小鹏p52024款电池怎么样-小鹏p5电池终身质保吗

1.何小鹏内心的那团火 | 汽车产经

2.激光雷达“上车”竞赛，变数浮现

何小鹏内心的那团火 | 汽车产经

撰文 | 陈昊、黄持

出品｜汽车产经

在访结束后，我上前去追问何小鹏，最近究竟是什么变化超乎了他的想象，以至于让他在科技日上如此天马行空？他带着半开玩笑的语气说：“我不告诉你。”

10月24日，这个属于程序员的节日里，小鹏汽车用了两个多小时的发布会呈现了足以称得上“信息量爆炸”的内容。而这个过程中，何小鹏说过好几次，最近的变革超出了他的想象，甚至是“他们这样一群在最前面的创业者都无法想象的速度。”

1年时间，国内的新能源汽车销量份额就从5.8%增长到了12.6%，9月单月则已超20%；距离人们谈论新势力还能活多久也不过1年多的时间，如今“蔚小理”的月交付已经可以过万；半年时间，小米、360、富士康等公司纷纷官宣涉足造车。

即便只是在“汽车圈”，这些变化也足以超过很多人的想象。

何小鹏一定是喜欢这些变化的。

他说：“我一九八几年第一次坐在一台车上，那时候的车跟现在的车也差不了太远，为什么30年了，车却没有巨大的变化？我们如果再去造一个没有变化的车子，那我创业干什么？”

于是，我们看到了小鹏P7的鹏翼版、小鹏P5的车内和睡眠空间，直到科技日上上，宣布要在2024年量产飞行汽车。

何小鹏的大学同学，UC期间的创业伙伴黄荣海曾这样形容何小鹏：“他内心有一团火。”

如果说当初创业做小鹏汽车，是这团火新的萌发，那如今，这火已似燎原之势。

当然，有人说小鹏给了太多的期货，无论是800V平台，还是城市NGP都没有具体落地的时间表，而给出时间表的飞行汽车，也被认为有太多难以解决的阻碍。

但小鹏P7鹏翼版的热销、P5激光雷达选装比54%、智能空间选装比56%、高速NGP里程渗透率60%……

这些也都是远超最初小鹏内部预测与想象的事实。

当然，用这种经验主义来证明未来的事情，也并不能完全服众。但就像何小鹏在演讲中说：“我们所有的思考逻辑都是要能够脚踏实地走向量产。”他很清楚如何控制心中那团火的燃烧。

这也是为什么小鹏可以让很多人们不相信的东西变成现实，也是为什么选择再相信他一次的理由。

现实，超充与城市NGP

何小鹏说：“我觉得绝大部分对于创新的思考，宏观上是正确的，微观都是错的。像经纬度一样，你不知道准确的数值，需要向前行的过程中不断调整你的方向，可能只有3%或5%的角度，但这才是创业的过程。”

机器马和飞行汽车是何小鹏更遥远的想象，而超级补能与就是小鹏汽车在寻求最终理想过程里，那5%的调整。

国庆电动车车主充电排队的“囧途”成了热搜，充电桩不足、电网容量不足，也把电动汽车补能的痛点无限放大。但在众多车主充电1小时排队4小时的时候，很多蔚来车主却可以凭借高速路上的换电网络实现快速补能。

这份专属的“优越感”，显然对品牌价值和用户体验有大幅拉动。

小鹏在之前也一直有布局自身的充电服务网络，目前已有439座超充站、108座目的地充电桩和1648座免费站。

但此次公布的“超级补能”体系，一方面要实现更合理的充电网络布局，另一方面也要改善充电时的使用体验。

通过“车端-桩端-站端”的技术升级，让“充电5分钟续航200公里”不再是空想。

接下来，小鹏将实现800V高压SiC平台的量产，与之配合的是480kW高压充电桩，以充分发挥800V平台的补能潜力。

而在站端则推出了自研储能充电技术，为充电站提供更稳定的电容量，尤其在电网负荷不足的环境下，平均储能满足每天30车次的不间断充电。

未来2年，小鹏将服务网络覆盖全部地级市、主要县级市和绝大多数高速公路。最终构建超级充电-城市补能-高速周边组成的服务体系。

如果说超级补能是补足现在的用户体验，那么城市NGP就是小鹏从现实走向梦想的一条路径。

在发布会上，小鹏汽车展示了一段5分钟左右的，一台完整利用了XPILOT软硬件架构，覆盖VPA停车场记忆泊车、高速NGP、城市NGP等多个功能模块的P5，从酒店停车场出发，一路通过智能驾驶前往小鹏汽车肇庆园区。

