魏牌蓝山智驾版自交付以来，销量逐渐爬升，每个月稳定在6000台以上，是新能源大6座SUV领域比较热门的车型，这款车的走红，领先的智能驾驶和智能座舱体验发挥了很大的价值。
广州车展期间，长城汽车CTO吴会肖和魏牌蓝山商品总监刘鹏凯接受了媒体采访，涉及：
智驾版的推出对蓝山车型的销量和产品力提升有多大影响
长城智驾现有的技术路线及对未来的技术规划
长城如何规划多域融合架构
长城的智驾是否会去掉激光雷达
长城如何看待中美在AI上的技术代差
全文如下，《刻度》对采访内容做了整理。
媒体：智驾版的推出对蓝山车型的销量和产品力提升有多大影响？长城是否计划继续All in智能驾驶？
刘鹏凯：全新蓝山自8月21日上市以来，每月的交付量稳定在6000多台。对于长城汽车来说，在30万元级别大六座SUV市场中，这样的表现是相当不错的，我们将继续努力。
在此，我必须感谢吴总团队开发的智能驾驶和智能座舱系统，这对我们来说非常重要。我们刚刚完成了“N+1”调研，其中60%以上的客户是因为这套座舱系统和智能驾驶系统而选择这款车，他们对此非常认可。
座舱系统的满意度更高，而智能驾驶系统虽然根据个人习惯不同，满意度也非常高，并为我们提供了许多建议。目前，整个智能驾驶系统正在快速迭代，大版本已有七八个，小版本几十个，每周都有新版本发布。
智能座舱和智能驾驶系统确实是全新蓝山销量增长非常重要的核心因素。我们的智能座舱系统自7月份以来，蝉联7-10月安兔兔车机版性能榜第一名，位列鲁大师第三季度新能源车车机流畅度排行榜第一名，非常顺滑，反应非常快。我们正在不断增加系统中的娱乐性、功能性和交互性，Coffee OS 3.1版本就是一次重大的提升。智能驾驶系统和座舱系统确实非常重要。
除此之外，动力系统，这套Hi4动力系统相比于之前，又做了一次提升，最终表现就是跑得快、油耗低、跑得远，这是三个核心的总结。这套动力系统，Hi4性能版也是我们专门为中大型城市SUV准备的。
还有底盘调校，我们增加了电控减振器，舒适性也有所提升，且可调节。车内，除了智能座舱外，整个空间也进行了升级，如冰箱，我们的冰箱可以放6瓶550ml矿泉水，直接用50W压缩机冰箱，50W压缩机对于汽车来说，功率是比较大的，我们做了零下6度的冰箱，零上是50度。当时我们发布出来之后，和很多媒体老师、用户都交流过，说这个冰箱做到零下6度，说我们重点去宣传这个，这个比很多的只到零度，达不到零度也很强的实用性。
还有就是我们的座椅，副驾驶零重力，前排、二排都是八点按摩，二排带腿托，都是独立座椅，空间也是非常大的，座椅非常好。
还有音响，全新蓝山这套音响，吴总团队做的这套音响，2440W峰值功率。在车里面，通过几块大屏，通过座舱播放影视效果，听歌效果，大家现在都说冰箱、彩电、大沙发，我们现在想说的影院、冰箱、大沙发，我们想做一个组合体，并不是单独说某一个点。
最后，全新蓝山为什么现在销量表现好？其实我也一直在想这个事，现在的确做了一款大家比较认可的车出来，大家想要的东西，车上都有。包括几十年造车底蕴、底盘调校、包括安全性，大家对长城还是比较认可的，这是我的一些想法。
媒体：长城汽车在智能驾驶方面有哪些特点和突破？我们的智能驾驶要达到行业领先水平还需要哪些提升？
吴会肖：首先，端到端技术是行业内公认的一种说法，但具体实施细节，每家企业都有自己的核心见解，这些见解通常不会完全公开。当前还是要做规则兜底。
接下来，无论是视觉语言模型、视觉语言动作模型，还是把更多的视觉模型引入进来，把通识和整个智驾结合得更好，这即取决于整个算法模型优化，还取决于端侧芯片上做得怎么样。
就目前智能驾驶的现状而言，例如自车和他车的轨迹预测以及对道路上的行人、自行车等进行预测，当前算法已能够实现。但面对更复杂场景，如救护车需要避让、潮汐车道和公交车道的使用限制等，对智能驾驶系统来说仍是挑战。
