體驗理想OTA7.0，全場景端到端來了！AD Max V13.0竟對標FSD V13.2？
駕仕派 | 01-16
30490
李想說的“理想智駕2024年成為絕對頭部”真要來了！
1月16日，理想汽車搭載“高速端到端”和行業首創的“AI推理可視化”功能的OTA7.0版本正式向AD Max用戶全量推送，成為國內首家、全球唯二實現高速+城市全場景端到端的車企，另一個則是自動駕駛的領先者特斯拉。
理想表示，自OTA 5.0版本切換至BEV架構并推出城市NOA起，理想便對AD Max啟用了獨立的版本號管理。在過去一年中，理想共完成了12次AD Max的重大更新。
為了使用戶更清晰地感知智能駕駛的升級變化，此次OTA 7.0升級中，AD Max的內部智能駕駛版本號將向用戶展示，智能駕駛版本升級為AD Max V13.0。
長期以來，被視作“智駕領域后來者”的理想汽車其實在今年5月才開啟無圖NOA內測，僅僅8個月時間就完成了“全場景端到端”的能力釋放。
這意味著，理想汽車短時間內就實現了智駕技術的飛躍發展，完成了從追趕、持平到領先的追越，進入了世界第一梯隊的智能駕駛水平。
作為理想L6 Max車主，駕仕派回顧了提車后的這6-7個月時間，從7月理想OTA 6.0 推出的無圖NOA，到10月OTA 6.4版本全量推送端到端+VLM智駕，以及本次OTA7.0的全場景端到端+AI推理可視化，幾乎每個大版本都進行了沖鋒體驗，更深刻感知到了理想汽車在高階智駕能力上“以月為單位”的提升。
那么，為什么理想汽車可以在智駕領域做到如此快速地迭代、完成后來居上？作為中國汽車市場首批“吃到”基于one-model端到端+VLM“螃蟹”的用戶，借著駕仕派在搶先升級、體驗到理想汽車全場景端到端+AI推理可視化的契機，我們也想分享一些理想最新版本的實際體驗和對理想汽車智駕發展的思考。
01
全場景端到端+AI推理可視化究竟是什么？
從字面上來理解，全場景端到端即城市、高速環路、高速路等場景都采用一體化的端到端技術架構，而AI推理可視化則是讓用戶直觀地看到理想汽車這套智駕系統如何捕捉路況信息并做出選擇。
如上圖，即是AI推理可視化的界面：
1、我們可以看到中間Attention窗口中類似熱感應的區域，代表了理想這套端到端系統對人、車、路沿等信息的關注度差異；
2、而圖中E2E窗口則是端到端技術的體現，顯示了端到端技術實時推理出的10種模態軌跡，系統會選出概率最大的作為最優的決策軌跡；
3、VLM窗口則是展示出它讀取的路況信息，例如道路標識等，用作分析復雜路況。
換句話說，理想汽車現在把整套智駕系統的感知和決策邏輯展示給了用戶，用戶可以更清晰地看到系統是怎么做出的決策。這樣可以讓駕駛者對理想的智能駕駛系統有更多的信心、放心讓車輛自己開。
這里面很有意思的地方在于，我們明顯可以從界面上看到端到端和VLM是兩套不同的系統。端到端給出的一系列運行軌跡的概率，而VLM系統則是通過進行了“自我對話”，把車輛自己“看到”的內容以圖片輸入、然后輸出文字決策。
其實，VLM系統是理想汽車在智駕技術路線上和特斯拉最大的區別。
理想汽車自動駕駛研發副總裁郎咸朋就說：“我們在做技術方案時充分參考了世界上所有的先進方案，但始終無法解決一個問題是，當一套自動駕駛或智能駕駛系統，它工作時如果遇到之前沒有見過的場景，應該怎么處理？我們認為就是端到端+VLM，就是系統1+系統2的方式，很好地模仿人類大腦的工作方式?！?/p>
你可以把VLM系統理解為一個專門處理復雜場景的系統，它的思考慢一些，但是更準確一些。
