主要观点总结
刘念邱作为元戎启行副总裁和技术合伙人，分享了关于特斯拉的FSD（完全自动驾驶）技术在中国市场的表现以及智驾技术的最新发展。他谈到了特斯拉FSD的定价、技术路线的变化、国内智驾技术的发展以及车企在其中的角色。他还强调了数据在智驾技术中的重要性，以及作为创业公司如何在市场竞争中生存。最后，他分享了自己在技术路线选择上的思考。
关键观点总结
关键观点1: 特斯拉FSD在中国的表现及定价问题
刘念邱认为特斯拉的FSD技术在一些复杂场景下的表现并不比国内智驾企业优秀，且6.4万的定价对于国内消费者来说有点贵。他还提到了特斯拉客服回应关于中国版FSD与美国版的不同，强调中国版的FSD并不能实现完全自动驾驶。
关键观点2: 智驾技术的最新发展
刘念邱详细介绍了过去十来年智能驾驶在技术路线上的变化，包括无图方案和端到端技术的兴起。他还谈到了VLA（视觉语言动作模型）技术的突破和重要性。
关键观点3: 车企在智驾技术中的角色
刘念邱认为车企是智驾技术的扩散者和推动者，他们真正将这项技术带给消费者。同时，车企之间的竞争也促进了智驾技术的普及和降价。他还谈到了不同车企在智驾技术上的分级和竞争情况。
关键观点4: 数据在智驾技术中的重要性
刘念邱强调数据在智驾技术中的核心作用，并认为对数据的理解能力是智驾企业的核心竞争力。他还谈到了数据规模和数据效率在智驾技术发展中的重要性。
关键观点5: 创业公司在智驾市场的生存策略
刘念邱认为创业公司在智驾市场中的生存空间在于技术变革。他们能够看到前沿的东西，并在技术架构上做出调整以适应市场需求。同时，他们也面临着决策的挑战，需要在技术路线上做出正确的选择。
正文
问：
国内的城区交通比美国要复杂一些，电动自行车、公交车、潮汐路等，FSD在中国落地后，会遇到水土不服吗？
刘：
美国的路况没有中国复杂，车距也比较大，在一些路口、变道的时候，FSD的表现跟自己的意图比较一致，作为司机的话，也感觉很放心。
中国的城区交通确实更加复杂，在一些交汇路口，会存在人车博弈的问题，FSD的表现就不一定比我们的系统好太多。光哥当时也有一个感受，旧金山已经是美国人口最密集的城市，但跟国内的密集情况还不一样，基本上没有二轮车，也很少有行人横穿马路、电瓶车乱窜的现象，试驾的几天，很少遇到博弈场景，很难给FSD的博弈能力做出评价。
问：
在行业里有一个说法，一套智驾系统应该占整车成本的3%-5%，你是如何看待这个比例的呢？
刘：
在这个区间内，但也只是一种参考，并不绝对。准确的数据不方便透露，占比肯定不会太多，不同的厂商有不同的策略。
问：
特斯拉的FSD售价6.4万，但一辆Model Y的售价才26万左右，这个占比是不是太高了？
刘：
6.4万是FSD的销售价格，不是成本价。
问：
你觉得这个价格如何？尤其是国内很多车企都要给10万元级别的车装上智驾，FSD在中国落地后，他们的销售会受影响吗？
刘：
这个价格确实有点贵，至于他的销售如何，那要看FSD在中国的表现了。
“这是一个妥协的办法，不是真正的技术方向”
问：
能不能简单介绍一下过去十来年智能驾驶在技术路线上的变化？
刘：
最开始的代表是谷歌的Waymo，当时L4很火，基于高精地图，可以很快速地实现在一个区域内的无人驾驶。但是，它太依赖高精地图了，成本非常高，系统的模块也多，还有大量的规则和工程开发。
这个技术路线一直延续到18年前后。后来，出现了传感器前融合的感念，之前是单传感器融合，图像单独做二级检测，激光雷达做点对点检测，然后把检测结果合并在一起。前融合理念是把多个传感器感知的数据放到一个神经网络里，在物体检测的这个层面，用 AI 的能力把全场景感知的能力建立起来，让感知的准确率、鲁棒性（在干扰、噪声、故障等因素影响下，保持稳定运行的能力）大大提升。
问：
创业初期，你们走的也是Waymo的路线，为什么又改变了呢？
刘：
我们最开始做的也是Robotaxi（自动驾驶出租车），但后来发现，要想在全国推广，高精地图是一个很难维系的技术路线。
之前为什么用高精地图？本质上是智驾系统当时的AI能力不够。道路的变化比较小，就先采集人工标注，车辆去识别这些静态元素，从而降低了对车辆系统能力的要求。
但是，这是一个妥协的办法，不是真正的技术方向。
问：
妥协的原因就是AI技术达不到吗？
刘：
是的。所以，我们就开始做无图方案了。这是一个很大的转变，整个行业到了2022年才开始认可这种方案，并大范围地普及。差不多也是在这一年，我们又开始推进端到端的技术路线。
问：
那段时间，端到端确实挺火的，它是如何跟智能驾驶联系在一起的？
刘：
先说一下过去的路线，比如，感知是一个模块，车企就会找供应商来做，规划和控制又找供应商，中间再通过一些结构化的数据进行连接。有了车的速度、位置信息，再去做规划、控制。
这种方式的可控性好，对于企业来说，如果想从0开始快速达到某个水平，这个路线是很容易的，有问题了也能马上修复。
但是，随着车辆的增加，覆盖的场景范围越来越广，遇到的情况越来越多，人写的系统复杂到一定程度的时候，再去对它进行修改，就非常困难了，成本也会大大增加。那个时候，我们就开始推端到端了。
问：
端到端的特点是什么？
刘：
从传感器输入到感知再到规划决策，全是神经网络。原始信息、有效信息就都会保留到后端，从而让系统做出更好的决策，在复杂的场景下将车子开好，也可以向人类司机学习。
这样就克服了过去路线遇到的困难。比如，在过去，我们写了一万条规则，但当第10001种情况出现的时候，就可能会跟之前的规则产生冲突。也可以这么说，一个车在某个地方开不好，不能正确地变道，那就交给工程师，工程师改一下代码就好了。现在不是工程师在改了，而是让系统通过数据去解决这个问题，它是基于学习的模式。
端到端的出现，一下子就突破过去的技术瓶颈。
问：
