行业首个“车位到车位”智驾落地，理想汽车如何逆袭？|智能驾驶|智驾|汽车大会|理想汽车|车位|飞轮

“端到端”似乎正在快速替代“冰箱、彩电、大沙发”成为汽车一线门店最火热的词语，甚至超过了销售顾问对于其真正含义的理解，以至于有人向顾客解释“端到端”就是“从A点开到B点”。

不过对于理想汽车而言，“从A点开到B点”或许真的可以成为“端到端”的另一种解释——11月28日，理想汽车成为了全球第一个向用户全量推送“车位到车位”智驾的品牌，甚至比半年前的时间表还早了一个月。

要知道，就在一年之前，理想汽车的“百城NOA开城”目标都只得靠着“通勤模式”达成。

而从今年6月李想在“2024中国汽车重庆论坛”上提出“快、慢双系统”概念，到11月底实现“车位到车位”全量推送，理想汽车的全新一代智能驾驶技术架构“端到端+VLM（视觉语言模型）”的价值，只用了四个多月时间，就从不明觉厉变成了触手可及。

这种转变的速度，甚至让很多人都没有“回过味儿来”。毕竟在过去很长时间里，理想汽车的成功都被认为是靠着“冰箱、彩电、大沙发”这种没有什么“技术含量”的能力，而以一种可以触摸的速度实现在智驾领域的逆袭，多少有些“不可思议”。

这背后究竟发生了什么？

“车位到车位”让智驾进入新阶段

“车位到车位”，顾名思义，用户从坐上车就可以启动智驾，直至最终目的地完成自动泊车，全程无断点。这意味着，系统需要解决包括狭窄小区道路、停车场道闸、高速收费站ETC通行，以及环岛、掉头、施工改道等相对复杂场景的应对。

尽管我们已经在各种新车发布会上看到过这种体验，但相比于其他品牌仍停留在时间表中的落地规划，或是只开放给少数“先锋用户”体验，理想汽车是第一个实现全量推送的品牌。

我们在OTA 6.5版本的体验视频中可以看到，用户开启智驾后，车辆从车位驶出，到通过小区道闸都能够非常流程通过，而像进出环岛、掉头这种复杂场景，也可以果断、高效完成。此外像高速公路收费站通过、公交车道识别、学校等特殊路段的减速与提醒，在这个版本中也都可以实现。

其实如果拿出这些能力中的某一些，我们或许能够在其他企业的智驾产品中找到，但将所有这些集于一身的，理想汽车是唯一一个。

尽管OTA 6.5看上去只是将这些能力集于一身，但对于用户而言是体验的巨大提升。虽说拨动换挡拨杆开启智驾是个很容易的操作，但也意味着用户需要再整个旅程中，不断经历“激活-退出”的过程，这种连贯性的缺失其实会让用户更倾向于只在长时间单一场景下，才会开启智驾。

理想汽车产品部高级副总裁范皓宇透露了这样一组数据：相比去年12月，2024年10月理想汽车用户的NOA里程占智驾总里程（包括ACC、LCC等）的比例从70%提升到了90%。

在无图NOA推送后，NOA的可用范围大幅增加，体验的提升带来了用户依赖度的提升。而可以预见的是，随着“车位到车位”的全量推送，这一比例会进一步上升。

当然，体验的提升不仅在于会做更多题了，此前会做的题，正确率也在提升。

OTA 6.5版本在一些复杂路况下的表现更加成熟，更接近“老司机”，比如进出环岛更加果断、路线选择更加精准；在拥堵、加塞等情况下博弈能力更强；绕行障碍车会更流程，而不会减速、甚至停车后再绕行；无保护左转时把握车流间隙的能力更强等等。

这都让智驾变得更加好用。

当智能驾驶已经逐渐成为中高端用户购车决策中的重要因素时，用户也更希望智驾可以解决高频、困难场景的痛点。毕竟在车流稀少、路况极佳的高速公路上，即便是定速巡航也能有不错的表现。

而用户所面对的，是办公楼复杂的地下停车场，即便每天重复行驶，但弯角坡道依然要小心翼翼；是下高速时需要留意NOA退出时间，通过收费站后还要再找时机开启；是在狭窄的小区道路里，不仅需要避让停满的机动车，还要时刻小心“鬼探头”的出现。

将这些场景交给系统解决，不仅会让驾驶变得更轻松，事实上也会更安全。

因为OTA 6.5版本在已经覆盖高风险、高频的前向、横向区域后，实现了360度全方位守护。尤其是后向主动安全能力，理想汽车开发了后向AEB（自动紧急制动）和后向MAI（误加速抑制），可以在任意方向的倒车过程中介入工作，很大程度提升了在低速泊车场景下的安全能力。