尽管这只是一场演示，但并不妨碍小鹏为我们展示出的，一个强大的由驾驶勾勒出的未来。

小鹏汽车自动驾驶副总裁吴新宙说：“一个正常的用户的驾驶时间，高速场景大约只占10%，但如果将高速场景打通到城市主干道、快速路和次干道，那么10%就会延长到90%。”

这意味着驾驶可以在人驾车的大部分时间里产生作用，使用驾驶会变成一个常态。当然，这也意味着场景复杂度的几何级上升。

这是小鹏智能驾驶的下半场。

小鹏希望通过数据闭环和软件迭代，实现长尾问题的收敛和安全性的提升，同时完成全场景的打通，实现点到点的驾驶。

而这，对于绝大多数普通用户而言，已经是体验的极大进步。

当然下半场也绝非那么简单，吴新宙在现场并未给出明年上半年城市NGP的首批落地城市与时间点，何小鹏也把自动驾驶责任划分的难题留给了法规制定者。

吴新宙常和他的团队讲，赛道的上半场是一个短跑，比拼的是算法的爆发力。但下半场可能是一个马拉松，比拼的是体系和效率。

但既然敢说下半场开启，小鹏也一定对自己的体系与效率有足够自信。

强化科技企业“人设”

很多事情，说多了，人们也就信了。

当年何小鹏没有像李斌一样选择定位高端、通过避开大众市场竞争的方式入局造车的思路，而是选择了由下而上的大众路线。

或许从那时起，何小鹏就已经为自己想好了路。

从个人曾创立UC的履历，到最初小鹏G3车顶上的360°全景摄像头，再到P7上的高速NGP，还有“科技日”……过去7年里，小鹏从产品到品牌，一直都在不遗余力地为自己塑造科技人设。甚至今年科技日的开场辩题，都一下子把你拉到了科技巨变的50年后的想象。

于是，当飞行汽车、机器马横空出世时，外界的第一反应也许有些惊异，但也更多愿意选择相信小鹏的这条路。

其实何小鹏何尝不清楚这背后的风险、挑战和困难，但当被问及飞行汽车、机器马这些小鹏生态公司的业务如何商业化落地，以及投入与回报的考量时，他说：“任何一家公司从长线来看都要有足够的利润。我们最开始做生态公司考虑的是战略，投资公司考虑的是财务。所以我们现在只考虑战略为主。”

曾有一种讨论，随着技术的发展，越来越多品牌都搭载上了科技配置时，小鹏一直以来所树立的科技人设是否还会有优势？

现在看来，小鹏一直所坚持的东西，已经开始见到效果。就像奔驰也没有很多独门绝技，但它依然是其他品牌所无法取代的奔驰；特斯拉的车机大屏即便再难用，也不影响它在很多消费者心中的科技标签。

这就是品牌的力量。

而这次科技日上，小鹏也成功激发了人们对于其品牌未来愿景的想象，至于具体是什么，何小鹏卖了个关子，留到以后再说。

写在最后

当被问到程序员有什么特点时，何小鹏说：“老实、实干，会赚钱、不会花钱，当然这是开玩笑的。”

但正是因为何小鹏身上那股靠谱劲儿，让他说的很多话值得相信。

在科技日上，似乎很难找到太多技术落地的明确时间表，即便有，可能也是几年之后。这难免让人觉得，小鹏是不是在“画饼”？

但何小鹏说：“一个公司的核心重要、次要和不重要就像一个暴风眼不同的环一样，越中心的地方我们做的投入越多，但可能过了5年之后这个暴风眼的某一些能力已经往外移了，因为它稳定了。”

因此，小鹏每半年就会有技术分析会，会讨论一个技术在几年后有没有继续研发的价值，有些就会降低或稳定投入，有些就会加强投入，这是一个动态的过程。

这是一个渐进的逻辑。

也正是这种渐进，让想象的靠谱程度，可以变得更高。

至于何小鹏心中的未来蓝图，他选择再2023-2024年再与我们分享。或许，他还需要一点时间，让想象变得更加完整与现实，但他不会忘了控制心中的火。

激光雷达“上车”竞赛，变数浮现

当前，激光雷达已经被行业认为是应用于高阶智能驾驶以及自动驾驶逻辑上的“飞跃”。上周，小鹏 汽车 旗下全球首款量产激光雷达智能 汽车 ——小鹏P5下线，即将在本月底开启首批车主交付。

