极越夏一平：未来汽车的 OS，就是大模型

「电动化带来的不只是能源的变化，这也是为什么极越觉得现在进入汽车行业也不晚。」

10 月 27 日，极越品牌旗下首款车型极越 01 正式上市，一个多月后的极客公园创新大会 2024 上，集度 CEO、极越 CEO 夏一平就表示他们有信心，哪怕不久后特斯拉的自动驾驶将进入中国，但在智能驾驶体验上，极越将比特斯拉做得更好。

在 12 月 16 日举办的极客公园创新大会 2024 上，夏一平介绍了「极越」这个让大多数人还有些陌生的汽车品牌。背靠在智能驾驶深耕多年的百度，极越在业内第一个提出「汽车机器人」的概念，其内核是载人机器人。这正是极越与其他新能源汽车品牌的不同之处。

夏一平认为，智能化的汽车就是可以自然交流、自由移动、自我成长的「机器人」，汽车将从过去冰冷的机器，变成有温度的伙伴。

而在新能源汽车行业「风生卷起」的当下，夏一平和团队的思考回归到了智能汽车本身：电动化较之化学能源，带来的不只是能源变化，而是范式转换。未来汽车比拼的底层，已经从操控变成了算力的竞争。

在各家比拼续航、三电、操控之时，极越在思考车真正智能化的方向：智能不只是功能堆叠，也不是把车机当成大屏手机，而是充分利用高算力芯片，把车当成一个完整的智能体，衔接上大模型的应用，如同机器人一般，调动起它的「全部感官」。

当各家都在比拼智能驾驶「开城大战」时，夏一平认为光看数字意义不大，而是要看智驾能覆盖的范围。当特斯拉的 FSD（全自动智能驾驶）入华的新闻传来时，夏一平认为在中国，极越的智驾有信心做的比特斯拉更好。

以下是夏一平在极客公园创新大会 2024 上的演讲实录，由极客公园整理。

智能车，如何进化成「机器人」

极越 01 在极客公园创新大会 2024 现场进行展示｜极客公园

张鹏：极越 01 已经上市，很多人对于车的理解没那么专业，你作为产品的创造者解读一下，在极越 01 的设计上是怎么思考的？

夏一平：极越这个品牌在诞生之初，品牌、服务、产品这三个体系就按照一整套的规范去打造。核心是希望突出它的科技感，所以无论是整车和品牌，还是线下门店和服务，我们在设计上融入了很多机器人相关的概念。

我们设计师最早在设计汽车时，按照三个方向，第一是机器人化有未来感，这个车不是简单的一台冰冷的机器，它怎么跟人产生情感交流。

第二是未来汽车发展的形态。你要思考机器人拥有什么样的能力才能被称之为机器人，不管它是四个轮子汽车形态，还是两足、四足或是人形机器人，它跟人类共存的时候要具备基本的能力，比如自然语言交流，所以我们比较强调自然交流。我们认为不管在任何的场景下，所有形态的机器人一定要实现自我行走，它本质上就是自动驾驶。

第三点很重要，它必须可以基于数据和场景自我学习和迭代。

这三点是我们公司开发产品的三大定律，也是我们对产品最底层最核心的定义：自然交流、自由移动、自我成长。硬件、底层的架构、软件的智能化，再到上层各种模型的融合应用，都是围绕着这三个最核心的逻辑去打造的。

张鹏：之前大家可能还没有在车和机器人两者之间产生很强烈的关联，以前一说机器人就是扫地机器人，你认为在一个家庭里，车其实就是机器人，车跟人有了关系的变化，这种关系到底变化在哪？

夏一平：过去我们在使用车的时候，是我们在驾驶它，操纵它。而现在，车已经不再是一个冰冷的机器，它更多是一个伙伴。我们的车语音助手叫 SIMO，就很多车主会认为 SIMO 是一个有人性和感情的伙伴。

