理想汽車12月31日全量推送OTA 7.0 有望在2025年實現L3級自動駕駛

[汽車之家 資訊] 12月26日，理想汽車CEO李想和智駕負責人郎咸朋在直播中講解了理想汽車在智駕方面的發展動向。理想汽車將在12月31日全量推送OTA 7.0給AD Max用戶。按照理想現在的端到端+VLM體系繼續迭代，有望在2025年實現L3級自動駕駛，其中一些重點的信息如下。此外，李想在前一天的直播中宣布了理想將轉型成為人工智能企業，具體信息可點擊鏈接查看。

● 端到端的智駕表現將優于現在的所有智駕軟件，理想已經為端到端做好了準備

理想智駕負責人郎咸朋表示，端到端一旦做出來，會比現在所有的智能駕駛軟件都要好，去年不上端到端是因為在等足夠的數據和算力。端到端VLM大模型其實最終的本質是用人工智能來做自動駕駛，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。理想今年已經在這三個方面做好了準備，理想AD Max車型的（高質量訓練）數據量達到10億（公里） 左右規模，算力達到了5EFLOPS，并且端到端的一些預研也有一定成果。

● 理想汽車保留激光雷達，是為了安全考慮

理想汽車CEO李想表示，保留激光雷達還是為了安全。特斯拉選擇了純視覺，但是中國和美國是不一樣的，夜里可能會有尾燈壞了的大貨車、甚至可能尾燈壞的大貨車會直接停在主路上，攝像頭能夠在深夜里沒有光線下看到的距離其實只有100米出頭。 而激光雷達在沒有任何光線的情況下是可以看到200米的，這就可以實現130公里/小時的AEB自動緊急制動，帶來更高的安全性。

● L3或者有監督智能駕駛不是L2的延續，而是L4的先導

理想智駕負責人郎咸朋表示，自動駕駛是能力、輔助駕駛是功能，功能是預設條件，能力是應對所有條件。如果還是用上一代軟件1.0方案來做自動駕駛，在研發之初，就要清晰地設定所有條件、所有邊界，以及最終確定性的結果，這在自動駕駛里是非常困難的。用人工智能的方式來做自動駕駛，是從最本質思考人是怎么學會開車的。最開始人去駕校學習，掌握基本駕駛技能再考試。考完掌握基本能力之后，作為實習司機一邊實踐一邊提升能力，慢慢地成長為老司機。系統1+系統2的方案，是讓自動駕駛系統擁有這種能力去迭代和成長，隨著數據量的增長，慢慢地性能隨之提升。

● 智能駕駛對于理想的銷量有非常好的促進作用

從實際銷量表現來看，2024年智能駕駛確實對于理想的銷量有非常好的促進作用。理想2月AD Max的交付量占比只到20%左右，到下半年已經超過50%。早期用戶認為自動駕駛是一個功能，跟座椅加熱沒有大的區別，并沒有解決用戶日常出行的舒適性。而現在理想用AI來做自動駕駛，端到端+VLM能夠真正解放用戶長時間的駕駛疲勞。

● L4級自動駕駛是決定勝負的關鍵點

李想認為，L4級自動駕駛會是決定勝負的關鍵點。端到端只能解決L3，解決不了L4級自動駕駛。掌握L4首先需要500萬輛以上的車跑在路上收集數據，第二需要掌握VLA（視覺語言行動模型）這個基礎模型，第三要有足夠多的錢去招募最頂級的人才，以及足夠的算力。

直播問答全文如下：

01.理想智駕一號位的職業危機

張小珺：聽說李想對智駕發了很大的火，你怎么還能留在這？

郎咸朋：當時想哥說了一句很狠的話，他說郎博下半年如果我還看不到變化，咱們還是拿不到頭部位置的話，那你這個負責人就可以不用干了。

張小珺：那次發火完之后達成了什么結果？

郎咸朋：我覺得大家就回歸的是體驗和用戶價值，重新把大家的思路聚攏了。我們是給用戶做一個有更好體驗、更安全、更便捷的產品，而不是說做一大堆什么從指標上看起來挺好的產品。那次所有人心里邊又重新回到從產品出發去做智能駕駛，這是我覺得印象最深的一點。

