备的要素。当然高速都认为很简单，其实我觉得之前因为有高精地图加持，做得并不细化，高速迭代完这些场景，都说高速场景很单一，你看你怎么算。

我给大家举几个例子，高速有双车道有三车道有四车道，有隧道、有桥梁、有下坡、有下坡、有施工场景、有雨天、有夜天，如果我们做一个数学方面乘积是累加出来的，我们算法里面有1万个场景，这1万多场景到底有几个厂家真正把这些场景验证，非常非常少。我们在一步一步往前走，因为有很多场景可遇不可求，比方下雨天赶上一个隧道正在施工，这样的场景到底能不能满足，其实是一个很小的概率，但如果你不能满足，如果遇到这个难题怎么办，会不会出问题，其实我们正在做这些极限的验证。我对高速非常放心，我觉得问题不大，但真正把高精地图去掉以后发现那么多问题。我算了算在高速场景量产无图的高速NOA就两家，大家回忆一下能数上来的高速NOA厂家基本都有高精地图，因为它本身就有这个资源，城市里面不做高精地图是因为没有地图资源，国家不让采数据，高速都比较谨慎，高速速度很快，危险系数比较高的，宁可多花点钱把高精地图保留下来，我们做得比较干脆，直接砍掉了，做的过程中发现有图和无图带来的差异那么大。我们现在很自信，我前段时间从保定开车去了一趟成都，又从成都去了重庆，开了20个小时，接管极少，而且你在这个车上开十小时车感觉不到累，尤其是过了秦岭路段，很多公司在高速都没跑过双车道极窄，全是隧道，有的隧道一上就是十几公里，对于信号考验非常大，这方面测试要做好。

第三个问题，村没有车道线，没有车道线场景目前来说对于现在的BEV架构来讲是必须要解决的问题，不解决这个我们是没有办法做的因为我们在路口跟路口之间红绿灯肯定有一段没有车道线，其实在2021年我们测试的时候没有一台车在城市里面通过这样无线的十字路口，只要车道线一调感觉不到立马功能就会退，这两年通过BEV架构可以把道路还原出来。现在有几种方式，有的通过虚拟车线的方式，这是相对初级的一些做法。我们的算法完全通过模型自己出引导线，我看了没有线我依据场景还原度把规划输出出来，我知道这个车能走，就是通过模型去做，目前按照这个技术去做，整体来说拟人化程度更高一些。

懂车帝：车企对端到端感觉比较乐观，还是有一些不确定性，长城那边怎么去看待规避风险？

姜海鹏：端到端一定是未来，但不是终点，现在还有更超前的东西，真正智能驾驶终点一定像人一样有思考，对场景有理解，基于对场景有理解基础之上做智驾的动作。

举一个简单例子，我们在开车的时候前面有一个黑色塑料袋，如果两边有车没有办法绕它，我们人一定会压过去，因为我知道这是一个软体，我可以碾压它，第一是不会出事故，第二不会对我车辆造成伤害。现在不一样，没有办法知道前面是个软体，只知道是障碍物，要么刹车要么避让。未来自动驾驶一定是对场景理解之下的自动驾驶，我们也在做这方面的预案和开发。我们现在有一些基础，首先从芯片角度，像英伟达的sor（音），包括我们据了解国内一些大厂芯片公司也朝着这方面定义自己的芯片，你们要支持类似于大语言模型运行芯片。

从模型角度，有我们所谓的语言模型，类似open AI，支持我们做一些理解，然后做一个感知做一个综合判断，这方面才是将来的终局。端到端刚才也提到一点，其实端到端就是当前基于自动驾驶本身一套技术逻辑，就是从感知这个模型化到融合模型化最后到规模模型化，是分段的，刚才苏州老师也讲了一下这个阶段。因为人越来越懒，做开发尤其做软件代码做算法，极其烧脑袋的工作，他们要想自己的工作变得更简单怎么办，搞AI的同学特别烦碰代码，因为他们觉得写代码太浪费我的时间了，所以他们极其有自驱力，我要把代码转化成模型，一旦成了模型以后云端自己适应，我就不管它了，我研究我的模型，怎么优化就好了，然后把所有的东西都往前放。首先研发人员有这个自驱力，而且这种优化其实带来的体验是比较好的，所以端到端我们认为就是一个技术发展阶段，但不是智能驾驶的终点。

