11月15日的广州车展上，长城汽车举行了一场备受瞩目的发布会。在这次盛会上，长城汽车正式宣布了全场景NOA的全国开城计划，以及Coffee OS 3.1的全新升级。此外，长城展台上还汇聚了20余辆魏牌全新蓝山车型，以沧浪青配色亮相，形成了一道独特的“青一色”风景线，充分展现了长城汽车在智能化领域的领先地位和其在推动高质量发展中的智能化潜力。

发布会结束后，EV视界对长城汽车的CTO吴会肖以及魏牌蓝山商品总监刘鹏凯进行了专访。在这次深入的对话中，我们探讨了长城汽车自动驾驶技术的多个维度，包括技术进步、面临的挑战、实际应用、量产计划、智能化转型以及未来的宏伟蓝图。

自动驾驶技术，长城是领航者还是追随者？

可以说国内自动驾驶技术的发展中，端到端技术已成为主流。而在行业趋势分析中，人们对长城汽车在智能驾驶领域的特色和进展表现出浓厚兴趣，特别是在智能驾驶技术与大型语言模型的结合方面，以及长城汽车在智能驾驶底层架构上的优势。

特别是不久前，魏总亲自体验了长城智能驾驶技术，并给予了积极评价。同时，他也提出了进一步改进的问题，询问长城智能驾驶技术要达到行业领先水平还需做哪些改进，以及目前的发展状况。对此，吴会肖强调，尽管端到端技术被广泛认可，但每家企业在实施时都有其独特之处。智能驾驶技术的发展依赖于算法的优化和芯片性能的提升。目前，智能驾驶系统在处理复杂场景，例如救护车避让和特殊车道使用限制等方面，仍然面临挑战。

吴会肖提到，智能驾驶系统需要引入新模型以适应复杂场景，如交警手势识别。全场景NOA全国开城已成为中国车企的共同目标，竞争焦点在于提供流畅、准确的驾驶体验。产品理念正向Parking to Parking和门到门服务发展，特斯拉也在其最新版本中进行了优化。

另外，目前消费者更关注车位到车位的便利性，而非端到端的技术概念。在中国，停车场环境复杂，智能驾驶系统需要适应多样的情况。产品理念明确，根据消费者需求，提供从下车到停车的无缝服务。

吴会肖认为，持续的算法模型精进和产品理念创新是行业领先的关键。团队必须以提供更好的驾驶体验为使命，尊重产品、算法和工程的全面发展。

关于全新蓝山智驾是否已经实现量产，以及未来是否会在魏牌或长城汽车整个产品体系中有更多的应用和升级，答案是肯定。智能驾驶和智能座舱实际上是两个独立的部分，在进行产品系列规划时，长城汽车会同时考虑座舱和智驾的需求，同时也会考虑车控的需求。

吴会肖透露，高山系列将会推出类似蓝山的产品，坦克品牌也在进行相关工作，哈弗品牌的研发已经启动。具体的量产时间将取决于座舱和智驾的匹配情况。虽然对于10-15万元价位的车型，目前还无法实现非常高水平的城市NOA功能，但可能会增加一些通勤模式，这些模式所需的芯片算力相对较低。长城汽车认为高速NOA是可以实现的，并计划在哈弗品牌上推进这一功能。

从算力规划的角度来看，长城汽车并不缺乏算力。无论是地平线、高通还是英伟达，长城汽车在芯片算力的储备上，都希望能够为技术升级提供充足的算力。早期在座舱中使用8155芯片时，长城汽车追求在一颗芯片上运行尽可能多的功能，但芯片的算力有其物理极限，不能被突破。因此，长城汽车在算力系列上，从当前最多的英伟达Thor系列到其他产品，都有不同的档次。

值得一提的是，长城汽车在人工智能实践方面积累了丰富的经验，涉及设计、代码生成以及智能驾驶研发等多个领域。在大模型开发方式下，车企应掌握的核心能力成为业界关注的焦点。

吴会肖指出，在AI应用方面，人们往往首先关注产品层面，但在实际落地实施中，开发和运营层面能更有效地发挥AI的效能。AI和大模型作为工具，应使日常工作更加轻松和高效。

长城汽车的研发团队拥有一个AI Lab，最初主要面向产品侧，但随着ChatGPT的兴起，AI Lab的职能已扩展到整个运营层。吴会肖提到，尽管汽车产业相较于互联网和科技公司在AI应用方面存在差距，但中国汽车产业对AI持开放态度，吸引了众多互联网和高科技人才，对开发组织产生了积极影响。