张鹏：类似于助理的角色。

夏一平：对，因为不止车内可以交互，车外也可以交互，所以本质上它不是一个简单的接收指令的系统，而能跟人产生交互的感觉。

张鹏：在车外能交互是一个改变人车关系的重要点，车内交互时我会当它是助理，但人在车外，车也能理解我吗？

夏一平：是。差不多 2008、2009 年，智能汽车开始做语音交互，你会发现第一波做车内语音的时候，那时候我们觉得已经做得很强了。但那个时代没人用语音交互，当时不像现在，你在车里可以随便说语音指令，现在的语音系统能理解自然语言。当时的用户必须记住每一条语音指令，这设计非常反人性而且用户体验也不好。现在语音是交互性的，而且还不是人和机器的交互，而是非常拟人化的交互。

张鹏：能够自由的沟通，就会改变和拉近人车关系。

夏一平：对，所以我们在三大定义里的自然交流，是近乎于跟人对话一样跟车自然交流。这是为什么我们很强调交流的速度，在我们车里，你用语音跟车机交互的反应的速度在 500 毫秒到 700 毫秒之间，基本上等同于我们俩现在对谈的反应速度。

张鹏：人车关系的改变是可以被一些数据和明确的指标衡量吗？比如反馈的速度和语言交流的自然程度。

夏一平：是的。

集度 CEO、极越 CEO 夏一平和极客公园创始人兼总裁张鹏探讨汽车的智能化转向｜极客公园

张鹏：智能汽车开发的范式，在今天发生了什么变化吗？

夏一平：分两个层面，2021 年 6 月我们正式开始启动极越 01 这个项目，那时只有三个人，极越 01 的第一行智能化代码到今天软件系统完成，是我们在两年期间里做出来的。

这里面很大的挑战来自于两个方面，第一是我们内部的软件团队是以周为单位来做软件，一个版本开发，一个版本测试，一个版本上车。但不是所有下游的产业链合作伙伴都能够跟得上这种速度。过去汽车行业开发是一个微型模型，你给他一个需求，它要经过需求的解读、研发、单元测试、集成测试、上车测试，最后才能把软件给你，这个周期很长。

所以不可能让合作伙伴也以周为单位给我交付新版本。我们在中间有一段时间，整个团队代码的 Bug 量累计到了一万多，因为底层很多传统的汽车的 MCU（电机控制单元）的控制逻辑没解决，导致上游积累了很多应用的问题。

张鹏：光靠一个体系跟着你走，你自己想快也快不起来。

夏一平：是，我觉得在新时代下，跟产业链整体的合作伙伴在一个步伐上造车真的很有挑战。

第二个挑战在于，现在汽车开发复杂度比以前高了很多。假设我们把过去整个开发看成一个方程式，它是比较固定的，但是你在 AI 时代，变量的结果可能是有各种可能性，而且可能性的出现的比例很大。

因为比如一个左转动作，左转时光照、天气情况、有没有人、路况怎样、有没有车……同样一个左转，结果就非常不一样。

张鹏：所以这事怎么解呢？

夏一平：第一，我们现在叫泛化城市，需要实车跑大量路面测试。

第二，要做到快速软件迭代，我们车上有一个功能，你在车上说「SIMO，我要报一个问题」就可以把开车过程中遇到的所有问题，通过语音系统报上来。我们会直接在系统里面生成一个程序，把这个问题通过系统自动分配给它出现问题的工程师，不需要中间还有一个产品经理去做问题分发。

张鹏：那你这个真的很极客，随时报 Bug。

夏一平：而且用户在手机端就可以看到 Bug 解决的进程。

张鹏：很极客。

夏一平：这个时代必须快速迭代，我们本月底会发布 1.3 版本的 OTA，光功能就加了四百多个，我们就是在用这种方式加快软件迭代。不可能我哪天左转突然发现很危险的问题，还得等半年时间让软件迭代。