36氪：其实从智能驾驶研发人员规模上，一定程度上决定着智能驾驶体验感和完成度，还有开发速度，现在最多的是华为有7000人，小鹏有3000人，未来理想大概是一千多，咱们这边基础储备是怎样的？

姜海鹏：涉及到人，我说了不算。

吴会肖：之前老板跟我说过，管着一千多人，有驾驶的有TST的，驾驶这边人员不是未来的正确方向，基于更大模型场景理解的开发方式，实际上以后会越来越少的依赖于工程投流和人海战术，未来一定是用更加高质量、高密度、高人才梯队，加上我们基础设施。当然我们海鹏很辛苦，有很多的工作要做，每次跟我说人还是不够，我们内部也在强化智驾团队的人数，会再强化的。

智东西：分享完了以后也说了一下主要的车型落地顺序有没有大家可以参考的顺序？以及它对硬件是不是有一些要求，比如有激光雷达，大概什么样的级别。是不是蓝山智驾版要达到它同等的硬件才可以。刚才演示的功能推送之后用户能够体验到，刚才易车的老师也问到了，说高速是不是有应用，那同样，说到小米NOA，比如北京开始用了，同样是在北京可用的路段也不知道，是一个很关心的问题。

姜海鹏：由于上车的顺序，我们蓝山是第一套，本身是个平台化的产品，我们基于市场需求和用户画像，如果大家有这个需求我们会去做。第二是硬件方面，有些硬件方面有一些需求，我们现在做的模型小算力芯片是跑不开的，基本在100T以上才有可能运行这套系统。激光雷达其实可以把激光雷达去掉，从性能、算法、架构上可以结合，但我们不愿意去，前两天荷赛开一次发布会，他们老板说了一句话我很认可，激光雷达解决的就是1%，车企要不要为1%花几千块钱钱，我们认为就是要花，我们公司不是说没有降成本的需求，品牌那块和老板那块一直说能不能降一些成本，我们还在坚持不能降，这1%恰恰是跟安全相关的。所以激光雷达最近一两年我们不准备干掉，还是要保证安全底线。

刘鹏凯：带激光雷达智驾是高阶的，有一个普遍的认知，即使能做到，从市场角度解释一下姜总说系统，路上吴总也跟我说智驾分好几个版本。

吴会肖：刚才苏州给大家介绍的我们叫Coffee Pilot Ultra，现在还有max和pro，我们还是希望能做到可以提成，可能不是基于完全的导航下的成熟的NOA，类似通勤的模式。我们也要看用户的需求，有一些用户觉得这个情况下用起来有一些顾虑，在整个推进高速NOA还是城市NOA，特别希望和媒体和用户一块，长时间都会进入人机共驾的阶段，都要经过这样一个过程。

智东西：开始之后哪些路能用哪些路不能用？有没有一些预期。

姜海鹏：我们是按开城做的，以我们现在当前车辆的表现如果跟竞品比我们现在就可以全国开放，但我们还不想那么干，因为我们想把这个事打磨打磨，其次想给用户一个好印象，所以把开城节奏控制了一下。重庆我们全开了，可能有一些场景限制。比如环岛没开发完，环岛这个场景我们离环岛100米推到RDC，用于语音播报提醒，包括掉头场景，通过OTA。能够确保的是只要有导航的我们就可以激活这个功能，不会说从街道这方面的限制。

