小鹏 XNGP 图灵智驾系统分析
摘自facetop facetop智能座舱
小鹏图灵Navigation Guided Pilot（XNGP）具备全场景智能辅助驾驶能力，能在高速、城市道路等各类路况下，完成诸如车道居中、红绿灯启停、超车、规避障碍物等丰富操作。依靠强大硬件，如双NVIDIA DRIVE Orin芯片、多种摄像头与雷达，搭配先进的XNET感知架构及端到端大模型，极大提升感知、预判与决策执行能力，为用户带来了实用的智驾体验。
2019-2021年，小鹏搭建起智驾基础，推出L2级自动泊车与高速自驾功能。2022年，凭借XNGP系统的发布，小鹏引入BEV+Transformer架构，全方位升级软硬件。2024-2025年，小鹏凭借端到端大模型，让智驾系统功能覆盖小路、内部路等复杂场景。
传感器方面，起初是摄像头、毫米波雷达和超声波雷达融合，部分车型搭载激光雷达；2025年部分车型取消激光雷达，采用纯视觉方案，通过提升摄像头性能及算法来保障智驾功能 。
扶摇架构
CONTENT
小鹏“扶摇”架构SEPA2.0全域智能进化架构，涵盖动力补能、智能体系、整车制造三方面。其中X-EEA 3.0电子电气架构作为智能体系重要部分，采用“中央超算+区域控制”的架构，具备强大的算力和高速的通信能力，为XNGP智能辅助驾驶系统和XOS天玑系统提供硬件支持，确保数据的快速传输和处理。
智驾功能由单独的「小鹏自动驾驶处理单元X-PILOT Processing Unit」（XPU）负责。
中央超算在信息传输与调度环节，对整车网络通信进行集中管理。一方面，它汇总来自区域控制器、XPU及其他功能模块的数据；另一方面，它依据车辆的运行逻辑，对各模块的通信优先级进行合理调配，确保关键数据的及时传输。同时，中央超算负责仪表显示、中控和副驾信息娱乐功能，以及跨域融合功能，如车外声音控制、外部灯语控制、氛围灯控制和泊车辅助灯等。
XPU承担智能驾驶相关的运算和控制任务，对来自激光雷达、摄像头、毫米波雷达等传感器的数据进行处理。通过构建车辆周边的3D环境模型，开展环境感知、路径规划、决策控制等工作。
XPU与中央超算之间通过高速以太网（如1000Base-T1）进行通信，中央超算接收XPU的数据后，结合车控和座舱状态，进行综合决策，并向车辆的执行器（如制动系统、转向系统等）发送控制指令。例如，当「智驾系统」检测到前方有障碍物需要避让时，XPU会将这一信息传递给中央超算单元，中央超算单元向「车控域」传达转向和动力系统指令，让其范围内的「区域控制器」通过精确计算转向角度、调整动力输出，来实现避让动作 。
XNGP硬件
CONTENT
小鹏图灵AI智驾采用纯视觉方案，取消了激光雷达，依靠摄像头作为主要的环境感知设备；配备双英伟达Orin-X芯片，提供高达508TOPS的算力。
以小鹏G6和G9为例：
12个摄像头
2个前目摄像头：对前方道路、车辆、行人、交通标志和信号灯等进行识别和监测；
1个后视摄像头：在倒车时提供后方视野；也可用于监测后方来车等情况，为变道、并线等操作提供参考；
4个侧视摄像头：帮助车辆进行侧方碰撞预警、自动变道辅助等功能；
4个环视摄像头：提供车辆周围 360 度的全景视觉信息，为泊车、低速行驶提供视图；
1个DMS摄像头：监测驾驶员的状态，以判断驾驶员的疲劳程度、注意力集中程度。
小鹏AI鹰眼智驾方案采用行业首发单像素Lofic架构，可以让摄像头在逆光、大光差、暗光等环境下的信息采集能力更强，视觉感知范围达到1.8个标准足球场，能够清晰分辨颜色、文字等语义信息。
3个毫米波雷达
1个前毫米波雷达：实时监测前方车辆、行人、障碍物等的距离、速度和角度信息；
2个角毫米波雷达：侧重于监测车辆侧前方和侧方的区域。
12个超声波雷达
帮助驾驶员准确判断车辆与周边障碍物的位置关系，避免碰撞，实现安全泊车。
XNGP端到端大模型
CONTENT
神经网络XNet
融合动态、静态XNet及2K级占有网络，赋予自动驾驶系统裸眼3D能力，可逼真还原可通行空间。感知范围提升2倍，达1.8个足球场大小，能精准识别超50种目标物，为智能决策提供视觉基础。
