小米追擊智能駕駛，前圖森CTO王乃巖將加入｜獨家

36氪汽車獲悉，前圖森未來中國CTO王乃巖將加入小米汽車，向小米技術委員會主席、小米汽車自動駕駛負責人葉航軍彙報。

就此消息，36氪汽車向小米相關人士進行了確認。

此前，王乃巖主導圖森未來中國的研發與管理工作，同時負責L2級輔助駕駛、L4級自動駕駛方案的開發落地。

更早之前，王乃巖博士畢業於香港科技大學，擅長深度學習，是深度學習開源框架MXNet的核心開發者，在計算機視覺與機器學習頂級會議與期刊上曾發表論文40餘篇。

王乃巖的加入，是小米智駕技術提速的標誌性信號。

日前，雷軍公開表示，開啓交付後的43天，小米SU7交付量已突破1萬輛，其年產能也相應提升至10萬輛。達成這個交付量，小鵬與理想用了7個月，問界用時87天。

小米在銷售與整車製造上的成績刷新了記錄，雷軍的工作重點開始轉移至智能駕駛。

5月18日，雷軍駕駛小米SU7 Pro版進行了高速、城市NOA（智能導航輔助駕駛）的直播首秀。直播中，雷軍闢謠了小米將與第三方合作視覺方案的傳言，重申了小米自研智駕的決心。

雷軍在直播中兩次喊話招人，公開詢問是否有智駕大牛願意加入小米。

目前，小米在智能駕駛上的投入已超47億元，團隊規模超千人，其測試里程也已超過1000萬公里，城市NOA功能也將在5月陸續推送給10城用戶。

衝擊第一陣營，小米需要更多人才

這不是小米第一次收攬智駕人才。

早在雷軍宣佈造車的2021年，小米集團便以7737萬美元收購了自動駕駛技術公司深動科技。20餘名深動科技核心研發人員的加入，幫助小米快速補齊了各模塊技術負責人陣容，奠定研發人才基礎。

而王乃巖的加入，有望助力小米取得智駕前沿技術進展。

有圖森未來研發人員告訴36氪汽車，王乃巖既懂感知，又懂規劃控制，對智駕全鏈條的理解都較充分。包括時下火熱的端到端技術方案，王乃巖都有獨到見解。

“端到端”是深度學習中的概念，指AI模型中只要輸入原始數據就可以輸出最終結果。

特斯拉率先引領了智能駕駛端到端風潮，馬斯克表示，其FSD Beta v12（全自動駕駛軟件）可以實現輸入圖像，輸出轉向/剎車/加速等車輛控制信號。

王乃巖曾公開呼籲不要陷入特斯拉的狹義“端到端”理解。他表示端到端是較有希望解決高階自動駕駛難題的技術路線之一，但方案落地仍有許多待解決的問題，特斯拉的方案並不代表正確答案。

他認爲，端到端的重點是信息的無損傳遞，執意固定信號的輸入與輸出點只會給系統帶來不必要的負擔。

對技術與市場有獨立思考的王乃巖，或將給小米智駕帶來彎道超車的可能。

在2024小米投資者日上，雷軍表示，將進一步加大在智駕的投入。今年小米智駕團隊將擴充至1500人，2025年增加到2000人，每年投入資金約爲15億元。

而行業對人才的態度出現了分水嶺。在剛結束的小鵬科技日上，何小鵬宣佈智駕團隊今年將擴招4000人；而理想汽車卻在日前啓動了智駕團隊的裁員工作。

人才快速流動，前圖森CTO王乃巖的加入只是小米智駕序曲，具備決心與號召力的雷軍，很有可能快速補齊智駕功課。

智駕進入決勝局，AI與數據成爲關鍵

智能駕駛的顛覆性變化，始於AI大模型的加入。

傳統模式下，感知、決策、規劃控制等模塊，均依賴工程師手寫代碼來制定規則，智駕效果取決於規則覆蓋度，有限的人類腦力侷限了智駕可用場景。

2021年，特斯拉開始將基於Transformer的BEV（鳥瞰圖）技術引入感知領域，使得攝像頭從2D圖像轉化爲3D圖景。智能駕駛得以擺脫對高精地圖的依賴，國內智駕進入輕圖時代。

隨後，繼續推出的Occupancy（佔據網絡）等技術，不僅彌補了純視覺感知路面物體縱深不足的短板，同時改變了神經網絡先“認識”後“識別”的短板，大大拓展了純視覺方案的邊界。

Transformer+BEV+Occupancy的技術路線，成爲行業主流視覺感知方案，能否快速落地相同技術，成爲國內廠商爭搶智駕技術高地的證明。

2024年，完成感知模塊進化的特斯拉帶來了新的突破，在決策及規劃控制領域引入AI神經網絡，帶來了“端到端”大模型。

在更新的使用說明，特斯拉寫道：FSD將城市道路駕駛堆棧升級爲單個端到端神經網絡，該神經網絡由數百萬個視頻片段訓練而成，取代了超過 30 萬行的C++代碼。

“端到端”神經網絡的應用，讓FSD得以從Beta（測試版）轉向Supervised（即受監督的），可以向北美數百萬名用戶推送使用。“端到端”在城市NOA的拓展速度、使用範圍及用戶體驗等方面的天花板更高，這也是當下智駕行業的最熱賽點。

與特斯拉路線完全相同的小鵬，於2024年5月發佈了天璣系統XOS 5.1，其中，由神經網絡XNet、規控大模型XPlanner、大語言模型XBrain組成的端到端大模型，將幫助小鵬在2024年三季度實現全國每條道路都能開，並在2025年實現城區智駕體驗的飛躍。

堅持激光雷達路線的華爲，在ADS 3.0中則進一步去掉了BEV網絡，採用GOD網絡負責感知，PDP網絡負責預決策規劃。加入激光雷達的華爲，在AEB主動安全功能上的確擁有更加亮眼的成績。

目標進入第一陣營的小米，則在3月28日的發佈會上展示了端到端神經網絡在泊車領域的應用，目前已能實現5cm精度的極窄庫位泊入，及23km/h巡航的代客泊車。

然而，模型研發只是開始，海量數據訓練纔是端到端神經網絡發揮作用的關鍵。熱賣的問界車型正爲華爲提供源源不斷的數據糧草，技術雄厚的小鵬卻面臨銷量的連連下跌。

雖然在端到端上研發進度不早，但首款車上市33天便突破8.8萬銷量的成績、82.39%的智駕激活率，將讓小米成爲無法忽視的數據對手。