張小珺：你們是那次之后開始轉的端到端嗎？

郎咸朋：其實在想哥發火之前，我們內部的這個端到端的預研，已經在開展了。那么從那一刻開始，我們端到端的速度就加快了。

張小珺：第一次試駕端到端是什么樣的體驗？

郎咸朋：我第一次試到這個車，從中關村開到了北京交通大學。開了幾公里我就問旁邊的賈鵬，這是規則還是怎么做的？怎么我覺得開得這么好呢？他說一句規則都沒寫，全都是系統按照咱們給它的數據自己訓練出來的。

咱們開車都知道，如果前面有個車剎停的話，它是要緩慢減速，甚至還再抬起一點剎車，有這樣非常舒適的剎車過程。這個過程我們團隊在規則階段寫了很長時間的代碼，都沒有達到一個完全擬人、解決所有場景的表現。

但我第一次試駕端到端，它的縱向就已經比之前試過所有的都要好的狀態，這才用了短短不到15天。所以我覺得那時候建立了一個信心，就是端到端一定能做出來。而且一旦它做出來，就一定會比現在所有的智能駕駛軟件都要好。

張小珺：既然端到端是靈丹妙藥，為什么去年不上？特斯拉去年就上了，你去年在干嘛？

郎咸朋：我們在等，等足夠的數據和算力，等到了我們就能上了。

端到端 VLM大模型其實最終的本質是用人工智能來做自動駕駛。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。我們是今年是準備好了，所以我們能做這個事情。

理想AD Max 車型的銷量，去年起來了之后到今年初（高質量訓練）數據量達到10億（公里） 左右規模，這是一個基礎。第二是算力基礎，今年初我們算力也到了5EFLOPS。再加上第三步，就是端到端的一些預研也有一定成果，所以到今年初是天時地利人和，可以做這個事情了，去年我們還在補課的一個過程。

張小珺：為什么很多企業的端到端是兩個模型，而不是One Model？

郎咸朋：這個是算法和理念的問題。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。

張小珺：為什么理想是端到端+VLM，不像特斯拉只用端到端？你們對自己的端到端不夠自信嗎？

郎咸朋：不能這么講，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。

張小珺：如果智駕一號位想要推動智能駕駛的投入，老板會成為阻力嗎？

郎咸朋：沒有，反而李想一直在催促我：郎博，咱們自動駕駛怎么還是慢了？趕緊加快速度！

02.要么就做端到端，要么就不再做自動駕駛。

張小珺：特斯拉沒有用激光雷達，你們為什么要用？

李想：很多人不太理解說：為什么要保留激光雷達，還是為了安全。是不是因為你技術不好？不是，中國和美國是不一樣的，如果你經常在中國晚上夜路開車，你會看到有尾燈壞了的大貨車、甚至可能尾燈壞的大貨車會直接停在主路上，至少我們今天的攝像頭，能夠在深夜里沒有光線下看到的距離，其實只有100米出頭。

但是激光雷達，在沒有任何光線的情況下是可以看到200米的。這就可以幫助我們實現130公里/小時的AEB自動緊急制動。那我覺得這個是非常重要的，因為我們是個面向家庭的車，每個人生命安全都非常的重要，所以這是我們繼續保留激光雷達根本所在。而且后邊的車型仍然會保留。我相信如果馬斯克在中國，在深夜里不同的高速開過車，他也會選擇把前面的一顆激光雷達保留下來。因為特斯拉對于安全同樣地重視，只是他要在這個環境里來看到。

張小珺：理想激進的用只有一個模型的端到端，其他車企還在用兩個模型，為什么？

李想：很多時候可能跟我們有一些比較好的外腦有關，像王興、陸奇博士，他們會給我們帶來很多啟發。有一次陸奇博士跟我們講，你們應該思考一下人是怎么工作的？我覺得這個當時對我們幫助很大。