例如，在某些路口，尽管通常红灯可以右转，但如果有标志指示红灯不可右转，这对人类来说很简单，但对智能驾驶系统而言则较为复杂。当然也可以实现，比如在路口打一个补丁，更好的把语言模型引进来，比如说交警一个手势，他让你往前、往后等等，这就更复杂了。面对这样的场景，我觉得要再引用新的模型，并且这个模型能够跑到当前芯片里面去，当前研发重点是到这个层面。
从产品理念上讲，对于全场景NOA全国开城，中国车企几乎都已开启。开城后，大家的实际表现是否足够丝滑、准确，尽可能为驾驶员和乘客提供非常好的体验，这是大家竞争的方向。
包括我们这次去参考美国FSD，还有中国做的一些Demo，以及先行车的体验，已经发展到Parking to Parking，甚至是门到门的产品理念。特斯拉在其最新版本中也主要进行了优化。
对于消费者而言，他们可能不理解端到端的概念，但他们能理解车位到车位。因此，这是我们技术开发人员的方向。然而，确实存在问题，比如在美国测试时，我们遇到了一个场景，系统坚持Parking to Parking，但停车效果不佳，导致车辆反复进出停车场，最终甚至绕到了死胡同，无法出来，我们不得不接管。美国的停车环境比中国要好很多，中国的停车场有更多的抬杆、门卫、车位等复杂多样的情况。
因此，产品理念已经非常明确，即根据消费者需求，，有很多人说我不需要Parking to Parking，我下来之后需要它自己走过来接我，接上我就走，到那儿之后，我人走了，车自己Parking好，这是我们接下来要去做的方向。
如何做到行业持续领先？我认为，随着算法模型的不断精进和产品理念的不断创新，行业每天都在发生变化。但无论如何，团队是否以提供更好、更安全的驾驶体验为使命，是否尊重产品、算法和工程，是关键。如果一个组织只强调某一方面的重要性，可能无法走得更远。
媒体：请问在大模型开发方式下，您认为车企应掌握的核心能力是什么？
吴会肖：当谈到AI应用时，大家首先关注的是产品层面，但实际上在落地实施时，我们发现开发和运营层面能更好地发挥效能。AI和大模型是工具，它们应使我们的日常工作更加轻松和高效。
我们的研发团队拥有一个AI Lab，最初主要面向产品侧。随着ChatGPT的兴起，我们开始将AI Lab的职能扩展到整个运营层。
在原来行业里，我跟哪一个公司高层交流，他坦诚说到，汽车产业不是一个对AI具有先天友好性的产业，其实他说得挺对的，相比于互联网、科技公司，我们确实差一些。因为我10月底去美国的时候，也去微软、英特尔、亚马逊，包括英伟达、高通都走访了一遍，虽然说汽车产业不是特别友好，但是中国汽车产业对AI还是挺友好的。中国汽车产业吸引了非常多来自互联网和高科技人才进来，对整个开发组织有非常大的帮助，可能在一些人看来是冲击，但是从企业的管理者看来，就是提升。
具体到领域，AI的应用非常广泛，从造型创意、车机壁纸到宣传图都可以通过AI生成。无论是在测试应力，还是在代码注释，包括写运行代码，尤其是写测试性代码，我觉得挺好用的。
汽车产业的挑战在于其涉及的因素和组织众多，一个零部件的变动可能对整车的法规符合性、安全性等产生重大影响。有国内的标准、海外的标准，原来的汽车产业不友好是因为他的影响因素太大，当我们做变动的时候，很多工程师要先把所有的，无论是国家的强标、国外的参考标准、企业的标准，还有过去失效的案例，统统都要梳理一遍，所以周期就会比较慢。
通过使用大模型，我们可以更好地进行知识问答和日常标准索引。我们也在引入Coze系统，进行定制化方案的开发，因为它是一个公共平台，我们需要对企业保密性数据进行本地化部署。本地化部署后，它将接触各个领域出现的模型和工具，从而优化我们的日常差旅费用和机票预订等。我非常认同AI给这个时代带来了巨大的变化，这种变化将影响每一个人。
媒体：请问长城汽车在智能化方面这一年多来经历了哪些最大的调整？