动作：神经网络XNet通过多个网络融合，像3D裸眼一样感知车辆周边环境，大幅提升感知范围，精准识别各类目标物，并传递这些环境信息。
大语言模型XBrain架构
使自动驾驶系统拥有大脑的理解力、学习能力。面对复杂、未知场景不犯难，增强对路况、路牌的识别，快速理解指令，做出安全高效的拟人驾驶决策。
动作：大语言模型XBrain接收XNet传来的信息，理解复杂路况、路牌含义，推理场景逻辑，明确该做什么决策。
规控大模型XPlanner
类似人类小脑，经海量数据训练，驾驶策略拟人化。能让前后顿挫减50%，遇违停卡死概率降低40%，安全接管次数减少60%，提升驾驶舒适与安全性。
动作：规控大模型XPlanner依据XBrain的决策，结合XNet感知数据，像老司机那样规划行车路径，控制车速、跟车距离等，让车辆安全舒适行驶。
云端大模型如何
影响车端大模型
CONTENT
知识蒸馏传输
云端大模型将学习到的知识、经验和优化后的参数，通过知识蒸馏的方式，传递给车端大模型。这使得车端模型能够借鉴云端的训练成果，快速提升自身性能。
突破车端算力限制
车端硬件算力存在一定局限性，难以支持超大规模模型的训练。云端大模型拥有强大的算力和海量数据处理能力，参数量多达车端参数量的80倍 ，可吸纳更多智驾数据，覆盖更多驾驶场景，再将训练好的优化模型部署到车端，提升车端模型上限。
数据闭环优化
车端收集的数据经清洁、挖掘后传输到云端，云端大模型基于这些数据训练优化，再把优化后的成果反馈到车端，形成数据闭环。持续的迭代优化，让车端大模型不断适应新场景、新问题，性能逐步提升。
功能体验
CONTENT
AI代驾功能
基于AI自主学习，手动驾驶一遍路线，系统24小时内生成定制路线，能模仿用户变道风格、车道选择等驾驶习惯；可储存10条记忆路线，每条最长100km，覆盖小路、能应对掉头等复杂场景，满足通勤、郊游、出差等出行需求。
AI代驾的技术支持
用户手动驾驶过程中，系统采集路况、驾驶习惯等数据传输至云端，端到端大模型中的神经网络XNet同步处理视觉数据。到达目的地保存路线，云端大模型结合规控大模型XPlanner和大语言模型XBrain分析挖掘数据，优化驾驶策略，学习用户风格，24小时内完成路线创建。使用时，选定线路开启导航，在可用范围拨杆激活，车端大模型依据云端成果和自身经验控制车辆，提供定制化智驾体验。
AI代驾与XNGP的共性和区别
本质上AI代驾与XNGP都是用户的AI司机，都采用端到端大模型技术来感知、分析和执行。
XNGP可看作是所有用户共同训练的AI司机，为用户提供通用的辅助驾驶；而AI代驾是每个用户单独训练的AI司机，能学习和模仿用户的驾驶习惯与风格，实现个性化的辅助驾驶。
「车位到车位」智驾
小鹏汽车基于小鹏图灵AI智驾和端到端大模型，将「车位到车位」在AI天玑5.5.0上全量推送。
车位到车位功能是XNGP系统的一个功能延伸。XNGP旨在实现全场景的智能辅助驾驶，而车位到车位功能进一步完善了全场景的覆盖，将辅助驾驶从城市道路、高速路延伸到了停车场等场景，实现了从P挡到P挡的无断点通行（场景包含：自动泊出车位、跨层驶出、自动出停车场闸口、园区内通行、道路行车等）。它基于XNGP的技术架构和硬件平台，实现了从起点车位到终点车位的全程智能驾驶辅助。
XNGP的研发策略
CONTENT
小鹏推出国内首个量产端到端智驾大模型，涵盖XNet、XPlanner和XBrain。这赋予XNGP强大“脑补”能力，能够“边看边开”，实时应对环岛、掉头等复杂路况。它是行业内唯一在超2595个城市历经超756万公里实车测试，通过AI训练泛化实现全国覆盖的智驾系统，成功摆脱对高精地图的依赖，凭借独特技术优势，满足消费者在复杂场景下对智能驾驶的需求。
小鹏汽车在智能驾驶技术路线上呈现出放弃激光雷达、采用纯视觉方案的趋势。从新车布局来看，2025款小鹏G6、G9已取消激光雷达，采用鹰眼纯视觉智驾，既出于降本增效考量，也得益于自身视觉算法技术的进步，其视觉感知能力大幅提升。小鹏汽车的AI鹰眼视觉方案，将后视摄像头升级为8M高清，打造出行业首个量产2K纯视觉占用网络（OCC），提升了感知准确性，使路径规划更直接，反应速度更快。
