| Contact Us | CHT | Mobile | Wechat | Weibo | Search:
Welcome Visitors | 登录 | 免费注册 | 忘记了密码 | 社交账号注册或登录

Home

温哥华资讯

Realty

Education

Finance

Immigrants

Yellow Page

Travel

不给机会 十八线城市不配自动驾驶

QR Code
请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!
中国,智能电动车的竞争经常表现为一场造词比赛。


2020年,比亚迪刀片电池出鞘,而后麒麟电池、弹匣电池、魔方电池、神盾电池纷纷来袭。

同样,在NoA(Navigate on Pilot)导航辅助驾驶的名字被特斯拉首发后,蔚来起名NoP,小鹏造词NGP,沿用NoA名字的理想,还喜提过马斯克的揶揄。


而在NoA从高速场景向城市渗透的2023年,新一轮智能驾驶造词运动初现端倪:

理想集中训练从北京望京到顺义的城市通勤智驾,这一将扩展到其他地区的功能被称为通勤模式;

小鹏则随G6上市发布了AI代驾,计划今年推送给50座城市的车主;

预计在9月上市的五菱云朵灵犀版,类似的功能则名为记忆领航(记忆行车);

智己即将上市的新车LS6,也会在明年搭载通勤模式。

不过,激烈的造词竞争其实也意味着大批企业注意力与资源的集中投入。电池起名大战后,中国新能源汽车突飞猛进,从少数一二线城市加速渗透至全国各地。

同样,围绕通勤模式的智驾造词比赛,也预示着一场高阶智驾走出北上广深的智驾平权运动正在开启。

01 脱图中转站

从某种程度上来说,通勤模式是车企追逐无高精地图高阶智驾的折中选择。


今年,在智驾进城的竞赛中,车企纷纷立下激进目标:华为的计划是年底前在45城开通城市NoA功能,小鹏的目标是50城,理想则加码到100城。但立Flag时豪情万丈,功能落地却略显缓慢。离今年结束不到4个半月,但开通了城市NoA功能的城市还不到10座。

之所以开城进度缓慢,原因在于国内已量产的城市NoA,都要依托于高精地图基建先行。但高精地图采集成本高、周期长、监管严,在众多非一线城市,高精地图要么绘制困难,要么过审缓慢。

一个尴尬的局面由此产生:

众多车企与供应商投入重金开发的城市高阶智驾,明明正处亟需跨越鸿沟的阶段,但却仅是少数发达城市用户的专属功能。用户规模不足,不仅会导致研发成本难以收回,也很难获取海量数据促进算法迭代。


正是因为看到这样的问题,特斯拉的FSD在规划之初就抛开高精地图,选择不断推高单车智能的上限。由于对基础设施的依赖更少,这一技术方案的能力理论上更容易泛化,通俗一点解释就是不挑城市,从北上广深下沉到二三线城市的阻力更小。

然而理论归理论,现实是FSD入华尚在筹备,而国内玩家即使用上了高精地图这根拐杖,市面上已有的城市高阶智驾,在北上广深的表现还时不时踉踉跄跄。丢开高精地图直接在二三线全面落地城市NoA,目标过于宏大,后果也难以想象。

在僵局中,产品经理们由移动互联网锤炼出的场景思维,最终带来了一个青春版的高阶智驾产品:

如果饼画得太大导致团队做不了、用户吃不下,那就先把饼画小一点——既然在非核心城市不靠高精地图很难做好完整版的城市NoA,那就先做一个城市NoA mini版,只在用户最高频的通勤场景做好智驾——通勤模式应运而生。



多家车企的通勤模式将在年底前集中上线

在通勤模式的功能设计中,车主将有机会化身AI驾校教练,解锁“教车开车”的独特体验:用户先沿着通勤路线开几遍,车辆对路线一遍遍记忆、学习后,逐渐轻车熟路,最终无需高精地图也能在固定路线上开启高阶智驾。
不错的新闻,我要点赞     好新闻没人评论怎么行,我来说几句
Prev Page12345Next Page
Note:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • _VIEW_NEWS_FULL
    _RELATED_NEWS:
    _RELATED_NEWS_MORE:
    _POSTMYCOMMENT:
    Comment:
    Security Code:
    Please input the number which is shown on the following picture
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西网为北美中文网传媒集团旗下网站

    Page Generation: 0.0348 Seconds and 4 DB Queries in 0.0057 Seconds