极越没迟到，时机刚刚好

张鹏：我再问一个大家可能关心的点，你们今年 10 月底开始交车晚不晚？汽车行业已经很卷了，交付上有没有压力？

夏一平：压力肯定是有的，没有压力也不正常。我们一个很重要认知是：整个汽车行业的发展，从当年的油车到电动化，再从电动化早期大家比续航、三电、操控，现在在往智能化方面走，范式变化很大，电动化带来的不只是能源的变化。

在油车时代，我们很多的操控系统像是液压转向、液压加速，本质上是用化学物质操控。从长期发展来讲，自动驾驶系统很难靠化学物质控制精度。当纯电出来之后，把整个汽车的底层架构全部数字化，化学状态更容易不可控的要素，数字化把它变得更线性。所以现在的数字底盘、数字转向、数控转向、数控刹车，这些都是来解决整个车的数字化。

数字化解决之后是供电方式的变化。过去油车靠 12 伏小电池供电，发动机不开都不敢开空调，因为小电池无法长时间供电。但电车有可以高压供电的大电池，在不启动车的时就能在车内听音乐、吹空调、看电影、打游戏。这是在油车时代无法享受的体验，除非发动机一直开着，但你也很难开着发动机睡觉，噪音太大。

当整个电车全部被数字化之后，大家比拼的是什么？这是我们要去思考的。我们认为未来 5-10 年汽车产业发展的巅峰是无人化自动驾驶。未来 10 年比拼的核心能力，已经从过去的三电、操控性逐渐到了比拼算法、算力。在今天，百度对大模型、数据、地图、算力的应用，让它具备未来智能汽车全链路上所有的核心竞争力，这也是为什么我们觉得现在进入这个行业也不晚。

汽车在过去很长一段时间里算力非常低，在 2022 年底和 2023 年出现了两个芯片，对整个行业产生很大影响。

一个是（高通）座舱 8295 芯片，这是汽车行业有史以来第一次在算力上超过手机。以前在（高通）8155 时代，汽车算力比手机弱很多，也不能同时支持座舱和智驾的大算力。另一个（英伟达）Orin 芯片有 254 TOPS 的算力。正是这两个芯片的出现，得以让过去只能在云端或者在高算力 PC 上跑的算法，能在车规级芯片上落地。如果没有这两个芯片，所谓智能化汽车还只是在功能上叠加，不能真正叫智能汽车，正是有了这两个芯片，才有可能从底层软件到上层应用，重构整个智能汽车。

张鹏：听你刚才描述算力的变化，有点像当年我们谈论移动互联网何时到来，4G 的出现解决了带宽到数据的成本问题，移动互联网因此蓬勃发展起来。所以，汽车智能化会因为这两个关键的算力芯片到位，在接下来进一步提速？

夏一平：一定会进一步提速。现在 ChatGPT 背后逻辑也是因为服务器侧的算力快速提升，成本快速降低。汽车也是一样，可能今天我们用 8295 和 Orin 成本还是比较高，但是我相信未来一定是靠它们的算力（降低成本）。我们刚开始用 254 TOPS 芯片的时候，英伟达就推出了 1000 TOPS 的算力平台。

我们的长期判断，当整个行业越来越智能化时，芯片迭代速度也会非常快，我们才用上 8295，8795 就出来了。大家对技术发展理解一致，就看行业发展能不能跟得上芯片发展速度，毕竟汽车还是再快也要注重安全性的产品，半年开发一款新车的可能性不大，至少都得经过两年时间才能开发一款新车。怎样把科技和整车架构衔接起来，我觉得这是整个行业下一步需要解决的问题。

夏一平认为极越进入汽车的时机刚刚好｜极客公园

张鹏：那你来得刚刚好，正赶上了一个时代的切换。

夏一平：我觉得刚刚好，如果再早几年，你让我造一台这样的车，我没有这么大的信心，最多就做一个跟其他车差不多的产品。因为当时就只有 8155 的芯片，差不多 7.5 TOPS 左右的算力，连复杂的 3D 渲染都做不了。我们之所以今天有能力直接基于 Unity 的 3D 引擎做 UI 开发，从视觉上对车进行 3D 渲染还原，能支持 6K 大屏全屏游戏，再到今天的智能驾驶，都是因为车规级芯片能力的大幅提升。

