小鹏p7+无拼接车位到车位全网首测 这期节目，我看了很多评论区留言，觉得有必要再写写。

首先回答一个问题：「无拼接」算不算领先？

如果从体验的角度，当前1.0版本（AI代驾形态）无拼接，与行业最好的车位到车位（拼接方案）相比，不分高下。

那为什么小鹏还要做这件事？

如果从发展的角度，从“无限接近”自动驾驶这个目标来看，小鹏选择了难，却无比正确的一条路。用一个技术栈解决所有的场景和问题，从系统的迭代和运营维护看，一定是最优解。

为什么之前大家不这么做？

因为「技术储备不够」「落地难」「见效慢」。 这三点说的是早前整个行业的情况，也包括小鹏。

所以最务实的方式，是用成熟的代客泊车与行车拼接，用两套技术栈，两个ODD，分别去「解」不同的场景。即便停车场千变万化，千奇百怪，但可以采图，再加上低速环境，做到接近L4的能力，也是可能的。

而如果用一套软件，用行车的技术栈，去「解」停车场的低速场景，却很难。

行车对通行的空间要求、对绕行避障的空间要求更高，甚至绕行发起的时间点也会更早。这样的设定应对封闭停车场，从功能和场景上都错了。停车场需要的是极限错车，极限的避障，恰到好处的时间点发起绕行。

所以行车要做到停车场可用，需要符合场景的功能设定。小鹏为此做了两个技术上的储备：

1、端到端上车，具备了更强的场景理解，更强的通过能力。

2、更高精度的全向Occ能力。

用第一点，去解决复杂停车场的路径规划；用第二点去解决极限绕行、极限避障、极限错车。但这些能力，要放在一个合适的产品框架内。由于导航地图搞不定所有的停车场的内部指引，这也是小鹏把第一版放在「AI代驾」的原因。

AI代驾，就是有先验路径的XNGP，所以小鹏的「车位」到「车位」采的并不是停车场的完整地图，而是一条开出停车场的路径。

评论区有种观点：这不还是要记忆和学习？这不就是AI代驾？有什么了不起？！

如果你持有这种想法，还是小瞧了小鹏的AD团队。

AI代驾的形态，只是技术的早期验证，这个产品的终极目标，是用XNGP搞定车位到车位。 在任何停车场设定导航目的地，都能实现「点到点」，不需要是你熟悉的家和公司停车场。

但要实现这个目标，小鹏还需要搞定停车场内部的“导航”问题。在我看来可以通过两个阶段来完成。

第一个阶段，不需要全程手开一次，对于用户进出过的停车场，在后台自动记忆路径，让用户确认是否生成记忆点。生成后就可以用这条路径直接开出停车场。

因为是用XNGP一套软件，无需切换，所以不需要判断在哪个节点切到行车状态，做过量产的朋友，会明白我说的这一点意味着什么。但这个阶段，还是只能实现用户常去停车场的点到点，但免除了用户全程手开一次的过程了。

第二个阶段，用单次进入的路径推理，加上语言模型（视觉语言/世界模型）对停车场指示牌、空间场景的理解来实现，这有赖于更大算力芯片，更大的模型在车端落地。

我猜有人会说：拼接方案也可以受益于车端大算力、大模型的落地。你讲的没错，对于使用拼接方案的品牌来说，之后会面临一个选择：

1、保留两个端到端系统，一个解决停车场，一个解决行车，两个模型分别训练、迭代。这意味着额外的系统维护、额外的算力支出。

2、切成一套方案，这意味着放弃已经成熟的功能，要重新开始，这总需要多花一点时间。

如果你是自动驾驶的1号位，你会怎么选？ 我个人认为：如果最终都要切成一套，越早迈出这一步越好。 难而正确，这是小鹏的选择。