百度有驾：咱们长城这边城市NOA节奏比预期要晚一点，中间我们做了哪些调整，包括产品也换了，时间往后调了。

第二，我们刚开始只有缆车这个车，有没有足够的用户反馈机制，同时OTA结构怎样？

吴会肖：刚才海鹏说大规模普及在2025年，我们去年判断节点是2024年上半年。后来跟整车协同，包括在开放过程中对这个模型架构上做了一些调整。然后在落地过程中我们也发现整个行业里面都会面临和用户接受人机共驾的阶段，还是因素比较多。蓝山智驾款上市就会有这个功能，但最近开多少城开完城之后多少路段开放也做了解释。关于上车之后OTA检测刚才吴国苏州也放了一张图，我们马上会开直播，也会请大家去亲自试我们车，主交互会有一些优化和调整，开城不会再OTA了，很快就开了。我们保定周围面积很大，有农村有山，我们都会到这些路段去测，不用担心，把能导航的切得很碎，一些环岛、掉头人开都很复杂的需要接管。刚才还讨论，下车进到程序里面还需要退一下，把ETC和高速NOA和城市NOA再连接一下，车上标配的ETC，现在正在做打磨。

姜海鹏：你说的是我们车定的是6月30日，往后挪了两个月的时间，这个延期不是我智驾方面延期，是他们车型方面延期。非常感谢给我们智驾多了两个月的时间，因为他们在做一些组织架构一些优化。

刘鹏凯：不用太解释。公司规划上有一些调整，说得比较远，不用太细说，马上我们就要上了。

吴会肖：知道你们等得很着急，我们加快。

光锥智能：想问一下吴总消费者很喜欢智能驾驶，对支付意愿还没有完全提上来，咱们在这块有没有一些思考，比如说怎么让消费者真金白银为这件事买单，以及未来从什么节点往后走的时候，之前是能用，发展到什么程度是好用的时候，才能让消费者真正买单。想听一下您这边的思考。

吴会肖：我的观点是商业是最大的慈善，你的车一定得能正向的运营才能把你的企业和产业链，一个正向持续的健康的发展，不能强买强卖，第一点你先把产品做好，你做好了之后你替用户解决了很多问题，他花这个钱觉得值他肯定愿意付费。最开始我们走过这条路，我们企业内部也需要做很多工作，流程、IT系统、支付通道都要搭建好，其实行业都经历过这个过程。特斯拉在美国它付费，我忘了付费比例多少，比较贵，有多少人开通，在中国也搞过，后来就免费送，我们开了觉得挺好用的。无论是智驾还是座舱都得把体验做上去，基于未来商业模式健康闭环，从组织和技术链上要先把路铺好，等你真正把体验做上去了用户也愿意买单，切切实实让用户享受到技术的便利，他觉得这个钱我花得值自然而然愿意付费了。先从我们组织和流程上做好准备，当然我们肯定希望能够是用户愿意付费的。我们除了智驾、座舱、OTA，整车厂为了OTA为了流量其实费用非常非常高，每次OTA费用都在千万级以上，这个费用我们没法跟用户要的，反倒在中国这样一个竞争环节下你不去做用户反倒你没有做好你理所应当做的事情。无论如何，你还是要先把体验做上去，做上去之后让用户觉得值了肯定可以，这个过程需要我们企业所有用户一块去努力。

今年车企很卷，还有很多软件行业今年也发了一个财报，软件行业都在亏损，我觉得我们整个国家包括我个人和我们每一个人，都要学会为什么样的价值付费，我们为吃饭付钱为穿衣付钱为房子付钱，是不是愿意为音乐付费、知识产权付费，整个社会都要努力。我们内部跟商业公司谈判的时候他给我一个提供服务，你报个价，有50万我找50万的，我们没有学会为所谓的软件和知识产权付费，我们所有人都要朝这个方向努力，真正到了那一天我们用户也好我们自己也好，我也要去付费，我们愿意积极推动朝着这个方向去前进，前提是一定把我们产品做好。

光锥智能：可以学一下Apple Music，先让你第一个月免费或者前三个月。

吴会肖：一开始先从免费做起来，苹果它最早的时候音乐一首歌是0.99美元，当时在美国觉得大家太便宜的，我愿意买，在中国一毛钱也不想付，现在变了，现在QQ、网易云VIP大家都开始付费了，这是一个过程，一开始先走免费，先把通道搭好。

