蔚来今天的史诗级更新，不过是李斌 3 年前挖的「坑」

今天小编分享的汽车经验：蔚来今天的史诗级更新，不过是李斌 3 年前挖的「坑」，欢迎阅读。

NIO Day 2023 依旧是充满温度的 NIO Day，同时也是最硬核的一届 NIO Day，蔚来发布了全球首个兼顾智能化和高集成度的集成式液压主动悬架，也就是「SkyRide 天行全主动悬架」。

台上的李斌花了不少时间来介绍这套系统，从軟體到硬體，从技术到功能，细致入微。但最后，征服现场所有观众的，还是那辆端着水杯过减速带的 ET9。

直观，震撼。

只可惜在 2025 年之前，我们还不能在路上看到集各种「黑科技」于一身的蔚来 ET9，自然也无法得知天行悬架的表现是否如李斌所言，但蔚来最近倒是推出了一个主动悬架「青春版」—— 4D 舒适领航。

上周，蔚来发布了 Banyan · 榕 2.4.0 版本智能车载系统，带来了超过 50 项功能的新增及优化，涵盖驾控体验、座舱娱乐、主动安全等领網域，如今的 NOMI 甚至能识别「把小李往前挪一挪」这样的指令。

不过，最受用户关注的新功能，当属只有在 7、8 两个旗舰系列中才能体验到的 4D 舒适领航。

一份蔚来车主独享的「地图」

70、80 年代电子技术的喷涌，让刹车和传统系统实现了电子控制，但直到 21 世纪，感知技术和计算机控制的大规模应用，才真正让汽车进入了电子化、信息化的时代。

原本功能单一的主动悬挂系统也逐渐向更精细、更高效的方向发展，迭代成为了如今我们时常能够听到的 CDC（Continuous Damping Control）。这套系统引入了更先进的传感器和控制算法，能够提供根据路面反馈提供更连续和精确的悬挂调整，更好地平衡车辆和操控性和舒适性。

不过，这也意味着 CDC 系统的反应是基于当前和过去的驾驶条件，而不是预测未来的道路状况。

相比之下，奔驰的「魔毯悬架」（Magic Body Control）采取了一种更先进的方法。它使用摄像头预先扫描道路表面，识别前方的凸起和坑洞，并在车辆到达这些地方前，对悬架进行调整。

能预知未来、提前应对，自然是更好的。

不过，魔毯悬架也有着它的局限性。在复杂或低光照条件下，摄像头的表现并不尽如人意，即便是换成性能更好的激光雷达，同样也可能因为前车的阻挡，而无法扫描道路。

蔚来的做法就很好地规避了感知问题，它的秘诀在于一张地图。

说得具体一些，蔚来深度自研的智能悬架控制網域，不仅能够实时感应从底盘回传的悬架信息、车轮信息和车身信息，还能利车身传感器，不断记录路面上的颠簸情况，形成一张带有路面信息的 4D 路况图层。

4D 路况图层就像是一份地图，共有 6 种路面事件，包括上下坡、减速带、大小起伏，以及连续颠簸。车辆每 4 次路过同一路段，就会生成一个路面事件，记录下这一路段的类型和特征，后续要驶过这一路段前，悬架便会提前准备调节高度、主动调整阻尼控制策略。

蔚来整车应用軟體负责人肖柏宏表示，在同一路段里，只要有配备空气弹簧和 CDC 减震的蔚来车型经过 4 次，就可以对该路段的颠簸图层精选确认，无论是不是同一辆蔚来汽车。

如此一来，蔚来这份「地图」的鲜度可以达到「天」级水平，而且随着路上支持该功能的蔚来车辆越来越多，这份「地图」也会愈发完善。

换句话说，路上所有带空悬和 CDC 的蔚来汽车都在共同绘制这张地图，并一起享受着它带来的好处。

有点像之前的特斯拉。

去年 3 月，特斯拉在北美为所有 Model X 和 Model S 用户提供了类似，但较为初级的功能——依靠标注数据的主动空气悬挂，车辆能够在开上崎岖路面前做好准备，提高悬挂系统的舒适性。而这些数据，全部来自路上的特斯拉，包括没有空悬的 Model 3 和 Model Y。

人人为我，我为人人

蔚来和特斯拉的做法，可以说是一种群体智能。

群体智能，指的是一群个体通过相互协作和信息共享，形成的一种集体性的智能，典型例子包括社群媒体、维基百科、开源軟體等。而在汽车这一行，最前沿的例子便是特斯拉的 FSD。

2022 年，特斯拉在 10 月 1 日举办了首届 AI Day。当我知道这一消息时，我无比快乐，这意味着我能够在国庆节当天投身工作，与祖国共奋进。

那一天，特斯拉人形机器人 Optimus 晃晃悠悠地走上舞台，给了世人一个小小的赛博震撼。当时，特斯拉表示，那台人形机器人使用了与特斯拉汽车完全相同的计算平台，它的所有动作，都是通过 AI 模型的学习得来的。

放到车上也一样。

彼时，FSD Beta 的用户已经超过了 16 万人，在如此大规模的「测试团队」的帮助下，特斯拉在当时就已经拥有了超过 14.4 亿帧视频数据。同时，马斯克摒弃了去年近千人的标注团队，对数据标注流程进行了全面优化，训练速度提高了 30%。

同一天，特斯拉还搬来了一个如今我们已经无比熟悉的名词，Occupancy 占用网络。在这套模型里，我们的世界看起来就和 Minecraft 一样，由一个个网格组成。面对被「占用」的网格，即便车辆不能认出障碍物，也会做出避让动作。

同时，车辆还能识别出道路的坡度，根据实际的道路情况，提前做出加速或减速的动作。特斯拉当时表示，开始转向 AI 的 FSD 可以在小于 10 毫秒的时间内，列出超过 7500 万种影响决策的因素，迅速做出最安全的决策。

得益于 AI 的加入，以及大量的数据投喂，FSD 成长得飞快。

同样是在上周，特斯拉开始正式向用户推送 FSD V12（v12.1.2），其在更新说明中写道：

FSD Beta V12 将城市街道驾驶堆栈更新成了端到端神经网络，特斯拉车队提供的数百万次视频训练，取代了 30 多万行 C++ 代码。

海外博主 Whole Mars（@WholeMarsBlog）在其评测视频中表示，FSD V12 的驾驶行为非常自然，它会在顺滑地避开车道中停止的车辆，会在必要时果断变道，面对行人也不会像受到惊吓一样小心翼翼，一切都行云流水。

该博主称，FSD Beta V12 「是 FSD 最大的一次进步，在所有关键方面都实现了重大改进」。

如今，国内的自主品牌们也在朝着这个方向努力，FSD 所采用的「BEV+Transform」方案几乎成为了标配。

在 2022 年的小鹏汽车 1024 科技日上，小鹏发布了基于 BEV 和 Transform 的 XNet 1.0；次年，小鹏又发布了 XBrain，组成了动态 BEV+ 静态 BEV+ 占用网络的 XNet 2.0。华为的 ADS 2.0 同样基于 BEV +Transformer 架构，加入了 GOD 通用障碍物检测网络，其对标的就是占用网络。