相比于几年前奥迪搭载法雷奥激光雷达不同， 小鹏P5有可能是首个将激光雷达真正应用于可以上路的智能驾驶系统的车型。

为什么是有可能？

因为按照小鹏 汽车 官方说明，相应增强版功能预计在2022年第二季度通过OTA实现，也就是城市NGP功能（自动导航驾驶）。

此外，城市NGP功能需要逐一城市进行大量里程的标定、测试和验证 ，以提高可靠性，我们会从一线城市（北京除外）开始进行标定测试，逐步推广到其它城市，这个过程可能会持续较长时间；

并且城市NGP功能依赖于各城市的高级驾驶地图的行政审批通过 （某些行政管辖区可能会需要更长的时间），该功能推送时不能覆盖所有城市，将依据各城市审批情况逐步开放。

而按照其他车企的，接下来长城摩卡搭载激光雷达的版本将于年底前上市。明年，蔚来ET7、沃尔沃XC90、智己L7等车型也将陆续上市。

显然，对于激光雷达上车并且真正应用于量产系统，还是一个未知数。不过，这并不会影响激光雷达“硬件”上车，因为软件可以OTA更新。

一、

一直以来，激光雷达作为自动驾驶的主要传感器选项之一，成本一直是大规模上车的最大障碍之一。 尽管L4级自动驾驶几乎都有搭载不同类型的激光雷达，但即便是Waymo，车队数量也仅仅不过千辆级别。

而对面向私人用户的乘用车市场，成本敏感度更高。1000元以下，被认为是大规模量产导入的基准线。

目前，大部分激光雷达供应商仍在处于从1000美元到500美元的降本“斗争中”。 对于300美元甚至100美元的目标，部分供应商选择了“降性能”的策略。

现实是什么？

当你看到由激光雷达生成的大量点云的图像时，可以看到很多细节。比如，行人、车、停车标志甚至是车辆上的图像，但这不是点云的“真实”效果，因为通过点云处理会丢弃大部分数据，这一点类似于传统的毫米波雷达。

同时，真实的点云对象也是“模糊的”，即使是像建筑或标识这样的平面，也会有一个个小的凹凸（并非一个真正的平面），这意味着返回的点会在表面纹理的细化上反弹，或者因为用于去除车辆自我运动的算法会产生小错误。

即使是静止的物体，其位置也会发生轻微的变化。因为激光雷达返回的，只是物体表面的一系列点，同时必须对返回值进行卡尔曼滤波等算法来过滤掉抖动。

但对于算法处理来说，这是把双刃剑。

因为如果过滤太多，感知系统可能会“错过”实际运动的对象；但是如果过滤不够，系统可能会计算出一个物体刚刚在毫秒内移动了一个可感知的距离，这对接下来的路径规划可能会产生错判。

当有企业声称他们的激光雷达“看到”200米或250米时，他们真正的意思是，传感器足够敏感，可以探测到从某个距离物体上的某个部分返回的脉冲，但这对系统来说几乎没有任何意义。

这意味着，点云密度至关重要。

因为激光雷达的工作原理意味着点返回的密度与传感器距离的函数线性下降，无论是水平还是垂直视场。点云密度低，就会严重影响对象分割和分类，确定对象类型变得困难，甚至是几乎不可能。

比如，大疆Livox的非重复扫描模式，独特的花状扫描模式，随着融合时间的增加，点云的场覆盖将持续增加，直至场覆盖接近100%。而传统机械式扫描下，当线不够密集时，就有丢失物体的可能。

此前，Livox的Horizon系列的探测范围达260米，水平视野达81.7度，可覆盖4条车道10米的范围。不过，在中高速场景下，这种方式存在障碍物精准识别的延迟问题。

而在给小鹏 汽车 提供的Livox HAP车规级定制版本上，Livox增加了对ROI区域的两次扫描，从而增强对行人和骑行人的安全感知。

对于远距离探测（300米以上），Livox还推出了一种名为Avia的全新解决方案，它可以在不同的扫描模式、范围和不同的场景之间切换。其中，重复扫描模式用来应对高精度和特定区域密集点云的应用需求。

这种改进方式，目的很明确，就是提升部分区域的点云密度。

从技术维度来说，激光雷达的测距、每秒点数（PPS）以及给定视场内的角度分辨率（以及对应的视场角）是三个主要规格，其中，第三个参数用于确定目标检测和分类的能力差异。

