在“车位到车位”的对决中，智驾第一梯队更难进入。

编者按:当高阶智能驾驶跑道开始拥堵时，头部选手建立了一个名字。「车位到车位」新秩序，它指向一种智能驾驶能力，覆盖整个场景，应对极端情况，甚至整个过程都没有接管，「全国都好开」口号形成共振。

在这个更高能量的游戏规则下，结合落地速度、实际表现和技术逻辑，「汽车之星·商品清单」在年度名单中，我们将选出一批「车位到车位」年度开拓者，他们跳进台前，重新定义「智驾第一梯队」。

继「全国都能开」后，「车位到车位」成为智驾最新的评价标准。

具体分为两个方面，「有没有」以及「强不强」，这就区分了强者和恒强者的身份。

纵观全球，特斯拉、华为、理想、小鹏、小米、极氪六大智能驾驶玩家都进入了全球。「车位到车位」竞争场地。

一场更加严格的像素级竞争开始后，新老势力追逐第一梯队的弦崩得更加紧张。

适者生存，有人离终点更近一步，意味着有人离淘汰也更近一步。

01 当智驾讨论「车位到车位」到时候，到底在说些什么

端到端落地后，竞争的关键在于客户体验。

从营销的角度来看，客户体验是一个非常笼统的词。汽车公司/供应商需要使用有力的论点，让用户看到穿透痛点的价值。

所以，所有的玩家都盯上了「车位到车位」。

根据字面意思，华为率先提出了这个概念，它指向了从随机停车位到目的地停车位的全过程智驾。

假如说此前「全国都能开」就是从表面上证实开城规模广泛，现在「车位到车位」即从点上明确实用价值强，「从 A 打开到 B 点」底层逻辑映射到现实中。

小鹏、理想、极氪、小米在华为打出样本后，心照不宣地把样本「车位到车位」提上日程。

特斯拉，大洋彼岸，最近也将「车位到车位」最新版本的功能升级到智驾。 FSD V13.2 中。

对于这个功能的叙事，我们试图从六个玩家那里解读其背后的隐含意义，主要有三点。

一是全场景覆盖。

「车位到车位」从停车场到公共道路、公共道路到公园、公园道路到地下车库等多种场景，其中，「过闸机」能力成为表达关键字。

理想强调，在端到端大模型的应用下，系统可以独立通行。 ETC，而且不限范围，不需要学习，全国超越。 1 一万个收费站都可以识别通行。

极氪表示该功能具有行业首个行业。「四抬杠」能力，能准确捕捉毫秒级的杠杆状态，通过地库闸机、高速公路自动识别和自动识别。 ETC 闸机，公园闸机等。

二是处理复杂的路况。

在此之前，汽车公司在讨论智驾能力时，往往把应对多个极端情景作为重点论据。但是极端情景的多样性是无穷无尽的。

但在「车位到车位」在语境中，强调智驾应对复杂路况的连贯性和完整性。

小鹏强调汽车在那里「车位到车位」在整个过程中，能够应对复杂的路口、集流变道、识别和避让特种车辆，实现 U 其他操作，如型调头，做到全程无接管。

三是连接停车功能。

在自动停车能力方面，汽车公司已卷入厘米、分秒等级。

在此，小鹏表示，系统可以停留在比车身宽的地方。 30cm 极窄停车位，号称侧向、断位、刁钻停车位。「一把到位」；

极氪跟上，声称其停车功能支持车宽 上下 20cm 窄停车位停车，平均停车时间 36 秒，可以在压线的前提下实现智能偏移。

如今，在「车位到车位」在应用场景中，这种优秀的停车能力与汽车驾驶之间没有断点。当客户坐在车里时，他们可以启动智能驾驶，系统可以在自动驾驶和停车的无缝配合下到达下一个停车位。

