小鹏城市NGP体验：XNet加持下感知极强规控成为下个焦点P7i和G9，才是代表小鹏自动驾驶高水平的拳头产品，有脱胎换骨的变化。以城市NGP为应用场景，大算力芯片、激光雷达、

　　城市NGP这场仗打好了，小鹏的自动驾驶最强这个标签可以继续再立几年，甚至有助于从口碑转化为销量。

　　但这场仗的风险也很大，道理很简单，城市场景远比高速道路更为复杂。谁走在最前面，不仅无法摸着石头过河，甚至可能成为后来者的石头。

　　成了，小鹏的自动驾驶将收获更广泛的认可，为车型成为爆款打下基础。不成就很尴尬，自动驾驶的长板会被后来者淹没。

　　在有高精地图的路段，小鹏P7i界面上的方向盘图标变蓝，城市NGP启动。我们上海城区跑了一圈后，大致对这项功能有了一些直观感受。

　　。一路开过去，从城市NGP对车辆的反应，以及人机交互界面SR界面上识别的目标物来看，小鹏的感知上限非常高。

　　跟车非常精准。城市NGP的跟车动作，完全就是老司机水平，早年行业中长常见的车道画龙没有遇到，加减速也很顺滑。

　　人机交互更加舒服。国内早几年可以支持高速NOA的车型，开启NOA后，语音提醒基本上全程关怀。现在，小鹏的城市NGP减少了语音交互，增加了车机界面交互，减少对驾驶员的干扰。

　　由于搭载了英伟达的Orin，现在的城市NGP对动态目标物的预测有了算力支撑，做了更多的模型。

　　的，100个人站在车前，只要在滤波范围内，都是可以呈现的。另外，对于自行车、摩托车运动状态，都做了调校提升，变得更细腻。

　　变道相对差了些，不像跟车时那么“自信”。整体感受下来，这套系统对于变道的积极性不会特别高。

　　其次，启动自动变道需要很高的条件，和车辆博弈时有些保守。从初期推送城市NGP必须注重安全的角度考虑，这是对的。不过，老司机的做法是，即使在城市道路上换道，也稳准狠。

　　在之后的沟通中，我们了解到，出现这种情况的原因在于，对于静态物体，XNet的输出可以产生几何结果，但是对

　　还有一次，可能是由于前方车辆速度太慢，系统自动换道进入最左车道，等到要回到左侧第二车道直行时，前方车辆太多，系统就变不回去了。

　　综合下来，个人会给小鹏的城市NGP打七十分。感知可以对各种道路场景进行识别，规划和控制方面还有一些要做的工作。

　　上已经看到非常漂亮的车道线、斑马线等物体的输出，但核心是要把它真正用到一个比如变道，转弯的相对复杂的过程中，这需要语义的理解，需要知道这段道路和下一段道路的连接关系是什么，这样才能把感知的能力传递给全栈算法上。

