而现在的功能表现，都证明这些路都是对的。
全铝车身成了蔚来的名片，换电成了蔚来的核心差异性，ICC 底盘控制器让蔚来的底盘表现越来越好，座椅也不再是一个问题，自动驾驶技术也完全保持在了第一阵营。
这些长期的投入，正在逐渐兑现价值。
高屋建瓴，从用户体验的角度思考整体创新，再逐个击破系统中的每一项任务，完成整体创新，从而带来更好的体验。
这我对蔚来的体系化的理解，但显然这些理解还不够完整，我们继续往下看。
02「体系化」带来了什么？
很遗憾，作为智能驾驶从业人员，对于专业相关外的内容并不了解，只能从这 12 项技术栈中挑自己相对熟悉的部分，一窥蔚来「体系化」的冰山一角。
体系化：互联互通如何创造新的互联体验，在全球智能电动汽车还有没有一个被用户广泛接受的车机互联范本（燃油车时代，可能是 Apple Carplay）时，蔚来开始从用户体验的角度定义自己的创新场景。
新的场景需要新的连接方式，也需要更开放的后台接口。
为了打通智能座舱与智能手机的融合，保证接口都开放在自己手里，蔚来自研了手机，并且提出了新的互联方式 NIO Link。
NIO Link 以车为中心的互联方式，是蔚来对以车为中心创造愉悦的生活方式的新思考。
通过硬件、数据、感知的多维度统合，NIO Link 实现了跨域算力调度，跨设备安全自主连接。
基于此衍生出来的车控功能就非常精彩，无信号车辆解锁，剪贴板共享，天空视窗，导航自动切换等等，为用户提供了更灵活的用车体验。
甚至在车内，手机与车辆的感知定位系统进行高度信息共享，能够精确识别出手机所在的位置，控制粒度也就更细，能够精确进行所在位置的座椅控制，空调调节。
体系化：智能驾驶的飞轮迭代
为了保证智能驾驶的功能的先进性，算法架构、算力基础、数据闭环能力，三者缺一不可。
让人兴奋的是，蔚来已经完全具备了这些能力，并且在体系化研发的实践过程中有了自己的思考。
七月份的 BEV 就已经显示了红绿灯的实时识别、道路斑马线、引导线等等的实时感知构图，那时候就已经展现了蔚来的强大能力。
到今天，新一代静态感知网络的 NADLane 2.0 在无需高精地图的情况下也能精确感知路口信息，在任少卿的演讲中也展示了有高精地图，没有高精地图的左转表现，几乎无法分辨出区别。
再加上 NADWWM（云端自动化标注），NADHWVN（决策），NADArch（底层软件架构），NAD 群体智能系统车队这些眼花缭乱的设计，每一项都是蔚来自动驾驶团队自 2020 年宣布放弃 Mobileye 开始，一条一条道路，一行一行代码，一次一次训练，卷出来的。
通过这些努力，蔚来的城市导航辅助驾驶终于要来了。
相较于这条赛道上的对手，蔚来选择了一条不一样的路。
不是扩城，而是扩公里。这是一条实打实，数据清晰的计划。
预计在 2023 年第四季度，蔚来将累计开通城区领航路线里程 6 万公里。如果按扩城算，一条城市 1000km，也有 60 个城市，蔚来的计划绝对不落后。在计划中，也为蔚来用户提供心愿单填写，按照具体的路线逐步开通。
蔚来的研发上海汽车城安亭，距离江苏昆山仅一步之遥，两城通勤的员工和用户都很多。
这也是蔚来对用户需求的洞察。
智能驾驶不是一种宣传方式，而是为用户提供一种新的出行体验。当这句话成为智能驾驶的开放和推送逻辑之后，很多研发和运营的选择都能理解了。
有图 VS 无图
在早期 NOP 功能推送的时候，大家都知道，实际上逻辑是已经有一个测绘的高精度地图，靠实时定位找到车在地图上的位置，然后与实时感知的车道线结果进行一些推算，最后得到一个相对准确的地图定位用于之后的规划和控制模块。
我们称之为有图。
但是由于高精地图测绘成本比较高，而且需要有专门的运营车队进行定时更新，所以就有一个问题，在没有高精地图的情况下，实时感知能不能获得足够好的道路拓扑结构进行规划和控制？
这就是原本无图的概念。
但是很可惜，目前答案还是否定的。
对于简单的直道，或者一些简单的没有遮挡的分叉路口，感知能够看到，但是对于复杂的路口，摄像头会有相对大的被遮挡区域，几乎不可能直接通过视觉获得完全的道路特征。
开车时也能感受到这一点，当某个路口不太确定时，需要慢下来，然后确认方向再进行下一步。
这就是完全无图的先天劣势。
所以，很多自动驾驶团队开始提出一些轻地图的概念，例如华为 ADS 的特征地图，理想 TNT 特征先验网络等等。
必须要承认，这些本质上都是一种地图变体，无法称之为严格无图。但是目前将无高精地图直接等价于无图，这不严谨。
也就是说，需要先跑一遍，然后获得了这条路的一些信息，能够通过这些信息和实时感知融合之后，得到相对准确的道路拓扑结构。