吴会肖：去年9月份，技术路线定下来到产品落地，实际上需要一些时间。国际上产品开发周期是36个月，国内缩短到24个月，对于成熟的动力总成，简单的车身改款和软硬件集成，造型确定之后，可以是18个月。所以去年9月份和大家做交流时，所有的技术路线基本上已经确定，今天大家看到的全新蓝山智驾以及哈弗品牌、坦克、欧拉的OTA功能都是基于去年确定的技术路线。
从9月份至今，端侧技术路线上没有做大的调整。主要是进行工程化的落地，工程化落地上，除了端侧，我们在云侧分布式、车联网以及云侧的多云整合方面做了一些工作，无论是数据采集、训练、精准推送还是定点大数据收集都取得了一些成果。
接下来，整个智能化的路径会不会再往前演进？因为我们每个月都会有技术路线审视，发展到今天，我觉得大的路线上还是不会有调整，但在一些小的细节上有所调整，例如多域控制器融合，我们认为这是一个可行的方向，这将有助于降低成本、提高通讯效率和稳定性。但由于涉及到不同领域芯片的选型和整个电路设计，我们会更为谨慎。
关于视觉和激光雷达的选择，我们也在做准备。我们最初认为当前技术状态，量产在激光雷达，可以在适应复杂天气、复杂路况上会更有优势，但是随着数据量的积累，我们认为纯视觉也可以有很好的效果。所以这一方面的工作也会加快。
另一个需要强化的是，从原来的座舱和智驾向整车智能进化，我们的Coffee OS也将升级为整车软件系统，将更多的底盘控制、动力控制、车身控制和端云结合控制纳入一体化的管控领域里面，这是我们的技术路线。
媒体：端到端大模型是否真的能够让那些之前表现不佳的公司在短时间内迅速缩小代差，或者追平这一能力？
吴会肖：我认为算法模型尤为重要。全新蓝山智驾之所以能在较短时间内实现工程化部署并取得良好效果，首先是因为算法架构做得不错。
今年上半年，所有企业都取得了不错的成绩，这与多种因素有关，不仅仅是一个完整的端到端方案。从算法到整个工程化，到动力底盘标定，到横向纵向控制，再到数据训练，每个环节都不可或缺。但是中国的人才流动迅速，一旦有公司取得突破，其他公司也会迅速跟进。至于与特斯拉的相互推进速度，我认为这非常有趣。特斯拉有时在理念上非常领先，我认为没有任何一家车企能与特斯拉相提并论，但现在马斯克太忙了，不知道他是否还有精力放在智能驾驶上。
美国人在AI应用上确实有很多创新，但在工程化层面上，他们会变得慢一些。刚才我谈到去亚马逊、微软，去全球最Top公司总部去聊，他们给我推荐AI应用，他们认为非常不错的Demo，相当于我们在一代半之前的产品形态，我自己还是蛮有信心的。
媒体：全新蓝山智驾版在悬架方面到底做了哪些改进？
刘鹏凯：整个底盘调校，之前不带智驾版的蓝山其实也不错，主体上都不错。这次我们增加了一个电控减振器，这是之前没有的。基于一些平台，包括这个定位，没有空气悬挂，但增加了电控减振器，整个调校基于整车，现在还有大电池，包括整个座舱，包括智驾匹配系统，这些都是综合性调校。舒适性只是其中一方面，还有基于智驾、转向、制动，包括油门响应、动力性、跟随性，结合整车负载，大电池肯定会更重，整体全新做了一轮调校，这是伴随着整个智能化搭载上车同步进行的。
媒体：吴总，您刚才提到了一个重要的问题，即未来将朝多域融合方向发展。请问这一架构大概何时能在一些车型上实现？
吴会肖：谈到多域融合器，大家对于智能驾驶和座舱的关注过高，因此一提到多域控制器融合，大家第一反应就是智能驾驶和座舱的多域控制器融合。实际上，从整车角度来看，多域控制器如何整合，或者我个人认为，在短期内，尤其是像城市NOA这样的功能，目前我们正在做智能驾驶和座舱的融合，甚至发展到One trip这一层面。因此，我认为在当前智能驾驶、智能座舱在One trip路径上，我们还需要进一步看一看。即使对于SKU，包括现在要推的CX ONE，包括高通的一些芯片，我本人并不十分支持，我认为我们还需要更加谨慎。但多域融合器，我主要指的是车控领域，例如网关到车门，包括底盘、悬架、空气悬挂，甚至包括动力控制器的部分，去做多域控制器整合的机会更大，成本也能得到更好的控制。
