用AI做智驾的理想汽车，能撑起李想的AI理想吗？

　　文/周雄飞

　　马斯克要直面的对手，永远都不缺。

　　一直以来，特斯拉都是整个智能汽车行业的对标对象，不仅是因为这家企业引领了行业的发展，同时基于电动汽车、Robotaxi和机器人等产品，特斯拉也成为了全球卖车最多且科技属性最浓的车企。

　　虽然有很多车企在这些年都喊出要成为“中国版特斯拉”，但真正能让全行业乃至消费者认可该标签的车企却寥寥无几。

　　这其中，理想汽车应该会成为马斯克不能忽视的一个对手。

　　最近，已有9个月不对外发声的理想汽车董事长兼CEO李想，通过连续三场的AI Talk直播，再次强调了他对自己掌舵的这家企业的未来规划——成为一家全球领先的人工智能企业。

　　具体来看，理想计划在今年实现L3，而对于什么时候能实现L4级别自动驾驶的问题，李想表示“给他三年时间”。但与特斯拉不同的是，李想不准备打造Robotaxi，而是把L4的能力搭载在智能汽车产品中，让他们的产品从移动的家，升级为幸福的家。

　　李想能说出这些激进的目标，也是因为理想汽车这两年在智驾领域完成了“后来者居上”的赶超。

　　从车企智驾的发展来看，理想不算是最先布局的玩家，但随着智驾算法和技术的迭代，理想不仅率先行业创新性推出了端到端+VLM双系统算法架构，而且还是全球首家全量推送“车位到车位”功能的车企。

　　智驾功能落地之外，理想也在推进着消费者对于智驾功能从“好用”迈向“爱用”的进程，最明显的例子就是理想30万元和40万元以上AD MAX交付量占比已经超过行业智驾搭载率的水平。

　　由此在业内看来，基于率先落地体验更好的智驾功能和用户的良好反馈，理想汽车目前已经站在了智驾行业的第一梯队之中。

　　理想能实现智驾从追赶到领先的跨越，在飞说智行看来并非偶然，因为这得益于这家企业很早就用AI来做智驾的迭代。

　　早在2023年初，李想就在公司内部提出希望理想在2030年成为人工智能企业的构想。这之后，理想也把AI的能力融入到智驾的标注、筛选、训练和数据闭环等环节之中，从而推动算法的快速迭代。

　　除了推动自身算法升级之外，理想也在向智驾行业输送AI如何推动技术发展的成果。比如在去年一年理想有关大模型、双系统和世界模型的学术成果就发表在ECCV、CoRL及AAAI等国际顶尖学术会议上，获得行业一致的认可。

　　从用AI迭代自身算法能力，到给予整个行业AI的启发，面对日益激烈的行业内卷，李想或许也给出了他认为的最好应对之策。

　　1、让用户爱用智驾，是智驾第一梯队玩家的“基操”

　　消费者爱不爱用，已成为评判智驾行业发展的一大指标。

　　随着特斯拉、“蔚小理”等车企品牌把智驾功能作为自身主要的技术布局方向，以及关键的营销重点后，让智能驾驶技术和对应的功能从此前消费者不信任、不敢用，转变为这两年逐渐信任和乐于体验。

　　按照华安证券研究院发布的数据来看，去年下半年L2及以上智驾的渗透率已经达到60%，并且预估到今年年底这个比例会达到70%。

2022-2025年中国L2及以上智驾功能渗透率，图源华安证券研究院，飞说智行制图

 

　　这个行业表现为背景下，再以理想这个品牌为视角，则可以看到消费者对于智驾的使用程度不止于此。

　　按照公开数据显示，截至去年12月31日，理想30万元以上车型AD Max交付占比超过75%，40万元以上车型AD Max交付占比更是超过84%。可以说，理想高阶智驾的渗透率已经超过了行业的整体水平。

　　理想能做到这一成绩，原因可以总结为一句话——用户用得多，潜客感兴趣。

　　先从理想用户视角看，在端到端+VLM全量推送一周的时间内，就有3600名此前从来没在城市道路中使用NOA的车主，开始每天使用该功能来完成通勤和出行。此外，截至去年年底，理想高阶智驾的用户使用里程占整体智驾里程的70%。

