前天与Autolab白杨同学一起开着小鹏G9与P7i，从杭州来到了上海。高速上全程开启NGP，城区里则重点体验了一下CNGP功能。

你可能会说，高速NGP不是老功能了吗？为啥还要体验。其实不太一样，这次高速NGP的里子也全改了，用上了XNet网络与BEV算法，感知能力大大增强。就比如说在京沪高速江桥收费站出口，左右12个车道的车都显示得清清楚楚，比驾驶员看得还全，真的是震惊了！

大家可能听BEV这个词很多的，但了解还不太深入。

所谓BEV就是Bird's Eye View，直译就是鸟瞰图视角下的感知。一是可以将不同视角、不同维度(3D激光雷达、2D摄像头)下的信息进行统一表征；二是解决了物体没有图像下的遮挡问题，从而实时生成360°在环境感知结果，摆脱了对高精度地图的依赖。

说这些技术语言，大家听起来不免有些枯燥。我直观上觉得BEV的工作原理与人脑相似，从而对BEV技术很有好感，在此与大家分享一下两上观点：

 老司机开车，心中也有BEV地图： 老司机开车绝不会一直盯着前方，时不时就看一下车外/车内后视镜，每次变道、超车、躲避都像开了上帝视角，让新手司机惊诧不已：变道时都没扭头，你怎知侧后方没车？其实很简单，老司机在心中将前档玻璃外、后视镜中的图像深度融合，得到了一张实时BEV地图：不需要持续盯着后视镜，自己在道路的位置、其它车辆的相对位置信息也都门清。

 BEV在运动中学习，与人脑相似：计算机科学家与神经科学家杰夫·霍金斯所著的《千脑智能》一书指出，人脑也是一个深度神经网络，它必须在运动中才能学习（行走、转动眼球、接收旋律等时序信息都是运动）。BEV的一大特点就是不仅考虑空间上的信息融合，同时也考虑时序信息的融合，这就与人脑的工作原理相似。

小鹏G9的CNGP在城市里的开车风格，与阿维塔11还是不太一样的。阿维塔11比较喜欢和周围车辆博弈，而小鹏G9则更倾向于在自己的道上默默开车，瞅准一个时机非常敏捷地变道过去。可以说是静如处子、动如脱兔。

有了CNGP的变道能力之后，G9在上海的高架上的表现可以说是游刃有余了。好几次还有200米就要出匝道了，它还不变道，我心里都为它担心。结果它在160米的时候很丝滑地就插到了出匝道的车流中，原来是艺高人胆大啊！

当然，测试中与白杨交流，也聊到CNGP的一些可以改进的地方。最主要的就是，一些策略在人车混流的广州运行得很好，按理说来到人车分流的上海应该工作更好，但实际情况是表现不如广州。

看来，中国太大了，每个城市都有自己的风格。当CNGP落地之后，每个城市都需要适应、训练一段时间才行。针对每个城市手写规则肯定是行不通了，城市太多、工作量太大；这时候就需要更强的AI自行来训练。

另外一个启发就是，展望未来，可能需要通用人工智能的加入。比如昨天遇到一个开车东倒西歪的车，人会知道这是一个危险的车，要尽量避开。但车不知道，策略中根本不会考虑这一项，还去和它并排走，差点发生了碰撞。如果将OpenAI接入到XNGP中，它应该就会渐渐学会这些。

本周就提车G9了，我会经常开着它使用CNGP功能的。更好更强的XNGP未来可期！