目前要整合智能驾驶和座舱搭载SOC这一层面上，就您刚才的问题，到底多大CPU、GPU和NPU是足够的，目前还没有看到稳态的结果出现。但对于一些MCU层面控制的逻辑其实还是非常清楚的，所以我认为在整个车控，包括线控底盘控制上做多域控制器整合，我认为这个机会已经非常成熟了。而且我们通过软件层面，可以把他们协调得更好，尽管说不同的域控制器里面，时间维度是不一样的，可能对于安卓侧，我们接受的是秒级，或者是几百毫秒，到的动力总成控制的时间维度可能是50毫秒、10毫秒，或者5毫秒，控制不一样。但总体上，从软件层面，企业是可以打通的。
所以说多域控制器是指除了智舱和智驾其他的领域，当然智舱和智驾里面也会有一些，比如说把泊车整合到座舱里面，就是把一些功能安全放到智驾里面，包括有一些未来支持大模型，我说的大模型不是这个训练大模型，可以看看放到SKU里面，还是放到未来的8295，或者8397里面更合适。
关于您提到的第二个层面，实际上在目前我们看来，如果不引入刚才我说的，基于人类通识场景识别，比如看到交警打不一样的手势，前后方有类似于救护车，或者说特别特殊的场景，因为现在识别这个车就是一个车，就是一个物体，不管是什么，他不是一个人，他是一个交警，交警打的手势是什么，这个层面的算力，现在评估还不是非常充分。再做剩下的轨迹预测和规划生成，我们认为当前单Orin是可以处理得很好的，而且从目前的评测效果来看，我们觉得还不错。
媒体：您们还在考虑是否能去掉激光雷达，OCC上了以后，对算力侵占，目前来看应该是非常大的，就是有没有这样的系统可以在内部实验室里面去跑，看看什么情况？
吴会肖：现在这个视觉已经在跑了，但是目前我们评估下来，即使把它拿掉，可能对一些极端场景影响会比较大。但是正常情况下，无论是做一些训练，包括做历史轨迹预测，去推断接下来整个轨迹，比如说100个点里面定50个点，我觉得这些里面，激光雷达并不是会占用特别大的算力，但我们还是担心拿走之后，对于一些复杂的场景下，就是你没法靠你的视觉把这个物体识别得非常准确，任何图像识别到最终把这个结果输出来，有误的时候，执行度没法提得很高，所以说这一点，我们觉得可以再看一看，我们再去提升，看看整个训练的结果怎样，如果说靠纯视觉，包括加上这些毫米波雷达给出来的结果，我们觉得执行度达到一个比较高的水平，那是可以拿掉的。
媒体：请允许我提出一些延伸问题。可能就不像现在的解决方案，你们是通过云端部署，然后在侧端部署一个？
吴会肖：最终到了决策的时候，肯定是要把这个模型提纯到可以部署在端侧，靠云端跑，那不可能的，在当前情况下，没有任何车的决策经得住这样的时延，因为这个时延目前是没法解决的。肯定是把它提纯到端侧，这个是毋庸置疑的，确实会有一些不确定性，我觉得首先还是产品定义和技术架构、算法，真的要更加紧密的结合起来，就是产品定义直接决定到底用多么大的模型能够跑起来，对于图像识别，定义是完全不一样的。
媒体：吴总，我有两个问题。首先，您刚才提到了高通峰会的事情，从您的视角来看，西方的技术在某些方面我们已经领先了。我想进一步询问，您通过这次走访，对于之前的说法——中国的科技在应用层面做得比较好，但在基础层面做得比较差，您有什么看法？具体还有哪些差别？
吴会肖：这个观点似乎是我们老板提出的。我与老板沟通较多，他所指的底层技术是什么技术？比如光刻机、高精尖的AI训练芯片，以及车辆的大型SOC芯片。确实存在差距，中国目前在这些领域难以实现突破。包括大家非常关心的台积电公布的7纳米技术，晶体管数量与芯片面积的关系，我们在这方面的差距是存在的。
然而，我们在软件集成层面、工程定义、整车开发，从应用层到动力底盘的整合层面上，确实比欧美做得更好。我想分享一个数字，虽然未必准确，但可以说明问题。面对这样的差距，中国人追赶欧美，与欧美追赶中国的差距，大约需要多少时间？我自己觉得，欧美企业如果想建立起像中国这样当前的产品定义和软件开发，达成这样一个产品效果，我觉得至少需要5—10年时间。