光锥智能：追加一个问题，城市NOA在落地阶段除了技术稳定性，我们在运营上有哪些需要准备的，有没有大的挑战。

吴会肖：其实我是觉得有挑战，我们也一直在呼吁，今天大家出来和大家沟通我认为是我们为NOA落地做的一个环节，可能今天和大家聊，周六日到保定跑一遍，不是说老板自己跑我们跟交通部门打了招呼，是现在就这样，让大家理解，学习什么是智驾，什么地方可以接管什么地方没有接管，旁边有一辆车比较快，他感知起来很近的通过你的是不是真的会发生碰撞。有的时候试车我感觉车离得很近闭眼就过去了，也确实没有问题。我希望媒体、首批用户、QC能够积极的帮我们反馈问题，能够积极的推进这些事情。自动驾驶也好、辅助驾驶也好一定可以让我们交通更加的安全，让我们出行更加轻松，甚至更多乐趣，但这个过程如果能够非常健康安全的过去，而不是靠血雨腥风度过去，在车上睡觉、脱手，我们不希望看到这种情况，对我们车厂、供应商、道路对所有人都是伤害，这个时候我们品牌公司特别希望和品牌公司和运营和售后和媒体和所有人一块行动起来。

我们特别不愿意出来搞直播搞传播，我觉得这个技术是非常非常好的，人类的未来就是自动驾驶的未来，怎么样过去我自己是希望更加良性更加健康更加平和的，每个人都能够一步一步走过去。

PoboX：我首先问一下咱们具体的开城策略，刚才那几个城市规格上，是不是按照用户的分布，包括数据来做一个开城推进。

还有一个问题，刚才讲到SEE2.0，同时保留模块化端到端和完全端到端的各自特性，这一点我不是很理解，能帮我解释一下这个逻辑吗？

吴国苏州：我先解释一下第二个问题，这两种都是理念，真正的完全端到端不是说没有规则来兜底的，但完全端到端的好处就是你数据从头到尾人驾驶的轨迹和特性学出来。以当前的技术状态谁也没办法训练一个完全端到端的东西，所有场景都能开，还有一个模块化端到端的东西，它中间还有一个感知的接口，比如有车道线有类似障碍物，模块化端到端最大的好处是模型好训练，但又没有完全端到端的优势，所以把这两块结合起来。说白了跑两个模型，两个模型是独立的，算力要求就加倍，需要设计数据共享和交换的机制，这也是模型做起来比较难的一个点，最后还会有相应的仲裁机制，来确定什么场景下我相信某一个模型出口需要的能力，这样的话无缝把这些场景结合起来，大概是这样。

姜海鹏：开城其实逻辑很简单，把我们蓝山销量TOP20的城市做了一下排序，就是这么一个逻辑。卖得最好的是重庆、成都，这四个城市走完以后有一个优势，各占一类，重庆就是山城，路况确实复杂，很服气。成都是典型的拥堵场景代表，城市车道非常窄，而且车流量巨大，每个车道都有公交车道，都有待行区。深圳是典型的高新城市代表，跟上海很类似。保定就是二三线城市的代表，所以每个城市代表一类城市，我们把几个城市泛化以后到其它城市也会事半功倍。

量子位：我来自量子位。看了开城计划，8月底开4个，12月底全国都能开，刚才姜总也说按照现在的标准已经可以开通全国NOA了，那我们为什么等到12月，这四个月还有哪些工作？

姜海鹏：全国能开的标准其实并没有，我们内部也没有，我们现在说的是基于竞品的表现和我们的表现对比，包括品牌给我们的压力，因为他们也试了很多，他们发现可以啊，为什么别人敢放别人不敢放，一直在怼我，但我也怼回去了，我觉得还是要安全。因为造车新势力的用户群体对于智能化的理解包容要高于传统车型的用户。可能这个问题放在他们那儿就是好玩的事，觉得可接受可理解，甚至我还参与到其中帮你定义，这是一个参与感。但我们的用户群体不完全是这样的心态，他们带着挑剔心理，为什么不一次性做好，给我一个半成品我不接受，这也是我们面临的巨大压力。我们做得比竞品好，但是未必从市场反馈或者是从大家的口碑来讲我们未必能做过人家，这是一个非常现实的问题，不避讳大家，现在就面临这样一个问题，所以我们还是想做得更扎实一点。你说这几个月还有什么其它工作，有很多工作，因为模型一直在优化在迭代。