张鹏：之前的技术只能把智能当成智能功能的堆叠，但还不具备做一台「机器人」的能力。

夏一平：我觉得这是两种思路，一种是把智能化当做功能做到车里面去。另一个是正向思考：我做一台智能汽车，应该怎么去开发，这两个产品有天壤之别。

论智驾，极越能赢特斯拉

张鹏：再说一个比较直接的问题，特斯拉的 FSD（Full Self-Driving Computer，全自动驾驶）也要进中国了，你们在自动驾驶层面上进展如何？怎么衡量和特斯拉之间的距离？能和特斯拉同场竞技吗？

夏一平：我们的智能驾驶很大一部分是衍生自百度 Apollo L4（级别）的 RoboTaxi（自动驾驶出租车），很多方面的能力是很强的，毕竟在中国能够做规模化无人车运营的，可能只有百度一家。在过去很长一段时间里，百度积累的不止是智驾技术经验，还有安全经验，即怎么做智驾是最安全的。

同时，为了保证长期的自动驾驶技术泛化性，我们车上用了纯视觉的技术方案，目前在中国肯定是第一梯队。目前全球只有两家在做智驾，一个是特斯拉，一个是我们。如果特斯拉 FSD 进中国，我们有信心比他们要强。因为我个人也经常去美国试他们的产品，他们在美国确实比较厉害。但在中国，最大的挑战是中国的路况——中国城市道路结构、道路规则，甚至红绿灯识别语义都和美国不一样。在泛化性这件事情上，特斯拉需要解决的问题还有很多。特斯拉对于一些通用场景的解决能力一定是比较强的，但不代表放到中国立马就可以应用。

所以，我觉得特斯拉进入中国之后，要花很长时间去提升它在中国的泛化能力。在城市的高阶智驾体验上，我并不觉得它马上就能做到跟我们一模一样的体验。

张鹏：我再追问一下，最近大家在车圈里聊 NOA（领航辅助驾驶）聊的很多，以后 NOA 会是核心看点吗？

夏一平：我认为长期来看，一个好的自动驾驶一定是以覆盖率为导向。

但一些企业把它当成一种营销手段，就不太合适了。我们现在的智驾已经覆盖了全中国 90% 的高速和城市高架，甚至是快速路，这是什么概念？如果智驾能够覆盖城市高架和城市快速路就算开辟了一座城的话，我们在中国已开超过 200 城。

但是，我还是要强调一下智驾的安全性，我们在拥抱一个非常好的智能化时代，但不宜在这个时刻让用户产生过高预期，因为智能驾驶还是非常有挑战性，解决自动驾驶问题是人类 AI 历史上的明珠，不是简简单单靠一个几百人团队很快就能把事情做出来的。特别在自动驾驶 AI 泛化性上，很具有挑战性，不能一蹴而就。

我觉得从长期来看，智驾需要覆盖更多的区域才是好的服务。为什么我们未来会做按日订阅的模式，逻辑很简单，你有什么样的能力给大家提供智驾，覆盖了什么区域，用户会基于你的能力付费。

比如我在一个没有智驾覆盖的三四线城市里生活，但是我今天要走高速去另一个城市出差。我们的智驾覆盖了全程的高速高架，那就可以买一天的服务。要出去自驾游七天的时候，用户就买个七天包。我是基于服务能力给大家提供服务，不是花大钱终身买断后发现各种地方都没有覆盖服务，用户就会想为什么要花那么多钱买一个这么多年都用不上的服务。

