用AI做智駕的理想汽車，能撐起李想的AI理想嗎？

　　文/周雄飛

　　馬斯克要直面的對手，永遠都不缺。

　　一直以來，特斯拉都是整個智能汽車行業(yè)的對標對象，不僅是因為這家企業(yè)引領了行業(yè)的發(fā)展，同時基于電動汽車、Robotaxi和機器人等產(chǎn)品，特斯拉也成為了全球賣車最多且科技屬性最濃的車企。

　　雖然有很多車企在這些年都喊出要成為“中國版特斯拉”，但真正能讓全行業(yè)乃至消費者認可該標簽的車企卻寥寥無幾。

　　這其中，理想汽車應該會成為馬斯克不能忽視的一個對手。

　　最近，已有9個月不對外發(fā)聲的理想汽車董事長兼CEO李想，通過連續(xù)三場的AI Talk直播，再次強調了他對自己掌舵的這家企業(yè)的未來規(guī)劃——成為一家全球領先的人工智能企業(yè)。

　　具體來看，理想計劃在今年實現(xiàn)L3，而對于什么時候能實現(xiàn)L4級別自動駕駛的問題，李想表示“給他三年時間”。但與特斯拉不同的是，李想不準備打造Robotaxi，而是把L4的能力搭載在智能汽車產(chǎn)品中，讓他們的產(chǎn)品從移動的家，升級為幸福的家。

　　李想能說出這些激進的目標，也是因為理想汽車這兩年在智駕領域完成了“后來者居上”的趕超。

　　從車企智駕的發(fā)展來看，理想不算是最先布局的玩家，但隨著智駕算法和技術的迭代，理想不僅率先行業(yè)創(chuàng)新性推出了端到端+VLM雙系統(tǒng)算法架構，而且還是全球首家全量推送“車位到車位”功能的車企。

　　智駕功能落地之外，理想也在推進著消費者對于智駕功能從“好用”邁向“愛用”的進程，最明顯的例子就是理想30萬元和40萬元以上AD MAX交付量占比已經(jīng)超過行業(yè)智駕搭載率的水平。

　　由此在業(yè)內看來，基于率先落地體驗更好的智駕功能和用戶的良好反饋，理想汽車目前已經(jīng)站在了智駕行業(yè)的第一梯隊之中。

　　理想能實現(xiàn)智駕從追趕到領先的跨越，在飛說智行看來并非偶然，因為這得益于這家企業(yè)很早就用AI來做智駕的迭代。

　　早在2023年初，李想就在公司內部提出希望理想在2030年成為人工智能企業(yè)的構想。這之后，理想也把AI的能力融入到智駕的標注、篩選、訓練和數(shù)據(jù)閉環(huán)等環(huán)節(jié)之中，從而推動算法的快速迭代。

　　除了推動自身算法升級之外，理想也在向智駕行業(yè)輸送AI如何推動技術發(fā)展的成果。比如在去年一年理想有關大模型、雙系統(tǒng)和世界模型的學術成果就發(fā)表在ECCV、CoRL及AAAI等國際頂尖學術會議上，獲得行業(yè)一致的認可。

　　從用AI迭代自身算法能力，到給予整個行業(yè)AI的啟發(fā)，面對日益激烈的行業(yè)內卷，李想或許也給出了他認為的最好應對之策。

　　1、讓用戶愛用智駕，是智駕第一梯隊玩家的“基操”

　　消費者愛不愛用，已成為評判智駕行業(yè)發(fā)展的一大指標。

　　隨著特斯拉、“蔚小理”等車企品牌把智駕功能作為自身主要的技術布局方向，以及關鍵的營銷重點后，讓智能駕駛技術和對應的功能從此前消費者不信任、不敢用，轉變?yōu)檫@兩年逐漸信任和樂于體驗。