在AI的具体应用领域，从造型创意、车机壁纸到宣传图都可以通过AI生成。AI在测试应力、代码注释、编写运行代码，尤其是测试性代码方面表现出色。而汽车产业的挑战在于其涉及的因素和组织众多，一个零部件的变动可能对整车的法规符合性、安全性等产生重大影响。吴会肖强调，通过使用大模型，可以更好地进行知识问答和日常标准索引。

长城汽车也在引入Coze系统，进行定制化方案的开发，并进行本地化部署以保护企业保密性数据。本地化部署后，系统将接触各个领域出现的模型和工具，优化日常差旅费用和机票预订等。

智能化转型，未来还会有哪些大动作？

关乎长城汽车在智能化方面这一年多来经历了哪些最大的调整，以及未来长城汽车在智能化路线上的选择。吴会肖回应称，从技术路线确定到产品落地需要一定时间。长城汽车的技术路线自去年9月份确定以来，全新蓝山智驾以及哈弗品牌、坦克、欧拉的OTA功能均基于此技术路线。

吴会肖表示，端侧技术路线上没有做大的调整，主要是进行工程化的落地。在云侧分布式、车联网以及云侧的多云整合方面取得了一些成果。未来，长城汽车在智能化路径上不会有大的调整，但在一些小的细节上会有所调整，例如多域控制器融合，这是一个可行的方向，有助于降低成本、提高通讯效率和稳定性。

同时，长城汽车也在视觉和激光雷达的选择上做准备，认为纯视觉也可以有很好的效果。此外，长城汽车将从座舱和智驾向整车智能进化，Coffee OS将升级为整车软件系统，将更多的底盘控制、动力控制、车身控制和端云结合控制纳入一体化的管控领域。

在过去一年中，长城汽车在智能化方面经历了显著的调整。吴会肖提到，从技术路线的确定到产品的落地需要一定的时间，国际上的产品开发周期通常是36个月，而国内可以缩短至24个月。在动力总成成熟、车身改款简单和软硬件集成的情况下，周期甚至可以缩短至18个月。去年9月份确定的技术路线，如今已经体现在全新蓝山智驾以及哈弗、坦克、欧拉品牌的OTA功能中。

自去年9月以来，长城汽车在端侧技术路线上没有进行大的调整，而是专注于工程化的实施。在云侧分布式、车联网和多云整合方面也取得了进展，包括数据采集、训练、精准推送和定点大数据收集等方面。

展望未来，长城汽车在智能化路径上不会有大的调整，但在细节上会有所优化，例如多域控制器融合，这有助于降低成本、提高通讯效率和稳定性。同时，长城汽车也在考虑视觉和激光雷达的选择，随着数据量的积累，认为纯视觉也可以达到良好的效果。此外，长城汽车正从座舱和智驾向整车智能进化，Coffee OS将升级为整车软件系统，整合更多的底盘控制、动力控制、车身控制和端云结合控制。

值得一提的是，吴会肖还强调了算法模型在端到端大模型中的重要性，并认为这是表现不佳的公司迅速缩小代差的关键。

他指出，全新蓝山智驾之所以能在较短时间内实现工程化部署并取得良好效果，首先是因为其算法架构设计得不错。他还提到，中国人才流动迅速，一旦有公司取得技术突破，其他公司也会迅速跟进。尽管特斯拉在理念上非常领先，但吴会肖对长城汽车的AI应用和工程化能力表示有信心。

全新蓝山智驾开始采用Orin-X的高算力平台

吴会肖提到了一个关键议题，即未来技术发展将趋向多域融合。有人询问这种架构何时能在一些车型上实现。在多域融合之后，硬件平台是否仍然只关注智能驾驶部分，因为据网上消息，Thor项目可能要延期。因为当前端到端方案在产品体验上，车道轨迹预测存在较大问题，解决方案采用了类似VON多模态语言进行预训练。有人之前了解过VLA架构，该架构是在车端直接运行一个模型，这个模型是在云端部署好大模型后，直接在车端部署的。

而有人询问单颗芯片能部署到多大，吴会肖回应说，谈到多域融合器，人们对于智能驾驶和座舱的关注过高，因此一提到多域控制器融合，人们第一反应就是智能驾驶和座舱的多域控制器融合。

实际上，从整车角度来看，多域控制器如何整合，或者他个人认为，在短期内，尤其是像城市NOA这样的功能，目前他们正在做智能驾驶和座舱的融合，甚至发展到One trip这一层面。因此，他认为在当前智能驾驶、智能座舱在One trip路径上，他们还需要进一步观察。

