过去的 5 个月，极越通过车机助手 SIMO 累计收到超过 2.3 万次用户反馈，秒级的反馈效率能够实现的问题沟通解决，帮助极越建立完整的数据闭环。上市 5 个月内，极越累计完成了 5 次 OTA 推送，即将推送的 OTA V1.4 版本中，极越累计升级超过 200 项功能，解决 5300 个用户反馈问题，促成了良性的自我成长。
在 AI 的持续赋能下，极越的智能化保持着持续高效的迭代效率。Joe（夏一平）兴奋地向我们宣布：2024 年，极越汽车只要在有百度地图的地方，就能够使用 PPA 智驾功能，这也意味着极越的这一套纯视觉高阶智驾 PPA 即将「全国都能开」。
算力不设限，激光雷达做纯视觉导师
如此高效的进步迭代，极越是怎么做到的？我们首先得从 PPA 的底层逻辑开始讲起。
2021 年，我们就在思考到底要做一款怎样的智驾产品？要做用户真正愿意用的，离不开的，能够成为购车头部考虑因素的产品。
百度智能驾驶首席研发架构师王亮认为，想要做成这样的智驾产品，要具备 4 个必要条件：
- 城区领航
- 全国范围的高时空覆盖
- 对用户体验的密切关注
- 数据飞轮促成的成熟迭代
而同时满足以上 4 个条件的智驾产品，行业内甚至不会超过 1/10。极越，是其中为数不多的成熟玩家。
王亮
在这四个维度上，极越 PPA 收获到了卓然的成效。根据极越官方给出的数据显示：PPA 领航辅助道路覆盖超过了 50 万公里，仅在 2024 年上半年极越就完成了超过 300 座城市的智驾开城。紧锣密鼓的开城过程中，极越完成了多达 324 次的 AI 模型迭代，优化 OTA 推送涉及超过 90 种智驾功能。
王亮向我们表示，看待一项新技术的发展速度，往往需要考虑到「初速度」和「加速度」。
迭代速度=初速度+「加速度」* 时间
「初速度」决定了技术原型的研发速度，在智驾技术开发过程中，激光雷达具有不小的初期优势，厘米级的精度能够有效降低开发的难度；而视觉则需要将二维恢复至三维，开发难度更高。
但一旦步入正轨，图像天然蕴含的信息量优势，会让纯视觉智驾技术具有更强、更敏捷的「加速度」，加之 AI 大模型的配合，纯视觉智驾技术路线的天花板会更高，相比激光雷达的技术思路，纯视觉智驾显然是条「先难后易」的道路。
坚持纯视觉智驾的极越，几乎重构了自动驾驶技术。
王亮进一步向我们透露，纯视觉方案所倚仗的摄像头硬件的采样点频是主流常规激光雷达的 160 倍，是最新激光雷达的接近 20 倍，摄像头所能采集的色彩、纹理等信息量更加丰富。
这么多的信息量，又如何设计算法提取信息？世间万物姿态万千，又怎样让模型掌握通用的泛化学习能力？
这要归功于百度 Apollo 全新自动驾驶视觉大模型 Vision Takes All（VTA Net）。大模型首先会对海量的驾驶场景进行「自监督训练」，图像会随机抹掉像素，并让视觉模型尝试还原恢复，提前让大模型对世界有更多的基础通用的理解，王亮把这种通用基础能力形容为视觉模型的「大底座」；第二步，大模型会针对性地做出如「景深识别」等专业性的训练。