　　所以作为驾驶员，基本上不用担心小鹏的城市NGP看不到目标物，可以给系统更多的信任。只不过遇到一些复杂场景时，还是要多加注意。

　　小鹏P5已经实现了城市NGP，但和P7i、G9的城市NGP相比，这两个功能只是名字相同，已经完全不是一个东西了。

　　P5的自动驾驶传感器硬件没有拉跨，但芯片和算法都不是为城市NGP而生的，小鹏的研发人员为此

　　P7i 和G9的不同在于，开始基于英伟达Orin，采用XNet感知架构，也就是BEV，这些才是小鹏城市NGP的真正核心。

　　以激光雷达为例，新一代城市NGP上，激光雷达的作用在于，点云回传加强，对于近距离目标障碍的侦测，提出

　　更高的结果，可以在一些场景中让车先行一步，在一些避让场景、预测跟随上会更快米乐M6，安全性和效率也有了提升。

　　，甚至可以覆盖15个车道。对于绿化带背后的目标物，小鹏也可以有效识别，并且通过运动姿态进行脑补。

　　输出层面，XNet可以在三维的世界对静态物体，比如车道线形成接近于高精地图的感知呈现，同时基本上能对周围360度的动态物体进行检测和跟踪。

　　由于BEV可以部分发挥高精地图的作用，所以这套方案还可以去掉高精地图。这也是为什么，小鹏可以在今年下半年将城市NGP推送到数十个还没有采集高精地图的城市。

　　第一家采用BEV的是特斯拉，国内自动驾驶玩家在进入城市场景后，争相布局BEV方案。既然在P7i和G9上量产搭载了BEV，那小鹏就是国内首个量产BEV的玩家。

　　特斯拉实现了BEV，但采用这一方案的FSD  Beta目前只能在北美推送，还无法在国内城市场景下使用。

　　小鹏在推送城市NGP的过程中，有两点值得同行借鉴：一是地图阉割，二是让工程师去暴露Corner Case。

　　吴新宙说，每一个城市在开放城市NGP之前，会先由自家的测试员测试过，然后才会释放城市NGP功能。因为中国的道路地区差异太大了。在接下来几十个城市的测试中，一定会发现大量的Corner case。他们不希望用户去面对这些Corner case，而是由

　　今年上半年，小鹏会在广州、深圳、上海落地城市NGP，以及LCC的增强版。2024到2025年之间，实现点到点的全场景自动驾驶XNGP。

　　就在最近，毫末推出了用于解决自动驾驶认知能力的DriveGPT，可以提升预测和规控能力。这一系统目前处于云端大模型阶段，之后会通过相应的技术方法应用到车端。

　　“其实我们的感知整体状态还是不错的，我向团队要求，每一个季度都得有一些体感非常明显的进步。然后，具体的工作量我相信一定在规控和预测上。”

　　在解决规控问题时，吴新宙认为，基于大数据、深度学习的算法上的渗透肯定会越做越重，预计接下来整个框架全部会以深度学习为基础。但是，在中国的道路环境下，

　　基于此，将深度学习应用到行为规划和运动控制上，仍然有非常大的距离。这是一个逐步运用的过程，以数据驱动的部分一定会越来越大，但不会是全部。

　　根据小鹏之前的规划，城市NGP之后是XNGP，又叫做全场景导航辅助驾驶。把高速、城市、停车场所有场景连在一起，最后做到点到点的全场景的体验。

　　XNGP分为两个维度，形态上是全场景，小鹏希望到明年能做到从停车位到停车位的连续体验的高阶辅助驾驶。能力上，XNPG要提供的是

　　首先，XNet本质上就是BEV的感知架构，这个叫法是面向从业者和投资人的，它很难被用户直接记住。

　　自动驾驶的核心目标是潜在车主用户，用户不关心感知架构叫什么名字，后会有多么强大，对用户影响不大的概念，提出来后只会加重

　　另外，在特斯拉的NOA出现后，蔚来推出了高速NOP，小鹏推出的是高速NGP，后来长安阿维塔、极氪也抢了一些字母，分别推出了高速NCA、高速NZP。

　　NGP本身就是小鹏提出来的，代表的就是小鹏的自动驾驶能力，应该继续强化这一概念。特斯拉的FSD从推出到现在，别管是否实现了，就那么叫了。

　　小鹏甚至将高速和城区的NGP都做了区分，提出CNGP的概念，本来用高速NGP、城市NGP就能说得清的事情，小鹏又让用户多了一重学习负担。

　　如果某天XNGP实现了全无人驾驶，又该怎么改名字呢？其实没必要这么复杂，CNGP直接叫城市NGP就行。

　　我理解小鹏可能是在为NGP的各个阶段进行区分，所以需要XNGP。既然如此，保留NGP和XNGP就够了。毕竟，能够成功应对城市场景的话，高速场景已经自然也不在话下。