　　按照華安證券研究院發(fā)布的數(shù)據(jù)來看，去年下半年L2及以上智駕的滲透率已經(jīng)達到60%，并且預估到今年年底這個比例會達到70%。

　　2022-2025年中國L2及以上智駕功能滲透率，圖源華安證券研究院，飛說智行制圖

　　這個行業(yè)表現(xiàn)為背景下，再以理想這個品牌為視角，則可以看到消費者對于智駕的使用程度不止于此。

　　按照公開數(shù)據(jù)顯示，截至去年12月31日，理想30萬元以上車型AD Max交付占比超過75%，40萬元以上車型AD Max交付占比更是超過84%。可以說，理想高階智駕的滲透率已經(jīng)超過了行業(yè)的整體水平。

　　理想能做到這一成績，原因可以總結為一句話——用戶用得多，潛客感興趣。

　　先從理想用戶視角看，在端到端+VLM全量推送一周的時間內，就有3600名此前從來沒在城市道路中使用NOA的車主，開始每天使用該功能來完成通勤和出行。此外，截至去年年底，理想高階智駕的用戶使用里程占整體智駕里程的70%。

　　具體功能來看，“車位隨心畫”和關門泊入成為受用戶歡迎的智駕功能。前者可以滿足用戶在各種道路場景下在中控屏中“畫”出一個車位，車輛就可以完成泊入;而后者功能則可以讓消費者無需操控手機，長按門把手就可啟動泊車程序，過程中也可隨時拉開車門取放東西，讓智駕更加人性化。

　　可以說，越來越多的理想用戶從智駕“沉默用戶”變成“重度用戶”。而對于理想的潛客群體來說，智駕也已成為他們購買理想產(chǎn)品的最重要因素之一，按照理想的數(shù)據(jù)顯示，截至2024年底，城市NOA試駕的占比已經(jīng)超過72%。

　　基于這些處于行業(yè)前列的數(shù)據(jù)，證明了用戶以及更多消費者對于理想智駕能力的信任、認可且愛用。

　　這背后，更是得益于理想智駕能力的“后來者居上”。

　　在車企智駕的競速賽中，理想是在一開始被視為“慢了幾步”的玩家，就在其他玩家率先推出領航輔助駕駛后，理想在2023年年底才基于BEV+NPN具備了全場景NOA的能力。

　　這之后，理想在智駕領域的布局和迭代開始“大步快跑”。先是在去年7月通過OTA 6.0版本讓無圖NOA功能落地，讓理想智駕實現(xiàn)了全國都能開，追平了行業(yè)的發(fā)展進程。

　　僅僅過了三個月，理想全新一代的智駕算法架構——端到端+VLM雙系統(tǒng)，正式隨OTA 6.4版本向理想L系列AD Max用戶和理想MEGA用戶全量推送，由此理想成為了率先行業(yè)創(chuàng)新性地把類腦工作模式引入到智駕架構的車企，這一算法架構一度被行業(yè)視為處于前沿水平。

　　就在智能汽車行業(yè)紛紛在端到端和“車位到車位”上瘋狂內卷時，理想則在去年11月底成為全球首家全量推送“車位到車位”的車企，將自動駕駛服務從干道提前到小區(qū)車位，解決最先100米和最后100米的挑戰(zhàn)。

　　經(jīng)過以上這樣三次的功能迭代，可以說理想在保證安全下限的同時，也拉高了智駕體驗的上限，由此理想毫無疑問站在了智駕行業(yè)的第一梯隊中�；�于這樣的能力，用戶和消費者愛用理想的智駕，也在情理之中。

　　而在這些背后，弄明白理想是如何實現(xiàn)“后來者居上”的原因，變得更加重要。

　　2、數(shù)據(jù)、算力和算法“三大件”齊備，理想用AI做智駕

　　端到端，一度被行業(yè)視為智駕行業(yè)發(fā)展的一大分水嶺。

　　因為在端到端之前，智駕算法架構大多由多模塊組成，都需要基于規(guī)則博弈來應對現(xiàn)實世界的各種路況挑戰(zhàn)。

　　在這樣的架構下，消費者有可能在小部分路段有較好的體驗，但在絕大多數(shù)的路段存在泛化性差的問題，再加上多模塊傳輸信息會有損失和延時，導致整體架構并不可靠。理想對于他們最早的NPN架構智駕，就有“存在一定延遲”的評價。

