先问大家一个问题：" 你每天上下班通勤时间多长？"
据《2022 年中国主要城市通勤监测报告》显示，全国承受 60 分钟以上极端通勤的人口超 1400 万，其中青年群体有近 600 万，占比超过 40％。报告显示，2021 年北上广深平均通勤距离 9.4 公里，其中北京平均通勤距离 11.3 公里，是全国通勤距离最长的城市。
现在的车企们，正试图帮你解决通勤路上最难熬的这段时光。
早在 2015 年，特斯拉就推出了 FSD（Full Self-Driving，完全自动驾驶），号称可以在城市街道中进行自动辅助驾驶。而后，国内的造车大军也纷纷拿出对标 FSD 的功能。
于是就有了，华为的 ADS、小鹏的 XNGP、蔚来的 NAD、理想的 NOA。功能名称百花齐放，但它们的目的都是一致的——通过自动驾驶系统，帮助驾驶员完成从 A 点到 B 点的移动。
最近，我们就在上海闹市区体验了小鹏的 XNGP（小鹏的第二代智能辅助驾驶系统）。虽然它最终将我安全的送到了目的地，期间还穿越了上海最堵的延安高架、最繁华的外滩。但这次 " 车辆自己开 " 的体验，依旧会让我觉得——现阶段的辅助驾驶，仍然是一个 " 新手司机 "。
自动驾驶比人更安全？
" 未来，AI（人工智能）一定比人类更会开车。"
这是小鹏汽车自动驾驶副总裁吴新宙，在 3 月 31 日的沟通会上给出的定论。他进而解释到：" 道理很简单，因为 AI 对周围世界的理解的精细程度超过人类驾驶员。比如，我们开车的时候只看到前面有一个车，跟这个车的距离是多少，速度多少我们不知道的，但是 AI 在 360 度无时无刻不在做这样的观测。"
小鹏汽车自动驾驶副总裁吴新宙
从小鹏汽车内部的目标来看，随着计算能力和算法能力的提高，他们希望人工智能的 " 开车水平 " 能够超越人类老司机。" 具体这个时间点，我希望在 2024-2025 年中间的某一个时间点。"吴新宙说道。
然而，站在当下 2023 年的时间节点来看，小鹏的 XNGP 体验还处于 " 新手司机 " 的水平。
首先，被加塞的场景中，小鹏突出一个 " 能让就让 " 的原则。
在上海南浦大桥上，我就遇到了连续被加塞的场景。当时我驾驶着 G9 Max 版行驶在桥上最左侧车道，前方是一辆轻型货车，系统自动留出了较长的跟车距离。正是因为跟车距离太远，给了右侧一辆比亚迪加塞的机会。加塞期间，系统自动减速并向左打方向主动让出位置，对方顺利完成加塞。
紧接着，一台沪 A 牌照的摩托车，快速从右侧完成超越，几乎是贴着右侧翼子板而过。
然而，车辆并没有对这台摩托车作出任何反应，甚至连方向盘都没动。原本我以为是系统没有发现它，但其实屏幕上的环境模拟显示系统，早已在摩托车处于车辆侧后方时就锁定了其驾驶路线。
如果真是老司机的话，在拥挤的路段下就不会留出一个车身长度的跟车距离。退一万步来说，在遇到旁车有变道意图或者打启转向灯的时候，老司机都会先闪灯、适当加速试探，以此逼退加塞车。
其次，在行驶路线被阻挡时，它的处理不够老练。
在上海外滩时，我就遇到了两次 Corner Case（边缘场景）。先是一个右转的场景，系统选择走右侧第二个右转车道，但右侧第一条车道上的右拐车辆突然减速，侵占了系统设定的行驶路线。恰巧此时右转的红灯亮起，车辆及时刹车并停在了上海外滩最繁华的斑马线上。
幸亏，执勤交警没有走过来对我敬礼。
紧接着，还是在外滩上，突然本车道的前方有一辆网约车停靠在路边下客，占用了最右侧车道。但系统并未找到机会提前向左变道，导致车辆停在原地等待了 15 秒的时间，等后方车辆走得差不多了，才慢慢地向左绕过临停车辆。
如果真是老司机的话，在路口右拐的时，一定会向左侧找空挡，尽量快速地驶出斑马线区域。而在遇到临停车辆时，提前换道避让这应该是老司机的基本操作了。
最后，它的驾驶方式会严格遵守规则。