智能驾驶技术在发展的过程中，必然会不断经历问题，然后不断地改善，对于用户而言，同样伴随着从谨慎到适应，再到越来越多场景下的放心的过程。

而这种信任的建立，不是依靠PPT的精美，而是每一公里的日积月累——截至广州车展发布会，理想汽车在全国范围的智能驾驶里程已达到26.7亿公里，相比去年底提升123%，主动安全累计避险次数超360万次，而相较于7月，端到端+VLM智能驾驶系统的MPI平均接管里程已经提升了3.5倍。

“差生”的逆袭之路

如果说7月中旬，理想汽车完成了OTA 6.0无图NOA的全量推送，是追赶上了行业中智驾头部企业的步伐，那么短短四个月之后，理想汽车就成为了智驾“头牌”，率先实现了“车位到车位”能力，在OTA 6.0中还无法实现的环岛、掉头等场景，也都得以补足。

四个月时间里，理想汽车经历了什么？

或许这还要从李想提出的“双系统”开始说起，我们借用“理想同学”对于“双系统”概念的解释：一辆自动驾驶汽车在马路上行驶时，有两个超级大脑——系统1和系统2。“系统1”像一只小猫，可以快速帮汽车做决定，比如一眼就能知道前车车速，然后告诉汽车自己应该开多快。但它有时候也会犯错，所以需要“系统2”，它像一只小狗，会用鼻子闻闻周围的环境，帮助汽车仔细思考。比如转弯时，会看看交通灯，再想想安全规则，这样就更加安全。

而系统1和系统2在自动驾驶技术上的实现，就是通过端到端和VLM。

但就像开篇我们讲到的“段子”，连用户都知道端到端，可又连销售人员都搞不懂端到端，端到端“泛滥”的时代里，其实不同品牌的技术架构有着巨大的差异。

“除了理想采用的One-Model一体化的端到端，还有分段式端到端和模块化方案，大家可能还听过像感知端到端、规划端到端，其实也是分段式的一种。”理想汽车智能驾驶技术规划负责人文治宇说道。

分段式，一体化端到端就像是我们常玩的“传话游戏”，信息从第一个人开始，一个个传到最后一个人，中间一定会出现遗漏和偏差，最终出现信息衰减，这就是分段式方案的问题。而理想采用的一体化端到端，可以将以往感知、决策、规划等多个模块集成到一个神经网络模型中，每个中间环节都可以获得全局信息。

此外，模型的相关计算需要再NPU上完成，而规则相关的计算要在CPU上完成，如果整个计算过程混合了模型和规则，就意味着需要在不同计算单元之间转换及等待。但一体化端到端可以在NPU内一次性完成完整推理，这也就显著降低了响应延迟。

“从数据驱动效率来看，理论上有了更大体量的数据，的确可以帮助训练更好的模型。而分段式方案的训练也是分开的，的确能达到各个部分的局部最优解，但组合在一起通常不是全局最优解。”文治宇补充道。

而一体化模型可以最大限度发挥数据闭环的优势，从而提升模型迭代效率。事实上，过去两个月时间里，理想汽车一共迭代了25版模型，平均2-3天迭代一次。从最终的结果来看，MPI平均接管里程从首个版本的10公里一次，提升到目前接近30公里一次，提升3.5倍。

但这也是理论，实现这些还需要人的努力。

“后进生逆袭到第一梯队很正常，首先我们的组织效率确实非常高效，我们是向华为学习的组织架构，同时结合自己的企业特点进行内化处理。其次我们通过技术提升做到更好的测试和发布效果，人工智能相比于原先的人力测试更好，又减少了时间和人力投入。”理想汽车智能驾驶研发副总裁郎咸朋说道。

目前在理想的智驾团队中，PD、RD和交付团队同步推进，“交付一代、研发一代、预研一代”，这也使得理想汽车可以紧随智驾行业的最新技术方案，并且实现更好的速度表现。

这并不容易。

文治宇提到，相比于分段式每个团队负责一个部分，只需要把互通的协议商量好，就可以清晰地运作起来，这样的模式对于模型设计以及团队的工程化能力有着更高要求。同时，端到端“黑盒子”的特性，在以前以实车为主的测试方式下，存在不能很好覆盖完整场景的问题，因此需要配合世界模型的方式，用更大体量的测试来评估，以降低“黑盒”带来的影响。

而如果说理想汽车内部研发组织的变化，是推动“飞轮”转动的开始，那么智驾能力提升在销售端带来的改变，就在加快理想汽车逆袭的速度。就像郎咸朋所讲：“模型和算法对于大家而言都不是秘密，最终比拼的是有没有算力和数据去训练算法，更直接讲，就是有没有足够的销量去获取更多利润来养自动驾驶的算力和数据。”

截至目前，理想汽车智能驾驶训练数据已达26.7亿公里，年底预计会达到30亿公里，而理想汽车拥有的整体算力达到6.83EFLOPS，到年底将超过10EFLOPS。这些训练算力和基建设施的投入，每年超过了10亿元。