每周都发周销量榜的理想汽车，真的是沉溺于“低质量内卷”不可自拔吗？

创始人李想还不至于这么昏聩。

高水平的商战，以认知为前提，再考验落地能力和速度。

李想对于汽车行业的认知和长期策略，都是打“明牌”的——自成立以来，李想就不停对内对外讲述理想汽车的战略。在2023年初，李想将公司愿景调整为：2030年，成为全球领先的人工智能企业。

理想不仅“卷”周销量，而且“卷”智驾。

2023年9月的理想汽车战略会，李想强调“第一件事是明确智能驾驶是公司的主要战略。”理想智能驾驶副总裁郎咸朋说，自此之后，“公司（智驾）的执行和动作上明显就加速了很多。”

理想汽车决策和执行本来就快，在智驾技术方案上，更是“喜新厌旧”。就在无图城市NOA刚刚推送之际，理想汽车日前又启动新一版智驾的千人内测。

正在内测的这一版智驾系统，和已经量产推送的版本，在技术架构上完全不同。理想汽车正在测试的智驾方案，采用的是端到端（E2E）+视觉语言大模型（VLM）的技术架构。这一架构是理想汽车首创。

特别是端到端的系统，是One-Model一个模型，与当前国内多家企业采用的分段式（比如感知端到端+决策端到端）不同，从输入信息到输出行驶轨迹，都是由模型自主决策，不含任何程序员写的规则。

8月2日，在和《电动汽车观察家》等媒体的交流中，郎咸朋和理想智能驾驶技术研发负责人贾鹏，表达了对这一新架构的强烈信心。凭借这一架构，理想汽车希望完成两个目标：超越和引领。

所谓超越，郎咸朋表示，理想汽车在2024年要成为智驾绝对头部。

所谓引领，理想汽车要在今年底或明年初，向用户批量交付推送有监督的L3级自动驾驶。这个时间表，要比几乎所有对手都要早。

端到端、VLM的具体方案，已经超越了我们能够判别的知识范畴。但是，我们不妨来看看，这个“低质量内卷”公司，所说的逻辑到底通不通。

01

从智能驾驶到自动驾驶

7月，理想汽车刚刚向ADS Max用户全量推送了“全国都能开”的无图NOA。

这是一个智驾产品。

但是，理想汽车的“端到端+VLM”新架构，被清晰地定义为：全新自动驾驶架构。

其含义是，这一架构将足以支持开发L3（有需要时驾驶员要接管）、L4（无需接管的自动驾驶）级自动驾驶产品，而不仅仅是当前L2+，或者所谓L2.5、L2.999……的智能驾驶辅助系统。

话先不说那么远，现在千人内测版的理想智驾，也是采用这一架构，能做到什么？

在对参与测试的用户，理想汽车给出了当前版本的一些亮点。

从中，我们可以归纳出几个特点。

对于端到端的架构，完全以模型学习代替规则，克服了规则无法覆盖所有场景的决策难题，使得该系统具备了路边起步、环岛通行、U型弯掉头、合流拥堵时博弈的能力。

比如，“千人内测”版对于环岛、超车的处理能力提升，就在于系统对于老司机驾驶数据（采集自理想车主）的学习，其中到底运用了老司机掌握的哪些技巧和规则，端到端的不可解释属性，让工程师和使用者都无从得知。但是，它就是开得更好了。

郎咸朋举了一个例子。

“我什么时候超车变道？是前面车压我30公里时速、还是20公里的时候？……在某个速度条件下，旁边有实线我变不变？旁边有车我变不变？后边来车变不变？……这么举例子的话，是无穷无尽的，这就表示一旦用（规则）这种方式去做自动驾驶的话，能力边界是显而易见的。”

但是，端到端通过学习老司机超车的数据，可以更拟人、更快速的超车决策。

另外，端到端的方案，还提升了智能驾驶的体验。以规则为主的智驾系统中，未必会去覆盖一些小场景，比如坑洼路面、夜晚无灯道路，因为需要单独为此写一个规则。但对于端到端系统，自动学习了老司机的处理方式，做出减速等预防性措施，无需用规则来覆盖所有的体验提升场景。

对于VLM视觉语言大模型，则是通过视觉模型的训练，让驾驶系统更能理解车辆周边的信息。

比如，“千人内测”版智驾已经能够识别公交限行时段（目前只识别有路标的，路面车道内文字识别有待更新），另外对于施工路段、学校路段，也都能够识别，并且自动降速，并且通过语音和UI提醒驾驶员。

值得一提的是，VLM不是“看见”一个修路路标，就会提示。在《电动汽车观察家》对“千人内测”版车型的简单试驾中，我发现系统还会辅以其他一些信息，才会“推测”是修路路段。不过，也出现了，仅有一辆工程车停靠在路边，就提示在修路的情况。

总体而言，目前理想汽车端到端+VLM的架构，做到什么水平？

贾鹏给出了一个直接的判断，理想汽车智驾的技术架构，只落后特斯拉半年。

他介绍说，从特斯拉开始发布FSD V12.3版本开始，理想汽车智驾团队就定期去美国测试。“基本都是连续一周一直在开，然后西海岸东海岸都试过，（半年的差距）这是总体我们自己总结下来的。”