在上海的高架桥上，有许多路段是电子眼限速 60km/h。如果真的全程按照这个限速开，你会被超车超到怀疑人生。而小鹏 XNGP 系统当前的软件版本，就会严格按照 60km/h 的上限行驶。更尴尬的是，如果前车以 55km/h 的时速行驶，那么自动超车就无法执行。
在延安高架上，我就遇到一辆 " 上海特产 " 荣威 ie6 以 60km/h 内的时速 " 龟速 " 行驶。在它后面跟了有大概一两公里之后，小鹏的 XNGP 系统始终无法自动超车。
急性子的我，只能手动打下转向拨杆，让车辆完成一次指令变道。
实际上，小鹏汽车提出来的 "AI 比人类更会开车 " 观点，对应的逻辑应该是 AI 比人更加遵守交通规则——不争不抢的风格，文明礼貌的习性，确实把城市道路中的各类风险降到了最低。但这背后牺牲的是通行效率，增加了用户路途中的总时长。这似乎又与自动驾驶解放人类时间的初衷相违背。
小鹏汽车内部做过测试，目前的 XNGP 的通行效率能够做到人类驾驶员的 80% ——那么打个比方，从 A 点开到 B 点人类驾驶员需要 48 分钟，而自动驾驶所需的时间是 60 分钟。
既然开得比人还慢，为什么要让车自动驾驶呢？
你会把命交给自动驾驶吗？
虽然并不完美，但值得肯定的是，这次我们体验的全场景辅助驾驶系统 XNGP 已经全量推送了。在 3 月 31 日，XNGP 第一阶段能力向小鹏 G9 及 P7i Max 版用户进行开放——这意味着，它不再是仅供演示的 Demo 版或者 Beta 版，而是通过 OTA 全量发布给真实用户去使用的一个新功能。
小鹏 G9 的用户在乡间小路体验 XNGP
站在现在这个节点去看，小鹏将自动驾驶技术推向市场的节奏大致是这样的：第一步是，可用；第二步是，大范围的可用；第三步是，大范围的好用。
第一步要实现 " 可用 "，主要难在工程化。
" 在工程化能力方面，我们领先别人一到两年以上。"在小鹏汽车自动驾驶中心项目总监 John Ma 看来，工程体系是综合性能力的体现，高效率测试，高效率研发，高效率代码管控等等。" 这是我们从积累到现在非常宝贵的财富。"
最早，小鹏在 G3 上通过自动泊车这一最简单的场景入手自研。后来在 P7 上扩展到高速场景，推出了高速导航辅助驾驶 NGP。之后，在 P5 上把算力压榨到极限，实现了部分城市的导航辅助驾驶 NGP。经历了三款车型的自我迭代，这才有现在 G9 和 P7i 车型上的全场景辅助驾驶系统 XNGP。
市面上很多搭载激光雷达的车型，都号称支持城区导航辅助驾驶，但真正能够将功能量产并全量推送给用户使用的，目前在中国市场上仅有小鹏汽车一家。
吴新宙认为，" 功能的仗，一仗一仗打，它有一定的难度。但我们特别有底气的是，小鹏的研发体系已经达到了稳态，我们在各个团队之间的配合的流畅程度，已经到了非常好的状态。所以还是那个调，工作量很大，但是不难。"
第二步，大范围的可用，是当前的难点。
现在的城市 NGP 功能，只在上海、深圳、广州三座有高精地图覆盖的城市开放。而在无高精地图覆盖的区域，只能使用 LCC 车道居中辅助功能。在激光雷达的加持下，它虽然能够完成对静止的车辆、锥筒等障碍物的判断和避让，但目前还不支持红绿灯的通行能力。
在上海体验小鹏 XNGP 的时候，就明显能够感知到高精地图的存在。因为上海城市很多道路的左拐弯车道是设置在道路右侧车道或者中间车道，并非全都是在最左侧的。人类驾驶员稍有不注意，就会走错车道，3 分就没了。而小鹏 XNGP 会更早地规划好车道、提前变道，避免走错。
中控屏的高精地图数据显示右侧没有围栏，但主驾屏的 BEV 感知到了围栏的存在，并划出了红色的边界
高精地图，则是为车辆的自动驾驶系统提供道路先验信息。除了纵向加减速、横向转向之外，最重要的就是可预知车道线、道路标识牌等交通要素的位置，提前作出变道的动作。在《特斯拉看不上的高精地图，华为当个宝》一文中，我们已经深度讨论过，高精地图当前面临的鲜度、监管、成本等问题。短期内，高精地图很难实现全国城市道路的覆盖。
丢掉高精地图这根 " 拐杖 "，小鹏拿出了 XNet 深度视觉神经网络。
