近日，極越01迎來了上市近5個月以來的第五次OTA，并且，這也是極越01在90天哪連續(xù)推出的第三次OTA。

在最新版本V1.4.0版本中，極越的軟件升級涉及智能駕駛、智能座艙、智能互聯(lián)、三電等諸多領(lǐng)域，共計升級200+功能，解決5300+用戶反饋問題。

比如此次的升級包括OCC占用網(wǎng)絡(luò)可視化效果、SIMO與文心一言大模型雙向融合、基于大模型的人車家生態(tài)正式“上車”等。

OCC占用網(wǎng)絡(luò)的升級，可以讓極越01在純視覺路線下進一步提升避障能力。

同時，在行業(yè)高階智駕掀起無圖之戰(zhàn)時，極越01則融合了百度LD地圖（車道級地圖）的能力，做到百度地圖覆蓋的地方，極越PPA都能開。

在端側(cè)大模型的支撐下，極越01的座艙語音交互也正在朝著視頻語音融合的多模態(tài)交互能力發(fā)展。

在這些能力的支持下，極越01也保持著月月OTA的進化速度。

當(dāng)然，對于一款完全依靠軟件能力進入市場的新車型來說，極越也面臨著巨大的打開用戶認知、教育市場的壓力。

因為當(dāng)下，用戶認知已經(jīng)遠遠無法跟上技術(shù)進化的速度。

同時，整個智駕領(lǐng)域也進入了技術(shù)混戰(zhàn)階段，很多品牌都開始宣稱大模型上車。

對于智駕領(lǐng)域來說，如何理解現(xiàn)階段的大模型概念？在開城、使用率的比拼中，如何衡量真正的智駕能力？用技術(shù)突破市場，又具備怎樣的難度？

在此次極越舉辦的首屆極越AI DAY期間，品駕與極越CEO夏一平進行了一次對話。

對于大模型，夏一平稱，如今的大模型還沒有完全實現(xiàn)端到端，大模型也并不是越大越好，算法、算力、數(shù)據(jù)都對大模型如何匹配應(yīng)用需求有影響。

經(jīng)過幾個月的市場實戰(zhàn)，夏一平也發(fā)現(xiàn)，雖然智能汽車領(lǐng)域從三電進入到了AI能力的比拼，但是在營銷端，建立用戶認知仍然是非常有難度的。

用戶體驗才是衡量軟件能力的最終標(biāo)準(zhǔn)，軟件能力決定的用戶體驗，與硬件時代賣配置已經(jīng)完全不同。

最近，極越也在營銷端進行了不小的改革。夏一平說，很快，市場端的變革速度，就會追上極越軟件迭代的速度。

我們也拭目以待。

以下是對話實錄：

提問：極越如何有效地部署和優(yōu)化AI大模型，以在汽車領(lǐng)域?qū)崿F(xiàn)高性能、低延遲的智能功能？如何平衡算力需求、能源消耗和實時性要求？另外，極越的純視覺智駕路線是如何實現(xiàn)實時的環(huán)境感知和準(zhǔn)確的決策制定？如何應(yīng)對復(fù)雜路況和不可預(yù)測的行為，以確保車輛安全穩(wěn)定地行駛？

夏一平：首先，我們布局比較早，在行業(yè)內(nèi)比較領(lǐng)先，早在2021年就開始規(guī)劃和部署AI大模型。

大模型分為兩種，一種是云端，一種是端側(cè)。我們現(xiàn)在基本就是云端訓(xùn)練、端側(cè)部署，端側(cè)再做優(yōu)化。減少對網(wǎng)絡(luò)的信賴，以實現(xiàn)高性能和低延遲。而且，我們的迭代速度非?？?，全年AI模型迭代次數(shù)達到324次，而且是真正上車的模型，基本平均一天就有一個模型上車。

算法、算力、數(shù)據(jù)三要素是起到?jīng)Q定性的作用，極越的智駕計算擁有2.2 EFLOPS的GPU 算力，而且整個數(shù)據(jù)存儲以及有效訓(xùn)練時長、帶寬都是行業(yè)內(nèi)非常領(lǐng)先的。