在相同的图像刷新率下，较高的PPS倍数意味着在同一距离（R）上给定目标上的点数量显著增加，这直接提升了目标检测和分类的更高精度。

在 Innovusion自动驾驶销售市场副总裁梁鸿燚看来，为什么强调激光雷达要看的远，并不是说要看到250米距离的车辆，而是要看到100-150米距离的小物体，对系统来说才能够有一个安全的预警时间和距离。

这就需要点云密度，尤其是低反射率物体。

比如，100个光子打出去，只有10个光子返回。只有在250米可以看到反射率10%的车辆的情况下，才有可能看到150米的路边低反的轮胎，20 20cm的纸箱，才有可能看到更近距离的100米左右的黑色（更低反射率）小物体。

这背后，还得益于Innovusion激光雷达的远距离探测以及分辨率，在120米外的行人可以获得20多个点或者400米左右的车辆上可以获得20多个点，这对于后续的感知识别算法，至关重要。

此外，Innovusion激光雷达还具有动态聚焦功能，通过局部像素加密，对感兴趣区域关键目标和细小物体进行“凝视”，能获取更加精确的三维信息。

二、

目前，激光雷达的降本策略之一，就是组合不同性能规格的激光雷达。 但，问题是，系统可能需要更多的激光雷达来提供全视场覆盖，或者通过其他传感器来补充。这意味着，更多的数据处理、传感器融合、高数据传输以及高算力要求等。

以Ibeo的方案为例，ibeoNEXT的性能参数是在11.2度水平视场角实现260米目标物探测，32度视场角仍在开发中。这意味着，需要两颗补盲激光雷达，才能形成对前向道路的广覆盖环境感知。

比如，大陆集团在已经自研量产短距FLASH激光雷达基础上，去年通过参股激光雷达公司AEye，从2024年起投产远距离激光雷达。

而一径 科技 则是推出了长距+中短距+盲区的全套MEMS激光雷达解决方案，包括面向短距应用的大视场角MEMS激光雷达，以及基于1550nm光纤激光器的前向长距MEMS激光雷达。

不可否认，激光雷达大规模应用还需要显著降低成本、提高产品寿命，并且需要突破更高的探测距离（超过250m，甚至是300-400m）、超高扫描线束等技术瓶颈。

1550nm是主流选择之一，不管是一径 科技 、AEye还是luminar，都用了该方案设计长距离探测激光雷达。 使用1550nm的激光器不仅可以在人眼安全范围内提升几个数量级的出光功率，而且可以更加有效的避开阳光噪声区域，从而降低背景光噪声。

从一径 科技 推出的1550nm+MEMS方案激光雷达ML-Xs也可以看出，各项参数都达到了全新的高度。比如视场角达到120 25 ，角分辨率达到0.15 ，线束达到200线，背景光噪声（在自然光照条件下）降低了70%。

此外，1550nm的发射器要比905nm的更安全，可加大激光器的功率、提高信噪比、减小脉冲宽度，并且对人眼安全性更高，更重要的是提升了激光雷达的有效距离。

不过，1550nm方案目前最大的障碍，还是成本。对于核心供应链体系的垂直整合也是未来降低成本、保障上游供应的关键一环。

Luminar是收购了InGaAs芯片公司OptoGration Inc.、芯片设计公司Black Forest Engineering，主要布局1550nm InGaAs光电探测器芯片以及专用数据处理芯片，理想状态下，规模化量产成本可以降至数美元范围。

一径 科技 同样选择底层芯片和元器件等自主研发和创新设计，目前其自研的的LiDAR专有芯片和核心算法已经成型，从而进一步降低1550nm激光雷达的成本。

在业内人士看来，“激光雷达的核心电子元器件正在向专用集成电路集成，后者具有密度更高、成本更低和可靠性更高等优点。这种趋势大致遵循集成电路的摩尔定律，意味着激光雷达体积、重量和成本大幅减少成为可能。”

而AEye公司推出的1550nm方案，则更强调了可以放置在挡风玻璃后，类似传统的前向摄像头。这对未来的车型设计来说至关重要，不会影响外型美观以及减少外置可能带来的对风阻系数的约束。