吴新宙表示，感知能力是实现在无图区域导航辅助驾驶的第一步。感知的 XNet 深度视觉神经网络，这也是中国首个且唯一量产的 BEV 感知（Bird's-eye-view Perception）。
小鹏上一代的软件能力，是通过多相机单帧做深度学习神经网络，再通过大量的逻辑和算法把信息融合起来，以产生 360 度的感知。而 XNet 则是多相机多帧，把来自每一个相机的视频流，直接注入到一个大模型的深度学习网络里，再让它直接输出 BEV 视角下的静态和动态信息。
比如动态目标物的 4D 信息（如车辆，二轮车等的大小、距离、位置及速度、行为预测等），以及静态目标物的 3D 信息（如车道线和马路边缘的位置）。特别是对于静态的环境来说，这意味着 XNGP 将会拥有超级强大的环境感知能力，简单来说就是——它拥有了实时产生高精地图的能力。
"BEV 的感知的源头确实是特斯拉当时提出的，大家都在跟进。"在毫末智行技术副总裁艾锐看来，BEV 最大的好处是终于把所有的传感器都同时用上了，形成了 360 度的视野。" 在跨传感器的时候没有之前大家老说的遮挡或者截断导致的各种各样的问题。所以在整个准招、测量方面的效果，现在看起来是，BEV 比之前每个传感器单独做的确实要好很多。"
第三步，从大范围可用到大范围好用，这需要漫长的 " 打怪升级 " 过程。
在人为输出的规则上，小鹏已经开始抠细节了。比如，在通过绿灯的路口时，XNGP 依旧会适当降低速度，再跨越路口的停止线。再比如为了提升刹车时的舒适性，小鹏就会借助博世 iBooster（电控刹车助力系统）来控制减速。甚至于，因为小鹏 G9 和 P7i 车型尺寸的不同，研发团队会控车策略上有针对性进行调校，避免同样的算法在 SUV 上会造成刹车点头。
但这，还远远谈不上实现一套好用的自动驾驶系统。在引入深度学习之后，自动驾驶技术其实已经从高精地图这样的基建问题，转变成人工智能问题。那么，其解题思路就变成了 " 喂数据 "。
特斯拉 CEO 埃隆 · 马斯克最近就表示，" 为了获得足够多的潜在严重事故的训练案例，特斯拉不得不在仿真环境中生成案例来训练深度神经网络。因为尽管现在 FSD Beta 车队的运行里程达到了 100 万英里 / 天，但这类案例实在太少。"
吴新宙也提到：" 仿真数据也是我们持续建设的中后台能力，所以我们现在所有的软件上线之前都会经过大量的仿真数据的验证，然后再上实车。" 此前，小鹏还在乌兰察布建成中国最大的自动驾驶智算中心，使 AI 模型训练效率提升 602 倍。
可见，特斯拉在自动驾驶上的那些绝招，小鹏都 get 到了。
写在最后
至于在自动驾驶这条路上，谁更胜一筹，小鹏汽车自动驾驶副总裁吴新宙的回答是这样的：
" 我在美国也是深度 FSD 用户。在很多的地方的处理细腻程度，我觉得我们的城市 NGP，或者未来的 XNGP 至少不输的。当然如果 FSD 某一天在中国开放的话，面对中国这样复杂的场景，我也不是很确定，他们（特斯拉）的规控是不是能做到像我们同样的自如。"
放眼国内的其他玩家，小鹏表示自己没有危机感。
" 跟国内的友商比，我相信大家都会认同我们是毫无疑问在第一阵营。" 吴新宙认为，作为一个综合实力的体现，在有图和无图的能力方面，现在 XNGP 能够达到状态目前是行业领先的。" 我们的领先不光在位置上，而且在速度和加速上，我希望通过我们的努力，接下来能够看到扩大的领先地位。"
当然，一个很现实的问题摆在小鹏面前。2023 年第一季度，这家公司交付了 18,230 辆车，其中 3 月交付了 7,002 辆车。而作为对比，特斯拉一季度在全球范围完成超过 42.2 万的交付量，其中 3 月在中国就交付了近 8.9 万辆车。但截止目前，特斯拉完全自动驾驶 FSD Beta 的全球选装率仅为 10%。
显然，特斯拉并不是因为自动驾驶功能超前而卖得好。而在补贴政策和市场红利褪去之时，小鹏汽车尚未习得特斯拉的销量密码。
