宝山，上海第一钢铁厂旧址。

上周，蔚来在这里点亮金色炉台，2500 立方米高炉，浓重的工业气质与古典凝重的光影交织，蔚来 NIO IN 用科技的进步呼应那个火红的年代。

这是蔚来第一次开科技发布会，为了全方位展现蔚来恐怖的自研实力，日程安排了整整一天。

• 电驱动、电池、车辆工程；
• 芯片、整车操作系统、全景互联、智能驾驶、智能座舱；
• 智慧能源、智能制造、人工智能、全球数字运营。

看上去简洁无比的一个屏幕，李斌先生云淡风轻在台上介绍。

但是每一个词后面，都是蔚来为此投入的巨量资金和全球聚集的人才团队。

信息量实在是太大，乃至于很多内容都一笔带过，而我也被巨大的信息量冲击到大脑宕机。

看完全程的我，当时只留下三个字「体系化」。

这三个字被李斌和任少卿演讲时不断重复，自豪之情溢于言表，似乎是蔚来团队的研发守则。

01

「体系化」到底是什么

这不是一个好回答的问题。

我们换一个角度：蔚来这些研发，真的值得吗？

明明可以像其他厂商一样外采，然后宣布共同研发即可。当然，作为技术的跟随者，这条路绝对没错。

但是蔚来从来不是。

蔚来是这条路上绝对的创新者，而且不是单点创新，是整体创新。

• 成立第一天就要做国内第一条全铝生产线，那时候国内还没有人这么做过，人才几乎也没有；
• 换电功能的设计需要自主设计电池换电结构，换电站，能源系统，一切从零开始；
• 底盘域控制器长期被博世等国外强势供应商垄断，蔚来想要做一些定制化功能没有办法满足，蔚来只能自研；
• 为了解决被用户诟病的座椅问题，供应商迟迟无法满足需求，蔚来只能自研；
• 在一代平台上与 Mobileye 合作并不顺畅，无法满足之后功能的需要，蔚来只能自研。

而现在的功能表现，都证明这些路都是对的。

全铝车身成了蔚来的名片，换电成了蔚来的核心差异性，ICC 底盘控制器让蔚来的底盘表现越来越好，座椅也不再是一个问题，自动驾驶技术也完全保持在了第一阵营。

这些长期的投入，正在逐渐兑现价值。

高屋建瓴，从用户体验的角度思考整体创新，再逐个击破系统中的每一项任务，完成整体创新，从而带来更好的体验。

这我对蔚来的体系化的理解，但显然这些理解还不够完整，我们继续往下看。

02

「体系化」带来了什么？

很遗憾，作为智能驾驶从业人员，对于专业相关外的内容并不了解，只能从这 12 项技术栈中挑自己相对熟悉的部分，一窥蔚来「体系化」的冰山一角。

体系化：互联互通

如何创造新的互联体验，在全球智能电动汽车还有没有一个被用户广泛接受的车机互联范本（燃油车时代，可能是 Apple Carplay）时，蔚来开始从用户体验的角度定义自己的创新场景。

新的场景需要新的连接方式，也需要更开放的后台接口。

为了打通智能座舱与智能手机的融合，保证接口都开放在自己手里，蔚来自研了手机，并且提出了新的互联方式 NIO Link。

NIO Link 以车为中心的互联方式，是蔚来对以车为中心创造愉悦的生活方式的新思考。

通过硬件、数据、感知的多维度统合，NIO Link 实现了跨域算力调度，跨设备安全自主连接。

基于此衍生出来的车控功能就非常精彩，无信号车辆解锁，剪贴板共享，天空视窗，导航自动切换等等，为用户提供了更灵活的用车体验。

甚至在车内，手机与车辆的感知定位系统进行高度信息共享，能够精确识别出手机所在的位置，控制粒度也就更细，能够精确进行所在位置的座椅控制，空调调节。

体系化：智能驾驶的飞轮迭代

为了保证智能驾驶的功能的先进性，算法架构、算力基础、数据闭环能力，三者缺一不可。

让人兴奋的是，蔚来已经完全具备了这些能力，并且在体系化研发的实践过程中有了自己的思考。

七月份的 BEV 就已经显示了红绿灯的实时识别、道路斑马线、引导线等等的实时感知构图，那时候就已经展现了蔚来的强大能力。

到今天，新一代静态感知网络的 NADLane 2.0 在无需高精地图的情况下也能精确感知路口信息，在任少卿的演讲中也展示了有高精地图，没有高精地图的左转表现，几乎无法分辨出区别。

再加上 NADWWM（云端自动化标注），NADHWVN（决策），NADArch（底层软件架构），NAD 群体智能系统车队这些眼花缭乱的设计，每一项都是蔚来自动驾驶团队自 2020 年宣布放弃 Mobileye 开始，一条一条道路，一行一行代码，一次一次训练，卷出来的。

