电动汽车观察家

电动汽车观察家

关注

极越的反思

极越

2024-03-29

作者 | 朱世耘

编辑 | 邱锴俊

「 你以为把车造出来是 1 到 10 的过程,其实你发现还是 0-1 的过程。 」

3 月 25 日,CEO 夏一平在极越 AI DAY 直播之后的采访中说道。这是 3 月份夏一平参加的第二场直播,上一场是在北京五环内直播极越 PPA 点到点的开城能力。也是在 3 月份,夏一平还作为主讲人在兰州和成都参加了两场 CEO 用户面对面活动,以及当地员工的内部培训,并在成都卖出亲自卖出了一辆车。

也是在 AI DAY 上,极越展示了 基于 foundation model——这一非常前沿的预训练大模型技术打造的百度 Apollo 自动驾驶视觉大模型 VTA(Vision Takes All),其部分能力即将落地于极越 2.0 系统中。

一面是最先进的人工智能技术,一面是最琐碎的用户沟通和员工培训。上市四个月后,极越自身的第一次迭代正接近完成。

这一切,来自于市场的「打击」,和夏一平的反思。

体系补课,补齐从 1 到 10

极越正处于当下车企最大的「噩梦」之中: 新车上市,销量不及预期 。

目前,极越首款产品 01 上市四个完整销售月的成绩不足 1700 辆,其中 1 和 2 月份的月度销量更是徘徊在 200 辆左右。此前,夏一平对极越 01 完成产能爬坡之后的月销量预期是 1 万辆。

四个月的时间虽然不长,但在以周为单位更新排名的当下,强如理想也会因 MEGA 没有大卖而触发创始人的认错内部信,更何况是品牌亮相才 7 个月的极越。

极越第二款车型,中型轿车极越 07

夏一平没有发内部信,而是忙于做直播和去一线。「我每到一个城市做一场业务发布会,就会和当地所有的员工做一场培训,讲述技术路径和品牌理念。因为(极越)作为一个新品牌、新品类(产品),首先要解决用户的品牌认知。」

在夏一平看来, 之前将汽车商业模式理解成 1 到 10 的过程,即好产品会直接扩张为知名度、销量和口碑,忽略了门店端。结果发现造出车只是 0 到 1 的过程,1 到 10 还需要回归商业本质。

一方面, 极越作为一个新品牌,需解决客户品牌认知的需求。 因此从 1 月份开始,极越营销加大了直播力度,目前已经吸引到了科技人群。

另一方面,极越 01 及后续产品定位为汽车机器人,对市场来说仍是一个新的产品品类。 传统卖配置,讲优惠政策的销售模式并不适用,需要新的销售方式。

「你讲我们标配的电吸门别的车要花 1 万 2 选配,客户说我不要 1 万 2 的电吸门。 这是卖东西卖错了,我们的车一定是卖体验的,体验是人无我有的东西。 」极越终端销售服务团队都以此为理念进行转型。

卖体验绝不是极越刚有的想法。早在极越 01 上市之前,夏一平便在采访中谈到,智驾功能体验是极越销售的规定动作。但显然要执行新的销售模式,仅有理念还不够。

夏一平表示, 今年 1-2 月极越内部营销销售团队进行了较大的组织调整。「销售团队已经在完全变革,变革会产生阵痛(销量下滑),并且可能将持续 1-2 个月。但终端的销量我们已经看到了变化。 」

AI 蓄力,大模型拉开生死代差

「 我也不相信一次上市定生死的说法。我们每个月都可以发新车,我可以一年开 4 次发布会。 」

夏一平所说的发新车, 即通过 OTA 大小新版本更新使用户的车常用常新。 25 日的 AI DAY 上,极越也推送了 V1.4.0 版本,涉及舱、驾、互联、三电等领域的 200 多项功能。如升级 OCC 占用网络可视化效果、SIMO 与文心一言大模型双向融合、基于大模型的人车家生态正式「上车」等。这也是极越 01 在 90 天内连续推出的第 3 次、上市后的第 5 次 OTA。

更大的看点则是未来的 2.0 系统上。

百度智能驾驶事业群组首席研发架构师、IDG 技术委员会主席王亮基于 VTA,展示了一部分大模型在智驾领域的应用前景。VTA 的部分能力将落地于极越 2.0 版本的系统中,」2.0 已经开始在我们内部试驾测试。」夏一平表示。

从架构来看,VTA 虽然还是主干网络+多任务头的结构, 但其主干模型相较于专家型,更偏向于高通用性的基础网络(foundation model) ,多头任务模型也被集中为通用性更高的「在线建图、目标检测/时序跟踪、OCC 占据网络和场景理解」四个特点任务。

其中,在 线建图包括道路元素识别、几何测距、广义拓扑三个能力;检测和跟踪则主要有关联跟踪、速度估计的能力;OCC 则将推出远、中、近距离的检测网络, 在 200、120 和 30 米距离内的物体检测能力可比 1550nm 超长距激光雷达、905nm 长距激光雷达和 905nm 补盲激光雷达的性能,用以提供行泊一体的能力。

值得注意的是, 无论是基础网络还是四个任务头,VTA 都主要采用数据驱动的训练方法,以更多的神经网络解决问题,为未来实现端到端打下基础。

如 VTA 的基础网络首先基于自动驾驶车采集的原始道路数据,采用掩码自监督的学习方式进行基础能力的培养, 之后再用标注数据对目标检测、深度/光流估计、图像识别等能力进行专项训练。而目前大部分主干网络都是首先使用标注数据训练以快速建立性能。

再比如实时建图中的几何测距能力,其主要功能为画出车道线。传统方法都是是在场景中检测车道线的特征点,之后通过后处理将其拟合成线条。但 VTA 的建图网络则是直接学习道路结构后,直接输出完整的车道线,整体建图精度达到厘米级。

而为帮助以数据驱动为主的 VTA 迭代升级,百度在数据产线上插入 7 个平均参数达到 3 亿的大模型,在 2.2Eflops 算力的支撑下,效率百倍于人工标注,且质量更高。

此外, VTA 还支持百度 LD 车道级导航地图的生成,较之传统方法效率提升了 100 倍,成本则只有 1/20,可一天生成一个城市的地图。由此帮助极越快速开城 。

1.4 版本后,极越 PPA 已开通了北京、上海、广州、杭州、深圳五城,且覆盖了北京五环内的主要道路,计划在上半年开放全国 300 个城市的领航辅助驾驶功能。

「 (智驾能力)在未来三到五年内,将几乎是决定(车企)生死的作用(项) 。」夏一平表示,「 今年年底可能就会看到头部智驾玩家(和后进者)拉开巨大的,无法追赶的差距。因为 AI 数据戴起来之后,根本没有(追赶的)机会。 」

本文著作权归作者所有,并授权 42 号车库独家使用,未经 42 号车库许可,不得转载使用。

评论 · 0

0/3
大胆发表你的想法~
赞
评论