李想沒亮相的這場發布會，卻展示了其硬核實力。

隨著特斯拉FSD（完全自動駕駛）進入中國市場的步伐加快，各大車企紛紛跟進，推出自己的端到端大模型方案。

6月，理想汽車董事長兼CEO李想在2024中國汽車重慶論壇上表示，理想汽車將在今年三季度推出無圖NOA（自動輔助導航駕駛），最早今年年底最晚明年年初，推出基于理想自研大模型和VLM視覺模型的L3級自動駕駛系統。同時，隨著這套技術的演進、算力的增強、模型的加大，無監督的L4級別自動駕駛至少三年內一定可以實現。

7月5日，理想汽車舉辦了理想 2024 智能駕駛夏季發布會。這次發布會李想并沒有出席，而是由三位技術專家介紹了理想智能駕駛的現在和未來。

在發布會上，他們以對話的形式，介紹了最新的端到端+VLM雙系統智能駕駛模型，通過世界模型的學習和思考環境，這一系統將加速自動駕駛技術的迭代。

首批推送OTA 6.0版本的，是AD Max用戶 | 圖片來源：理想汽車

同時，理想推出的OTA 6.0版本智能駕駛升級，將引入無需高清地圖的NOA功能，并覆蓋理想MEGA和理想L9、L8、L7、L6的AD Max車型，惠及超過24萬名用戶，實現全國范圍內的智能駕駛體驗。

目前，多家廠商都在追逐「端到端」，但理想汽車是首個公開技術方案的車企。那么，理想的「端到端」方案到底有何特殊之處呢？

「緊跟」特斯拉

作為自動駕駛行業的標桿企業，特斯拉的技術路線一直備受關注。自2023年5月， 伊隆·馬斯克首次公開提到「特斯拉FSD v12是一個端到端AI」，到2024年3月，特斯拉開始大規模推送v12版本，特斯拉的端到端技術不斷進步的過程，也見證了中國自動駕駛行業逐漸達成共識的歷程。

盡管行業內對端到端的發展趨勢已形成普遍共識，但在具體技術路線上的分歧仍然存在。例如，「模塊化端到端」采用監督學習的訓練方式，而「單模型端到端」可能更傾向于自回歸和生成式的訓練方法。

理想這次公布的自動駕駛方案，有點類似Momenta的雙系統模式。其理論來源是諾貝爾經濟學獎得主丹尼爾·卡尼曼的《思考，快與慢》理論，提到了認知心理學里系統 1 與系統 2 的概念。其中，系統 1 是基于人們過去的經驗和習慣形成的直覺，能夠迅速做出決策。系統 2 則代表著思維推理的能力，面對復雜問題和未知場景，人們需要思考、推理來解決。總之，系統 1 和系統 2 相互協作，構成了人類認知和理解世界以及做出決策的基石。

理想自動駕駛系統 1 的演進路徑 | 圖片來源：理想

具體到理想汽車的自動駕駛技術架構，主要靠三個部分來實現：系統 1 由端到端模型（E2E）實現，主要用于快速響應常規駕駛問題。這個系統經歷了三個階段：

模塊化設計，包含感知、定位、規劃、導航、NPN，支持了 100 個城市的 NOA。無圖模式。只有感知和規劃兩個模型，最大的變化是去掉了NPN，不依賴于先驗信息類似特斯拉的 One Model的端到端模型，只有一個模型，輸入的是傳感器，輸出的是行駛軌跡。

理想智能駕駛系統2的技術架構圖 | 圖片來源：理想

系統2是視覺語言模型（VLM），具備處理復雜場景的能力。它由Transformer模型組成，將提示詞（Prompt）文本進行分詞編碼，并將攝像頭圖像和導航地圖信息一起傳輸給模型進行自回歸推理。系統2的輸出包括環境理解、駕駛決策和駕駛軌跡，然后傳遞給系統1來控制車輛。

與大多數單幀的VLM模型不同，理想設計了流式視頻編碼器，能夠緩存更長時間的視覺信息。此外，系統還增加了記憶模塊（Memory bank），可以緩存多幀歷史信息，從而解決長時間序列推理時延的問題。

可以這樣理解，系統2就像是一位智能導航和決策專家，它不僅能夠看到當前的路況和環境（攝像頭圖像），還能夠根據地圖信息和用戶的指令（Prompt文本）來進行決策和規劃行車路徑。

