根據杰蘭路發布的《2024年度下半年新能源汽車品牌健康度研究》顯示，今年下半年，新能源車型在新車銷量中的滲透率突破50%。過去以傳統燃油車為主導的市場，正被新能源車所取代，中國車市的市場結構，已然重塑。而如果回顧國內新能源車的發展，可以發現主要經歷了三個階段：第一階段，“三電系統”即電機、電池和電驅的技術突破，推動了中國新能源汽車從0到1的突破，但該階段下的新能源車，更多面向的是B端市場；第二階段，智能座艙系統的上車，讓新能源車從代步工具，變為可以移動的智能終端，新能源車迸發出了強勁的增長趨勢，C端用戶逐漸成為新能源車的購買主力；第三階段，市場參與者競相技術升級，帶動整體智能駕駛技術的發展，推動了新能源車市占率突破35%關口，開啟第二次高速增長，也是如今市占率超50%的關鍵因素。可以看到的是，在當下的新能源車市場競爭環境下，是否具備高階智能駕駛技術，成為“新能源車下半場”的勝負手。

而仔細翻看這份報告的話，在一眾新能源品牌中，問界榮獲品牌凈推薦值（NPS）、品牌發展信心指數雙項第一；問界M9和問界M7分別榮獲新能源SUV車型凈推薦值第一和第三。此外，數據顯示，賽力斯新能源汽車累計銷量426885輛，同比增長182.84%，其中問界M9發布12個月累計大定突破20萬輛，而在1月8日累計交付也突破了15萬輛。一系列數據也進一步印證了問界的“有口皆碑”。而問界能夠獲得如此高的用戶凈推薦值NPS，離不開其擁有行業T0級別的智能駕駛技術。

“車位到車位”，大不相同

當下的高階智駕技術，已進入到了比拼“車位到車位”的新階段，就連特斯拉，也在FSD V13.2版本中，跟隨中國智駕技術的腳步，實現了“車位到車位”的智駕功能。

然而，雖然目前國內外部分車企已經實現“車位到車位”智駕，但在技術路線，特別是體驗上，卻大相徑庭。“車位到車位”做得好不好，主要看兩個核心：一是體驗連貫性，即在啟動這個功能前，是否需要多次學習，學習完成后能否立即開啟使用；二是產品完整性，即對于一些復雜起步場景，是否能做到全程無斷點。目前，國內多數玩家的車位到車位功能，實現的前提是需要先“跑圖”。也就是，要么需要提前把地庫所有路線全部跑一遍，相當于給地庫建一次全面、清晰的地圖后，才能使用“車位到車位”；要么，就是要求用戶按照系統要求，完成起點、目的地的車位駛入進口、駛出出口的路線學習（類似于行車記憶功能），即可啟動該功能。當然，無論以上哪種“跑圖”模式，系統都會結合用戶常駕駛路線數據，通過靜默學習，自動生成通勤路線的“車位到車位”。可以看到的是，這種“車位到車位”功能，非常繁瑣且費時費力，從體驗上來說，也對用戶非常不友好。那么，有沒有那種無需“跑圖”即可實現“車位到車位”功能的高階智駕系統呢？

也有，那就是特斯拉的FSD以及問界搭載的ADS 3.0。ADS 3.0的“車位到車位”功能，能夠完全適用于初次行駛場景，即用戶在陌生路段不建圖，也能全程使用智駕（包括問界ADS 3.0中新增的VPD代客泊車功能也是如此）。此外，對于“車位到車位”的具體解題思路也不一致：一種是國內多數玩家選擇的“VPA+NOA+VPA”技術路徑，即在停車場路段，驅動系統行駛的是記憶泊車/代客泊車模式，而駛入公開道路后，才會轉變為智駕領航（NOA）模式，抵達目的地停車場時，再次轉為記憶泊車/代客泊車模式。另一種就是問界ADS 3.0和特斯拉FSD這種，用一套模式打通全場景。即無論是在園區封閉路段、地下停車場區域還是在公開路段，SR界面一直保持智駕NOA/NCA畫面，不會隨場景變化切換軟件系統。這兩種解題思路最大的區別，就在于是否具備“全場景貫通”能力，全程體驗無斷點。除了前面提到的，部分玩家的車位到車位功能，需要切換智駕模式外，還有一些場景會出現“體驗斷點”的情況。譬如，遇到某些路段，因交通事故或封路，導致預定路線無法通行；停車場中固定車位被占用時，系統束手無策……這時，第一種技術路徑的玩家，要么系統會直接退出，要么提示駕駛者接管。雖然這種“斷點體驗”，不存在安全隱患，但會極大影響用戶的體驗。

而主打“全場景貫通”且“體驗無斷點”的問界ADS 3.0，卻能按照人類的駕駛思維，對諸如封路、車位被占用、臨時變更目的地車位等情況，進行處理。以問界M9上的ADS 3.0為例，在我們測試時，從始發地車位上就能直接開通車位到車位功能，即便是在通過收費閘機、環島、復雜路段，乃至我們臨時變更目的地車位，它都能方便、快捷、準確地處理和應對，期間不會出現系統退出、降級、切換、提示接管等情況，做到了真正的“全場景貫通”能力，保證了體驗的一致性。特別需要注意的是，當“車位到車位”與“VPD代客泊車”兩大功能結合時，問界ADS 3.0的“全場景貫通”能力也得到了全面加強。我們測試時發現，即便是目的地設定的車位被占用了，問界M9也能自動漫游，尋找空車位停車，整個過程就跟人類司機一樣。