今年初我還逼著智駕團隊去美國，他們在不同的城市開FSD V12。另一方面我們研究工作也在進行，那時已經在發端到端+VLM的各種研究論文了。回來以后我覺得要么你做這個，要么我們就不要再做自動駕駛了。今天你靠這些規則上來做的，跟請個供應商做出來的東西有啥區別？沒有啥區別。

我說服郎博他們很重要的一點，我說你們經常解決了一個Corner Case（極端情況），又出現三個其他的Corner Case。你們一輩子都在解決Corner Case，解決不完。

張小珺：所以其他人不轉，是因為他們Corner Case解決得比你們好？

李想：有些企業Corner Case確實解決得比我們好，因為他會招很多的人，5倍、10倍的人，然后一個路口一個路口去解決。不但解決規則算法的Corner Case，甚至還自己有地圖，去修地圖的Corner Case。

張小珺：過去兩年在人工智能上，你有什么哇塞Moment嗎？

李想：ChatGPT 肯定是了，其次我們內部還是有很多“哇塞”的。一個印象最深的是，我們決定啟動端到端并匹配好資源，準備好200人團隊，他們訓練了幾十版模型，第一版放到車上，當時郎博讓我們來試，我跟張穎（經緯中國合伙人）在北京研發總部正好就一起試了。張穎坐主駕我坐副駕，當時我就很驚訝：這一個月的訓練，比過去三年做的東西，進步速度要快！

張穎之前試過無圖NOA，當他試到端到端時發現這跟人很相似，甚至在一個路口，旁邊有輛車為了躲行人往我們這邊躲時，這個車也適時地避讓了。他問為什么能躲那么快？我說端到端響應速度快了好幾倍，因為他是個One Model，而不是經過4個步驟。

我們下一個大版本更新時，用戶可以在車上直接很清楚地看到端到端的工作方式是什么樣的，視覺語言模型工作方式是什么樣的，以及人工智能到底是怎么工作的。

03.有監督智能駕駛不是L2的延續，而是L4的先導。

張小珺：大家都說理想做智駕是投入最晚最慢的，你怎么看？

郎咸朋：2018年1月我加入理想時，跟李想討論過這個問題。什么才是決定最終智能駕駛或自動駕駛實現的最關鍵因素？我們當時聊的就是數據。人才可以流動、算法可以提升、算力也非常重要，但是只要有健康的資金、合理的資金使用也是能買得到的。

那么最重要就是數據，數據它是買不到的，必須自己有這樣一個非常高質量、規模非常大的數據，才可以做好自動駕駛。所以我們要按照節奏來做自動駕駛，剛開始我們要先把車造好、把車賣好，然后積累更多的資金、人才和數據，到了一定時間點再大量投入，去達到更好的自動駕駛的效果。其實從現在結果上也是能看出這一點的：我們自動駕駛的節奏是非常好的。

張小珺：什么時候理想意識到，智駕對于賣車是有幫助的？

郎咸朋：從實際表現來看是從今年開始的，今年智能駕駛確實對于銷量有非常好的促進作用。我們2月AD Max的交付量占比只到20%左右，然后到今年下半年超過50%了，這是實打實的業績。早期大家認為自動駕駛是一個功能，它跟座椅加熱沒有大的區別，并沒有解決用戶日常出行的舒適性。直到現在我們用AI來做自動駕駛，端到端+VLM真正解放用戶長時間的駕駛疲勞。當我們能達到綜合MPI（城市+高速綜合接管里程）100公里、幾百公里時，大家就真正愿意為自動駕駛買單了。

張小珺：理想提出有監督智能駕駛，跟自動駕駛L1到L5傳統分級有什么區別？

郎咸朋：這里面其實體現我們對自動駕駛研發的思路差別。之前很多人認為L3自動駕駛是L2輔助駕駛的延續，只要把L2輔助駕駛的場景越做越多，總有一天能無限趨近于L3，甚至可能就能夠做到L3。

但在我們看來，L3或者有監督智能駕駛，它并不是L2的延續，而是L4或者自動駕駛的先導程序。實際上我們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。