比如遇到高速施工道路，或者無法知曉什么是公交優先道、什么時候是可變車道時，端到端模型就會直接開過去。但是VLM卻可以通過視覺感知識別，然后告知端到端系統這里是什么情況——比如施工道路車輛需要往左繞行、公交優先道不能通行、潮汐車道現在能不能開——再由端到端系統做出決策和執行。
這時候你還可以看到理想汽車在端到端路線上的一個理念，相比于目前中國市場上其他端到端的智駕方案，理想汽車是基于one-model的端到端技術架構。
所謂“one-model”也就是一段式，直接把傳感器收集到的信息放到大模型里面，然后輸出執行策略，而傳統方式則是感知-預測-規劃-控制四個步驟，就算是其他友商同樣到了端到端階段也使用的是感知+預測規控決策兩段式模型。
one-model的優勢就像傳話游戲的人數上限改為了1，即所有感知硬件收集到的信息直接用來做出判斷和行動，省去了中間傳遞可能存在的信息丟失，它不再依靠過去數據形成的模塊化規則驅動，而變成了數據直接驅動。
“我們要做端到端時就給自己定了一個目標，一定要用純數據驅動的方式來做這件事情，而不是結合了之前的規則來做，所以說它的性能上限會非常高。”郎咸朋解釋了為什么要用one-model來做端到端，這也就能夠理解為什么理想汽車很快實現了高速端到端的能力。
02
全場景端到端+VLM帶來了什么？
說回實際體驗，這次升級OTA7.0之后理想L6的AD Max體驗更為順滑，更像是“類人”駕駛風格。比如我們看到很多新勢力在提到端到端智駕時往往會提到重剎率、接管次數、平順性等熱詞，這些恰好也是真實影響用戶在使用智駕系統時體驗的主因。而理想汽車這套「全場景端到端+AI推理可視化」更新以后，以下四個場景我們認為非常具有代表性。
場景一：
當智駕系統決定變道超車，遇到側后方車輛突然加速靠近，過去的智駕系統往往很難根據實時情況做出調整，要么繼續強行變道，要么急減速、急打方向，這其中就存在追尾或撞到旁邊車輛等安全隱患。而OTA7.0之后，我們發現它在變道途中能更像老司機一樣行駛平穩，沒有重剎或急打方向，這樣不僅讓變道效率變高，且更安全、體感更好。
場景二：
在使用城市NOA過程中，如果識別到道路限速為60km/h，那么此前的智駕版本車輛加速感會比較明顯，而更新后，同類的場景下，車輛更多時候會均勻提速并正常進行跟車或均速行駛，駕駛策略更類人。
場景三：
面對成都道路切換較為復雜的人南立交下二環高架，之后需要跨多車道向右并道、駛入輔路的場景，大多數品牌的高階智駕能力不足以應付這樣的場景。理想在OTA7.0版本更新之后，我們發現它現在可以在等待右側直行車輛通過后，自主切換到右轉的輔路上行駛，并且會及時打開右轉向燈提醒后車，還可以進行“變道博弈”，通行效率明顯提升。
場景四：
更新OTA7.0之前，車輛從城市道路進入高速時，盡管已經實現了識別ETC自主通行，但是因為之前版本的高速智駕還是基于規則和先驗信息的，所以面對城區/高速切換點時往往還是需要駕駛者接管。但是這次OTA7.0版本升級帶來了高速端到端，用戶可體驗到NOA在城市、高速全場景更絲滑無感的智駕，比如成都機場高速收費站前后沒有明確車道線，我們駕駛理想L6也能夠順暢行駛。
理想汽車說，高速端到端可以更好地處理新開高速、長隧道、分叉隧道、長距離施工改道、城區/高速切換點等場景，不再受到先驗信息的錯誤或者斷點帶來的無奈接管，讓高速智駕更加安全可靠，打通了城區和高速NOA最后的痛點。換言之，理想汽車OTA7.0之后，真正意義上實現了城市與高速一體化架構，可以無斷點、無降級地應對幾乎所有復雜路況。
體驗下來，目前理想AD Max體驗比起7月份首次使用OTA 6.0的無圖NOA能力簡直有天壤之別，即便和兩個月前OTA 6.4首次切換到端到端+VLM相比，都更加絲滑、值得信任。