　　具体功能来看，“车位随心画”和关门泊入成为受用户欢迎的智驾功能。前者可以满足用户在各种道路场景下在中控屏中“画”出一个车位，车辆就可以完成泊入;而后者功能则可以让消费者无需操控手机，长按门把手就可启动泊车程序，过程中也可随时拉开车门取放东西，让智驾更加人性化。

　　可以说，越来越多的理想用户从智驾“沉默用户”变成“重度用户”。而对于理想的潜客群体来说，智驾也已成为他们购买理想产品的最重要因素之一，按照理想的数据显示，截至2024年底，城市NOA试驾的占比已经超过72%。

　　基于这些处于行业前列的数据，证明了用户以及更多消费者对于理想智驾能力的信任、认可且爱用。

　　这背后，更是得益于理想智驾能力的“后来者居上”。

　　在车企智驾的竞速赛中，理想是在一开始被视为“慢了几步”的玩家，就在其他玩家率先推出领航辅助驾驶后，理想在2023年年底才基于BEV+NPN具备了全场景NOA的能力。

　　这之后，理想在智驾领域的布局和迭代开始“大步快跑”。先是在去年7月通过OTA 6.0版本让无图NOA功能落地，让理想智驾实现了全国都能开，追平了行业的发展进程。

　　仅仅过了三个月，理想全新一代的智驾算法架构——端到端+VLM双系统，正式随OTA 6.4版本向理想L系列AD Max用户和理想MEGA用户全量推送，由此理想成为了率先行业创新性地把类脑工作模式引入到智驾架构的车企，这一算法架构一度被行业视为处于前沿水平。

　　就在智能汽车行业纷纷在端到端和“车位到车位”上疯狂内卷时，理想则在去年11月底成为全球首家全量推送“车位到车位”的车企，将自动驾驶服务从干道提前到小区车位，解决最先100米和最后100米的挑战。

　　经过以上这样三次的功能迭代，可以说理想在保证安全下限的同时，也拉高了智驾体验的上限，由此理想毫无疑问站在了智驾行业的第一梯队中。基于这样的能力，用户和消费者爱用理想的智驾，也在情理之中。

　　而在这些背后，弄明白理想是如何实现“后来者居上”的原因，变得更加重要。

　　2、数据、算力和算法“三大件”齐备，理想用AI做智驾

　　端到端，一度被行业视为智驾行业发展的一大分水岭。

　　因为在端到端之前，智驾算法架构大多由多模块组成，都需要基于规则博弈来应对现实世界的各种路况挑战。

　　在这样的架构下，消费者有可能在小部分路段有较好的体验，但在绝大多数的路段存在泛化性差的问题，再加上多模块传输信息会有损失和延时，导致整体架构并不可靠。理想对于他们最早的NPN架构智驾，就有“存在一定延迟”的评价。

　　智能汽车行业迈入端到端时代后，最大的变化就是让感知、预测、决策和规划等模块合并成一个AI大模型，车端感知信息输入，控制端输出，过程中信息可保证无损传递，智驾架构全局可优化。

端到端自动驾驶算法架构，图源清华大学智能产业研究院

 

　　但端到端也不是“灵丹妙药”。就比如在规控时代可通过几行代码容易实现的功能，在端到端时代反而就需要大量训练才能保证下限的能力。这就意味着，需要大量的高质量数据来“喂养”算法，但可遇不可求的Corner cases却无法穷尽。

　　率先布局端到端算法架构，并推出端到端+VLM双系统的理想，自然也会遇到相似的挑战。

　　对此，理想他们的解法是通过世界模型建立一套“智能驾驶的考试验证系统”，来筛选出最满意的算法模型。简单说，就是在算法训练过程中建立“错题集”和“模拟题”。

　　其中，“错题集”是由测试开发人员和内测用户们，在现实世界中实车路测中遭遇的问题场景或者Corner cases通过回传收集和筛选得来的，就像我们上学期间收集错题的错题本一样。