量子位：还有一个问题，为什么选择12月30日这个时间点，再推迟一些长城还能接受吗，假如比长城开得更晚一些是不是没有机会了，NOA开城进度竞赛最终产品体验中间会是相关的吗？说一下什么关系。

吴会肖：我们总得给个日子，按照上市，年底，给的数。我会把这些车给到其它组织让他们开。有些人就会说，我是什么什么车主，我觉得已经完全可以全国开城了，刚刚海鹏说我们车主和一些新势力车主要求不一样，我们拿走了一些物理按键就被骂死了，你给我加回来，你不加过来我就不买。但新势力早就没有了，我们拿走的时候也特别纠结，我自己也开带按纽也开不带按纽的车，我也问朋友，他一但适应了屏幕里面有按纽真的不愿意用物理按键了，但我又没有办法，还得保留，这是一个确实的情况。还有一个情况，我们内部的质量服，大写的服。某些场景下红灯离得特别远，正好在我们检测的边缘，如果我们交付了之后我们用户抱怨说红绿灯没有检出，不会在什么什么场景下有什么概率，他就说红绿灯没有检出，内部别提了，所以我们还是谨慎一点。

姜海鹏：我们公司对质量要求达到非常变态的要求，不说用户结构。

吴会肖：我强力推是要承担责任，但我觉得是好事，有这样一批负责任的人员，承担责任他也不能把我杀了，反正就干。

超电实验室：我来自超电实验室，最近其它车企说开城计划分两种，一种是对白名单式的，对城市部分白名单道路开始开放，或者部分有门槛的用户开放。另外一种是黑名单式，除了特定的场景不能开，其它的路都能开。我想问一下咱们是怎么开的，长城开城计划是黑名单还是白名单？这是第一个问题。

第二，关于组织架构的问题，刚才吴总说目前智能方面的布局有5000人，现在有没有为端到端大模型组建专门团队，比重是多少？

第三，关于FSD什么看法，特斯拉FSD很快进入中国，国内相比特斯拉有哪些优势，怎么看待特斯拉这件事。

吴会肖：应该说在城市上白名单，在一些场景上是黑名单。我们哪些城市能开哪些不能开，先把白名单拿出来。这个里面有哪些场景不能开，环岛、掉头这个地方不能开，剩下的都可以开。城市里面是白名单，放了就可以开了，基本上的路我开下来的都可以开，只不过确实有些复杂的明确出来前方有环岛退出进入LGC，类似黑白结合。

姜海鹏：我理解你这个问题对用户来讲，我补充两句，我们非常羡慕蔚小理推广的方式，因为它世面上已经有车通过OTA给到用户功能，不是从零开始，现在已经有0.5，再加0.5变成1，我们面临市面上没有车，我们只能从一开始销售的时候带这个功能，这是两种不同的方式。我们公司的同事说看了理想之后很兴奋，终于上车了，他感觉我买了一个车突然给我加了个鸡腿，有一种增值的感觉。从一千米一万米到所有开通，在自己的池子里跑白名单，先收集车主反馈，再在1万米开通，我们也想采用这样但我们没有条件，只能是车型从零到一的过程去跑。我们售车的时候没有这个功能，然后再选择一些用户？这样消费者接受不了，这是一个很大的难点。我们想说从局部听听大家的反馈，然后再全部放开，因为城市场景毕竟是自动驾驶，关乎到我们驾驶的安全。