先问大家一个问题：" 你每天上下班通勤时间多长？"
据《2022 年中国主要城市通勤监测报告》显示，全国承受 60 分钟以上极端通勤的人口超 1400 万，其中青年群体有近 600 万，占比超过 40％。报告显示，2021 年北上广深平均通勤距离 9.4 公里，其中北京平均通勤距离 11.3 公里，是全国通勤距离最长的城市。
现在的车企们，正试图帮你解决通勤路上最难熬的这段时光。
早在 2015 年，特斯拉就推出了 FSD（Full Self-Driving，完全自动驾驶），号称可以在城市街道中进行自动辅助驾驶。而后，国内的造车大军也纷纷拿出对标 FSD 的功能。
于是就有了，华为的 ADS、小鹏的 XNGP、蔚来的 NAD、理想的 NOA。功能名称百花齐放，但它们的目的都是一致的——通过自动驾驶系统，帮助驾驶员完成从 A 点到 B 点的移动。
最近，我们就在上海闹市区体验了小鹏的 XNGP（小鹏的第二代智能辅助驾驶系统）。虽然它最终将我安全的送到了目的地，期间还穿越了上海最堵的延安高架、最繁华的外滩。但这次 " 车辆自己开 " 的体验，依旧会让我觉得——现阶段的辅助驾驶，仍然是一个 " 新手司机 "。
自动驾驶比人更安全？
" 未来，AI（人工智能）一定比人类更会开车。"
这是小鹏汽车自动驾驶副总裁吴新宙，在 3 月 31 日的沟通会上给出的定论。他进而解释到：" 道理很简单，因为 AI 对周围世界的理解的精细程度超过人类驾驶员。比如，我们开车的时候只看到前面有一个车，跟这个车的距离是多少，速度多少我们不知道的，但是 AI 在 360 度无时无刻不在做这样的观测。"
小鹏汽车自动驾驶副总裁吴新宙
从小鹏汽车内部的目标来看，随着计算能力和算法能力的提高，他们希望人工智能的 " 开车水平 " 能够超越人类老司机。" 具体这个时间点，我希望在 2024-2025 年中间的某一个时间点。"吴新宙说道。
然而，站在当下 2023 年的时间节点来看，小鹏的 XNGP 体验还处于 " 新手司机 " 的水平。
首先，被加塞的场景中，小鹏突出一个 " 能让就让 " 的原则。
在上海南浦大桥上，我就遇到了连续被加塞的场景。当时我驾驶着 G9 Max 版行驶在桥上最左侧车道，前方是一辆轻型货车，系统自动留出了较长的跟车距离。正是因为跟车距离太远，给了右侧一辆比亚迪加塞的机会。加塞期间，系统自动减速并向左打方向主动让出位置，对方顺利完成加塞。
紧接着，一台沪 A 牌照的摩托车，快速从右侧完成超越，几乎是贴着右侧翼子板而过。
然而，车辆并没有对这台摩托车作出任何反应，甚至连方向盘都没动。原本我以为是系统没有发现它，但其实屏幕上的环境模拟显示系统，早已在摩托车处于车辆侧后方时就锁定了其驾驶路线。
如果真是老司机的话，在拥挤的路段下就不会留出一个车身长度的跟车距离。退一万步来说，在遇到旁车有变道意图或者打启转向灯的时候，老司机都会先闪灯、适当加速试探，以此逼退加塞车。
其次，在行驶路线被阻挡时，它的处理不够老练。
在上海外滩时，我就遇到了两次 Corner Case（边缘场景）。先是一个右转的场景，系统选择走右侧第二个右转车道，但右侧第一条车道上的右拐车辆突然减速，侵占了系统设定的行驶路线。恰巧此时右转的红灯亮起，车辆及时刹车并停在了上海外滩最繁华的斑马线上。
幸亏，执勤交警没有走过来对我敬礼。
紧接着，还是在外滩上，突然本车道的前方有一辆网约车停靠在路边下客，占用了最右侧车道。但系统并未找到机会提前向左变道，导致车辆停在原地等待了 15 秒的时间，等后方车辆走得差不多了，才慢慢地向左绕过临停车辆。
如果真是老司机的话，在路口右拐的时，一定会向左侧找空挡，尽量快速地驶出斑马线区域。而在遇到临停车辆时，提前换道避让这应该是老司机的基本操作了。
最后，它的驾驶方式会严格遵守规则。