張小珺：你說自動駕駛是能力、輔助駕駛是功能，兩者本質區別是什么？

郎咸朋：功能是預設條件，能力是應對所有條件。你不可能窮盡所有的預設。

功能的話，還是用上一代的這種軟件1.0方案來做自動駕駛。最大的問題是在研發之初，就要清晰地設定所有條件、所有邊界，以及最終確定性的結果。這在自動駕駛里是非常困難的。

能力的話，是用人工智能的方式來做自動駕駛。當我們把自動駕駛當成能力來開發，從最本質思考人是怎么學會開車的。最開始人去駕校學習，掌握基本駕駛技能再考試�？纪暾莆栈�本能力之后，作為實習司機一邊實踐一邊提升能力，慢慢地成長為老司機。我們系統1+系統2的方案，讓自動駕駛系統擁有這種能力去迭代和成長，隨著數據量的增長，它會慢慢地讓性能隨之提升，這個就是大家經常說的規模效應。

張小珺：你們驗證了自動駕駛的規模效應嗎？

郎咸朋：我們已經驗證出來了。這不是我們發明的，所有的大模型應用都符合這種規律，也就是說數據規模和數據質量的增長，會帶動性能的增長。而且性能增長是接近于線性的，這就是我們用大模型最本質的好處。

張小珺：有監督智能駕駛階段，理想交付給用戶的產品長什么樣？

郎咸朋：全場景的、一體化端到端產品。要想實現有監督智能駕駛，一個前提是實現車位到車位，也就是解決最前面一百米和最后面一百米。以前智駕是從干道開始，現在可以從小區車位開始，然后包括園區道路、泊車、城市道路，還有高速和收費站ETC都會全部打通。

高速城市全場景升級端到端+VLM，以及創新的AI推理可視化的交互，將在近期隨OTA全量推送給所有的AD Max用戶。

張小珺：L3什么時候實現？

郎咸朋：按照現在的端到端+VLM這套體系，能力繼續迭代的話，我們是有希望在2025年去實現L3的。

張小珺：面對李想年初對于智駕的發火，你的職業危機是什么時候解除的？

郎咸朋：我覺得到現在還沒解除，因為還沒有做到極致。我們的目標是今年綜合MPI（城市+高速綜合接管里程）做到100公里接管一次的能力。這個接管不是安全接管，不是說你要撞車了才接管，是用戶覺得車開得不符合體驗、不舒服的接管。到明年、后年，我們會逐漸提升至500公里、甚至1000公里以上。慢慢讓大家對智駕越來越自信、越來越依賴。

張小珺：要實現這樣的目標，需要儲備多少算力和數據？

郎咸朋：要達到500公里的綜合MPI（城市+高速綜合接管里程），預計需要2000萬Clips（視頻片段）的水平。如果2000萬Clips從不到5%的老司機去篩選，這里隱含的數據量，要達到50億公里甚至上百億公里的水平。

04電動車這場仗什么時候能分出勝負手？

張小珺：你現在開車智能駕駛占比是多少？

李想：大概80%左右。

張小珺：剩下的20%是因為你們技術不夠行嗎？

李想：最主要是我趕時間。

張小珺：端到端是自動駕駛的制勝法寶嗎？

李想：我覺得端到端只能解決L3，解決不了L4。

張小珺：什么時候可以100%用自動駕駛？

李想：給我三年的時間，它需要技術到位，也需要產品到位，也需要一些環境和政策到位，也需要消費者對于人工智能的信任到位。

張小珺：電動車這場仗什么時候能分出勝負手？

李想：現在中國的汽車仍然非常內卷。電動化和智能化是兩場仗，電動化其實是相當于是一張門票，我認為L4會分出來真正的勝負。但是我們今天在做的所有事情，是為了L4拿門票，因為L4所需要花的錢，所需要擁有的能力，所需要的數據量，是今天所不具備的，所以今天大家要靠這個東西去拿L4的門票。

張小珺：拿L4的門票需要什么條件？

李想：足夠多的車跑在路上。

張小珺：多少車？

李想：得500萬輛以上。第二你要真的自己掌握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，有這三個條件。

張小珺：當滿足這些條件且做到足夠優秀時，能做出一家像蘋果這樣的公司嗎？

李想：一定會的，一定會的。(編譯/汽車之家 顏歡）