吴会肖：基于语言模型我们也有带语言，具体组织和人数不再说了。它要进来的话肯定会特别快的达到很高的水平，辅助驾驶里面特斯拉一直在引领，我们也在美国看了它的表现，只能说有挑战，一来特别好短期内也很难实现。我们在开的时候，美国道路和中国道路差异挺大，美国人车混行非常少，我们在旧金山街头开过它的SD，如果有人的话对驾驶员还是有比较大的干扰，一旦有了很多数据进去，基于端到端大模型开发模式肯定让它有一个比较快的提升，我们还是要加快。

姜海鹏：我们希望很快进来，大家不在维度上说，我们在美国今年年初开了车以后，包括何小鹏何总有一个视频很火，特斯拉也有视频不了的，也有类似的问题，我们在旧金山开车那种场景太简单。

吴会肖：竞争是最好的，让我们的技术和用户最好的方法。

车云网：就刚刚几个问题问一下老师，小鹏讲如果明年自动驾驶元年，大家怎么看待这个观点，以及长城有什么样的应对方案？

第二，刚才海鹏总提到长城是一个传统车企，但有一些新势力体现的，您对于传统标签长城会怎么看，是否会一直留着这个标签，还是未来有一些更新，加一些不同的标签。

吴会肖：我先说一下关于传统车企，我干了十九年，没有在其它车企工作过，我原来一直觉得长城公司不叫新势力，就是一个后面才来的，就是一个创业公司，靠在市场上获得用户的喜欢生存下来。从文化上没有差别，毕竟长城汽车大家认为的传统车企有这么多的积累，比如我们在合规上和可靠性上要求得更加严格。

举个例子，我们现在蓝山智驾款的屏特别窄，我们号称最窄的屏，看起来非常的时尚也非常的科技，但我们内部开发合规部门一直卡，卡了很长时间，他就觉得边边不满足汽车内部凸出物的要求，一定要做得特别大特别厚才可以。他说也不是不可以，但可能会有风险，具体什么风险也很难评估，但是就是会有这个问题。这个事情很小，其实对用户的安全我们也做了评估，碰头，这只是其中一个非常非常小的案例。包括我们内部有很多插枪远控开空调，就是插着枪可不可以远程控制把空调打开，因为我们指的是燃油车，要激活，激活之后要对你的动力做很多限，担心如果用户误操作把车开走了怎么办，说白了它经历过了各种各样的场景，之前我们还有一些车开着门的时候雨刷就不要再刮了，可能一个人一辈子也碰不上，随着你造车时间久了这种抱怨就会发生，你在做开发的时候就要考虑，之前的标准要求，现在我们再去做新时代汽车开发，你要过那些点每一条标准过，没有过去的积累就跳过去了。有好有不好，在极端场景下我们车会考虑得很周全。但是在一些创新性的，比如我们开空调这个事抱怨很多，我们经过很多轮的battle，现在OTA也上去了，用户满意度OTA功能我看是92%，就真的很好。我们愿意去转型。

再说到Chat GPT大模型对我们企业的影响，其实在我看来，包括我们跟老板也会聊很多，在未来没有什么传统车厂、新势力，也没有车厂不车厂，只有一家AI企业，未来所有的公司都是AI企业，我觉得在这一点上大家没有差别，新势力也好我们都同样面临来自于大语言模型，来自于AI挑战，这上面我们有一点小小的差别，我不认为是差距，是差别，在新的AI冲击下几乎所有人站到了同一个起跑线上，我觉得这是我们所有企业都需要认真面对的。

吴国苏州：我补充一下为什么明年是智驾行业的元年，来自四各方面，第一是算法的进化，我们很多年前干智驾，就觉得智驾干好第一是要把感知干好，感知看不到的东西后面没办法触及。后来感知水平提高了说虽然有感知但没有认知，我们今天讲认知就是智能驾驶系统对场景的理解。从以前来看这是非常难的，我们也做过无数的探索，但今天大模型这块，包括语言模型和视觉语言这些技术，让我们有了一种宏观场景进行认知方面技术的抓手。这个模型想搬上车不是说照搬直接拿来用，这是不可能的。至少从技术上看是这种手段，智能驾驶大模型可能也能解决零样本或者稀有样本的能力，这是算法方面。