在上海的高架桥上，有许多路段是电子眼限速 60km/h。如果真的全程按照这个限速开，你会被超车超到怀疑人生。而小鹏 XNGP 系统当前的软件版本，就会严格按照 60km/h 的上限行驶。更尴尬的是，如果前车以 55km/h 的时速行驶，那么自动超车就无法执行。
在延安高架上，我就遇到一辆 " 上海特产 " 荣威 ie6 以 60km/h 内的时速 " 龟速 " 行驶。在它后面跟了有大概一两公里之后，小鹏的 XNGP 系统始终无法自动超车。
急性子的我，只能手动打下转向拨杆，让车辆完成一次指令变道。
实际上，小鹏汽车提出来的 "AI 比人类更会开车 " 观点，对应的逻辑应该是 AI 比人更加遵守交通规则——不争不抢的风格，文明礼貌的习性，确实把城市道路中的各类风险降到了最低。但这背后牺牲的是通行效率，增加了用户路途中的总时长。这似乎又与自动驾驶解放人类时间的初衷相违背。
小鹏汽车内部做过测试，目前的 XNGP 的通行效率能够做到人类驾驶员的 80% ——那么打个比方，从 A 点开到 B 点人类驾驶员需要 48 分钟，而自动驾驶所需的时间是 60 分钟。
既然开得比人还慢，为什么要让车自动驾驶呢？
你会把命交给自动驾驶吗？
虽然并不完美，但值得肯定的是，这次我们体验的全场景辅助驾驶系统 XNGP 已经全量推送了。在 3 月 31 日，XNGP 第一阶段能力向小鹏 G9 及 P7i Max 版用户进行开放——这意味着，它不再是仅供演示的 Demo 版或者 Beta 版，而是通过 OTA 全量发布给真实用户去使用的一个新功能。
小鹏 G9 的用户在乡间小路体验 XNGP
站在现在这个节点去看，小鹏将自动驾驶技术推向市场的节奏大致是这样的：第一步是，可用；第二步是，大范围的可用；第三步是，大范围的好用。
第一步要实现 " 可用 "，主要难在工程化。
" 在工程化能力方面，我们领先别人一到两年以上。"在小鹏汽车自动驾驶中心项目总监 John Ma 看来，工程体系是综合性能力的体现，高效率测试，高效率研发，高效率代码管控等等。" 这是我们从积累到现在非常宝贵的财富。"
最早，小鹏在 G3 上通过自动泊车这一最简单的场景入手自研。后来在 P7 上扩展到高速场景，推出了高速导航辅助驾驶 NGP。之后，在 P5 上把算力压榨到极限，实现了部分城市的导航辅助驾驶 NGP。经历了三款车型的自我迭代，这才有现在 G9 和 P7i 车型上的全场景辅助驾驶系统 XNGP。
市面上很多搭载激光雷达的车型，都号称支持城区导航辅助驾驶，但真正能够将功能量产并全量推送给用户使用的，目前在中国市场上仅有小鹏汽车一家。
吴新宙认为，" 功能的仗，一仗一仗打，它有一定的难度。但我们特别有底气的是，小鹏的研发体系已经达到了稳态，我们在各个团队之间的配合的流畅程度，已经到了非常好的状态。所以还是那个调，工作量很大，但是不难。"
第二步，大范围的可用，是当前的难点。
现在的城市 NGP 功能，只在上海、深圳、广州三座有高精地图覆盖的城市开放。而在无高精地图覆盖的区域，只能使用 LCC 车道居中辅助功能。在激光雷达的加持下，它虽然能够完成对静止的车辆、锥筒等障碍物的判断和避让，但目前还不支持红绿灯的通行能力。
在上海体验小鹏 XNGP 的时候，就明显能够感知到高精地图的存在。因为上海城市很多道路的左拐弯车道是设置在道路右侧车道或者中间车道，并非全都是在最左侧的。人类驾驶员稍有不注意，就会走错车道，3 分就没了。而小鹏 XNGP 会更早地规划好车道、提前变道，避免走错。
中控屏的高精地图数据显示右侧没有围栏，但主驾屏的 BEV 感知到了围栏的存在，并划出了红色的边界
高精地图，则是为车辆的自动驾驶系统提供道路先验信息。除了纵向加减速、横向转向之外，最重要的就是可预知车道线、道路标识牌等交通要素的位置，提前作出变道的动作。在《特斯拉看不上的高精地图，华为当个宝》一文中，我们已经深度讨论过，高精地图当前面临的鲜度、监管、成本等问题。短期内，高精地图很难实现全国城市道路的覆盖。
丢掉高精地图这根 " 拐杖 "，小鹏拿出了 XNet 深度视觉神经网络。