“車位到車位”比拼的是“硬”實力

“車位到車位”功能實現的本質，其實是端到端智駕。

“端到端”能夠有效解決傳統基于規控算法的智駕系統，無法很好解決長尾效應的問題。即基于規控算法的傳統智駕，在自動駕駛過程中，無法解決那些發生概率較低但種類繁多的特殊場景所帶來的潛在風險。不過，同樣是端到端，為何不同玩家之間，會存在如此大的差異呢？那是因為，端到端智駕，重要的不是算法的端到端，而是體驗的“端到端”。前文提到了，雖然國內不少玩家都能實現“車位到車位”，但在體驗上卻大不相同，而這背后就是各家的“硬”實力存在差異。問界搭載的ADS 3.0之所以會有更好的體驗，就是因為在架構（軟件）、硬件和云端算力（學習能力）三大“硬”實力上實現了領先。架構/軟件端到端大模型，最理想的是傳感器數據和車輛狀態信息，在輸入單一大模型后，直接輸出車輛控制指令。但在實際操作過程中，由于一段式端到端大模型是一個完完全全的“黑盒”，其具備的安全性、可解釋性與魯棒性等問題，目前仍無令人信服的根本解決方法。這也是為何“端到端”會有“上限很高，下限很低”的說法。因此，業內玩家通常選用多段式端到端的架構方案，進而規避一段式端到端帶來的“黑盒”特性，比如小鵬的端到端就采用了XNet+XBrain+XPlanner的三網融合端到端大模型。

而問界搭載的ADS 3.0則去掉了BEV網絡，采用GOD+PDP的端到端架構。在這套架構中，負責感知的GOD（通用障礙物識別）網絡，已經從簡單“識別障礙物”到深度“理解駕駛場景”的跨越式進步，從而全面提升了智能駕駛的安全性與駕乘體驗；負責預測決策規控的PDP網絡，實現預決策和規劃一張網，從而實現類人化的決策和規劃，行駛軌跡更類人，通行效率更高，復雜路口通過率>96%。此外，ADS 3.0還特別地引入了本能安全網絡，這是問界的智駕系統區別于其它玩家最大的不同。所謂本能安全網絡，類似于人類的手碰到火苗會本能地收回來，ADS 3.0的端到端網絡基于安全優先，在處理更復雜的路況的時候，安全的應急處理能力也極為迅速和及時，守住安全的下限。就比如，很多車庫上下地面的通道都比較狹窄，如果在轉彎處，對向正好有車輛也在轉彎，甚至可能還壓線行駛。人類駕駛員遇到這種情況時，通常情況會采取停車觀察、等待、通過一系列操作。但問界M9不同，只要右側空間允許，便會自動向右靠，繞過對向車輛。這就是問界ADS 3.0智駕系統端到端架構的優勢，即在類人駕駛的同時，又超越人類駕駛。硬件如果說架構是高階智駕的靈魂，那么，硬件就是基礎。硬件的性能、穩定性、兼容性等都直接影響到智能駕駛的可行性、可靠性、安全性等。

從硬件層面來說，ADS 3.0采用的激光雷達+高清攝像頭+毫米波雷達+超聲波雷達的傳感器融合方案，也是業內認為高階智駕最安全、最可靠的硬件方案。激光雷達實現三維重建和精準測距，在惡劣條件下仍能準確捕捉物體信息；高分辨率攝像頭獲取視覺信息；毫米波雷達在極端天氣下強化對移動物體探測；超聲波雷達輔助近距離障礙物檢測。此外，問界ADS 3.0所用的各項傳感器，在技術和性能上，也要超過其它采用多傳感器融合的玩家，就比如其它玩家普遍用的是126線或150線的激光雷達，而問界M9則使用了192線激光雷達（線程數量越多，能夠探測到的環境細節就越豐富）。如今業內很多玩家的端到端采用的是無激光雷達的視覺方案。這種方案雖然有成本優勢，但在智駕能力和對智駕安全的保障上卻存在隱患。一個典型的例子就是，在復雜的夜間城市環境中，問界能夠通過激光雷達與高清攝像頭配合識別小目標，即便是雨霧天也能穩定工作確保安全行駛，還能在密集車流中精準操作。但“純視覺”方案，由于缺乏激光雷達捕捉物體信息，無法準確應對復雜路況和惡劣環境。現在業內的共識是激光雷達是在極小范圍的Corner Case中體現類似安全氣囊的最后一道防線的作用。而問界ADS 3.0的多傳感器融合硬件方案，能有效提升安全冗余，并為算法提供多維度信息，確保高階智駕系統的可行性、可靠性、安全性。云端算力從技術來說，“端到端大模型”有三種路線：一種是通過大量規則小模型堆疊的“大模型”，其需要大量的優秀規則工程師；第二種是“車端大模型”，即直接將端到端模型部署于車輛上，雖然見效快，但受限于車端算力，且隨著后期訓練數據量的增加，容易陷入瓶頸；最后一種便是云端大模型（foundation model），其參數量是車端模型的幾十倍甚至數百倍，這是單純的車端大模型所不可企及的。