第二是算力方面，说起来有点可悲，可以看到今天所有干高端自动驾驶的，除了国内华为有自己的芯片，确实是遥遥领先以外，剩下的都是英伟达的芯片，实际上它的核心设计师在2019年就设计完成了，中间是跳票。所以一直在迁就四年前的英伟达芯片架构。而实际上芯片这块针对于无论是（英）还是语言模型能力来看明年都会有一个很重要的迭代，无论是英伟达还是国产大算力芯片都会出来，算法把它步上车。

另外是数据，随着这么多年大家无论是传统主机厂还有新势力，或多或少都开始积累了一定全量的智能驾驶数据。当数据量积累到一定程度以后，反过来为训练大模型产生了量变到质变的可能性，前三个都是基础方面的，还有一个比较重要的，大家认知方面的，以前相信自动驾驶，不相信自动驾驶的分两派，相信的L3L4很快就来了，不相信的就觉得永远来不了。大家都认为数据驱动是未来，那数据驱动有一个好处，现在百公里接管一次，假设每年优化10倍，大家对这件事情都有信心和认知，这个认知一是反过来推动大家对技术上的投入，第二是对法律法规和伦理道德配套软性的东西产生间接性影响，这个点快要到了。

孙靠谱。我想问一个体验的小问题，刚才苏州老师讲的时候说了一个场景，在做辅助驾驶规划的时候还是有个安全兜底，因为我也是做汽车的，咱们原来十年前长城博士，现在是友商。我比较理解这个东西，我理解我们做一个冗余，其实现在有个场景，经常性的有各种垂媒来测AEB测速也好，让用户来看感觉谁的车速越高，或者谁的性能越好，那他的车牛。但我从作为一个电动车主体验来看，余量留得特别多也不好，在应试工况里面这种成绩会好，我的那个车经常AEB误触发，我很不喜欢过于保守的冗余。

我想问两个问题，第一，长城会卷这方面的东西吗？第二是对端到端大模型，我们不是在做单纯的一些算法，而是通过学习无数用户已经产生过的case，是不是能解决类似于这样的用户体验？

姜海鹏：首先我们肯定会卷这个东西，不卷不行，这两年自动驾驶突飞猛进，加快了行业的速度，加快了大家对这个领域的认知，但AEB这个事老实说本来是一个紧急救命的功能，现在变成了一个体验的功能，违背了ABE的原则。我们看120公里刹停，包括行业里面有很多测试这些场景，其实带来积极作用很大，也带来一些负面影响，我们在疯狂追求这些数据，唯一一个考核最大的指标项没人能做，就是你怎么能在触发和不触发之间找到一个平衡，全球做AEB最好的是膜拜，它的误触发率大概是几百万公里，但目标很简单，就是行人、车辆、自行车，并不是没有识别的能力，是因为发现他发现如果把锥桶拉进去以后误触发直线上升，每一次误触发比漏触发甚至正确触发带来的危害还要大，因为不预期的刹车有可能会造成大面积的追尾，这都是经过严格数据评测、实验得出来的结论，现在只看数字漂亮不漂亮，这个误触发没有办法公开测试。因为测试的复杂度导致我们简单粗暴测这些特别表面化的数据，其实把我们AEB路自带得有点偏颇了。

今天也跟各位媒体老师做个交底，评测AEB最大的指标是不触发，绝不是120公里刹停。放在现在这些头部自动驾驶公司里面都能做到，为什么大家不去做，一旦放开以后误触发率直线上升，希望大家报道的时候能够有一些正确的引导，这才是对这个专业负责任的一种态度。首先这是AEB这一块。

吴国苏州：现在端到端状态大家想象的是说大量的车产生数据了，把车身境况摄像头把数据采回来模型去学，不是那么简单，按可以想象虽然人学驾驶越来越好，但人实际说对驾驶这件事情很难想象一个字都不识的人他能把驾照考出来，要积累对基础背景知识，对运动目标判断，对于AI神经网络也是这样，你得通过一些机器学习和训练手段，通过网络机器设计，让网络本身能具备发现道路上和你有影响的结构化的一些特征，这些东西其实都需要工程师通过工程技术设计的，只有把这些东西都设计好了，你才能有可能学最后一步，学人类的驾驶，并不是那么容易。