由此，越过「车位到车位」这个大坎的玩家，正在新的度量衡中打开竟速。

现在，理想已经存在 11 月底全部推送「车位到车位」功能方面，华为、小米、小鹏、特斯拉都开始了一定程度的内部测试，预计明年全面推送，而极氪预计明年第一季度分批推送，第二季度全面推送。

02「车位到车位」在水面下，暗潮相互涌动。

每个家庭都亮出来的时候「车位到车位」招式时，如何判断功能好坏的问题接踵而至。

理想汽车技术专家文治宇曾一针见血地指出，车位到车位做得好不好，主要取决于两个关键因素。

一是感受衔接性，也就是说，在开始这个功能之前，是否需要多次学习，学习后是否可以立即开始使用；

二是商品完整性，也就是说，对于一些复杂的起步场景，比如多层车库能不能控制，做到全程无断点。

围绕这两点，我们来看看这些玩家。「车位到车位」通过将功能放入审视场域，可以清楚地看到共性和差异。

共性在于，无论是内测还是全推，目前国内玩家在地下室、关闭停车场景时都需要先由用户运行，因为没有导航信息。「图」。

具体的绘图方法还不一致。有玩家要求车企跑完地下室的所有路线，相当于在地下室建了一个全面清晰的地图后才能使用。「车位到车位」；

另外一个想法是，客户只需按照系统要求，完成起点、目的地车位进口、出口路线学习，即可启动此功能。

当然，系统还会结合客户的常规驾驶路线数据，通过默默学习，一键生成通勤路线。「车位到车位」。

所以，唯一的区别就是，「车位到车位」该功能是否适用于初次行驶场景，即用户在生疏道路上不建图，也可以全程使用智驾。

目前似乎只有特斯拉做到了。。

外国客户实测 FSD V13.2 在这个版本的视频中，客户在停车场的顶楼开车进入多层楼，甚至标记不清楚后，故意绕了很多圈子。 FSD，然而，打开智能驾驶后，系统很快找到了正确的路线，并从出口驶出停车场，而不是提前学习路线，没有无目的的转身和跟车。

假设国内玩家「车位到车位」功能需要在打开之前学习路线，这意味着它目前适用于固定和高频的出行路线。特斯拉取消这种先验条件后，客户可以从停车位打开智能驾驶，前往任何地方。「无图」区域。

另外一个区别是，对于玩家来说，「车位到车位」解决问题的实际思路还没有一致：

一派以理想为代表，遵循理想。「VPA NOA VPA」技术路径。

也就是说，在停车场道路上，驱动系统驾驶的是记忆停车/代客停车模式，进入公路后，立即转变为智能驾驶领航模式。从 SR 图片可直观地看到，当系统进入停车场景时，智驾界面将从停车界面顺利切入。

这个路径，也成了目前大多数玩家的选择。

另外一个派别代表特斯拉、小鹏，以一套方式打通整个场景。。

也就是说，无论是在公园的封闭路段、地下车库区域，还是在公路上，SR 保持智能驾驶的界面 NOA 图片，软件系统不会随场景变化而转换。

小鹏自动驾驶商品高级总监袁婷婷表示，这种方式的优势在于，当你开车去停车场和公共道路的交汇处时，系统不会因为转换软件而卡住，相当于从汽车开始转换到汽车。 NGP 保证系统中的感觉一致性。

行泊一体化的思想，也使 XNGP 在封闭场景和停车场区域，大型模型可以更好地应对绕柱、避障、极窄通道接车、持续急弯等场景。而且，与两套模型相比，一套模型的更新和维护似乎是成本和效率的优化。

总而言之，虽然特斯拉目前是 FSD V13.2 内测版看起来领先一步，但是距离它进入中国还有一段时间。

同时，国内玩家的技术飞轮也在疯狂旋转，不断优化。「车位到车位」功能，更新到最后全量推送的版本。

输赢仍有待确定，直到真正同台竞技的那一刻。

03 从端到端进化到 2.0 时代

「车位到车位」，可视为每个玩家的对象「端到端」实际解读方法论。

「端到端」上了车，本来指向了 AI 该系统具有类人驾驶的能力。一个神经网络涵盖了从感知到控制的所有模块，然后在面对极端场景时，它不再被生硬的规则所控制，而是像人类司机一样观察、思考、决策和执行。

