小鵬今年的1024科技日，被挪到了11月6日。而在10月24日當天，小鵬汽車副總裁、自動駕駛負責人李力耘宣布，AI天璣5.4.0正式開啟公測：該版本下的智駕能力不僅在擬人化上可以呈現質變，變道成功率也提升了53%，繞行成功率提升了155%。

同時，小鵬汽車智能體驗負責人于桐也表示，天璣5.4.0還將帶來更具美感的SR渲染、更線性的動能回收、更舒適的AI底盤，另外還大幅放寬了智駕啟動的條件。

RoboX更加關注的，是李力耘在現場對端到端方案，以及AI鷹眼視覺技術，進行了首次解讀。

E2E的三種主流路線

“端到端是非常復雜嚴謹的技術，這不是一蹴而就的事。但我認為智駕已經從冷兵器走向了熱兵器階段——在AI時代，我們更側重于用算力，用更大的算力、數據以及大模型，去解決智能駕駛更高階的擬人博弈和接管率等問題。”李力耘說道。

他在會上分享了主流端到端的三種路線：

1、小模型堆疊：小鵬曾經考慮，在每一個模塊中都引入AI模型，再通過一些規則和算法，讓每個模塊的AI模型有機結合起來。“但這樣的方法仍然需要很多規則時代的工程師去定制接口，進行拼接和串聯。”李力耘說道。

2、車端大模型：自下而上地在車端去構建網絡來解決問題的方法，但是眾所周知，車端算力是有限的，車端大模型也有著「見效快，但上限低」的缺點。

3、云端大模型：這也是小鵬目前采用的方案。李力耘稱，只有突破硬件的限制，真正的探索能力的上限才是智駕的制勝關鍵——云端大模型往往比車端模型有著幾十甚至百倍的參數可以去消耗。

“作為Scaling Law的忠實的信徒，我們會去探索其極限，也會嘗試以更大的模型，更高的算力，更多的數據來實現極致的智能駕駛的體驗。”

李力耘表示，端到端的本質其實是信息的無損傳輸，以及由數據構建的網絡。它具備很強的泛化能力以及擬人性，數據中的每一個像素都可能會轉化為某一種規則，這樣就能夠做到對場景和信息不遺漏重點。

相較來看，規則方案會面對無法窮盡的問題。而在大模型尤其是云端大模型的以及未來蒸餾在車上的形式下，都能夠使智駕體驗實現質變。

對此，李力耘舉了一個例子：在規則時代，算法團隊需要定義無數的限速，包括各種彎道限速、曲率限速、路口限速、紅綠燈的限速，甚至還有逼近其他車輛的限速……但以AI來賦能之后，幾乎不用任何去定義任何類似的限速了。因為AI會自動從數據中學習到老司機一樣的經驗，以及防御性減速的方法。

同時他也指出，支撐云端大模型的離不開高算力：小鵬在2025年會持續投入AI相關的云端算力，預期將會達到10 EFLOPS，相比于2024的規模會增加2.6倍。

“在這樣的云端大模型以及海量數據的加持下，大模型會具有更好的時空的理解能力，也只有具備了這樣的能力，我們才能真正實現輕雷達輕地圖，擺脫激光雷達和高精地圖的依賴，實現真正的全國都好開。”

另外，小鵬目前也能做到「一套智駕軟件，標配全車系」，也是因為小鵬能夠用一套軟件來適配所有的車型，這意味著需要有更強的工程化的平臺能力，包括數據采集、模型，還有算法對不同車型不同傳感器的適配。

因為小鵬的產品覆蓋了從MPV到轎跑的多種車型，以及從PRO到MAX的多個版本，其形態、底盤尺寸及傳感器的布置都不盡相同。

鷹眼方案的關鍵技術

李力耘指出，AI鷹眼視覺的智駕方案讓感知距離提升了125%，識別速度提升了40%。這意味著在做出變道繞行以及各種博弈的動作中，P7+會更加敏捷。

他介紹稱，AI鷹眼視覺采用的是LOFIC技術（Lateral Overflow Integration Capacitor，橫向溢出集合電容），該方案本質上是將攝像頭的光信號變成電信號。

“當光線過強的時候或者光差過大的時候，人會需要適應，但是在LOFIC方案中，通過在車載攝像頭上應用溝槽電容等技術，可以很好地實現對光差的適應。”

編者注：LOFIC是一項應用于圖像傳感器的技術——在一般傳感器中，當光線照射到光電二極管時，會被轉化為光電子。而多余的光電子一旦溢出，就可能導致圖像過曝。

而LOFIC會在每個光電二極管旁邊增加一個額外的電容（溝槽電容），多余的光電子會流入到額外電容中，避免被浪費掉，從而捕捉更多光線信息。

目前，小鵬實現了端到端智駕的第二步，接下來，在明年的年底，小鵬希望借助更大的云端模型，以及對云端模型的蒸餾上車，以L2的硬件實現類L3的智能駕駛體驗。2026年，小鵬會逐步推出部分場景的L4級體驗。