小鵬為什么拋棄激光雷達？

最近不少朋友跟我交流一個問題，小鵬為什么不用激光雷達了？

很多人可能也注意到了，從去年的重磅車型P7+開始，到今年的連續改款G6，G9，以及后續的很多重磅車型上，小鵬“去激光雷達”的勢頭越來越猛。

有意思的是，在乘用車輔助駕駛領域，小鵬是第一個把激光雷達帶上車的主機廠。有印象的朋友應該知道，最開始的小鵬P5用了2顆覽沃的激光雷達。現在又是第一個主動拋棄激光雷達的車企。尤其是在激光雷達勢頭一片大好的前提下，小鵬作為輔助駕駛行業領頭羊，總有出奇之舉，背后的邏輯是什么？

圈子里討論比較激烈的一個說法是降本增效。目前批量采購單顆激光雷達成本在1千左右，加上一些配套線束不超過1500，小鵬之前用的是2顆，一款車上激光雷達的成本就是3000。

有人說20萬的車3000塊好像也不是很多，賬肯定不是這么算的。如果按照總銷量來看，之前激光雷達主要集中在MAX車型上，按照每年銷量三分之一（沒法拿到確切的銷量數據，只能粗略估計）來算，小鵬今年以來月銷量基本穩定在3萬左右，一年就是34萬，激光雷達版本差不多是10萬量級，一年僅激光雷達一項就能省下來3個億。

去掉激光雷達讓小鵬在產品價格上擁有更多優勢，效果也立竿見影。小鵬今年重新站上新勢力銷冠降本功不可沒。推算下來這個邏輯閉環成立。但是從小鵬自身來說，這個事情并沒有那么簡單。這一切還要從小鵬最新的技術路線講起。

為了通向自動駕駛終局，小鵬搭建了一個世界基座模型。小鵬汽車自動駕駛負責人李力耘介紹，小鵬基模是一個以大語言模型為骨干網絡，使用海量優質駕駛數據訓練的多模態大模型，具備視覺理解能力、鏈式推理能力和動作生成能力。提升智駕能力上限。

它可以理解成一個云端大模型，大模型結構的第一層采用Encoder編碼器，對所有信號進行融合。你沒有看錯，是各種信息，包括視頻信號，以及導航音頻、車載視頻，甚至耳朵、超聲波雷達、毫米波雷達聽到的各種信號。目前能夠處理的參數量達到720億參數（一個模型是72B），VLA模型參數差不多在1B-2B之間，大概是35倍的差值。

接下來就來到了最核心的部分，小鵬通過語言大模型（LLM）讓各種各樣的傳感器信息、元素對齊，使它能夠作為標準化“符號”被處理，這樣大語言模型就具備了推理能力，以及持續的思維鏈能力，通過前方車輛的繞行推測前方可能有障礙物，進而推理出前方施工等場景，從而提前做出應對。

經過Encoder（編譯器/編碼器）到語言大模型之后，模型會變成一個聰明的學生或者剛入行的聰明青年教師。經驗少，但是天賦高。然后再通過高質量數據的方式強化學習讓系統變成一個經驗豐富的老教授先放到車端。

強化學習是大模型訓練的經典思路，Open AI的很多模型都是采取這個方式。先通過設置獎勵函數給系統設置一些邊界，再通過獎勵模型提供更連續、更泛化、更多維的獎勵信息給到強化學習，最后再通過世界模型對他進行多維度的模擬驗證。

于是，一個經過海量數據訓練的優秀老司機云端大模型就這樣誕生了。最后再通過蒸餾的方式把云端訓練的能力沉淀出來，生成“小身材、大智商”的端側模型，下放在車端。

云端模型的工廠在新的AI時代下提升了整體的模型迭代效率和軟件迭代效率，尤其是在全球化的環境下，要面向未來的前端的模型需求，一定是需要快速生產出不同的模型，并且快速部署到不同的環境當中。

