正文
上一届科技日，小鹏为其城市NGP制定的目标是在2022上半年实现部分城市推送，但实际的时间大约推迟了半年。而今年1024的目标则是，到2023年至2024年实现全场景智能辅助驾驶，XNGP，2025年起正式向无人驾驶进发。
小鹏汽车自动驾驶副总裁吴新宙将无人驾驶的时间预定在2025年，在此之前的目标是将全场景智能辅助驾驶XNGP从广州推往全国，即使在无高精地图区域，也能随时随地导航辅助驾驶。而这一项技术实现的基础是小鹏推出的新一代感知架构“XNet”。
和小鹏汽车的第一代视觉感知架构不同的是，XNet是多相机多帧，并且利用深度学习神经网络替代了繁复的手写后处理逻辑，实现了端到端数据驱动算法迭代。这一升级可以帮助从小鹏汽车“看图说话”转变为“看视频说话”。
由于，XNet对于静态环境有更精准的感知能力，可以实时生成“高精地图”，从而摆脱了对既有高精地图的依赖，拓展了XNGP城市适用范围。通过动态XNet，则可以更精准地识别车辆等动态目标物的大小、距离、位置、速度及行为预测，提升了博弈能力，在城市场景行驶安全性更高。
这背后，需要做的是庞大的数据采集、标注、训练和间距的部署工作。以50万段训练数据Clip，10亿个物体为例，采用全人工标注需2000人/年，以2400TFLOPS算力的服务器进行单机训练需276天。同时，若将其不经优化的部署至车端，仅此单一网络就可占用单个Orin-X算力的122%。
因此，小鹏汽车打造全自动标注系统，标注效率是人工标注的45000倍，即XNet所需2000人/年的标注量，现在仅需16.7天即可完成。
此外，小鹏汽车在乌兰察布建成中国最大的自动驾驶智算中心“扶摇”，基于阿里云智能计算平台，算力可达600PFLOPS（每秒浮点运算60亿亿次）。在“扶摇”的加持下，自动驾驶模型训练效率提升602倍。与2400TOPS算力的服务器进行单机训练相比，80机并行训练可将训练时长由276天缩短至11小时。
同时，自城市NGP研发积累的极致工程化能力，让动态XNet 所需的122%的Orin-X 算力，优化后仅需 9%。极致的工程部署能力，是XNet 上线的关键，更是未来持续迭代的关键。
还记得，在第二届小鹏1024 科技日上发布的全场景语音1.0 版本，当时在连续对话功能、车载交互方面都让车主们兴奋十足。2年过去，小鹏依然未满足，以不断精进的探索精神推动改善用户体验，让交互更快更自由，带来行业首个全车全时的语音交互功能——
全场景语音2.0。
