超越用户需求，创造让企业自豪的产品和服务，是理想汽车的企业价值观，这不仅需要仰望星空，更需要脚踏实地
文 | 李奥
1月16日，理想汽车全量推送了OTA7.0版本车机系统，其自研的“高速端到端”功能开始全量推送给AD Max车主。随着高速（及环路）场景被打通，理想汽车成为全球第二家构建了全场景端到端能力的车企，这意味着高速智驾更连续，可以无断点、无降级应对新开高速、长距离隧道、长距离施工等场景，实现城市与高速一体化架构。
对于消费者来说，自动驾驶已经成为选车过程中必不可少的决策因素，而安全、高效的智能驾驶能力是消费者关注的核心。
但功能安全和让消费者感到安全是两个层面的事。
为了让消费者感知到自动驾驶的功能安全性，理想汽车此次推出的“AI 推理可视化”功能，将有效提升消费者对智能车安全性的认知，也为中国车企如何将自动驾驶能力演变为消费者可感知的产品竞争力，从而为有效提升销量，提供了一条可探索的路径。
此次，为了让用户更好地感知智能驾驶的变化，AD Max把内部使用的智能驾驶的版本号显示给用户，此次升级的版本是AD Max V13.0。版本的升级预示着理想智能驾驶再进化，目前AD Max V13.0可挑战零接管。后续AD Max版本号将按照产品的更新及优化进行版本号迭代和维护。理想汽车表示，自OTA 5.0切换BEV架构，上线城市NOA产品以来，理想内部启用AD Max的独立版本号进行管理。过去的一年里，共完成12次AD Max的重大更新。
从行业角度来看，高阶智驾的快速应用背后反映了以理想汽车为代表的中国车企近十年来持续研发投入的正确性。
更为重要的是，随着智能电动汽车决赛的开启，谁若掌握了智驾核心技术，谁的技术若更为领先，谁便能进入决赛圈，进而成为最后的赢家。显然理想汽车要成为其中之一。
智驾进入AI大模型时代
国内新能源汽车渗透率已经连续多个月超过50%，意味着燃油车正在成为少数人的选择，越来越多的人开始拥抱新能源汽车。在新能源汽车加速发展的势能之下，智能化尤其是智能驾驶的重要性显得越发突出。
智能驾驶的发展路径经过单车智能和车路协同、渐进式和跨越式、纯视觉和多传感器融合等数轮争论和交锋后，以端到端为核心的技术路线变得更加清晰。
就理想汽车的端到端技术而言，其可以从诺贝尔奖得主丹尼尔·卡尼曼的《思考，快与慢》一本书中说起。
在这本书中，丹尼尔·卡尼曼通过“快系统”和“慢系统”两个概念来阐释人类的思考与决策过程。其中，“快系统”代表直觉与本能，它负责处理那些仅需依靠经验和记忆、无需过多思考的任务，而这类无需深思熟虑、瞬间就能作出反应的情境，大约占据了人类行为的95%。
相对应的，“慢系统”则负责那些需要集中注意力、运用逻辑思维和深度分析才能完成的任务，用以解决剩余5%的复杂场景。
回到汽车驾驶领域。在驾驶过程中，驾驶员对于红灯停车、绿灯通行已经成为了“驾驶本能”，而当行驶至陌生路段，尤其是匝道、环岛、十字路口乃至海星状路口时，则需要花费时间进行观察、思考和决策。
通过这样的描述可以理解，就智能驾驶而言，其既需要借助“快系统”使自动驾驶系统运行得更加高效，也需要依靠“慢系统”来处理更加复杂的信息。而理想汽车在去年10月份全面推送的端到端+VLM双系统智能驾驶技术架构，正是采用了“快系统”与“慢系统”相结合的思路。
具体来说，“端到端模型”相当于“快系统”，用于快速处理日常驾驶任务，传感器输入的信息直接输出为行驶轨迹。而在面对复杂路况时，理想汽车则通过视觉语言模型（VLM），即“慢系统”，为“端到端模型”提供决策建议。
理想汽车的最终目标是通过端到端模型和VLM模型，实现对所有驾驶场景的全面覆盖，使智能驾驶系统能够像经验丰富的驾驶员一样应对各种情况。
然而，仅凭这两个系统还不够，理想汽车引入了“重建+生成式世界模型”，它就像一位“考官”，帮助这两个系统在一次次“真题试炼”中不断迭代升级。
世界模型的“考题”来源于两个方面：一是测试人员和内测用户收集的“错题集”，这些在实车测试中出现问题的场景都会被重建为考题；同时，理想汽车还会利用生成模型将考题进行泛化，形成模拟题，例如改变天气、光照、背景环境、障碍物行为等，使模型能够举一反三。
最终，通过“错题”+“模拟题”的考试方式，结合自动化的模型评分体系，给出模型的得分，用于筛选合格的端到端模型，并指导下一步的迭代方向。
得益于双系统+世界模型的研发体系，理想汽车智能驾驶能力的迭代效率极为迅速，保持每周迭代2个版本的更新速率，在2024年11月28日成为国内首家全量推送“车位到车位”智能驾驶的车企，并在今年推出高速端到端，实现高速+城市全场景端到端。
