因此，不少公司都在用车的具体细分场景上下手，试图通过将自动驾驶在一些场景下率先落地来取得消费者的认可，实现商业收入。于是乎，速度更低，道路环境更为简单且用户使用更加高频的停车场，开始成为企业发力的重点。智能泊车，遥控泊车，智能召唤，L4级无人驾驶泊车，P-AVP/H-AVP……车企与科技公司造的词，可能一个停车场都放不下了。
只是，功能用处有多大，其实不好说。
跨层记忆泊车：可以，但没必要
上周，虎嗅在北京南城的一个万达广场里，体验了小鹏VPA-L跨楼层停车场记忆泊车，具体使用经过是这样的：在经过地下停车场入口闸机抬杆后，就可以操控小鹏P5开始进行记忆泊车学习（现阶段还不具备自动经过闸机功能）。开启功能后，车辆就将记忆行驶轨迹。当车辆通过了下楼层的坡道，以及减速带时，中控屏会有明确的UI图标进行标注，路径上探测到的两边车位也会标注出来。
更重要的是，VPA-L现在可用的最长距离是2公里，记忆学习的过程中还剩多少米也会显示出来，使用体验非常直观。到达选定的停车位并踩下刹车后，中控屏便会弹出自动泊车选项。用户在选定后，车辆就可以自主泊入车位，泊车学习到此就算圆满完成。
随后，用户可以将路线根据目的地环境进行标注。包括“电梯厅”、“充电桩”等以便下次使用。当用户再一次将车开出商场时，路线就会上传到云端。等到下次再来到该商场后，就可以在同样的出发点选择开启VPA-L，让车辆自动开到上次泊入的车位，过程中还可以自主避让车辆和行人。整个过程中车辆速度不超过10公里/小时，司机只需盘监督车辆，和使用小鹏高速NGP（领航辅助驾驶）的体验差不多。
更重要的是，用户还可以把自己已经学习过的路线与他人分享。这样即使到了一个新的商场，用户也不必再学习一遍路线，而是通过别人的“经验”来直达充电桩或者电梯厅。此外，小鹏的VPA-L还无需要教条地必须停到学习的车位。沿路若有车位，用户也可以选择提前自动泊入。
同样，即使没来得及在路径的起点开启功能，用户也可以从路上的任意一点开启自动泊车。
根据小鹏汽车方面的介绍，记忆泊车这项功能在小鹏P7上已经做过推送。这次借助于激光雷达和更新后的XPilot系统，小鹏将记忆泊车的距离由1公里提升到了2公里，并且实现了跨层泊车的功能。
据了解，该功能在3月16日才刚刚上线，还没有收到太多用户反馈。但就体验的顺畅度来说，小鹏VPA-L已经超越了百度，成为目前相对最好用记忆泊车功能。当然，目前笔者体验过的有且只有两个，另一个是搭载百度AVP方案的威马W6。
但刨除了效果只看功能本身的话，无论是小鹏VPA-L还是百度AVP，目前对消费者的用处都谈不上大。
目前，自动驾驶在停车场还不太能打
一般来说，我们在停车场里的需求其实很简单：把车停到距离电梯厅或停车场入口最近的停车位里，电动车也许还要加上停到充电桩的位置。当然如何停进去这个问题，主要依靠车技和智能泊车来搞定。
而大家目前的痛点是以下三个
不知道哪里有空车位/充电桩。
解决方案：车辆接入车位管理系统。车机为用户提供车道级导航和车位指引。
停车车位距离目的地太远，下车走的距离太长。
解决方案：汽车能够在乘客下车后，自动驾驶寻找车位并泊入。
路痴了找不到车。
解决方案：在乘客准备离开时，车辆可以接受召唤自助行驶到乘客上车点。
但是上述问题，小鹏VPA-L都无能为力。
因为每个需求，别说交给机器，就算交给人类驾驶员，往往在停车场高峰拥挤时间段，都是一场人与人之间的斗智斗勇。
举一个生活中特别常见的例子。进停车场开半天还没找到车位，你是再绕一圈还是跟着一个提着购物袋下了地库的人走，等着那人开车离开？