很可惜，现在完全端到端让模型设计好了一次性学出来，现在的表现实际上在大部分场景下挺差的，所以才会有业界说的两段式的端到端、模块化的端到端也好，先去感知模型，这是比较理想，甚至实景模型串在一起来去做所谓的端到端，实际上这都是工程技术上的妥协。第一是理念上，第二是工程上，你想办法一点点做法，慢慢随着8经验积累和技术提升才有可能把模块化的端到端向完全端到端迁移，最后才能形成我学习就可以了，这个事情绝对不是说一天两天或者一步，我前面的路不走我直接走后面的路达成，这个不太可能。

主持人：因为时间所限，最后一个问题。

亿欧网：这两年智能驾驶非常热，但智能驾驶对产品销量的提升可能并没有那么明显，比如在芯片里面做自动驾驶最好的，特斯拉存在这个问题，它把FIC的价格降低之后大量的推送，转化率不高，在营销上在商业上怎么能把自动驾驶作为我们的卖点，让消费者接受。

问一下姜总，自动驾驶超算中心的建设，长城中心大概有什么样的规划？

吴会肖：除了先锋用户非常喜欢之外，对于更多的普通大众一旦体验到这东西带给他的好处，先锋用户之后肯定会有一个爆发式的增长。其实我们现在做的包括我们老板也非常的关注，带着我们出来直播，就是希望大家尽快的采取转变。现在处于能用可用的阶段，我们正在向好用迈进。

刘鹏凯：其实不是说智驾很热，我认为有两点，第一点是智驾代表一个车智能化的水平，智驾的能力代表这个企业车水平的高低。当然还有座舱，我们蓝山之前很多老的客户我们也做过一些调研，大部分都是换车的用户，这些用户都对车了解非常的深刻，而且非常懂车，试了很多其它品牌，试完之后对驾驶体验有深刻的认知，蓝山现款在售的车，他发现基础的底蕴一直在，但感觉差那么一点。这次我们整体升级之后也是一个大的跃迁，刚才有的老师也提，我们品牌跟新势力的差别，实际上还是产品上的区别，我们基础得东西也做得非常好，智能化的东西现在我们绝对是质的崛起。这次不管是座舱、智驾，智驾绝对是在顶层的一波里面，它是个组合体。然后产品好用会通过宣传大家买得多，并不是说它是个卖点。

姜海鹏：我简单汇报一下，现在是1.14亿，明年到时候翻至少1倍，算力需求比较旺盛。将来一个企业我们也算过，未来企业花钱最多的三个方面，人员工资、电费、卡钱。

主持人：好的，今天非常的感谢各位老师，我们还拖了一会堂，时间关系交流到这儿。打几个广告，大家有关长城汽车智能化，不光是布局、技术、产品节奏，甚至很多OTA，大家可以在微博关注，我们美丽的吴总，这个号非常的真实，吴总自己一点点在运营，每天抽出时间跟大家互动，收集备受欢迎的各种信息，然后会集中给大家回应，是一个非常有趣的一个帐号，她自己分享很多事情，生活中的东西也都很有意思。

第二，非常重要的是大家一定要关注蓝山智驾版，就像刚才说的我们这款产品确实搭载长城汽车这么多年深耕做出来智能化的团队以及其它座舱技术研发团队的心血，真的是有质的飞跃和提升。不光是魏总，公司上下都寄予了很高的厚望，我们对这个产品很有信心。无论是自己体验的时候还是体验之后的感受上，我们有信心给大家带来很不一样的感受，也希望大家多替我们做一些传播。

第三，本周日十点半的直播，希望大家可以关注，魏总又带着他心爱的产品出来过周末了，这次也带着吴总和姜总出来过周末了，敬请大家到时候关注，今天感谢各位老师，感谢各位领导，我们的交流就到这儿，谢谢。