相比于此前的版本或者其他品牌的智駕系統，我們在體驗過后認為理想汽車的全場景端到端已經真正意義上脫離了模塊化、規則驅動的范疇，很大程度上接近了類人的思考模式——當遇到博弈場景時，它的應變不再只是策略上的激進或保守，而是靈活且機動地選擇最優的路徑，單就這一點給用戶帶來的安全感和信任感就是目前國內智駕系統中絕無僅有的存在。
截至到OTA7.0的階段，理想汽車可以說是完全實現了全場景智駕能力，不管是城市、高速環路還是高速路，我們可以一鍵智駕無斷點跨越城市與高速，甚至是跨城。到這個階段，也就幾乎無限接近L3的階段了。
在2024理想AI Talk中，郎咸朋就提到，L3的前提是實現“車位到車位”的智能駕駛，所以按照目前的速度迭代，他們是有希望在2025年實現L3。他們團隊發現L3并不是L2的延續，而是L4或者自動駕駛的先導程序。因此，理想汽車是錨著未來的自動駕駛能力去研發、去成長和迭代的，而不是沿著過去一套用L2的思路、去做現在的自動駕駛。
03
全場景端到端+VLM改變了什么？
理想汽車能夠在短短八個多月的時間，就從智駕領域的局外人直接進入到核心圈、成為全球范圍內智駕第一梯隊，到底有什么啟發呢？
駕仕派認為理想汽車給出了幾點啟示：
第一、智駕技術必須要掌握在自己手里，才能通過“數據飛輪”的方式提升自己的智駕能力，這樣也會驅動銷量增長；
第二、2025年之后的豪華品牌車型除了在三電技術要領先之外，自研智駕是必須的能力，否則無法支撐起豪華品牌的溢價，這勢必也改變了2024年以后豪華新能源汽車的競爭邏輯；
第三、中國車企在智能化技術的投入必須是更多投入在人工智能上，才能推動行業創新、解決行業內卷。
先來講理想汽車是如何在八個月時間實現智駕領域實現“技術飛躍”發展的。
“人工智能的三個要素：算法、數據和算力。這三個要素必須全都齊備。”郎咸朋解釋說之前理想汽車沒辦法做端到端的原因就是既沒有足夠的算力，也沒有足夠的數據。
轉折點是2024年年初，理想AD Max車型的銷量起來了，高質量訓練數據量達到10億公里左右規模、能夠獲得300-400萬Clips，這是一個基礎。其次是算力基礎，2024年年初理想汽車算力達到5EFLOPS。再加上原本理想汽車就已在預研端到端，因此從4月份之后理想汽車在智駕能力上說是“一日千里”并不為過。
事實上，理想智駕水平突飛猛進的另一關鍵在于他們從一開始決定使用 “純數據驅動”的迭代方式，利用Scaling Law（規模效應）不斷迭代和提升自駕能力，以適應所有可能的駕駛環境。
根據理想汽車給出的信息，從7月份千人團開展內測以來，僅幾個月的時間里，以每周更新兩個模型版本的頻率、端到端模型迭代超過30個版本。截至2024年12月31日，理想汽車2024年度智駕里程已達17.2億公里，智能駕駛累計用戶超過100萬人。
這也就形成了一個有趣的“飛輪” ：用的人越多、高質量數據就越多、智駕能力就提升越快，消費者就更愿意買AD Max的車、這又進一步讓提升了理想的智駕能力，從而進一步驅動了理想汽車的銷量。
按照理想公布的數據，2024年2月AD Max車型交付量占比大概在20%左右，到2024年下半年超過50%，而這個占比提升的轉折點就是理想汽車在7月份推出了端到端智駕的內測。
其次，為什么說只有把智駕自研能力掌握在自己手上，才能成為新時代的豪華品牌。
在2024年一個很明顯的變化是，在各家發布會上反復提及成為新趨勢的端到端，正在悄然成為普通消費者在選購車輛時必須要納入考慮的關鍵因素，消費者更愿意為高階智能駕駛買單了。誰做得更好、誰更領先，誰就有機會成為最熱門的選擇。
過去幾年，很多人認為理想汽車產品的核心競爭力是冰箱、彩電、大沙發和舒適家庭用車的概念，在2024年年底也出現了被各家車企反復“抄襲”的理想造車范式——從外形、大屏，再到增程。