　　智能汽車行業(yè)邁入端到端時代后，最大的變化就是讓感知、預測、決策和規(guī)劃等模塊合并成一個AI大模型，車端感知信息輸入，控制端輸出，過程中信息可保證無損傳遞，智駕架構全局可優(yōu)化。

　　端到端自動駕駛算法架構，圖源清華大學智能產(chǎn)業(yè)研究院

　　但端到端也不是“靈丹妙藥”。就比如在規(guī)控時代可通過幾行代碼容易實現(xiàn)的功能，在端到端時代反而就需要大量訓練才能保證下限的能力。這就意味著，需要大量的高質量數(shù)據(jù)來“喂養(yǎng)”算法，但可遇不可求的Corner cases卻無法窮盡。

　　率先布局端到端算法架構，并推出端到端+VLM雙系統(tǒng)的理想，自然也會遇到相似的挑戰(zhàn)。

　　對此，理想他們的解法是通過世界模型建立一套“智能駕駛的考試驗證系統(tǒng)”，來篩選出最滿意的算法模型。簡單說，就是在算法訓練過程中建立“錯題集”和“模擬題”。

　　其中，“錯題集”是由測試開發(fā)人員和內測用戶們，在現(xiàn)實世界中實車路測中遭遇的問題場景或者Corner cases通過回傳收集和篩選得來的，就像我們上學期間收集錯題的錯題本一樣。

　　要讓智駕算法的能力向好迭代，光收集“錯題”可不夠，還需要用“模擬題”來教會算法舉一反三的能力，以便在未來碰到相似的場景可以處理好。

　　對于“模擬題”，理想通過AI生成式仿真模型把“錯題集”中的考題進行泛化，用Diffusion transformer和3DGS等技術改變同一場景的天氣、光照和障礙物出現(xiàn)方式等等，讓模型學會舉一反三，以便通過這樣“錯題集+模擬題”的考試方式來提升算法模型的能力。

　　這套考試系統(tǒng)幫助端到端+VLM雙系統(tǒng)實現(xiàn)不斷升級迭代的同時，理想也在推進端到端減少“黑箱”特性影響，讓算法更有效率的實現(xiàn)迭代。

　　理想的方法就是把不同的模型引入到上述提到的這套“考試系統(tǒng)”中，通過在上千萬個場景中“考試”，就可以幫助算法工程師理解當前模型的安全性、舒適性和效率等能力，從而針對性的進行優(yōu)化。

　　與此同時，理想也在更為直觀地提升端到端+VLM算法架構的可解釋性。去年11月底，理想在全量推送“車位到車位”功能的同時，也基于車端的VLM模型可在中控屏中顯示關鍵路段的圖文播報能力，進一步來增加對于算法的理解能力，提升算法迭代效率。

　　智駕功能體驗要好，除了算法迭代之外，數(shù)據(jù)和算力的支撐同樣關鍵。

　　數(shù)據(jù)方面，理想基于龐大的智駕用戶群體，擁有大量的智駕里程數(shù)據(jù)，截至2024年底，他們的智駕總里程累計達29.3億公里，再配合上述提到的AI考試評價體系，不僅可以更有效率的獲得高質量數(shù)據(jù)，同時通過數(shù)據(jù)閉環(huán)的能力推動算法迭代。

　　算力上，目前理想的訓練算力規(guī)模達到了8.1 EFLOPS，已處于行業(yè)前列水平。在理想汽車自動駕駛研發(fā)副總裁郎咸朋看來，最終要實現(xiàn)自動駕駛需要的訓練算力要達到100 EFLOPS的量級，為此他們正在用每年超過10億人民幣的投入來完善算力能力。

