小鵬測試的數據如何處理和分析？

小鵬測試的數據處理和分析是一個復雜但有序的過程。

首先，小鵬已量產國內首個端到端大模型，其模型采用分段式結構，包括神經網絡 XNet、規控大模型 XPlanner 以及大語言模型 XBrain 三部分。

在數據閉環方面，小鵬的全棧數據閉環能夠實現對數據的清晰處理、高效挖掘和解讀。測試階段實車測試與仿真測試并重，比如基于超 10 億公里的視頻訓練、超 756 萬累計公里數的實車測試和超 2.16 億累計公里數的仿真測試，實現每 2 天一次版本迭代，每 2 周一次體驗升級。在未來 18 個月內智駕能力能提升 30 倍。

同時，小鵬將數據閉環分為“數據收集、標注、訓練和部署”四個環節，全棧數據閉環能力使城市場景被動接管率降低 38%，仿真能力使小鵬能夠創造出更多的長尾場景，保護程度能提升 4 倍，大幅降低數據獲取及算法測試成本。

此外，小鵬汽車還取得車輛電池仿真測試專利，通過確定車輛電池的當前荷電狀態，獲取實際測試數據、實際阻抗與阻抗響應時間，修正測試阻抗進行熱量仿真測試，生成對應的熱量參數，提高熱量仿真的精準度。

在電池可用容量測試方面，結果顯示充電習慣對于動力電池可用容量有影響。比如，在對威馬 EX5 和小鵬 G3 的測試中，小鵬 G3 車型平均減少 6.26%。長期滿充對動力電池可用容量有較大影響，而像小鵬 G3 具有可設置充電截止 SOC 的電池管理系統，車主若能合理設置不經常滿充，有助于保護電池。

在 3000 公里小鵬 P7 NGP 駕駛測試中，平均百公里接管次數為 0.71 次，變道超車成功率 94.41%，匝道通過成功率 92.76%，隧道通過成功率 94.95%。