不难看出，理想汽车正在快速进化出更好的智驾体验。例如，理想汽车在11月28日的推送上实现了车位到车位全场景覆盖能力，即从车位泊出到泊入，全程都能实现无断点智驾。车主从上车就能一键开启智驾，自主进出园区和识别闸机抬杆，在城市环岛、掉头等复杂场景通行。
值得一提的是，如果路途中有高速，这套系统可以通过视觉语言模型识别收费站ETC，选择好通行车道，降速缓行通过ETC，同样无需接管，真正实现全程无断点、全场景100%覆盖的智能驾驶体验。而这一功能目前在其他品牌的智驾系统中还没有实现全量产落地。
理想汽车推送的“高速端到端”，则显著提升高速场景的拟人化体验，同时让高速智驾更连续，可以无断点、无降级应对新开高速、长距离隧道、长距离施工等场景，实现城市与高速一体化架构。而这也使得理想汽车成为国内唯一一家、全球第二家将端到端技术应用到高速（及环路）NOA场景的车企。至此，理想端到端+VLM智驾实现了“全场景端到端”能力。
构筑智驾技术护城河
理想汽车在智能驾驶领域的突破，与其在技术研发方面的坚定决心和巨大投入密不可分。据理想汽车董事长兼CEO李想透露，理想汽车目前一年研发投入超过100亿元，其中近一半的资金用于人工智能方面的研发。
在保持高投入来追求技术创新的同时，理想汽车也始终致力于为用户提供安全、舒适、高效的智能驾驶体验。
以理想汽车最新推送的“AI推理可视化”为例，该功能首次将智能驾驶模型的思考推理过程以视觉形式展现，并且展示One Model端到端模型输出轨迹路线能力，其目的就是让驾驶员提前理解AI的思考和执行过程，更安心使用智能驾驶。
除了上述智驾功能升级，在主动安全方面，理想汽车同样不设上限地保障用户安全。虽然理想汽车在国内率先取消了毫米波雷达，转而采用以纯视觉为主的技术路线，但仍然保留了激光雷达，并将其视作“安全带”。因为激光雷达在没有任何光线的情况下是可以看到200米的，这就可以帮助实现130公里/小时的AEB自动紧急制动。
李想也一再强调：“这个非常重要，因为理想汽车产品面向家庭用户，每个人的生命安全都非常重要，所以这是理想汽车继续保留激光雷达的根本所在。”
面向未来，理想汽车的智驾功能还在不断迭代升级。理想汽车方面透露，按照现在的端到端+VLM这套体系继续迭代，有希望在2025年实现L3级的有监督智能驾驶。
理想汽车自动驾驶研发副总裁郎咸朋认为，L2级别的辅助驾驶与L3级别的智能驾驶有本质区别，前者是基于条件预设和穷举corner case等方法实现的功能，而后者则是通过数据学习获得的能力。简言之，辅助驾驶只实现了特定功能，自动驾驶则关乎整体能力。
L3级别智能驾驶是有监督智能驾驶，更是L4级别自动驾驶的先导。在有监督智能驾驶阶段，理想交付给用户的产品将是全场景的、一体化端到端产品。
要想实现有监督智能驾驶，一个前提是实现车位到车位，即解决了最前面100米和最后100米的问题。以前智驾是从干道开始，现在可以从小区车位开始，然后包括园区道路、泊车、城市道路，还有高速和收费站ETC都会全部打通。而这些功能，理想汽车在2024年已经实现，这也为实现L3级自动驾驶打下了坚实的基础。
在数据方面，理想汽车智能驾驶的用户数量也已突破100万，2024年度智能驾驶累计里程超过17.2亿公里。截至2024年底，理想汽车训练算力提升至8.1EFLOPS。这些丰富的数据资源和强大的算力支持，促进理想汽车端到端+VLM智能驾驶能力不断迭代。OTA7.0正式推送时，理想汽车端到端模型将向用户迭代超过35个版本，训练数据量达到800万Clips（视频片段），相较于OTA6.5版本，数据训练量提升60%。在2025年及以后，理想汽车的综合MPI目标是逐步提升到500km，甚至1000km以上，而这个前提是理想有信心将训练数据量达到2000万Clips。
而对于端到端能否确保自动驾驶的胜利，李想则认为，端到端只能解决L3的事情，解决不了L4。李想还进一步预估了实现100%自动驾驶（L4）的时间。他说：“给我三年的时间，它需要技术到位，也需要产品到位，也需要一些环境和政策到位，也需要消费者对于人工智能的信任到位。”
可以看出，在新能源汽车的上半场，凭借精准的定位和过硬的产品力，率先迈过第100万辆车交付门槛的理想汽车，在行至新能源汽车竞争的下半场中在不断发力智能驾驶，其凭借着首创的全新一代双系统智能驾驶技术架构，赢得了消费者的认可和信赖，也强化了消费者对新技术的信任。
更为重要的是，这也为理想汽车在未来的市场竞争中奠定了坚实的基础，同时也会引领中国智能电动汽车行业走向新的高度。