即使对于SKU，包括现在要推的CX ONE，包括高通的一些芯片，他本人并不十分支持，他认为他们还需要更加谨慎。但他主要指的是车控领域的多域融合器，例如网关到车门，包括底盘、悬架、空气悬挂，甚至包括动力控制器的部分，去做多域控制器整合的机会更大，成本也能得到更好的控制。

目前要整合智能驾驶和座舱搭载SOC这一层面上，就刚才的问题，到底多大CPU、GPU和NPU是足够的，目前还没有看到稳态的结果出现。但对于一些MCU层面控制的逻辑其实还是非常清楚的，所以他认为在整个车控，包括线控底盘控制上做多域控制器整合，他认为这个机会已经非常成熟了。

而且，他们通过软件层面，可以把他们协调得更好，尽管说不同的域控制器里面，时间维度是不一样的，可能对于安卓侧，他们接受的是秒级，或者是几百毫秒，到的动力总成控制的时间维度可能是50毫秒、10毫秒，或者5毫秒，控制不一样。但总体上，从软件层面，企业是可以打通的。

所以说多域控制器是指除了智舱和智驾其他的领域，当然智舱和智驾里面也会有一些，比如说把泊车整合到座舱里面，就是把一些功能安全放到智驾里面，包括有一些未来支持大模型，他说的大模型不是这个训练大模型，可以看看放到SKU里面，还是放到未来的8295，或者8397里面更合适。

关于提到的第二个层面，实际上在目前他们看来，如果不引入刚才他说的，基于人类通识场景识别，比如看到交警打不一样的手势，前后方有类似于救护车，或者说特别特殊的场景，因为现在识别这个车就是一个车，就是一个物体，不管是什么，他不是一个人，他是一个交警，交警打的手势是什么，这个层面的算力，现在评估还不是非常充分。再做剩下的轨迹预测和规划生成，他们认为当前单Orin是可以处理得很好的，而且从目前的评测效果来看，他们觉得还不错。

是否告别激光雷达，迎接纯视觉智能驾驶时代？

媒体提出，因为刚才提到一个很重要的点，一些车企还在考虑是否能去掉激光雷达，他们认为这是一个大的趋势，不是说他们一定要把激光雷达看成一个“妖魔”，只是说如果技术本身能达到，它应该要被去掉。那么问题就来了，把激光雷达去掉以后，本质上肯定要上OCC去代替它之前的3D感知能力。OCC上了以后，对算力侵占，目前来看应该是非常大的，就是有没有这样的系统可以在内部实验室里面去跑分来做验证呢？

吴会肖回应说，现在这个视觉已经在跑了，但是目前他们评估下来，即使把它拿掉，可能对一些极端场景影响会比较大。但是正常情况下，无论是做一些训练，包括做历史轨迹预测，去推断接下来整个轨迹，比如说100个点里面定50个点，他们觉得这些里面，激光雷达并不是会占用特别大的算力，但他们还是担心拿走之后，对于一些复杂的场景下，就是他们没法靠视觉把这个物体识别得非常准确，任何图像识别到最终把这个结果输出来，有误的时候，执行度没法提得很高，所以说这一点，他们觉得可以再看一看，他们再去提升，看看整个训练的结果怎样，如果说靠纯视觉，包括加上这些毫米波雷达给出来的结果，他们觉得执行度达到一个比较高的水平，那是可以拿掉的。

有关智能驾驶的部署问题，有人提出了疑问，是否能够在云端和端侧同时进行。对此，吴会肖明确表示，在最终决策阶段，必须将模型优化以便能够在端侧部署。

他指出，依赖云端运行是不可行的，因为在当前技术条件下，没有车辆的决策能够承受云端处理带来的时延，这个时延问题目前无法解决。因此，将模型简化并部署在端侧是毫无疑问的。他同时提到，这个过程确实存在一些不确定性。

吴会肖认为，产品定义、技术架构和算法需要更加紧密地结合在一起。产品定义将直接决定能够运行的模型大小，尤其是在图像识别方面，不同的定义会导致不同的模型需求。

写在最后

可以说，长城汽车在自动驾驶领域扮演着积极的角色，不仅追求技术前沿，还特别重视技术的实际应用和用户体验。公司通过端到端技术、算法优化和芯片性能提升，展现了其技术实力和对市场的敏锐洞察力。

并且，吴会肖还特别强调了算法模型的重要性，并提出了多域融合技术的前瞻性思考。因此可以看到，长城汽车在智能化转型和未来规划中，展现了对技术趋势的精准把握和对市场变化的迅速响应，不仅提供了长城汽车在自动驾驶领域的最新进展，还激发了对未来汽车智能化发展的深入思考，这对整个行业具有重要的启示作用。