张鹏：所以本质上更务实一点，哪怕就这一段路能用智驾解决，用户可以选择用或不用，而不是空放个数字和概念。

夏一平：是的，我觉得数字没有任何的意义，如果把智驾当做一个服务，我要考虑能给用户在多大的区域里服务。

未来汽车的 OS，就是大模型

张鹏：我再追问一个问题，刚才聊到汽车机器人这个产品定义的概念，极越的车里也很大胆地取消了很多物理按键。你担不担心用户觉得这种设计太激进了，你怎么面对这个问题？

夏一平：在产品研发的过程中，纠结过很多次。曾经有一段时间我都很怀疑，我经常在反思，我们是不是做的过于超前了？但是整个团队还是比较坚定，说实话，创新有时候就是这样，当你做创新的时候，一定有反共识的东西存在。如果创新都基于共识的话，那这个产品一定是平庸的。

就像我们取消方向盘上的很多按键，把转向灯放到方向盘上，选择用屏幕换档。可能大家觉得我们是在学别人，但学要学思考，不能只学个模样。我们背后的思考很简单，过去我们所有的应用都是经由手机 OS，应用本质上是一个交互模式。很多汽车公司要和手机厂商合作，本质上就在想能不能把手机应用搬到车机上。但我们的观点是，未来 3-5 年应该是大模型的时代，大模型就是一个 OS，过去的很多应用都要重写在大模型上，交互模式会发生变化，整个中间的交互过程会被省略，只要问它，它就会反馈结果，这是完全颠覆式的变革。

这里剧透一下，明年我们第二款车上市时，整个模型会迭代到 2.0。语音系统会比现在更强，现在的语音系统是基于四个小模型，明年第二款车上会完全变成一个大模型，中间小模型直接全部干掉，不需要识别在哪个区，语音输入之后直接出结果。明年还会做多模态，图片和语音同时识别。智驾在明年也会迭代一版，逐渐变成机器学习。我不是在这里画饼，我们会让应用直接上车。

在今天，我们把车看成机器人，它的所有镜头就是它的眼睛，它很多的传感器就是各种触角，麦克风就是它的耳朵，喇叭就是它对外发声的嘴，交互的智能化核心算法就是大脑。我们智驾全域都是用一套视觉系统。同时我们把视觉的算法系统放到各种应用里，大灯、远近灯光切换也是用同一套视觉系统。举个例子，我们有两个后向摄像头，当后方有电动车来的时候，门是开不了的。

张鹏：防止「开门杀」。

夏一平认为大模型，才是未来汽车真正的 OS｜极客公园

夏一平：对，我们同一套视觉系统已经下放到了很多应用里，下一步的视觉释放是换档和左右转向，下一版软件会把转向半自动化，视觉系统完全可以识别用户什么时候左转，什么时候右转，什么时候左转完，什么时候右转完。

我们是有思考而不是拍着脑袋就做了这些设计，这些能力都是预埋的。在月底的软件发布后，会把左右转向按键做到半自动化。

我们能识别进入车道前后自动打灭灯，下一步就是自动化拨杆，左转或右转不是用转向角度来判断，而是用视觉去判断进入哪边车道，再来判断左右转。未来开车的时候，用户不需要关注车是打左转灯还是打右转灯，也不需要关注灭灯。

同样的能力我们还能下放到换挡，在很多场景下完全能够判断用户要前进还是后退，用同一套的视觉系统就能完全识别。类似的功能还有很多，很多算法的能力不是只能做一件事，而是让同一套视觉算法尽可能让车去实现更多的场景，这才是真正未来的智能汽车，这才是真正的智能机器人，它的视觉不止是做一件事，而是来做所有需要视觉去实现的事。

张鹏：到最后它本身是一个智能体，车就是智能的实体。在这个层面，确实需要更大胆，更非共识地推进。

夏一平：我相信这一类现在看起来有违背于现实的非共识，比如自动拨杆，一旦做成后一定可以替代上下拨杆。从交互体验上看，不需要人操作和让人左右拨杆相比，一定是不需要操作的体验感更好，而且用户一定会接受，因为用户永远会为好的体验买单。这也是为什么我们笃信，好的技术带来的体验上的壁垒一定会让产品成为最好的产品。