如果理想汽車的護城河只是這些依靠供應商就能解決的賣點，那么理想汽車無論如何也無法讓銷量持續向好，更不能維持豪華新能源品牌的定位。所以你也可以理解為什么李想在2024年年初對理想智駕團隊“發火”，要求理想智駕團隊拿到智駕頭部位置。
顯然，理想汽車的智駕團隊做到了，幾乎只用了一年時間就完成了從NPN（先驗信息）、到無圖架構、再到“端到端+VLM”的雙系統技術方案的三次技術迭代，并且還選擇了one-model方案，讓模型迭代上更快。理想汽車迅速和華為、小鵬、Momenta等先發企業站到了同一起跑線、甚至還率先全量推送車位到車位、高速端到端等功能。
可能很多人忽視的一點是，由于理想智駕團隊的全棧自研優勢，能從路上跑的幾十萬輛、如今是上百萬輛自己品牌的車里面拿到足夠多的高質量訓練數據，有自己的算力中心，也能夠迅速迭代模型，對用戶需要的功能及時升級或調整。
換個說法就是，今后自研智駕的能力就像是BBA曾經各自“秘而不宣”的底盤調校能力，決定了一個新能源車企的品牌溢價能力。
這使得理想汽車在2025年核心競爭從“移動起居室”就變成“領先的端到端智駕能力”，而這是其他車企短時間抄不來的?；蛟S明年大家再去問理想車主為什么選擇理想時，“全場景端到端+VLM”將成為他們口中的高頻詞語。
最后還可以從理想汽車在2024年這場“智駕突圍戰”中得出一個結論：中國車企要在全球范圍內取勝，還是要在人工智能上投入更多的研發資源，才能從當前的電動車優勢走向下一個階段的智能車優勢。
實話實說，在過去很長一段時間里，很多人一樣認為中國智駕領域的絕對頭部車企就是華為，最多再加上一個小鵬，而它們要追上特斯拉似乎也都很遠。而隨著理想從6.0一路升級到如今的7.0版本，每一個AD Max體驗者除了會震驚其進化幅度，以及更愿意且安心地去體驗智駕帶來的便捷之外，內里對中國品牌在智駕領域的固有排序肯定已然發生了改變。
理想汽車在智駕上的成功似乎出人意料，但又情理之中。大量的研發資金、人員投身其中，時刻緊跟全球這一輪最大的科技浪潮。雖然我們看到的是在短時間內，理想汽車運用人工智能研發成果飛速，但看不到的是理想內部在2023年初就開始研究AI、在那時候理想內部就開始研究Transformer模型、預研端到端技術、開始思考“軟件2.0”……換句話說，理想汽車在今天能夠拿出全場景端到端不是偶然，而是已經做了很久的準備，只是之前還沒有到爆發的時機。
理想汽車在人工智能領域開辟出了一條全新發展的道路、也指明了轉型人工智能企業的戰略，對于大部分車企來說也同樣可以“模仿”理想轉型人工智能企業，畢竟“觀察理想、學習理想、成為理想”已經成為了業內的一個段子。
更關鍵的是，讓汽車產業轉向人工智能產業也不可能靠一個企業的投入就能拉動的，而是需要無數企業一起投入、一起研究、共同學習才能完成，就好像中國電動車產業的成功是從車企到供應鏈的一起努力。一個理想每年投入約50億元做人工智能，那么十家中國車企投入進來可能就是500億元，這將完全改變中國車企在人工智能領域的影響力。
對于中國汽車產業來說，人工智能所帶來的發展機會遠比電動車更加廣闊，在中國電動車成本已經“卷無可卷”之后，只有通過人工智能去驅動智能技術的迭代、才能為全球消費者帶去全新的價值體驗。從智能助手到智能駕駛再到基座大模型，一旦中國車企率先投入、那必然有機會樹立全球的智能車新標準。
李想是這么認為的：“過去我們認為全世界最好的汽車是德國人制造的，但今天，中國企業和一家特斯拉提供了全世界最好的智能汽車。在人工智能方面也一樣。只要我們不放棄，所有的人每天去努力，把所有的心思和精力用在去改變這些能力上面，去投入，結果一定會變得非常好?！?/p>
（END）