吴新宙表示，感知能力是实现在无图区域导航辅助驾驶的第一步。感知的 XNet 深度视觉神经网络，这也是中国首个且唯一量产的 BEV 感知（Bird's-eye-view Perception）。
小鹏上一代的软件能力，是通过多相机单帧做深度学习神经网络，再通过大量的逻辑和算法把信息融合起来，以产生 360 度的感知。而 XNet 则是多相机多帧，把来自每一个相机的视频流，直接注入到一个大模型的深度学习网络里，再让它直接输出 BEV 视角下的静态和动态信息。
比如动态目标物的 4D 信息（如车辆，二轮车等的大小、距离、位置及速度、行为预测等），以及静态目标物的 3D 信息（如车道线和马路边缘的位置）。特别是对于静态的环境来说，这意味着 XNGP 将会拥有超级强大的环境感知能力，简单来说就是——它拥有了实时产生高精地图的能力。
"BEV 的感知的源头确实是特斯拉当时提出的，大家都在跟进。"在毫末智行技术副总裁艾锐看来，BEV 最大的好处是终于把所有的传感器都同时用上了，形成了 360 度的视野。" 在跨传感器的时候没有之前大家老说的遮挡或者截断导致的各种各样的问题。所以在整个准招、测量方面的效果，现在看起来是，BEV 比之前每个传感器单独做的确实要好很多。"
第三步，从大范围可用到大范围好用，这需要漫长的 " 打怪升级 " 过程。
在人为输出的规则上，小鹏已经开始抠细节了。比如，在通过绿灯的路口时，XNGP 依旧会适当降低速度，再跨越路口的停止线。再比如为了提升刹车时的舒适性，小鹏就会借助博世 iBooster（电控刹车助力系统）来控制减速。甚至于，因为小鹏 G9 和 P7i 车型尺寸的不同，研发团队会控车策略上有针对性进行调校，避免同样的算法在 SUV 上会造成刹车点头。
但这，还远远谈不上实现一套好用的自动驾驶系统。在引入深度学习之后，自动驾驶技术其实已经从高精地图这样的基建问题，转变成人工智能问题。那么，其解题思路就变成了 " 喂数据 "。
特斯拉 CEO 埃隆 · 马斯克最近就表示，" 为了获得足够多的潜在严重事故的训练案例，特斯拉不得不在仿真环境中生成案例来训练深度神经网络。因为尽管现在 FSD Beta 车队的运行里程达到了 100 万英里 / 天，但这类案例实在太少。"
吴新宙也提到：" 仿真数据也是我们持续建设的中后台能力，所以我们现在所有的软件上线之前都会经过大量的仿真数据的验证，然后再上实车。" 此前，小鹏还在乌兰察布建成中国最大的自动驾驶智算中心，使 AI 模型训练效率提升 602 倍。
可见，特斯拉在自动驾驶上的那些绝招，小鹏都 get 到了。
写在最后
至于在自动驾驶这条路上，谁更胜一筹，小鹏汽车自动驾驶副总裁吴新宙的回答是这样的：
" 我在美国也是深度 FSD 用户。在很多的地方的处理细腻程度，我觉得我们的城市 NGP，或者未来的 XNGP 至少不输的。当然如果 FSD 某一天在中国开放的话，面对中国这样复杂的场景，我也不是很确定，他们（特斯拉）的规控是不是能做到像我们同样的自如。"
放眼国内的其他玩家，小鹏表示自己没有危机感。
" 跟国内的友商比，我相信大家都会认同我们是毫无疑问在第一阵营。" 吴新宙认为，作为一个综合实力的体现，在有图和无图的能力方面，现在 XNGP 能够达到状态目前是行业领先的。" 我们的领先不光在位置上，而且在速度和加速上，我希望通过我们的努力，接下来能够看到扩大的领先地位。"
当然，一个很现实的问题摆在小鹏面前。2023 年第一季度，这家公司交付了 18,230 辆车，其中 3 月交付了 7,002 辆车。而作为对比，特斯拉一季度在全球范围完成超过 42.2 万的交付量，其中 3 月在中国就交付了近 8.9 万辆车。但截止目前，特斯拉完全自动驾驶 FSD Beta 的全球选装率仅为 10%。
显然，特斯拉并不是因为自动驾驶功能超前而卖得好。而在补贴政策和市场红利褪去之时，小鹏汽车尚未习得特斯拉的销量密码。