　　要让智驾算法的能力向好迭代，光收集“错题”可不够，还需要用“模拟题”来教会算法举一反三的能力，以便在未来碰到相似的场景可以处理好。

　　对于“模拟题”，理想通过AI生成式仿真模型把“错题集”中的考题进行泛化，用Diffusion transformer和3DGS等技术改变同一场景的天气、光照和障碍物出现方式等等，让模型学会举一反三，以便通过这样“错题集+模拟题”的考试方式来提升算法模型的能力。

　　这套考试系统帮助端到端+VLM双系统实现不断升级迭代的同时，理想也在推进端到端减少“黑箱”特性影响，让算法更有效率的实现迭代。

　　理想的方法就是把不同的模型引入到上述提到的这套“考试系统”中，通过在上千万个场景中“考试”，就可以帮助算法工程师理解当前模型的安全性、舒适性和效率等能力，从而针对性的进行优化。

　　与此同时，理想也在更为直观地提升端到端+VLM算法架构的可解释性。去年11月底，理想在全量推送“车位到车位”功能的同时，也基于车端的VLM模型可在中控屏中显示关键路段的图文播报能力，进一步来增加对于算法的理解能力，提升算法迭代效率。

　　智驾功能体验要好，除了算法迭代之外，数据和算力的支撑同样关键。

　　数据方面，理想基于庞大的智驾用户群体，拥有大量的智驾里程数据，截至2024年底，他们的智驾总里程累计达29.3亿公里，再配合上述提到的AI考试评价体系，不仅可以更有效率的获得高质量数据，同时通过数据闭环的能力推动算法迭代。

　　算力上，目前理想的训练算力规模达到了8.1 EFLOPS，已处于行业前列水平。在理想汽车自动驾驶研发副总裁郎咸朋看来，最终要实现自动驾驶需要的训练算力要达到100 EFLOPS的量级，为此他们正在用每年超过10亿人民币的投入来完善算力能力。

　　用AI能力推动自身算法架构迭代之外，理想也把AI的研发成果向整个行业分享。

　　比如在去年一年，理想智能驾驶的DiVE(世界模型)及StreetGaussians(世界模型)的研发成果就发表在了ECCV 2024上;DriveVLM(双系统)发表在CoRL 2024上，获得行业的一致认可。

　　基于以上分析来看，理想之所以能如此快地实现“后来者居上”，主要是基于更大的用户规模和算力规模，以及更多的高质量数据形成的Scaling Law优势，再加上把AI的能力融入到智驾架构和功能的打造中完成的。

　　做到这些后，理想或许并不满足，因此可以看到他们在用AI做智驾的道路上继续走下去。

　　本月16日，理想全量推送了OTA 7.0版本的车机系统，其自研的“高速端到端”功能开始向AD Max车主全量推送。这也意味着理想成为了国内唯一一家、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，也让端到端+VLM智驾完成了高速+城市的全场景覆盖。

　　更为重要的是，随着该版本的更新，“AI推理可视化”的能力得以上车。通过端到端权重博弈、Attention系统指引和VLM图文播报三大模块，来把端到端+VLM算法的动作推理展现给消费者。

理想汽车AI推理可视化车端信息显示

 

　　换句话说，就是把AI的大脑拆开摆在消费者面前，进一步让消费者理解智驾算法的工作模式，从而增加消费者对于理想智驾的信任。

　　正因看到基于AI的能力有了这些收获后，李想对于AI有了更高的期待。

　　3、从移动的家，到幸福的家

　　“创造移动的家，创造幸福的家。”

　　熟悉理想汽车的朋友，都应该知道这句话是这家车企的Slogan。回望理想过去的9年多时间里，智能汽车对于消费者来说，已从单纯的出行工具，变为了除了家之外的“第二个家”。

　　为此，如果要用一句话总结理想此前的产品发展战略，那就是站在用户的视角上，为用户们打造一款移动的家。

　　时间调回理想汽车创立之初，当时行业内绝大多数造车新势力玩家们都选择了纯电路线，但彼时由于纯电产品的补能设施和网络并不完善，众多消费者一度陷入续航和补能焦虑之中。

　　或许李想看到了这一行业问题，以至于在外界众多反对声中，依然选择了增程式动力模式，从而满足了用户们没有续航焦虑、长距离出行的需求。

　　再来看从理想ONE延续到L系列产品的“冰箱彩电大沙发”智舱配置，基于这些配置，让以上这些产品无不成为理想的爆款产品，而这背后的逻辑也很简单，就是相比于内卷到天花乱坠的智能化功能，冰箱、彩电和大沙发对于消费者来说，更能看得见、摸得着，由此更愿意为此买单。

