上仍是“人机共驾”，像现在城市NOA基本属于L3，技术收敛得很快，现在大家更多讨论的是如何用更高的性价比方案去实现它。L4的商业化仍在探索，但技术正在加速收敛。今年部分头部Robotaxi公司已宣布单车运营成本打平甚至开始盈利，这证明了商业闭环的可能性。此外，在Robotaxi、Robovan乃至具身智能这类无人值守的场景中，还要确保这种级别的安全性，本土化供应链的支撑至关重要，这也是我们今年重点发力L4的底层逻辑所在。NBD：从芯片的角度来看，L3和L4在技术架构与算法需求上的关联度大吗？黑芝麻智能杨宇欣：越往下探，关联度越大。芯片底层架构是类似的，只是算力要求不同。算法层面差异可能会更大，无论是算力需求还是研发路径都有区别。但当L3和L4的需求收敛到芯片端时，其技术方向是趋同的，本质上都是对大模型的高效处理，无非性能指标存在差异。NBD：Robotaxi在国内的运营成本与海外有差异，如何看待其商业前景？黑芝麻智能杨宇欣：成本和体验是两个维度。虽然国内人力成本相对较低，但无人化的私密感和放松体验是差异化优势。以武汉为例，萝卜快跑已实现千辆级的全域覆盖，这表明规模化运营的技术和管理已非难题。我预计未来五年内，国内至少有30个城市会部署5000辆级别的车队。目前中美企业都在全球“跑马圈地”，中东地区因地广人稀和资本优势成为首选，全球范围内的商业落地正在加速。智驾一旦“普惠化”，将不再是“溢价卖点”NBD：智驾硬件成本整体呈下行趋势，在主力车型上实现高阶智驾普惠化过程中，软硬件解耦、规模降本的核心路径是什么？小米汽车陈龙：关于降本，一方面是芯片针对Transformer（神经网络）架构做NPU的专项优化；另一方面是软硬协同。我认为完全的解耦不现实，只有深度优化才能用更低的硬件成本跑出更强能力。此外，小米独特的优势在于大模型复用，我们的基座模型既能用于智驾，也能用于机器人和生态链设备，这极大地分摊了模型的训练成本。黑芝麻智能杨宇欣：系统降本一方面靠架构创新（用更小面积实现更强功能），另一方面靠算法与芯片紧密配合。用户愿意为体验买单，我们要用相对低的成本提供越级体验。同时，随着装配量的提升，边际成本也会快速下降。NBD：目前智驾在多大程度上成为了刚需卖点？高阶智驾的价格下探区间在哪里？小米汽车陈龙：智驾已经是用户购车决策中的核心选项，它不再是尝鲜玩具，而是能解放精力的实用工
=*=*=*=*=*=
当前为第4/5页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页