这也非常好理解，如果在一条非常熟悉的道路上，我们可以在没有看清楚道路的情况下，知道接下来的道路走向。
蔚来这里用了相似的理念，也并不是完全无图，而是通过一些车主地图众包测绘特征，进入云端后，由云端产线进行地图质检，再推送给用户。
那么既然可以无高精地图了，为什么不全部放弃？
其实很好理解，刚学会游泳，遇到深水区，还是建议用一个游泳圈，尤其是家里已经有游泳圈的情况。
众包测绘地图特征，听上去是一件很简单的事情，但是还是无法避免两个问题：
一，定位不准
车端定位出现米级别的偏差是一个非常常见的现象，所以会使用一些其他信息作为辅助定位校准，或者使用非常多次的道路进行互相验证，保证地图测绘的相对准确。
二，车道线识别不准确
动态车辆遮挡，视角问题都需要多次路线进行验证，而这些努力的准确度上限，是高精地图。
所以蔚来使用了两条腿走路，在地图感知能力暂时还有缺陷的基础上，依然使用高精地图。
并且我也相信，关于高精地图的实时更新问题，蔚来也会使用众包地图进行更新。
但是却非常诚实地告诉用户，自己的做法。
真诚，对用户，也对蔚来自己。
03NAD 群体控制系统
38,100 POPS 群体智能车队算力、5,080 POPS 每月新增算力、1200 TB 车群每秒处理数。
蔚来的算力冗余在这里得到了最好的解答。
这也就不难理解一个季度开通城区领航路线里程 6 万公里这种目标。
蔚来的云端控制系统可以对每个车上的算力进行调度，形成了自研的分布式算力控制能力。
新的路线在每个车辆上进行验证，本地迅速进行路线的验证，这就可以让数据进行快速流转，也能够处理更多的数据与云端进行同步。
目前泛人工智能领域重数据轻模型的趋势越来越明显，每个团队的模型差异并不大，最后性能的表现由工程化和数据决定。
OpenAI ChatGPT 就是如此，整体并没有什么大的创新，但是巨量的数据和巨大的算力基建催生了顶尖的性能，产生了涌现现象。
蔚来作为数字基建布局最早的企业，也是数据质量最高（最强传感器），实时处理能力最强（Orin 芯片），实时回传数据最多（硬件标配车队），使用整个群体智能算力，将模型分布式训练。
先进的架构，最多的数据和最大的算力，期待蔚来自动驾驶能力涌现的一天。
04软硬一体是长期主义一环车载硬件负责人白剑 2021 年就加入了蔚来，蔚来毫不掩饰自己在芯片自研上的野心，大肆招聘芯片设计人才。
第一款芯片选择了车载激光雷达芯片。
两年时间，芯片团队迅速交卷：
「杨戬」，一个很符合蔚来二代车型激光雷达安装位置的名字，激光雷达芯片，一次小试牛刀。
8 核 64 位处理器，每秒点云处理数量到 8 百万点。
自研激光雷达芯片的能耗更低，能够更加定制化处理 ROI 区域（区域内处理密度更高的点云），这与目前蔚来使用的量产密度最高激光雷达 Falcon 紧密配合，能够为自动驾驶感知提供更好的结果。
我们简单看一下，蔚来使用的激光雷达 Falcon，最高角分辨率 0.05 度，但是并不是整个模块的分辨率都一样，而是一个动态调整的过程。
例如下图中的红框里面的密度相对更高，常规的激光雷达芯片可能只是一个固定的区域，但是 Falcon 却是可以实时调整的，这就对芯片的动态适配能力有了更高的要求，这些都可以在自研芯片的硬件设计之初就定好，保证最佳适配。
在软件自研，硬件自研的基础上，蔚来在使用激光雷达的道路上，走在了行业最前沿。
当然，蔚来的野心一定不止于此，自动驾驶大算力芯片目前还是 Nvidia 的天下，蔚来苦 Orin 久矣。
自研芯片之后，能够更加灵活地分配芯片的算力，从硬件角度对自动驾驶算法的某些高频操作做好优化，Tesla 就是一个很好的榜样，期待蔚来自研的自动驾驶芯片。
05整车集大成者，整车操作系统软件定义汽车不再是泛泛而谈，汽车行业首个由车企自研，并且发布的智能电动汽车整车全域操作系统，将车辆控制，智能驾驶，智能座舱，移动互联全部统一到一个数字基座内。
全车用一个系统底层即可进行控制。
听上去很容易，但是实际上这件事，非常难。
至少四个不同的团队，而且这些团队负责的功能必须都是完全 In House 研发的，否则供应商不可能配合完成这些控制和通信接口定义。
而底层软件的开发，更是其他车企不敢触碰的地方。
SkyOS 实现了软件定义汽车分层解耦的架构设计，能够将车辆功能开发与车辆平台的生命周期分离。
这点非常超前，蔚来已经抽象出一套通用的，未来可被持续使用的底层控制接口。
就像目前的手机 APP 依然可以在十年前的手机上安装，因为底层控制接口并没有大的变化，可能一些新奇的功能无法支持，但是实际上，运行基础功能并没有难度。