當一個人用AI駕駛理想汽車

繼廣州車展亮相車位到車位後，理想智駕再次迎來重磅更新，OTA7.0升級後的智駕版本命名爲AD Max V13.0，據悉，這是理想爲了更便於用戶理解和感知智駕迭代而做出的決定，後續版本號都將以這種更直觀的方式展示給大家。本次OTA新增了全場景端到端和AI 推理可視化功能。在智能駕駛技術的浪潮中，理想汽車正以其前沿的科技創新，在全球汽車行業中嶄露頭角。全場景端到端技術和AI推理可視化功能的推出，解決了過去智能輔助駕駛的城市與高速無感互通和人機交互信任感等痛點問題，爲用戶帶來了前所未有的駕駛體驗。

智駕賽跑，理想率先交新卷

隨着科技的不斷進步，智能駕駛行業在2023年和2024年迎來了飛速發展。回顧2024年智駕行業，城市NOA已經得到深入發展，各汽車品牌紛紛落地高階智能輔助駕駛，因爲這意味着高端技術領導力的話語權。

全球各大車企紛紛加大研發力度，力圖在這場技術革命中搶佔先機。自動駕駛技術正從實驗室走向現實，從高速公路擴展到城市道路，從單一場景邁向全場景應用。在這一背景下，理想汽車以其卓越的技術實力和創新能力，成爲行業的領跑者。目前理想智能駕駛水平位居世界第一梯隊，全場景端到端功能的實現將理想汽車和特斯拉智能駕駛水平差距縮小至1個月（特斯拉北美於11月推送）。

值得一提的是，理想汽車是智能電動車企中OTA升級最快的企業之一。截至2024年12月31日，2024年共計推送19次OTA升級，覆蓋智能電動、智能駕駛和智能空間等核心領域。

從理想汽車的智駕發展歷程來看，理想迅速地在一年多時間實現了飛躍式的發展。2023年年底，全場景NOA推送，標誌着理想智能駕駛從高速向城市延展。去年7月15日，理想推出無圖NOA功能，首次擺脫了對先驗信息的依賴，實現全國都能開，緊接着10月23日推送的端到端+VLM智能駕駛功能，真正意義上實現了One Model一體化端到端模型大規模實踐應用，並首次將大模型部署至車端量產芯片。

此前廣州車展上，理想汽車展示了其車位到車位的智能駕駛技術，並在11月28日首次全量推送。車位到車位技術能夠輕鬆應對狹窄小區道路、環島、掉頭和複雜施工場景，極大地提升了用戶的用車便利性和安全性。實現L3有監督智能駕駛的前提是實現“車位到車位”，即解決最開始100米和最後100米的問題。區別於傳統智駕從幹道開始智駕的能力，車位到車位可以從小區車位開始，打通園區道路、泊車、城市道路、高速路和收費站ETC等全場景。7.0版本的更新，更是將這一技術推向了新的高度，新增了高速端到端功能，進一步提升了智能駕駛的體驗和安全性，全場景、一體化端到端產品能夠真正實現有監督智能駕駛。

當“算法、數據和算力”全部齊備時，才能真正使用人工智能的方式來做智能駕駛。

數據方面，理想AD Max車型銷量去年大幅增長以後，2024年年初理想的高質量訓練數據量達到10億公里左右；算力基礎方面，2024年年初也達到了5EFLOPS；再加上理想此前在端到端模型上的預研成果，所以2024年年初達到了天時地利人和的狀態，理想才能實現端到端+VLM智駕。截至OTA7.0正式推送，理想汽車端到端模型已向用戶迭代超過35個版本，訓練數據量達到800萬Clips（視頻片段），相較於OTA6.5版本，數據訓練量提升60%。

智能駕駛方面的提升不只在於訓練算力，從使用數據來看，用戶也越來越愛用理想智駕。據理想汽車2024年度用車報告顯示，2024年1月1日-12月31日，理想智能駕駛累計用戶超過100萬人，智能駕駛總里程17.2億公里。車位到車位激活次數達到22.9萬次，單日單車最長智駕時長20.8小時，單日單車最長智駕里程超過2200公里。截至2024年底，主動安全累計幫助用戶規避338.6萬次潛在事故，累計避免極端烈性事故1230次。理想智能泊車覆蓋300多種複雜車位，智能泊車累計使用7785.8萬次，使用車位隨心畫功能31.9萬次，離車泊入465.1萬次。

行業內智駕都在卷什麼

談到智能駕駛，消費者會首先想到城區NOA、點到點輔助駕駛等名詞，升級車位到車位到底是否有必要值得討論。

想象兩個日常的場景可以幫助更好理解車位到車位的價值與優勢。第一個是從家裡車位開到單位停車位時，車位到車位可以實現全程無斷點智駕，上車就可一鍵開啓智駕模式，泊出車位、駛出小區、進入單位停車庫直至泊入，不再需要多次啓動智駕模式或者人爲進行接管。另外一個場景是在長途出行中，城市與高速被打通，能夠實現NOA全場景無斷點貫通體驗，無論是城市擁堵路段還是高速公路，都可以使用連續、穩定的智能駕駛支持。一個值得關注的亮點是，全國高速收費站ETC通行能力，這意味着在高速收費站通行的時候，智駕模式也不會退出，駕駛者也不需要接管。