　　用AI能力推動自身算法架構迭代之外，理想也把AI的研發(fā)成果向整個行業(yè)分享。

　　比如在去年一年，理想智能駕駛的DiVE(世界模型)及StreetGaussians(世界模型)的研發(fā)成果就發(fā)表在了ECCV 2024上;DriveVLM(雙系統(tǒng))發(fā)表在CoRL 2024上，獲得行業(yè)的一致認可。

　　基于以上分析來看，理想之所以能如此快地實現(xiàn)“后來者居上”，主要是基于更大的用戶規(guī)模和算力規(guī)模，以及更多的高質量數(shù)據(jù)形成的Scaling Law優(yōu)勢，再加上把AI的能力融入到智駕架構和功能的打造中完成的。

　　做到這些后，理想或許并不滿足，因此可以看到他們在用AI做智駕的道路上繼續(xù)走下去。

　　本月16日，理想全量推送了OTA 7.0版本的車機系統(tǒng)，其自研的“高速端到端”功能開始向AD Max車主全量推送。這也意味著理想成為了國內唯一一家、全球第二家將端到端技術應用到高速(及環(huán)路)NOA場景的車企，也讓端到端+VLM智駕完成了高速+城市的全場景覆蓋。

　　更為重要的是，隨著該版本的更新，“AI推理可視化”的能力得以上車。通過端到端權重博弈、Attention系統(tǒng)指引和VLM圖文播報三大模塊，來把端到端+VLM算法的動作推理展現(xiàn)給消費者。

　　理想汽車AI推理可視化車端信息顯示

　　換句話說，就是把AI的大腦拆開擺在消費者面前，進一步讓消費者理解智駕算法的工作模式，從而增加消費者對于理想智駕的信任。

　　正因看到基于AI的能力有了這些收獲后，李想對于AI有了更高的期待。

　　3、從移動的家，到幸福的家

　　“創(chuàng)造移動的家，創(chuàng)造幸福的家。”

　　熟悉理想汽車的朋友，都應該知道這句話是這家車企的Slogan。回望理想過去的9年多時間里，智能汽車對于消費者來說，已從單純的出行工具，變?yōu)榱顺�了家之外�?ldquo;第二個家”。

　　為此，如果要用一句話總結理想此前的產(chǎn)品發(fā)展戰(zhàn)略，那就是站在用戶的視角上，為用戶們打造一款移動的家。

　　時間調回理想汽車創(chuàng)立之初，當時行業(yè)內絕大多數(shù)造車新勢力玩家們都選擇了純電路線，但彼時由于純電產(chǎn)品的補能設施和網(wǎng)絡并不完善，眾多消費者一度陷入續(xù)航和補能焦慮之中。

　　或許李想看到了這一行業(yè)問題，以至于在外界眾多反對聲中，依然選擇了增程式動力模式，從而滿足了用戶們沒有續(xù)航焦慮、長距離出行的需求。

　　再來看從理想ONE延續(xù)到L系列產(chǎn)品的“冰箱彩電大沙發(fā)”智艙配置，基于這些配置，讓以上這些產(chǎn)品無不成為理想的爆款產(chǎn)品，而這背后的邏輯也很簡單，就是相比于內卷到天花亂墜的智能化功能，冰箱、彩電和大沙發(fā)對于消費者來說，更能看得見、摸得著，由此更愿意為此買單。

　　理想汽車全系產(chǎn)品

　　智駕方面，同樣如此。回望過去一年，理想共計推送了19次OTA升級，其中有關智駕升級的OTA就有12次，這一更新速度屬于行業(yè)前列的水平。這其中，就包含關門泊入、車位隨心畫、AES/AEB以及車位到車位等眾多提升消費者智駕體驗的功能。