看到这儿，是不是已经开始头疼了？
小鹏VPA-L 这项功能当前可以解决的，只有用户来到一个新的地下停车场后，不能准确找到电梯厅和充电桩的问题。但目前大多数停车场都对地下设施有着清晰的标注。相比较之下，进了停车场以后，用户的疲劳驾驶倒不是啥痛点。
对此小鹏汽车给虎嗅的解释是，他们目前还只是要把有人场景下的泊车做好，等到技术成熟时再探索无人场景。
更重要的是，笔者驾驶小鹏P5体验时处于工作日时间，地下1层的停车场尚未停满，地下2层更是空空如何。因此，该功能如果放在周末的北京朝阳大悦城，究竟体验如何尚不可知。
相比之下，百度Apollo为威马、长城和广汽埃安提供的AVP记忆泊车产品在账面参数和功能上就显得很合理。以威马W6为例，车辆可以记忆和学习的路径虽然只有几百米，但已经可以在车上无人的情况下，根据此前记忆过的泊入和驶出路线，实现手机遥控的自动驾驶。
不过在实际体验中，若车辆周围环境与当时进行路线学习时有较大变化，AVP自动泊车有很大概率无法启动。而这种环境变化包括但不限于：停车场周围停泊车辆的数量和种类、太阳光照角度的变化、地面上新的积水造成的道路颜色和反射率的差异，以及当地4G信号的强弱（远程遥控的自动泊车，需要车机与手机的连接），以及车辆自动驾驶系统的心情。
因此，当前能够可供使用的停车场自动驾驶方案，对于用户来说都不是那么实用。那么问题来了，到底什么样的方案，能够解决在前文提出的三个用户痛点？
技术难度，才是停车场自动驾驶的最大阻碍
大家可能有印象，曾经博世和戴姆勒联合发布过停车场自动驾驶方案。两家厂商打通了预先安放在停车场的摄像头与车辆之间的数据链，走的是“车场协同”路线。只要与博世进行合作的车企，车辆无需安装更多摄像头和激光雷达等特殊传感器，就可以在停车场的摄像头指引下进行泊车。
相比较之前百度和小鹏的方案，博世与戴姆勒的AVP对车辆的要求更低。但问题在于，如此庞大规模的商场和写字楼，若要逐一进行场地的勘察与安装摄像头，显然是不菲的成本。对此，停车场管理公司显然不愿承担。而这如果要转嫁到消费者身上，究竟能有多少人愿意为之买单尚属未知。
相比之下，百度名为P-AVP的方案（P即Public的缩写）走的是“重车轻场”路线。即在停车场提前绘制高精地图，并与停车场的物业管理方合作规划AVP的专用车位，实现车辆的自主寻找车位泊入以及召唤驶出。这些车位普遍比较偏远，车主万不得已不会使用，如果能通过自动驾驶提升这部分车位的使用频率，物业管理方非常乐意。如果能够实现，显然是双赢。
但问题在于，这项功能实现起来技术难度太大。据虎嗅了解，百度此前试图在2021年下半年就向合作车企交付该功能，但该计划不断延迟，最终到今天也没实现。更重要的是，该方案虽然不用在停车场安装固定传感器，但绘制高精地图以及逐个停车场进行车辆适配，依旧需要耗费人力。毕竟，百度只是供应商，而不同品牌的车型在尺寸、技术架构上都有差异。
这项巨额成本，百度和车企都不愿承担。
由此可见，小鹏这样通过车端智能，不依赖场端的做法在商业化上似乎更加可行。虎嗅推测，小鹏的VPA-L在云端实现的路径共享，让人看到了“众包建图”的模式雏形。如果小鹏能够在云端将每辆P5在停车场中采集到的地图整合，那么采图带来的成本就可以依靠用户量的增加而化解于无形。同样，车企对于自身车辆的底层电子电气架构也更加了解，适配难度更低，这都是百度所不具备的优势。
因此，用户若想要真正能解决自己停车痛点的自动驾驶技术，还需加以时日。当前的智能汽车，恐怕还做不到。