上述兩個場景可以看出，這種更加擬人化、更加絲滑的駕駛方式彷彿真的有人類司機在操控方向盤，給用戶帶來更好的駕乘體驗，大大提升了智駕的舒適感和快捷感。理想汽車的車位到車位技術可以說是對智能駕駛技術的一次重大突破，在城區NOA已成爲智能駕駛標配的時候，車位到車位技術已經開始成爲了新的競技場。

實際上，上述兩個新增功能的實現得益於理想的端到端技術架構。這一技術名詞在人工智能行業當中並不陌生，它是指從輸入到輸出完全由一個模型實現的技術架構。這項技術通過一個統一的模型處理從傳感器輸入到行駛軌跡輸出的全部過程，無需依賴中間規則，極大提升了智能駕駛的安全性、舒適性和效率。

這種技術架構更接近人類的駕駛方式，理想汽車的端到端技術架構，使得智能駕駛系統能夠像人類一樣，從感知環境到做出決策，整個過程更加流暢、自然，能夠提供更自然、更安全的駕駛體驗。

端到端技術架構的另一個優勢是其上限更高，能夠隨着技術的進步不斷優化，提供更高級的智能駕駛體驗。要知道，僅用One Model端到端模型，智能駕駛無法處理未知場景，因此理想根據人類大腦工作的方式，構建端到端+VLM雙系統技術架構。

理想汽車的端到端+VLM技術架構，不僅覆蓋了高速、主幹道、小道等各種複雜的駕駛場景，而且在安全性和靈活性方面也表現出色，能夠更準確地識別和預測周圍環境，能夠靈活應對各種突發情況，如緊急避讓、擁堵路況等。

不光要解決技術問題，信任關係也很重要

智能駕駛技術的不信任，很大程度上源於人類對技術黑箱的恐懼。例如，Cruise的交通事故和百度武漢蘿蔔快跑的輿情，都反映了公衆對智能駕駛技術的擔憂。用戶對智能駕駛技術的疑慮往往源於對技術黑箱的恐懼。理想汽車通過AI推理可視化功能，將智能駕駛的決策過程透明化，有效緩解了這一問題。

AI推理可視化功能是理想汽車的另一項行業首創。該功能將智能駕駛模型的思考推理過程以視覺形式展現給駕駛員，使駕駛員能夠提前理解AI的思考和執行過程，從而更加安心地使用智能駕駛。通過中控屏或副駕屏，駕駛員可以直觀地看到智能駕駛模型的思考推理過程，包括從物理世界輸入到決策結果輸出的整個過程。駕駛者對智駕技術的信任，不僅基於技術本身，更基於對技術內在邏輯的理解。AI推理可視化技術，正是通過展示智能駕駛的思考過程，增強了駕駛者對技術的信任。

此外，儘管轉向以純視覺爲主的技術路線，理想汽車堅持在目前的所有車型中保留激光雷達，以應對中國複雜的路況和攝像頭識別距離的限制，實現更高級別的安全保障。這些措施不僅提升了用戶的用車安全性，也加強了用戶對新技術的信任度。

端到端+VLM對於銷量的促進作用立竿見影。智能駕駛技術是當前汽車市場的競爭熱點，過去理想的智駕技術的不斷迭代和更新不僅爲用戶提供了更優質的駕駛體驗，也使其在激烈的市場競爭中脫穎而出，吸引了更多消費者的關注。AD Max車型交付量佔比的變化，說明受衆對智能駕駛技術的接受程度越來越高，也逐漸變得越來越信任。2024年智能駕駛技術突破對於銷量有非常好的促進作用。2月，AD Max車型交付量佔比20%左右，到2024年下半年超過50%。端到端+VLM真正解放用戶長時間的駕駛疲勞，理想認爲，當綜合MPI（城市+高速綜合接管里程）達到100公里，甚至幾百公里時，大家會真正願意爲自動駕駛買單。

理想汽車2024年度報告中顯示，2024年智能駕駛總里程達17.2億公里，車位到車位激活次數達22.9萬次，單日單車最長智駕時長爲20.8小時。正是通過堅持核心技術自研和長期高研發投入，理想才能夠提升智能駕駛的體驗和安全性，增加了市場競爭力的同時推動了行業技術創新、加速智駕商業化落地。

此外，理想還計劃三年實現L4級別的自動駕駛。實現L4的條件是達到500萬輛以上保有量、掌握VLA（視覺語言行動模型）基礎模型的能力、擁有最頂級人才，擁有充足算力。理想表示，在技術、產品、環境和政策、消費者信任到位的情況下，將用三年的時間實現L4自動駕駛。

當一家電動汽車製造商想要成爲一家AI企業，這意味着企業已經邁入下一個發展的階段。正如理想CEO李想所說，“我們要做的不是汽車的智能化，而是人工智能的汽車化，並將推動人工智能普惠到每一個家庭。從行業視角來看，汽車將從工業時代的交通工具，進化成爲人工智能時代的空間機器人。在對整個世界的理解上，我們通過人工智能將物理世界與數字世界進行融合，讓有限的空間實現無限的延伸。”