当然，理想汽车“千人路测”版端到端+VLM架构的智驾，还处在较早阶段，按照此前理想数个版本的更新节奏，在“万人路测”以及正式全量推送之前，理想汽车还会对这一系统做持续的升级。其功能和体验，还会持续增加。

正式版何时推送？

郎咸朋答“还需要一点时间，主要看模型迭代的速度。”

他补充说，“我们经过一些评估，它的体验，它的稳定性，它的安全性都已经达到了标准”之后，就会推送。

从理想汽车无图NOA的迭代速度看，进展会很快。无图NOA的千人内测，从5月10日开始内测，7月15日就全量推送，用时仅两个月。

而且，郎咸朋也确认，今年底到明年初，理想汽车基于端到端模型、VLM视觉语言模型的全新自动驾驶技术架构的智驾产品也将全量推送。

02

不抄作业，所有题都做一遍

比拼起智驾来，理想汽车确实不是车企里面的“学霸”。

而且，回溯理想汽车的智驾技术路线，短短3年内，已经尝试了好几个方案，好像在不停抄作业：从高精地图方案，到NPN（神经先验网络），再到无高精地图方案，再到如今的端到端+VLM。

理想汽车智能驾驶副总裁郎咸朋

郎咸朋表示，理想汽车不是为了端到端而做端到端，如果是为了做端到端，“特斯拉早就做了，我们应该直接做就好了”。

“我们不是一个专门follow（跟随）别人的一个公司，我们有自己的对这个技术和对产品的本质的理解。”他表示，理想汽车的智驾方案迭代，是“把技术全都做完一遍之后，遇到问题解决问题的一个实事求是的过程。”

郎咸朋说，用高精地图做完高速NOA之后，紧接着做城市NOA，就发现城市没有高精地图了。“我们去分析一下，只有在复杂路口这些场景下，可能还是对图需求量高一些。”因此，理想汽车提出了NPN（神经先验网络），来代替高精地图。但是，他们发现，北上广深做得还可以，因为车多量大，一些偏远一点的城市车不那么多了，数据迭代就有问题。

“（城市NOA）做到百城规模之后，才发现它确实解决不了问题……我们就理解到一点，从本质上看，无论是轻图还是重图，它最大的问题是只要你用图你就做不了全国。”郎咸朋说。

于是，理想汽车坚决地切换了无高精地图的方案。

“现在为什么要做端到端？无图的问题是，还是有规则，并不符合人类驾驶习惯、风格，那么用户其实要的是什么？用户要的是非常拟人的老司机的驾驶的体验……如果我不摒弃现在无图这套技术的话……永远做不到拟人，那我就上端到端。”郎咸朋说。

虽然技术方案老变，但是郎咸朋认为，这是一个很正常的思路，遇到问题的时候看问题的本质，然后发现解决方案就坚决地去执行它。

如此快速地切换技术方案，无疑有切换的成本。“这里边有一些组织管理上的代价，但是我觉得对于我们做的事情都是值得的，这是我们理想的一个优势，这种组织的效率管理的执行能力的一个优势。”

03

智驾竞争升级

每家企业都可以做辅助驾驶，但“不是每家企业都能做自动驾驶。”

郎咸朋表示，到了人工智能时代，就拼两点：一是足够多的高质量的数据，二是与之相匹配的充足的算力的集群。

在数据方面，郎咸朋接受，从2019年交付第一辆车开始，理想汽车就开始积累数据，并且搭建数据平台。而且，后续理想L系列“都是套娃”，对自动驾驶有极大的好处，所有的摄像头规格和安装的位置都是一致的，虽然说有细微长短的差别，但是数据就能完全复用。

在这次的端到端+VLM架构中，理想汽车就从自己的车主当中，筛选出了评分90分以上、占比仅3%的司机的数据，“投喂”给模型进行训练。

在算力储备方面，理想汽车拥有15000张等效英伟达A100、A800 的算力，一年费用达到10亿人民币级别。

“但是我们预估将来花费要到每年10亿美金。”郎咸朋说，“如果你一年拿不出10亿美金来去做训练的话，可能会在将来的自动驾驶竞争当中被淘汰。”

郎咸朋这个说法类似于马斯克。他曾表示，如果有人想要在Dojo项目（特斯拉的端到端模型训练项目）上复制特斯拉，那么他要在用于训练的算力上花费数十亿美元。

在智驾人才方面，需求也会不一样。

从规则改为模型训练之后，会大大减少人的使用。

郎咸朋和贾鹏表示，现在新招聘的很多智驾员工，不是此前做智驾辅助系统的，而是很多学习大模型的校招生。

他们的表述，和蔚来汽车、小鹏汽车的表态类似。

蔚来汽车的智驾负责人任少卿表示，此前的智驾方案不是端到端的，有很多个模块，各有团队，有做模型，有写代码的，但做了端到端之后，各模块的人没必要单独设置。

小鹏汽车董事长何小鹏也表示，规则时代，人才的密度决定了方案的高度，但是AI时代，人才的高度决定了方案的高度。

“从端到端开始，大家真正用人工智能的方式去做自动驾驶了，我相信或早或晚，头部玩家一定都会做这个方向的。”郎咸朋说。

智能驾驶或自动驾驶这一轮的技术范式迭代，不是所有人都能跟得上。

谁是“剩者”？也许接下来的三四年，我们就能见证这一惨烈而注定要发生的淘汰赛。