飞凡 CEO 吴冰：首战不是决战，长期主义才更容易出爆款( 三 ) 前段时间我有幸参与了飞凡R

回到造车理念，上汽在传统燃油车时代造车的口碑，行驶质量，包括您说的踏板标定都是非常扎实的，现在做电气化，体验仍然要做扎实，真正好的科技应该是非常扎实的科技，同时是非常细腻的科技。
智能驾驶芯片能否支持升级
Q3：工程车的后备厢打开之后看到了Orin-X的模块在里面，特意把它放到这个位置是不是有考虑到后续硬件更换迭代的可能性？
胡晓凡：你看的很细，除了软硬件和算法设计，这方面我们也考虑到整车，我们两年前做这个方案的时候就是想到未来自动驾驶会有大发展，它的芯片、算力、模块都有不同的深度，我们在整车的架构，在位置、空间以及所有的方案中都留了足够的可能性，为了可能几年后的新发展，不管是模块的升级也好、算力的升级也好，都留了余地，所以答案是肯定的。
R7智能驾驶硬件配置的考量
Q4：想问一下R7用激光雷达这样的高规格硬件是有什么样的考量，是不是要应对某些独特场景？
胡晓凡：在选硬件选型的时候，吴总在发布会上说了一句话，软件定义汽车这个大家都知道，硬件定义了软件的天花板，在软件过程升级的时候，我们希望用最好的硬件。我们觉得要带给用户足够的诚意，而不应该在成本考虑，更应该是在硬件以及传感器上做到以下几点：
第一，性能；
第二，稳定性；
第三，给用户带来更好的体验。
在这之后一定要用最好的软件把硬件的性能全部发挥出来，刚开始设定这套方案我们就决定一定要用全融合的高阶质量方案。这里我们用到了4D成像雷达，它的感知距离是350m ，常规的毫米波雷达是210m 。
成像雷达可以探测物体的高度，探测精度也比常规毫米波雷达更高。成像雷达还可以把眼前的数据和目标的数据通过成像同步输出，配合机器学习，在静态物体的检测以及闸道和通行区域的场景都有更好的探测能力和探测精度。
我们这套硬件在特殊场景的优势方面，这里举几个例子：
第一是匝道，我们有一个全域分场地的识别，除了道路线也能识别路沿，并且路沿识别不单来源于视觉，也来源于成像雷达。通过激光雷达构造出成像的概念，把三维的轮廓都构建出来，在匝道的识别中，能够实时识别前后车辆的行驶状态与趋势等周围路况，从而在安全范围内实现变道，并与前后车共同汇入匝道。
第二，静态路障的感知，比如现在对静态物体特别在高速还有很多施工场地上，我们经过这一套方案做了整个感知融合，在识别、探测以及在功能上能做到主动变道。不是每一个障碍物都要刹车，因为刹车也会有危险，后面会有车过来，我在判断旁边车道没有车的时候，并且在速度允许的时候会自动变道绕开障碍物。另外，在不同传感器之间，对于雨、雪、雾，不同的天气以及光电超视距的识别，在人眼睛看不清楚的时候传感器通过全融合的算法能看得更清楚。
第三，在卡车等一些比较难识别车辆的时候，整个动静态的分离和实时的识别，都比现在很多智驾的解决方案有优势，这也是今天发全融合方案的原因。
R7的智能驾驶会有几个配置
Q5：R7在自动驾驶，硬件上的投入是非常高端的，硬件都是最顶级的。但是这套配置会不会有中配、低配，是全系标配还是只有顶配会有？
胡晓凡：像今天产品发布会说的， R7的激光雷达是选配，另外一个版本用的是成像毫米波雷达， 4个增强版远距离点云角雷达，再加12个摄像头，两个版本同样用了全融合的算法。