为什么是5—10年？只有做过整车的人才知道，从定义一辆整车到整个车的产品体验，无论是动力、操控、安全性能，还是智能驾驶、智能座舱，统统做好，这个事有多难。
长城汽车大概在2020年开始大规模招聘软件人员，开发了第一代8155产品，遇到了一些问题。但问题并非出在产品本身，而是整个产业的产品理念和商业理念。2022年我进入智能化领域，回顾整个过程，我们把组织、商业、合同、技术架构、产品理念全部推倒重来，开发了新的Coffee OS 3设计理念。由于其他公司的加入，新势力的进入，我们看到了非常好的理念，为我们提供了基础，然后我们再去做自己的产品理念设计，重新建立起组织、流程、运营、软硬件架构等所有东西。遇到哪个领域不行，我们就到市场招人，马上投入到特别密集的产品开发中，又经过两年，三四年的时间，达到了现在大家看到的成果，无论是全新蓝山智驾版，还是外国人看来，都非常“哇塞”的一个产品。
这样一个过程，欧美企业来做，至少需要翻倍的时间，不加班，部门壁垒大概是中国壁垒至少5到10倍。而且软件人才和产品经理人才比中国要稀缺很多。更重要的是，他们没有市场上的压力。为什么中国企业这么竞争激烈？在2022年，那时我们已经对产品形态有了清晰的认识，尽管当时受到了很多批评。在欧美听不到这样的声音，因为他们市场上没有这样的产品。我去欧洲、美国看，没有中国的车在跑，感受不到压力。所以说他们的转变没有这么快，除非他们把市场打开，把中国车企放进去，我们当年把特斯拉当作一条鲶鱼引进来，现在欧美国家是否愿意把市场打开，把中国车企作为一条鲶鱼引进去，我不清楚，他们现在对中国有所忌惮，所以为什么关税加这么多，就是因为害怕。
如果他们愿意降低身份，愿意自己发现问题，愿意接受这样一个现状，愿意把自己的市场打开，愿意接受来自中国市场平等的竞争，我觉得他们的转变会更快一些。当然这个过程会非常痛苦，他们会面临更多的问题，比如加班的问题，跨组织协同的问题，跨级别汇报的问题，欧美的职场文化比我们的职场文化来得更痛苦。欧美、日韩所有的车企加起来只诞生了一家特斯拉，马斯克这个人有多么的特立独行，不需要我跟大家作过多介绍，所以说他们会非常难。
所以我们再看芯片。芯片这个领域过去这些年，我们经历了很多的变化。如果大家感兴趣的话，可以买两本《芯片战争》，一本是中国人写的，一本是美国人写的。完整的回顾了整个中国，其实最早芯片是从美国诞生的。我们去了英特尔，看到最早提出摩尔定律的那个摩尔本人，怎么样推动整个芯片产业一步一步走起来。之前我去了台积电，看台积电整个产业链是怎么形成的。具体的周期我忘了，摩尔好像是1968年还是那一年诞生的，后面日本人开始做芯片，后来韩国人开始做芯片。大概2000年之后，中国人开始做芯片，开始追。中国前年、去年，有很多人投入做AI训练芯片、端侧芯片、SOC芯片，几乎每做一轮都会引来一轮行业洗牌，就是成长起来再下去。
所以中国能够花多长时间追齐在底层技术上的这个差距，我现在没有答案。我能推导欧美车企如果想要做成中国这样的话，我能给一个时间。当然如果他们愿意跟中国车企合作甚至合资，速度会加快，但是会非常痛苦。时至今日，也没有办法把欧美、日韩的整车开发周期缩短到36个月以下，至少一轮，36个月，就是3年，3年过去了，3年不可能开发出一套像中国这样的整车产品出来，他一定会有延迟，可能一次搞不好，再搞个一年半左右，所以一定是这么长的时间。
但中国在芯片领域能不能够获得创新，我们的光刻机能不能突破，整个像蔡司那样的光学镜头能不能够突破，这个事我说不太好，太机密了。如果你们有信息，可以跟我分享一下。如果说我们在国际合作上能够再强化一些，能够给更加精密的产业链提供空间和时间，我敢说，中国人的学习速度是全世界最好的，学习能力是全世界最强的，只要有时间，只要互相肯学习，中国人一定能够把他们都打败。