通过这些努力，蔚来的城市导航辅助驾驶终于要来了。

相较于这条赛道上的对手，蔚来选择了一条不一样的路。

不是扩城，而是扩公里。这是一条实打实，数据清晰的计划。

预计在 2023 年第四季度，蔚来将累计开通城区领航路线里程 6 万公里。如果按扩城算，一条城市 1000km，也有 60 个城市，蔚来的计划绝对不落后。在计划中，也为蔚来用户提供心愿单填写，按照具体的路线逐步开通。

蔚来的研发上海汽车城安亭，距离江苏昆山仅一步之遥，两城通勤的员工和用户都很多。

这也是蔚来对用户需求的洞察。

智能驾驶不是一种宣传方式，而是为用户提供一种新的出行体验。当这句话成为智能驾驶的开放和推送逻辑之后，很多研发和运营的选择都能理解了。

有图 VS 无图

在早期 NOP 功能推送的时候，大家都知道，实际上逻辑是已经有一个测绘的高精度地图，靠实时定位找到车在地图上的位置，然后与实时感知的车道线结果进行一些推算，最后得到一个相对准确的地图定位用于之后的规划和控制模块。

我们称之为有图。

但是由于高精地图测绘成本比较高，而且需要有专门的运营车队进行定时更新，所以就有一个问题，在没有高精地图的情况下，实时感知能不能获得足够好的道路拓扑结构进行规划和控制？

这就是原本无图的概念。

但是很可惜，目前答案还是否定的。

对于简单的直道，或者一些简单的没有遮挡的分叉路口，感知能够看到，但是对于复杂的路口，摄像头会有相对大的被遮挡区域，几乎不可能直接通过视觉获得完全的道路特征。

开车时也能感受到这一点，当某个路口不太确定时，需要慢下来，然后确认方向再进行下一步。

这就是完全无图的先天劣势。

所以，很多自动驾驶团队开始提出一些轻地图的概念，例如华为 ADS 的特征地图，理想 TNT 特征先验网络等等。

必须要承认，这些本质上都是一种地图变体，无法称之为严格无图。但是目前将无高精地图直接等价于无图，这不严谨。

也就是说，需要先跑一遍，然后获得了这条路的一些信息，能够通过这些信息和实时感知融合之后，得到相对准确的道路拓扑结构。

这也非常好理解，如果在一条非常熟悉的道路上，我们可以在没有看清楚道路的情况下，知道接下来的道路走向。

蔚来这里用了相似的理念，也并不是完全无图，而是通过一些车主地图众包测绘特征，进入云端后，由云端产线进行地图质检，再推送给用户。

那么既然可以无高精地图了，为什么不全部放弃？

其实很好理解，刚学会游泳，遇到深水区，还是建议用一个游泳圈，尤其是家里已经有游泳圈的情况。

众包测绘地图特征，听上去是一件很简单的事情，但是还是无法避免两个问题：

一，定位不准

车端定位出现米级别的偏差是一个非常常见的现象，所以会使用一些其他信息作为辅助定位校准，或者使用非常多次的道路进行互相验证，保证地图测绘的相对准确。

二，车道线识别不准确

动态车辆遮挡，视角问题都需要多次路线进行验证，而这些努力的准确度上限，是高精地图。

所以蔚来使用了两条腿走路，在地图感知能力暂时还有缺陷的基础上，依然使用高精地图。

并且我也相信，关于高精地图的实时更新问题，蔚来也会使用众包地图进行更新。

但是却非常诚实地告诉用户，自己的做法。

真诚，对用户，也对蔚来自己。

03

NAD 群体控制系统

38,100 POPS 群体智能车队算力、5,080 POPS 每月新增算力、1200 TB 车群每秒处理数。

蔚来的算力冗余在这里得到了最好的解答。

这也就不难理解一个季度开通城区领航路线里程 6 万公里这种目标。

蔚来的云端控制系统可以对每个车上的算力进行调度，形成了自研的分布式算力控制能力。

新的路线在每个车辆上进行验证，本地迅速进行路线的验证，这就可以让数据进行快速流转，也能够处理更多的数据与云端进行同步。

目前泛人工智能领域重数据轻模型的趋势越来越明显，每个团队的模型差异并不大，最后性能的表现由工程化和数据决定。

OpenAI ChatGPT 就是如此，整体并没有什么大的创新，但是巨量的数据和巨大的算力基建催生了顶尖的性能，产生了涌现现象。

蔚来作为数字基建布局最早的企业，也是数据质量最高（最强传感器），实时处理能力最强（Orin 芯片），实时回传数据最多（硬件标配车队），使用整个群体智能算力，将模型分布式训练。