　　可以說，產(chǎn)品經(jīng)理出身的李想，在過去9年多的時間里，一直站在用戶視角下打磨自身的產(chǎn)品和功能，從而讓“移動的家”從口號變?yōu)楝F(xiàn)實。理想在去年10月率先其他新勢力們完成累計銷量突破100萬輛的目標，應該是最好的證明。

　　今年，理想也會迎來他們的十周年生日，在這樣的時間點，理想要實現(xiàn)打造“移動的家，幸福的家”，或許不僅需要基于用戶視角考慮，還需要AI的加持。

　　“不只要滿足用戶需求，更要超越用戶需求。通過人工智能，理想可以完美結合用戶的需求，最終創(chuàng)造移動的家，創(chuàng)造幸福的家。”李想這樣公開表示道。

　　對于如何通向“幸福的家”，李想認為理想需要邁過三個階段：

　　第一階段為“增加我的能力”，簡單說這一階段就是為消費者們打造提升效率的產(chǎn)品，比如說L3級別的有監(jiān)督自動駕駛，可以讓用戶們的出行更有效率。

　　按照李想的介紹，基于端到端+VLM這套體系的持續(xù)迭代，他們計劃在今年實現(xiàn)L3，只不過該階段智能駕駛還是一個輔助角色，依然需要駕駛員做好接管的準備，為駕駛結果負責。

　　理想汽車端到端+VLM雙系統(tǒng)算法架構

　　第二階段是“成為我的助手”，指的是人工智能已經(jīng)能為自己的行為負責，可以獨立完成一個或多個任務。如果放在智駕場景中，那就是一輛具備L4級別自動駕駛的車輛，消費者可以對它發(fā)布指令，比如去接孩子放學，這時這輛車就可以獨自完成這一任務。

　　對于理想何時達到這一階段的問題時，李想認為需要三年的時間，“需要技術到位，也需要產(chǎn)品到位，也需要一些環(huán)境和政策到位，也需要消費者對于人工智能的信任到位。”

　　不僅如此，李想還認為，要拿到L4的門票，要有足夠的車跑在路上，至少有500萬輛以上。其次要真的自己掌握VLA(視覺語言行動模型)這個基礎模型的能力。第三，你要有足夠多的錢去招募最頂級的人才，以及足夠的算力。

　　第三個階段就是“成為硅基家人”，在李想看來這個階段中，智能汽車或者具身智能就會是每個消費者家中的一員，它了解家中的一切，并且可以主動地去做很多事，來讓家庭變得更好，這應該也是“幸福的家”終極形態(tài)。

　　雖然按照李想的話來看，他會在之后計劃打造具身機器人，但從以上“三步走”的戰(zhàn)略來看，李想更加專注于用智能汽車來達到AGI的目標。

　　就目前行業(yè)現(xiàn)狀看，具身智能行業(yè)雖然由自動駕駛和大模型趨勢帶火，但從技術落地的視角來看，相比于自動駕駛，具身智能更加困難一些。“如果我們連L4級跟自動駕駛的汽車都解決不了，怎么去解決更復雜(具身智能)的?”李想這樣說。

　　但如果以智能汽車和自動駕駛領域作為進軍AGI時代的入口，在業(yè)內看來則更加實際一些，由此也能看出李想對于人工智能發(fā)展是有過深思熟慮的，才能做到這樣的戰(zhàn)略前瞻性。

　　如今，除了理想之外，已有很多車企也喊出要成為AI科技公司的口號。但在我看來，要做到這個目標不僅需要用AI來改進效率和迭代產(chǎn)品，更需要為行業(yè)帶來AI變革的啟發(fā)。

　　在這個標準下，回過頭看理想在過去這九年多時間里，使用AI的能力持續(xù)打磨算法和產(chǎn)品，已經(jīng)讓理想身上的技術底色越來越濃，再加上還在持續(xù)向行業(yè)分享AI研發(fā)成果給予行業(yè)啟發(fā)和思考。正因如此，在飛說智行看來，理想汽車已經(jīng)有了全球人工智能企業(yè)的模樣。