小鵬的邏輯其實很簡單，模型足夠大，能夠承載的參數量就足夠多，系統的能力上限就足夠高。

關于小鵬云端基座模型詳細的技術拆解，我們在之前的內容里有過重點闡述。有興趣的朋友可以回看一下我們之前的內容。

這里我們重點來聊一聊小鵬這一套邏輯到底成不成立。

講太多技術的東西很枯燥，有一個很明顯的佐證就是看特斯拉，特斯拉也是海量數據訓練之后的結果，在美國市場的表現相當驚艷，說明這條路有它的可行之處。

這時候我們再來回看小鵬的策略，去掉激光雷達讓小鵬形成了一條技術閉環路線：去激光雷達降本 — 多賣車 — 收集更多數據 — 海量數據驅動系統優化 — 與友商拉開差距 — 賣更多車重復循環。

特斯拉證明了這條路線的可行性，但follow注定是一條難走的路。小鵬對自己的技術絕對自信，但是挑戰也是存在的。我覺得有幾個點值得關注：

首先是數據量。小鵬的飛輪要轉起來一定要有龐大的數據量，這是大前提，否則一切都是空中樓閣。看看特斯拉在這方面做多少努力就知道。

數據來自兩方面，一方面是賣車收集的真實數據，另一方面還有世界模型工廠“造”出來的數據，也就是大家理解的仿真，但小鵬世界模型的作用可不止于仿真。

還有一點就是模型設計是否合理，小鵬的做法是先用數據訓練一個云端大模型“老師”，小鵬擬定一套評價標準來評價老師好壞以及準出標準，再讓“老師”去訓練車端模型“學生”。現在除了特斯拉，因為他的模型技術到現在一直都沒有公開。國內自動駕駛公司現在大家打的都是明牌，技術范式基本比較明確。理念提出來是一回事，東西能不能做出來是另一回事，效果好不好又是一回事。有印象的朋友應該知道，其實模型蒸餾這個說法，國內最早是毫末智行在2023年科技日上就提出來了，但是東西沒做出來。

再有就是在傳播上很被動，華為花了足夠多的精力讓消費者接受激光雷達就是高價值輔助駕駛的代表，小鵬如何向消費者解釋視覺比激光雷達好，雖然特斯拉在前面幫小鵬消除了一部分誤解。但小鵬最大的變量就是真正在體驗上做出成績，讓消費者信服。視覺方案如果沒有海量的數據幾乎不太可能在體驗上超越激光雷達，要擁有海量數據就要多賣車，多賣車就要體驗比友商好，但體驗好的前提是多賣車有更多數據，然而在數據量不夠體驗不夠好的時候小鵬只能從理論上向消費者解釋為什么視覺比激光雷達好，這就回到了華為推行激光雷達高價值的問題。這看起來像是一個死循環，看小鵬如何破局。

這里我們可以引入另一個話題，地平線余凱和小馬智行樓教主都提到過一個觀點認為人類數據并不是越多越好，很多人類數據其實并不直達的學習。他們更傾向于搭建一個世界模型以及評價標準相當于給系統設置了一個基本框架。這與小鵬和特斯拉的海量數據驅動系統升級似乎有矛盾。不著急評價誰對誰錯，讓子彈再飛一會。

暫且拋下自動駕駛的星辰大海，去激光雷達給小鵬帶來的顯性效果立竿見影。價格更便宜了，車賣的更多了。對小鵬是好事，畢竟當前的環境下，活下來才有更多可能。或許嘗試一段時間之后再重新裝上激光雷達也未必，畢竟二者并不矛盾。

小鵬自己認為，去掉激光雷達更多的是技術升維，這是對自身技術的絕對自信。注意，這里有一個核心的細節需要注意。在L2領域，小鵬只是認為現階段的信息夠用，并沒有否定激光雷達的價值，在更高級別的L3、L4階段，小鵬會繼續采用激光雷達。這和馬斯克有本質的區別。馬斯克是完全不認可激光雷達的價值。

看起來，這更像是一個商業選擇，并不是單純的技術對立。接下來，小鵬需要向外界證明相機能夠達到激光雷達相同的效果，甚至超越。特斯拉已經交卷，小鵬也在這條路上加速狂奔，期待好消息。