先进的架构，最多的数据和最大的算力，期待蔚来自动驾驶能力涌现的一天。

04

软硬一体是长期主义一环

车载硬件负责人白剑 2021 年就加入了蔚来，蔚来毫不掩饰自己在芯片自研上的野心，大肆招聘芯片设计人才。

第一款芯片选择了车载激光雷达芯片。

两年时间，芯片团队迅速交卷：

「杨戬」，一个很符合蔚来二代车型激光雷达安装位置的名字，激光雷达芯片，一次小试牛刀。

8 核 64 位处理器，每秒点云处理数量到 8 百万点。

自研激光雷达芯片的能耗更低，能够更加定制化处理 ROI 区域（区域内处理密度更高的点云），这与目前蔚来使用的量产密度最高激光雷达 Falcon 紧密配合，能够为自动驾驶感知提供更好的结果。

我们简单看一下，蔚来使用的激光雷达 Falcon，最高角分辨率 0.05 度，但是并不是整个模块的分辨率都一样，而是一个动态调整的过程。

例如下图中的红框里面的密度相对更高，常规的激光雷达芯片可能只是一个固定的区域，但是 Falcon 却是可以实时调整的，这就对芯片的动态适配能力有了更高的要求，这些都可以在自研芯片的硬件设计之初就定好，保证最佳适配。

在软件自研，硬件自研的基础上，蔚来在使用激光雷达的道路上，走在了行业最前沿。

当然，蔚来的野心一定不止于此，自动驾驶大算力芯片目前还是 Nvidia 的天下，蔚来苦 Orin 久矣。

自研芯片之后，能够更加灵活地分配芯片的算力，从硬件角度对自动驾驶算法的某些高频操作做好优化，Tesla 就是一个很好的榜样，期待蔚来自研的自动驾驶芯片。

05

整车集大成者，整车操作系统

软件定义汽车不再是泛泛而谈，汽车行业首个由车企自研，并且发布的智能电动汽车整车全域操作系统，将车辆控制，智能驾驶，智能座舱，移动互联全部统一到一个数字基座内。

全车用一个系统底层即可进行控制。

听上去很容易，但是实际上这件事，非常难。

至少四个不同的团队，而且这些团队负责的功能必须都是完全 In House 研发的，否则供应商不可能配合完成这些控制和通信接口定义。

而底层软件的开发，更是其他车企不敢触碰的地方。

SkyOS 实现了软件定义汽车分层解耦的架构设计，能够将车辆功能开发与车辆平台的生命周期分离。

这点非常超前，蔚来已经抽象出一套通用的，未来可被持续使用的底层控制接口。

就像目前的手机 APP 依然可以在十年前的手机上安装，因为底层控制接口并没有大的变化，可能一些新奇的功能无法支持，但是实际上，运行基础功能并没有难度。

之后车型平台升级，并不会让这些旧平台被直接抛弃，而是能够持续更新。

逻辑与蔚来的换电站一致，目前的换电站能够兼容第一代 ES8 也是因为在设计之初，就将换电结构基本固定，让之后沿用，也要保证这种结构不会被很快落伍。 这种超前意识非常需要魄力，也非常需要技术洞察力。

也是蔚来从成立以来的的广泛的自研范围让这件事成为了可能。

06

NIO 的战略定力

现在的车企，面对极复杂的竞争形势，当活下去成了唯一的信念，很多动作都会有变化。

不再有大投入研发，用市场营销的手段包装一些复杂的名词，而实际体验却并没有提升。

整个市场被同质化的产品充斥，有营销创新却没有技术演进。

只能喊着廉价的降本增效的口号，用一次次降价的手段呼唤消费者的注意，而不是靠技术创新带来的更好地用户体验。

在蔚来这里，即使在最难的 2019 年，蔚来也没有放弃技术的研发，依然是从一个更高的角度去思考创新，并且持续投入。

突破内卷，不能靠微小的创新，这种创新几乎无法带来真正的竞争优势；蔚来靠自己的体系化研发，一条从用户体验思考的整体创新之路，这条路可能会很长，节奏可能不会很快，质疑也会很多。

不过成立到现在，蔚来已经走了 3000 多天，超过 10000 名研发人员的坚持和努力，带来 12 大自研技术栈，和全球道路上一条条深深浅浅的车辙印。

NIIO IN 这一天，从硬件到软件、从操作系统到应用程序、从机械设计到外形设计，蔚来从不满足成为一个跟随者。

中国企业要实现赶超，必须要有耐得住寂寞的定力和长期主义的坚持。

写这篇文章的时候，我刚好在看华为的蛰伏已久的发布会，华为的市场份额是靠着绝对的高投入研发产生的真正技术创新带来的。

我也期待蔚来，甩掉海底捞的帽子，跟上华为的步伐。