與此同時，理想汽車介紹了端到端方案的測試和驗證方法。一般來說，業內主流的做法是通過3D虛擬環境、重建仿真、生成仿真等進行仿真測試。理想則結合了重建仿真和生成仿真兩種技術路徑。

可以用一個比方來說明：假設你在準備考試，有兩種題型需要練習：真題和模擬題。真題是過去考試中實際出現過的問題，模擬題則是根據考試大綱編寫的新題目。真題可以讓你熟悉考試的風格和類型，而模擬題可以幫助你應對可能出現的新情況。

理想的測試方法類似于這個準備過程。他們先使用3D高斯濺射（3DGS）技術，像是真題一樣重建真實場景，然后利用生成模型，像是模擬題一樣補充新的視角。這樣一來，他們創建的測試環境既真實又多樣，可以更全面地評估自動駕駛系統的表現。

此外，他們采用了動靜態分離的策略，就像是分開練習不同類型的題目：靜態部分是環境重建，動態部分則是對動態物體進行重建和生成新視角。通過這種方法，他們創建了一個360°可編輯的3D物理世界，能夠模擬各種不同的駕駛條件，比如天氣變化、時間不同、車流量等，來全面測試自動駕駛系統的適應能力。

開城大戰繼續玩下去

除了自動駕駛新架構，理想汽車還發布OTA 6.0版本的智能駕駛升級，帶來無需高清地圖支持的NOA功能。這次升級將覆蓋理想MEGA以及理想L9、L8、L7、L6的ADMax車型，惠及理想超過24萬名用戶。

在2023年，中國智能駕駛行業的焦點集中在「城市NOA開城大戰」。目前，華為和小鵬已經推出了無需高清地圖的高階駕駛輔助功能，蔚來也推出了全域領航輔助NOP+城區功能。

理想無圖NOA的推送節奏 | 圖片來源：理想汽車

這次，理想也緊隨其后。據了解，理想汽車最新發布的無圖NOA（導航輔助駕駛）功能不僅可以在城市和城鎮中行駛，還能適應二級道路。相比之前的版本，新版無圖NOA在BEV（鳥瞰視圖）、感知能力、規控能力以及整體系統能力上都有了全面提升，能夠應對更多復雜的行駛環境。

發布會上，理想汽車拆解了無圖NOA的四大核心能力，其中最值得關注的是前兩個：

哪里都能開。無圖NOA無需依賴大量的「先驗信息」。理想汽車的智能駕駛系統中有許多「小機器人」在運行，雖然部分「小機器人」可能仍需一些先驗信息，但整體能力的提升，使得系統能夠更靈活地應對各種路面情況，而無需事先驗證。繞行絲滑。該能力結合了時間和空間的雙重規劃。在實際駕駛中，常常會遇到車輛或行人阻礙通行。這時，「繞行順暢」能力就顯得尤為重要。其背后的時空聯合能力，可以同步規劃橫縱（前后左右）的空間，并持續預測自車與他車之間的空間交互關系。通過規劃出「未來一段時間內」的所有可行駛軌跡，篩選出最優、最高效的行駛路徑。

除此之外，理想汽車還對AEB（自動緊急制動）和AES（自動緊急轉向）進行了多項優化。在日常生活中的低速場景，特別是在地庫停車等復雜環境中，用戶可能會遇到柱子、墩子等障礙物。理想汽車的低速AEB能夠在這些情況下自動剎停，避免剮蹭，減少用戶的煩惱。

在高速行駛時，如果前車突然急剎并避讓，而當前的車與前車距離過近，無法及時剎停，理想汽車的AES功能會自動減速并緊急轉向避讓。這個功能在“消失的前車”場景中尤其重要，可以顯著提升行車安全。

目前，端到端自動駕駛已經成為行業的共識。華為、小鵬、元戎啟行、商湯絕影、零一汽車等主機廠和智能駕駛技術公司紛紛進入這一領域，并在最近半年陸續披露了上車量產規劃。

然而，端到端技術不是一項「一招鮮」的技術，它需要一整套支持系統才能真正發揮作用。以特斯拉為例，雖然其他公司也在使用端到端技術，但效果卻不如特斯拉理想。

特斯拉的成功不僅是因為采用了端到端，還因為他們在每個細節上都做得非常出色。不過，對在智能駕駛上的布局雖然相對較晚的理想汽車，端到端還是讓它有了追趕的機會。