理想智驾车位到车位功能全量推送后，用户上车即可开启一键智驾，自主泊出车位，自主进出园区和识别闸机抬杆，城市环岛、掉头等复杂场景无感通行，可驶入封闭的园区及小区，自动将导航终点匹配园区或小区内的行驶路线，无论是露天还是地库等各种停车位，都能够自主泊入车位。
此次升级还新增了理想首创的基于端到端+VLM实现的全国高速收费站ETC通行功能，不依赖地图数据，支持全国范围所有收费站识别与通行。智能泊车方面新增智能泊出功能，在空间较窄的车位，例如垂直、斜列、侧方等场景，可使用一键智能泊出，有无车位线都能泊出。
除了上述智驾功能升级，在主动安全方面，AD Max和AD Pro新增后向主动紧急制动R-AEB，减少倒车过程中的碰撞风险，在倒车过程中，检测本车与后方行人、骑车人及车辆等静止目标存在的碰撞风险，必要时帮用户主动刹车减免事故。AD Max新增后向误加速抑制MAI，减免倒车误操作的事故伤害，在倒车场景中，驾驶员误踩加速踏板（100%油门），面对行人、骑行人、车辆有碰撞风险时，自动抑制油门加速响应，发出危险告警提示，语音播报请松开加速踏板，减免碰撞事故。上述两项功能均支持倒车最高速度45km/h激活，覆盖倒车全速域范围。
在此次OTA之前，理想在广州车展就专门打造了智能驾驶与智能空间的技术社区，展示理想在智能空间、智能驾驶等核心领域应用AI技术取得的进展。聚焦在智驾端，理想展示了其端到端+VLM双系统方案。
其中，One-Model结构端到端模型是驾驶方式更加拟人，适应全场景的NOA产品。这一系统可以实现信息的高效传递，对模型的中间特征可以进行无损编码；推理的高效计算，在GPU里一次性完成模型推理，做到了最小的端到端延迟；模型的高效迭代，一体化模型端到端全链条可导可训，因为没有规则断点，可以做到全数据驱动，快速迭代。
VLM视觉语言大模型则首次将大模型部署到车端量产芯片，具备在物理世界中理解复杂的交通环境和语义的能力，能够像识别潮汐车道、减速带，判断主路辅路，攻克了智能驾驶的行业难题，22亿模型参数的学习与迭代，更使得未知场景推理速度缩短至0.3s。
众所周知，端到端之战，是资源之战。信达证券发布的研报写到，智能驾驶算法层面逐渐收敛至“端到端”架构后，数据+算力将成为核心竞争要素，头部车企或供应商能掌握更多更优的数据，以及更强更快的算力，而优秀的智驾能力有望加强销量转化，最终强化车企马太效应，令智驾强者愈强。
在算力与数据的积累上，理想已经实现了领先。理想整体算力目前已到达6.83EFLOPS，预计年底将超过 10EFLOPS。智能驾驶数据训练量持续增长，已经达到500w clips，为理想智能驾驶的发展提供了坚实的数据支撑。
截至目前，理想智能驾驶总用户达到100万+，智能驾驶总里程突破26.7亿公里；导航智能驾驶NOA总里程突破14.4亿公里，截止10月，NOA里程占智驾总里程的90%。
从销量层面来看，30万以上车型的AD Max销售占比70%，40万以上车型AD Max的销售占比已经达到80%。相比今年初，AD Max的销量占比涨幅达到26%，用户对于理想智能驾驶的认可度正在稳步增长。
2021年才开始自研智能驾驶的理想，却成为行业首个全量推送“车位到车位”智驾功能的车企，可谓名副其实地起了个大晚，赶了个早集。为什么入局较晚的理想，却能够在智驾领域后来居上？
组织效率高、试错时间少是理想在智驾领域快速追赶，乃至领先的原因。理想智能驾驶研发副总裁郎咸朋曾在采访中表示，理想从决定要自研智驾，到定方案，到把团队拉起来，可能也就1周时间。相比之下，传统车企项目启动也许就要3个月。
在技术研发推进上，郎咸朋认为，技术研发需要时间，但往往需要的不是研发时间，而是试错时间。“特斯拉确实是一个很好的标杆，他试错走不通的地方，我们就不走了。特斯拉 FSD 的演进和迭代让我们看到了无图也能成功。选 NPN 还是无图？既然特斯拉跑出来了，那我们就选无图，所以我们几个月就实现了切换。”
理想在自动驾驶技术端口的布局依然在提速中，按照理想汽车董事长兼CEO李想的规划，最早今年年底，最晚明年年初，理想就会全量推送有监督的L3级别自动驾驶，3年内一定会实现L4无监督自动驾驶。
推荐阅读