另外，大模型并不是越大越好，要根據(jù)具體的應(yīng)用需求，進行相應(yīng)的匹配，包括匹配合適的算力。

第二個問題，極越的純視覺是百度最早為L4智駕而開發(fā)的，對場景的算力要求比較高，而且已經(jīng)經(jīng)歷8000多公里里程的安全無事故運營，有很強的優(yōu)勢。

而且，我們擁有百度最新研發(fā)的視覺大模型VTA（Vision Takes All），它具有目標(biāo)檢測、實時建圖、時序跟蹤、場景的閱讀理解能力四大核心能力，支持總共101類建圖場景，基本上是覆蓋了100%的道路元素，而且整個建圖的精度是達到厘米級，可以更敏捷的對發(fā)生的事件做決策，也能更端到端去推理和執(zhí)行，從而更好地確保安全行駛。比如在最難最復(fù)雜的路口道路構(gòu)建情況下，我們才有能力完全重建路口，這是完全不一樣的能力，不是靠模型一個個訓(xùn)練再把它串起來。

因為北京的PPA剛開始，雖然我們現(xiàn)在還有高精地圖，但很多體驗上的能力其實沒有差別，可以感覺到安全性比很多車體驗要好很多，我們有足夠多的數(shù)據(jù)、覆蓋足夠多的場景，可以訓(xùn)練足夠多的場景，可以覆蓋更多長尾的Case，那么產(chǎn)品的體驗就會越好。

總有來說就是數(shù)據(jù)足夠多、算力足夠大、訓(xùn)練足夠頻繁，用最快的速度自我成長。

提問：請問大模型客觀的標(biāo)準(zhǔn)是什么？有沒有具體的指標(biāo)？另外，請問您覺得大模型和非純視覺矛盾嗎？極越在三電和其他技術(shù)方面有何優(yōu)勢？

夏一平：當(dāng)前，許多大模型其實只是一個噱頭，很多人也不清楚大模型具體是什么。大模型是一個概念，是一種AI學(xué)習(xí)并逐步成長的計算方法，不同的算法有不同的模型，有語言大模型、感知大模型、端到端大模型。

應(yīng)用于汽車上的大模型，最主要的區(qū)別在于上車體驗，極越的大模型上車體驗在全中國甚至全世界做得是最好的，比如最新的1.4.0版本功能，目前市場上是看不到第二家的。

關(guān)于三電技術(shù)，我認為今年可能已經(jīng)走到盡頭了。想在三電方面拉開差距幾乎是不可能的，無論是電池、充電、電機，現(xiàn)在都越來越同質(zhì)化。真正能夠突破，贏得市場的只能是看智駕能力的高低，以及智能化體驗的優(yōu)劣。

整個世界都在向著AI方向變化。我們會被AI的產(chǎn)品所圍繞。所以，如果你的車不夠智能，不是AI，你會覺得跟不上時代。

提問：在純視覺路線上，小鵬等許多玩家也在加入，請問您怎么看待這樣的市場競爭？極越的智能語音做得非常好，擁有非常強悍的智能體驗，未來還會有哪些智能化迭代？

夏一平：首先，市場很大，歡迎更多的友商加入到純視覺的競賽中來。

任何一個時代都會有競爭，行業(yè)的進步迭代也是需要競爭來推動。

在智能汽車的時代，核心的競爭力是軟件架構(gòu)和電子架構(gòu)，在這些方面，極越可以說是領(lǐng)先行業(yè)兩代到三代。

極越是中國第一家整車做SOA化的公司，讓車輛對各個下層模塊的能力有更好的跨域調(diào)度，實現(xiàn)底層操作系統(tǒng)所有域控全時云端更快、更安全的FOTA體驗，還包括行業(yè)首個SOA化艙駕融合，形成系統(tǒng)級的安全冗余。這些開發(fā)難度很大，但我們堅持做下來了。