这反映到「车位到车位」在实际场景中，系统可以应对各种极端情况，驾驶水平越来越好，从而形成了技术-应用的完整闭环。

数据闭环迭代过程中，「端到端」技术也演变成了 2.0 阶段。

此时，投身于端到端浪潮的头部玩家，从路径收敛到路径分离的十字路口。

在划分感知规控模块的同时，「端到端的两段式」向「端到端一段式」奔涌。

前一种方式将感知模块视为一段，预测决策模块视为另一段；后一种方式是将感知和控制端到端模块全部打开。

「端到端的两段式」一个典型的代表就是华为干 ADS3.0，由 GOD PDP 网络组成，GOD 互联网负责感知、识别障碍物，PDP 网络根据感知信息迅速做出决定。

而「端到端一段式」主要玩家有 Momenta、商汤科技等，将感知端到端和控制端到端都集成到一个大模型中，使系统能更直观、更有效地处理数据并采取行动。

一段式端到端是两段式端到端的进化形式。由于其开放感知、规控端到端阶段，模型感知信息更加准确，规控反应更加流畅灵活，智能驾驶水平更强。

Momenta 这条进化路径已经实践过了， 2023 今年上半年，量产两段式端到端后，又实现了一段式端到端落地。

根据媒体报道，华为汽车 BU 还在攻击一段式的端到端方案，这可能会变成 ADS 4.0 重要的版本能力。

另外一面是从技术路线上思考，「端到端 VLM」朝「VLA」路径开始迭代。

理想以「快慢系统」在理论的基础上，首先设计出一套「端到端 VLM(大型视觉语言模型)」系统。

两种模型分工合作，端到端模型基于快速思考，负责处理常规驾驶行为，VLM 通过慢思考，模型可以应对极端的困难情况。

而 VLA 模型是最近走上技术神坛的关键字，由元戎启动率先提出。

VLA 也就是视觉-语言-动作模型，很明显，从名字中可以找到，「端到端 VLM」整个系统融合体。

这样的一体化方式，使得系统在接收数据之后，不再由「快慢」系统实现了几次交互和调整，而是一次生成最终的驾驶指令，提高了信息处理和决策的效率，能够应对几十秒路况的长期序列推理等一些更具挑战性的长尾场景。

在最近理想发布的高级工程师招聘细则中，明确提到了一条「下一代自动驾驶端到端负责研发和实施理想汽车。 VLA 大模型算法」，再次验证了 VLA 模型将成为未来的解决方案。

事实上，不管是什么「端到端一段式」还是「VLA」模型的新进化，背后是对的 AI 进一步消耗资源。

模具参数越大，对硬件计算率、数据闭环迭代能力的要求就越高。

据悉，布署 VLA 模型，直接来到芯片算率级别。 NVIDA DRIVE Thor，算率高达 1000 TOPS。

在资源战开始之后，智驾第一梯队和其他玩家之间的分界点变大了。

在端到端 2.0 在时代，性能体验和成本都无限延伸到不同的方向：

性能向高处迈进，「车位到车位」成为衡量智驾水平的核心层次；

成本走向低位，高阶智能驾驶正在迅速落地 20 一万元以内的新车。

在前后的夹击下，其他智驾玩家，「性价比」负担更重了。

也就是说，智驾「第一梯队」走得越来越快，掌握了更多的资源，一场马太效应正在行业中默默蓄势。

市场非常现实，如果不想被规则淘汰，那就只能改写规则。

本文来自微信微信官方账号 “汽车之心”（ID：Auto-Bit），作者：刘佳艺，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com