Products
96SEO 2026-02-19 16:12 16
上周#xff0c;蔚来在这里点亮金色炉台#xff0c;2500
立方米高炉#xff0c;浓重的工业气质与古典凝重的光影交织#xff0c;蔚来
这是蔚来第一次开科技发布会为了全方位展现蔚来恐怖的自研实力日程安排了整整一天。
电驱动、电池、车辆工程芯片、整车操作系统、全景互联、智能驾驶、智能座舱智慧能源、智能制造、人工智能、全球数字运营。
但是每一个词后面都是蔚来为此投入的巨量资金和全球聚集的人才团队。
信息量实在是太大乃至于很多内容都一笔带过而我也被巨大的信息量冲击到大脑宕机。
这三个字被李斌和任少卿演讲时不断重复自豪之情溢于言表似乎是蔚来团队的研发守则。
明明可以像其他厂商一样外采然后宣布共同研发即可。
当然作为技术的跟随者这条路绝对没错。
成立第一天就要做国内第一条全铝生产线那时候国内还没有人这么做过人才几乎也没有换电功能的设计需要自主设计电池换电结构换电站能源系统一切从零开始底盘域控制器长期被博世等国外强势供应商垄断蔚来想要做一些定制化功能没有办法满足蔚来只能自研为了解决被用户诟病的座椅问题供应商迟迟无法满足需求蔚来只能自研在一代平台上与
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。
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。
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
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
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
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。
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。
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。
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。
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。
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
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。
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。
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。
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
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。
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。
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
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。
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。
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。
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。
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。
「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。
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
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
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。
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
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。
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。
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。
之后车型平台升级并不会让这些旧平台被直接抛弃而是能够持续更新。
也是因为在设计之初就将换电结构基本固定让之后沿用也要保证这种结构不会被很快落伍。
现在的车企面对极复杂的竞争形势当活下去成了唯一的信念很多动作都会有变化。
不再有大投入研发用市场营销的手段包装一些复杂的名词而实际体验却并没有提升。
只能喊着廉价的降本增效的口号用一次次降价的手段呼唤消费者的注意而不是靠技术创新带来的更好地用户体验。
年蔚来也没有放弃技术的研发依然是从一个更高的角度去思考创新并且持续投入。
突破内卷不能靠微小的创新这种创新几乎无法带来真正的竞争优势蔚来靠自己的体系化研发一条从用户体验思考的整体创新之路这条路可能会很长节奏可能不会很快质疑也会很多。
这一天从硬件到软件、从操作系统到应用程序、从机械设计到外形设计蔚来从不满足成为一个跟随者。
写这篇文章的时候我刚好在看华为的蛰伏已久的发布会华为的市场份额是靠着绝对的高投入研发产生的真正技术创新带来的。
作为专业的SEO优化服务提供商，我们致力于通过科学、系统的搜索引擎优化策略，帮助企业在百度、Google等搜索引擎中获得更高的排名和流量。我们的服务涵盖网站结构优化、内容优化、技术SEO和链接建设等多个维度。
| 服务项目 | 基础套餐 | 标准套餐 | 高级定制 |
|---|---|---|---|
| 关键词优化数量 | 10-20个核心词 | 30-50个核心词+长尾词 | 80-150个全方位覆盖 |
| 内容优化 | 基础页面优化 | 全站内容优化+每月5篇原创 | 个性化内容策略+每月15篇原创 |
| 技术SEO | 基本技术检查 | 全面技术优化+移动适配 | 深度技术重构+性能优化 |
| 外链建设 | 每月5-10条 | 每月20-30条高质量外链 | 每月50+条多渠道外链 |
| 数据报告 | 月度基础报告 | 双周详细报告+分析 | 每周深度报告+策略调整 |
| 效果保障 | 3-6个月见效 | 2-4个月见效 | 1-3个月快速见效 |
我们的SEO优化服务遵循科学严谨的流程，确保每一步都基于数据分析和行业最佳实践：
全面检测网站技术问题、内容质量、竞争对手情况，制定个性化优化方案。
基于用户搜索意图和商业目标，制定全面的关键词矩阵和布局策略。
解决网站技术问题，优化网站结构，提升页面速度和移动端体验。
创作高质量原创内容，优化现有页面，建立内容更新机制。
获取高质量外部链接，建立品牌在线影响力，提升网站权威度。
持续监控排名、流量和转化数据，根据效果调整优化策略。
基于我们服务的客户数据统计，平均优化效果如下：
我们坚信，真正的SEO优化不仅仅是追求排名，而是通过提供优质内容、优化用户体验、建立网站权威，最终实现可持续的业务增长。我们的目标是与客户建立长期合作关系，共同成长。
Demand feedback