而且，極越擁有全車冗余環(huán)路的千兆以太網(wǎng)作為骨干網(wǎng)絡(luò)，承載AI能力，實現(xiàn)全域融通、端云融通的整車電子電氣架構(gòu)。

提問：在端到端開發(fā)方向，特斯拉有百萬級的用戶數(shù)據(jù)做訓(xùn)練，請問極越實際采集的數(shù)據(jù)和大模型生產(chǎn)出來的數(shù)據(jù)，它的比例是多少？

夏一平：特斯拉的數(shù)據(jù)采集不光是靠用戶端采集的數(shù)據(jù)，也有許多是專人專職去做數(shù)據(jù)采集，然后進行訓(xùn)練的。

特斯拉現(xiàn)在許多事情做得比較好，迭代的速度也比較快，這點是要肯定的，同時，我們也要認識到，它不是一步登天的，也是靠長期的積累，由量變到質(zhì)變的結(jié)果。

另外，最重要的一點是，大模型訓(xùn)練比較核心的東西不是數(shù)據(jù)比誰多，而是比誰有更多的高質(zhì)量數(shù)據(jù)。數(shù)據(jù)質(zhì)量很重要。數(shù)據(jù)質(zhì)量不好，訓(xùn)練出的模型可能就是有缺陷的。

我們是由百度AI大模型賦能的，百度在AI大模型方面有著十多年的經(jīng)驗積累，無論是數(shù)據(jù)還是算力都是行業(yè)領(lǐng)先的，所以我們現(xiàn)在迭代的速度也非?？?，每個月都有一次OTA，真正做到了讓用戶月月開新車，這在行業(yè)內(nèi)是唯一的。

提問：有一種觀點認為，現(xiàn)在自動駕駛對于消費者購車支付過程中的權(quán)限在降低，這種情況會反過來影響到自動駕駛技術(shù)發(fā)展的節(jié)奏嗎？您覺得自動駕駛這種功能級的應(yīng)用，對車企的成長撬動作用有多大？

夏一平：首先我覺得到今年年底，頭部的智駕駕駛玩家和第二梯隊就會拉開巨大的差距，因為AI數(shù)據(jù)迭代的飛輪一旦起來之后，成長是非?？斓模唤o后來者超越的機會。

我不太認可消費者對智能駕駛購買意愿低的說法。在極越之前，整個行業(yè)中的智駕更多的是在做噱頭，它不是真正的智駕，所以會免費。我自己在一線經(jīng)常跑的，門店待的非常多。事實是越來越多的用戶想買智駕的車，而不是越來越少的用戶買智駕的車。

從極越的用戶數(shù)據(jù)來看，越來越多的用戶主動想要買有智駕功能的車。

科技的發(fā)展是不會倒退的，包括現(xiàn)在的AI技術(shù)發(fā)展，GPT大模型，以及整個AGI發(fā)展，這些技術(shù)的發(fā)展將非常有效的推動整個智駕的飛速發(fā)展。我覺得時代不會倒流，科技也不會倒流。

提問：極越的端到端技術(shù)應(yīng)用的程度有多大？您是如何定義智駕第一梯隊的？

夏一平：第一個問題涉及到比較多的技術(shù)和數(shù)據(jù)信息，目前還沒有具體的數(shù)字。但是我們現(xiàn)在團隊的基本工作原則，是一定用模型的思路來解決。

關(guān)于智駕第一梯隊的定義，我覺得智駕覆蓋的范圍數(shù)據(jù)是一個重要指標(biāo)。極越的PPA現(xiàn)在開通了北京、上海、廣州、深圳、杭州五個城市，而且可使用范圍跟覆蓋率非常高，一線城市的滲透率是90%以上，比如用戶每天開100公里，大概有接近50%都是智駕PPA開的。這一點，其它品牌是做不到的。

而且，我們的產(chǎn)品一直追求極致和極智，體驗是真的好，足夠安全，足夠好用，所以用戶都愛用。大家有機會可以多采訪我們的真實用戶。

所以，用戶也是一個重要標(biāo)準(zhǔn)，只有用戶說智駕好用，才是真正的第一梯隊。我們的用戶對極越的PPA非常信息，有許多用戶已經(jīng)開著我們車跑遍了PPA覆蓋的所有地方。