理想汽车全系产品

 

　　智驾方面，同样如此。回望过去一年，理想共计推送了19次OTA升级，其中有关智驾升级的OTA就有12次，这一更新速度属于行业前列的水平。这其中，就包含关门泊入、车位随心画、AES/AEB以及车位到车位等众多提升消费者智驾体验的功能。

　　可以说，产品经理出身的李想，在过去9年多的时间里，一直站在用户视角下打磨自身的产品和功能，从而让“移动的家”从口号变为现实。理想在去年10月率先其他新势力们完成累计销量突破100万辆的目标，应该是最好的证明。

　　今年，理想也会迎来他们的十周年生日，在这样的时间点，理想要实现打造“移动的家，幸福的家”，或许不仅需要基于用户视角考虑，还需要AI的加持。

　　“不只要满足用户需求，更要超越用户需求。通过人工智能，理想可以完美结合用户的需求，最终创造移动的家，创造幸福的家。”李想这样公开表示道。

　　对于如何通向“幸福的家”，李想认为理想需要迈过三个阶段：

　　第一阶段为“增加我的能力”，简单说这一阶段就是为消费者们打造提升效率的产品，比如说L3级别的有监督自动驾驶，可以让用户们的出行更有效率。

　　按照李想的介绍，基于端到端+VLM这套体系的持续迭代，他们计划在今年实现L3，只不过该阶段智能驾驶还是一个辅助角色，依然需要驾驶员做好接管的准备，为驾驶结果负责。

理想汽车端到端+VLM双系统算法架构

 

　　第二阶段是“成为我的助手”，指的是人工智能已经能为自己的行为负责，可以独立完成一个或多个任务。如果放在智驾场景中，那就是一辆具备L4级别自动驾驶的车辆，消费者可以对它发布指令，比如去接孩子放学，这时这辆车就可以独自完成这一任务。

　　对于理想何时达到这一阶段的问题时，李想认为需要三年的时间，“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。”

　　不仅如此，李想还认为，要拿到L4的门票，要有足够的车跑在路上，至少有500万辆以上。其次要真的自己掌握VLA(视觉语言行动模型)这个基础模型的能力。第三，你要有足够多的钱去招募最顶级的人才，以及足够的算力。

　　第三个阶段就是“成为硅基家人”，在李想看来这个阶段中，智能汽车或者具身智能就会是每个消费者家中的一员，它了解家中的一切，并且可以主动地去做很多事，来让家庭变得更好，这应该也是“幸福的家”终极形态。

　　虽然按照李想的话来看，他会在之后计划打造具身机器人，但从以上“三步走”的战略来看，李想更加专注于用智能汽车来达到AGI的目标。

　　就目前行业现状看，具身智能行业虽然由自动驾驶和大模型趋势带火，但从技术落地的视角来看，相比于自动驾驶，具身智能更加困难一些。“如果我们连L4级跟自动驾驶的汽车都解决不了，怎么去解决更复杂(具身智能)的?”李想这样说。

　　但如果以智能汽车和自动驾驶领域作为进军AGI时代的入口，在业内看来则更加实际一些，由此也能看出李想对于人工智能发展是有过深思熟虑的，才能做到这样的战略前瞻性。

　　如今，除了理想之外，已有很多车企也喊出要成为AI科技公司的口号。但在我看来，要做到这个目标不仅需要用AI来改进效率和迭代产品，更需要为行业带来AI变革的启发。

　　在这个标准下，回过头看理想在过去这九年多时间里，使用AI的能力持续打磨算法和产品，已经让理想身上的技术底色越来越浓，再加上还在持续向行业分享AI研发成果给予行业启发和思考。正因如此，在飞说智行看来，理想汽车已经有了全球人工智能企业的模样。