智能驾驶对于现在的汽车用户来说，已经不是一个新鲜事物。但部分企业的过度宣传，却让许多用户对智能驾驶的理解陷入了一头雾水之中。概念太复杂、场景不实用，反而影响了人们对于智能驾驶的正确认知和预期。
什么是好的智能驾驶？有一家车企很快给出自己的回答。11月15日开幕的广州车展上，理想汽车宣布将于11月底正式推送OTA 6.5版本车机系统。理想汽车产品部高级副总裁范皓宇表示：“基于端到端（E2E）+VLM的最新研发进展，届时全量AD Max用户都将享受从车位到车位的有监督智能驾驶。”
在11月28日，OTA 6.5正式全量推送给AD Max用户。这意味着搭载AD Max的理想车型，都将具备目前业内更贴近日常使用场景的智能驾驶功能——升级后的车辆不仅可以轻松应对狭窄道路、环岛、U型调头、复杂施工等场景，甚至可以支持全国高速收费站ETC（电子收费）通道自主通行，做到真正的从车位到车位的无断点智能驾驶。
车企为什么都爱“端”
许多人关注智能驾驶，都是从特斯拉开始的。特斯拉的智能驾驶技术路线，也因此收获了一批追随者。简单来说，特斯拉智能驾驶可以被归为“视觉系”，即以高清摄像头+毫米波雷达（Radar）作为外部感知的硬件基础。
许多国内新势力车型，都选择在高清摄像头基础上，在车辆前风挡处加装一个“刘海”，即激光雷达（Lidar）。外部感知硬件的增加，有效提升了车辆对于环境的辨识精度和适应能力。理想、蔚来以及华为鸿蒙智行旗下的产品，普遍具备这个特征。
这之后，以是否依赖高清地图功能作为标准，智能驾驶又出现了“有图”和“无图”之争。但总体来说，上述阶段的智能驾驶与即将到来的端到端技术，还有着本质上的区别。
“无论是有图还是无图，是依靠高清摄像头还是配备激光雷达，都是用非人工智能的方式来做智能驾驶。” 理想汽车智能研发副总裁郎咸朋博士这样解释技术的不同发展阶段，“端到端+VLM到来，对于行业才是一个实实在在的分水岭。”
为什么会这么说？第一个原因是在端到端之前的智能驾驶是“规则式”的：研发人员根据不同路况、场景编写针对性算法，制定车辆的行驶行为，但有限的算法始终不能完全覆盖相对无限的道路场景，这是“规则式”智能驾驶的先天缺陷。
第二个原因是端到端之前的智能驾驶系统中存在多个规则模型，分别对应感知、决策、执行等环节，规则模型之间传递存在信息损失和延时，增加了系统出错的风险。
端到端，顾名思义是一体化模型。相对传统的“规则式”，端到端属于数据驱动，具备“可训练”和“拟人化”特点。同时全部系统在GPU里一次完成演算，也将信息损失和延时损失降低到了最小。
目前，许多车企都将智能驾驶的研究方向转到了端到端领域。理想汽车则更进一步，在车端增加了一个视觉语言模型：VLM。它可以像人一样理解外部世界的交通环境和中文语义，并通过逻辑思考能力，来辅助端到端解决安全、导航、法规、效率等方面的智能驾驶业内难题。
理想汽车智能驾驶高级算法专家詹琨对端到端和VLM的双系统关系给出过一个形象的比喻。他表示：“端到端是驾驶员，VLM则是坐在驾驶员旁边的教练。教练会时刻注意外部环境，对车辆操控做出预判并给出建议，最终的动作则靠驾驶员来具体执行。”
智能驾驶真的成了老司机
对于家住北京顺义区，在朝阳区高碑店上班的朱先生，自己那辆理想L9 AD Max，在10月正式接收理想全新一代智能驾驶技术架构——端到端+VLM双系统推送后，正在变得越来越让人省心。
升级到OTA 6.4版本之后，朱先生的理想L9已经具备相当强大的智能驾驶功能：无论是U型调头，还是驶入或驶出环岛，车辆均可提前预测并选择合适路线。即使在从机场第二高速驶上东五环的“堵点”路段，朱先生也基本不用上手接管车辆，理想L9在更强的拥堵博弈能力加持下，会自主把握车流空档和注意旁侧加塞车辆，以老司机般的驾驶方式实现高效率通行。
在本月底进行完OTA 6.5版本升级后，朱先生甚至可以享受到从小区停车场到公司停车场全程零接管的智能驾驶体验。届时，他的理想L9将可以从车位内直接NOA起步，自主识别停车场出口闸机。在经过机场高速收费站时，VLM则会识别收费站并引导车辆由ETC通道通行——这项技术目前在国内汽车圈中，是理想汽车首创。
从追赶者到领先者
从全场景NOA（自动辅助导航驾驶），到全国都能开的无图NOA，再到现在的端到端+VLM双系统，理想汽车的智能驾驶在不长的时间里，连续实现三次技术跃迁和产品升级。理想汽车在国内智能驾驶领域里的角色也随之发生了不同变化——从追赶者，到第一梯队，再到现在成为了与华为、特斯拉比肩的领先者。
智能驾驶领域的竞争诀窍，在汽车行业来说并不是什么秘密。算法、算力和数据，始终是智能驾驶最关键的三要素。对于理想汽车，外界之前并不看好他们的智能驾驶自研能力。强大的产品定义能力、首个达成百万辆里程碑的新势力车企和中国豪华新能源汽车品牌，是理想汽车身上更容易被记住的企业标签。
“很多人都说理想卷的是销量，实际上在销量背后，是我们对自动驾驶的深刻思考。”郎咸朋认为，足够大的销量支撑，不仅让理想汽车将更多利润投入智能驾驶的研发，更让理想汽车有了足够的数据来帮助智能驾驶技术不断提升。
根据理想汽车10月智能驾驶出行报告显示，城区智能驾驶总里程突破2.3亿公里。10月内理想汽车产品应对加塞638万次，成功变道3449万次，通过路口828万次，城市NOA用户单日活跃度涨幅超过了32%。
截至目前，理想汽车的智能驾驶训练数据已经达到了26.7亿公里，到2024年底预计会达到30亿公里。理想汽车整体的算力目前已到达6.83EFLOPS，预计年底将超过10EFLOPS（1EFLOPS≈1000000TOPS）。同时，理想汽车智能驾驶数据训练量也在持续增长，已达到500万clips。
正是以这些为基础，理想汽车在短短4个月时间内对端到端模型迭代超过30个版本，MPI平均接管里程提升了3.5倍——数据增长带来了能力增长，能力增长进一步为用户带来了体验增长。
对于外界提出的“迭代速度快，是否会伴随安全隐患增加”的疑问，理想汽车的两位智能驾驶负责人也给出了解答。詹琨表示，理想汽车在进行无图NOA研发时，已经开始端到端技术的预研，因此现在的迅速迭代是建立在效率提升的基础之上。郎咸朋则表示，理想汽车交付给用户的每一个产品，都是安全可靠的。“端到端+VLM并不是没有下限，相反它们的作用是提升上限。我们始终设置有‘安全兜底’模块，不安全、不合规、不可靠的产品绝对不会推给理想汽车的用户。”