現(xiàn)在也有許多極越的用戶，每天開直播，演示極越01的PPA功能如何的好用，也是相當(dāng)于在幫我們宣傳，充分說明對我們的喜愛。用戶說好用，喜歡用，才是一個真正的標(biāo)準(zhǔn)。

現(xiàn)在網(wǎng)上有許多全程無接管的智駕視頻，其實大多都是不真實的。目前階段，總會有一些突出狀況需要接管，但是沒關(guān)系，我們就是承認真實的問題，然后通過AI學(xué)習(xí)，快速優(yōu)化升級，下次就會成長。

提問：剛剛提到文心一言與SIMO的打通，想請問，文心一言在覆蓋車機領(lǐng)域的能力夠用嗎？像車機領(lǐng)域的大語言模型應(yīng)用部署，有哪些方向會成為車廠的競爭核心方向？

夏一平：現(xiàn)在不是應(yīng)用時代，過去的娛樂系統(tǒng)是把娛樂系統(tǒng)當(dāng)做零部件裝到車上，而我們做的事情是從智能汽車的底層重新架構(gòu)，電子架構(gòu)、軟件、OS、SOA再到大模型，是完全按照未來技術(shù)發(fā)展的方向迭代，這是為什么優(yōu)勢在于我們一出生就從第一行代碼寫起，正是因為我們有了全新從第一行代碼的機會，所以才有現(xiàn)在的軟件架構(gòu)。

極越現(xiàn)在在AI智艙方面做的事別家做不了，并且不是因為芯片的問題。

文心一言在極越01的上車，并不只是一個新增應(yīng)用，它更像一個OS系統(tǒng)，可以從底層與SIMO進行充分融合，并與軟件架構(gòu)完美匹配。

文心一言是語言大模型，而大模型就是未來的OS。也只有把大模型當(dāng)做原生OS來開發(fā)，才能做出更好的智能體驗。

提問：極越的銷量數(shù)據(jù)似乎沒有給出正向的反饋，想問一下咱們是怎么看待目前的銷量，以及有沒有思考核心問題在哪里。

夏一平：今天聽了發(fā)布會，老師們也知道我們的問題在哪，我們自己也反思過，和理想最近的反思有點相似，以為把車造出來是1-10的過程，其實發(fā)現(xiàn)還是0-1的過程。

我們在前期的目標(biāo)用戶找得不夠精準(zhǔn)。當(dāng)把車賣給非目標(biāo)群體的時候，你會發(fā)現(xiàn)很困難，當(dāng)我們把車賣給科技愛好者的時候，甚至都不用介紹車的優(yōu)勢，消費者就會買單。

我最近很多時間都在一線跑，去到銷售門店親自賣車，和用戶交流。在這個過程中，我可以更好地知道做錯了什么，做對了什么，以及用戶真正需要的是什么。

極越是2023年8月份開始成立，極越01上市也才4個多月，比較年輕，面臨挑戰(zhàn)非常大。作為一個新的品牌、新的品類產(chǎn)品，當(dāng)一個用戶進入我們門店的時候，思考的第一個問題不是我要買車，而是這個品牌是什么牌子，能不能相信。這也是我們要去解決的問題。

當(dāng)品牌還在建立認知的過程中，我覺得應(yīng)該多把用戶帶上車，通過賣場景、賣體驗，這也是我們產(chǎn)品的優(yōu)勢所在。而不能去賣配置。

另外，從1月份開始，我們加大了對直播的投入，包括我自己也出來直播，加強對科技的宣傳，吸引對智能化有需求的人群進店。

目前，我們整個銷售團隊正在進行變革，整體的數(shù)據(jù)正在發(fā)生好轉(zhuǎn)。就像我們的軟件升級迭代的速度很快一樣，我們的組織迭代也很快，所以我們堅信，我們還是有機會的，請各位拭目以待，相信極越不會讓大家失望。

返回第一電動網(wǎng)首頁 >