不过，从成本和供应链成熟度来说，905nm目前仍然具备特定优势，尽管这种波长带来了对眼睛安全的担忧（比如加大功率），同时限制了探测范围。

此外，从研发到制造（产品良率，间接影响成本）、供应能力和售后支持，激光雷达供应商还需要向市场证明，持续高效大批量生产已经准备就绪。

在这之前，这个市场还有不少变量因素。

三、

而在众多变量因素中，还有一项非常关键，那就是标准。

众所周知，在 汽车 前装市场，除了车规级、功能安全等一系列行业达成的默认认证之外，不同地区及市场还有相关的性能要求及测试标准，对于全新的 汽车 电子件，激光雷达也不例外。

按照高工智能 汽车 研究院数据预测，随着2022-2023年国内新车搭载L2级比例继续保持快速增长，高阶智能驾驶搭载激光雷达进入第一轮增长周期，预计到2023年国内乘用车前装激光雷达规模将超过150万颗。

这意味着，接下来技术路线如何发展，市场做出什么样的选择，有一点已经非常明确： 激光雷达的前装规模化量产已经开始。而整个行业也迫切需要规范化、标准化，从而为大规模前装量产提供参考基准。

10月12日，全国 汽车 标准化技术委员会电子与电磁兼容分技术委员会组织召开了《车载激光雷达性能要求及试验方法》标准起草组成立会 ，初步确立了车载激光雷达的标准体系构成和标准研制工作的与分工。

其中，在国家标准方面，禾赛作为牵头单位，百度作为联合牵头单位，共同负责国标GB/T《车载激光雷达性能要求及试验方法》的制定。 此外，禾赛还参与牵头制定多项激光雷达行业标准。

就在今年9月，禾赛的Pandar128激光雷达拿到了SGS颁发的全球首张激光雷达ISO 26262 ASIL B功能安全产品认证证书。而ISO 26262作为全球公认的 汽车 功能安全标准，是目前智能驾驶领域核心零部件前装的主要准入门槛之一。

而对于主机厂、一级零部件供应商来说，国标GB/T《车载激光雷达性能要求及试验方法》的起草，意味着，未来可以在一致的标准下对比市场上的各种产品，降低OEM的选型门槛和额外隐性成本。

从此次汽标委的标准起草会议纪要函中，对于标准完善也已经形成了初步的「意见」，在基本框架上增加了自检、故障报警、启动时间、唤醒功能等更加实用的功能，结合实际场景进一步区分了高速物体运动状态和高动态场景的点云性能要求等。

对于激光雷达的测试条件也做了进一步规范建议，例如试验室的光源，测试板的反射率；对于具体的测试布置进行了详尽的说明；对于人眼安全给出了莱茵提供的IEC标准参考；对车规环境测试也给出了全面的要求。

同时，在全球市场，IEEE也在去年启动了激光雷达性能测试方法的标准制定工作，聚焦于性能测试方法，包括距离精度/精度/分辨率、最大/最小距离、探测概率、角精度/分辨率、反射率等。

目前，激光雷达功能范围要求的模糊性，已经明确了相关标准测试方法的紧迫性，这意味着无论是激光雷达供应商还是 汽车 制造商都没有办法横向“比较”产品，行业缺乏透明度。

今年3月，Luminar与沃尔沃 汽车 旗下软件子公司Zenseact达成的协议，将激光雷达硬件和感知软件进行融合，提供一整套完整的自动驾驶解决方案。

因为，对主机厂来说，在为车型筛选出符合要求的激光雷达硬件后，还需要解决如何为硬件开发算法，怎么对系统的感知能力测试验证等问题，以确保达到量产要求。在激光雷达量产项目中，软件和硬件同等重要。

比如，激光雷达的感知算法 ，包括目标检测、目标跟踪、目标分类、速度判断、可行驶区域的判断甚至路径规划等等，在此基础上才能实现具体功能的开发。 一个典型的案例，就是激光雷达输出的原始点云数据也存在Corner Case。

这意味着，激光雷达感知算法与自动驾驶系统算法一样，同样需要大量场景数据的喂养，通过丰富的各类场景验证测试来实现算法的迭代，以保证激光雷达系统安全可靠、检测率和准确度。

此前，基于几年的激光雷达软件“开发+测试验证”闭环落地量产经验，亮道智能推出了面向整车量产的激光雷达系统解决方案 ，支持客户完成量产前激光雷达性能定义、产品硬件选型，感知算法开发与测试验证，以及系统集成到整车的量产目标。

“基于场景进行开发和测试验证成为行业趋势。 汽车 行业急需引入智能传感器软件算法开发，高质量数据集和高效处理等技术，来应对智能化变革。”亮道智能CEO剧学铭表示。