【太平洋汽車 行業(yè)頻道】12月26日晚間，理想汽車舉辦了“2024理想AI Talk”，期間理想汽車CEO李想回答了諸多關(guān)于智能駕駛和人工智能的問題。

　　理想汽車智駕負責人郎咸朋介紹，理想交付給用戶的智駕為全場景、一體化端到端產(chǎn)品，其前提是實現(xiàn)車位到車位，即解決最前面一百米和最后面一百米的問題，如今從小區(qū)車位開始，包括園區(qū)道路、泊車、城市道路、高速和收費站ETC等場景都將全部打通。

　　此外，理想汽車高速城市全場景升級端到端+VLM智駕，以及創(chuàng)新的AI推理可視化的交互，將于12月31日隨OTA全量推送給所有的AD Max用戶，現(xiàn)場還演示了創(chuàng)新推理可視化的智駕顯示系統(tǒng)，其中熱力圖一樣的云團代表了端到端對人、車、路沿的關(guān)注概率，顏色深淺體現(xiàn)關(guān)注度的差異，而顯示系統(tǒng)中間是系統(tǒng)1模型實時推理出的10種模態(tài)軌跡，每種模態(tài)代表一種規(guī)劃決策，系統(tǒng)會選出當下的最優(yōu)決策軌跡，系統(tǒng)2 VLM則能理解交通規(guī)則、讀懂路牌標識并分析復雜路況，雙系統(tǒng)配合讓用戶可實時了解智駕系統(tǒng)的思考和駕駛邏輯，更放心地使用有監(jiān)督的智能駕駛功能。

　　郎咸朋表示按照現(xiàn)在的端到端+VLM這套體系，能力繼續(xù)迭代的話，我們是有希望在2025年去實現(xiàn)L3的。

　　對于L4級別的智能駕駛，李想認為至少需要三年時間才能實現(xiàn)，同時指出要實現(xiàn)L4級別智能駕駛，需滿足三個條件，即足夠多的車跑在路上、掌握VLA基礎(chǔ)模型的能力以及擁有足夠的資金招募頂級人才和算力支持，他透露理想汽車正在朝著這些方向努力。

　　另外，郎咸朋還提到，此前李想曾對智駕團隊發(fā)火，促使團隊回歸體驗和用戶價值，加快了端到端智駕的速度，而理想今年才開始做端到端智駕是因為在等足夠的數(shù)據(jù)和算力，端到端VIM大模型需算法、數(shù)據(jù)和算力三個要素齊備才能開展。

　　此次理想AI Talk全面展示了理想汽車在智能駕駛領(lǐng)域的技術(shù)實力、產(chǎn)品規(guī)劃和戰(zhàn)略布局，為其在未來汽車智能化競爭中奠定了堅實基礎(chǔ)，也讓消費者對其智能駕駛的發(fā)展充滿期待。

以下是本次對話紀實：

01理想智駕一號位的職業(yè)危機

張小珺：聽說李想對智駕發(fā)了很大的火，你怎么還能留在這？

郎咸朋：當時想哥說了一句很狠的話，他說郎博下半年如果我還看不到變化，咱們還是拿不到頭部位置的話，那你這個負責人就可以不用干了。

張小珺：那次發(fā)火完之后達成了什么結(jié)果？

郎咸朋：我覺得大家就回歸的是體驗和用戶價值，重新把大家的思路聚攏了。我們是給用戶做一個有更好體驗、更安全、更便捷的產(chǎn)品，而不是說做一大堆什么從指標上看起來挺好的產(chǎn)品。那次所有人心里邊又重新回到從產(chǎn)品出發(fā)去做智能駕駛，這是我覺得印象最深的一點。

張小珺：你們是那次之后開始轉(zhuǎn)的端到端嗎？

郎咸朋：其實在想哥發(fā)火之前，我們內(nèi)部的這個端到端的預研，已經(jīng)在開展了。那么從那一刻開始，我們端到端的速度就加快了。

張小珺：第一次試駕端到端是什么樣的體驗？

郎咸朋：我第一次試到這個車，從中關(guān)村開到了北京交通大學。開了幾公里我就問旁邊的賈鵬，這是規(guī)則還是怎么做的？怎么我覺得開得這么好呢？他說一句規(guī)則都沒寫，全都是系統(tǒng)按照咱們給它的數(shù)據(jù)自己訓練出來的。

咱們開車都知道，如果前面有個車剎停的話，它是要緩慢減速，甚至還再抬起一點剎車，有這樣非常舒適的剎車過程。這個過程我們團隊在規(guī)則階段寫了很長時間的代碼，都沒有達到一個完全擬人、解決所有場景的表現(xiàn)。

但我第一次試駕端到端，它的縱向就已經(jīng)比之前試過所有的都要好的狀態(tài)，這才用了短短不到15天。所以我覺得那時候建立了一個信心，就是端到端一定能做出來。而且一旦它做出來，就一定會比現(xiàn)在所有的智能駕駛軟件都要好。

張小珺：既然端到端是靈丹妙藥，為什么去年不上？特斯拉去年就上了，你去年在干嘛？

郎咸朋：我們在等，等足夠的數(shù)據(jù)和算力，等到了我們就能上了。

端到端 VLM大模型其實最終的本質(zhì)是用人工智能來做自動駕駛。人工智能的三個要素：算法、數(shù)據(jù)和算力。這三個要素必須全都齊備。我們是今年是準備好了，所以我們能做這個事情。

理想AD Max 車型的銷量，去年起來了之后到今年初（高質(zhì)量訓練）數(shù)據(jù)量達到10億（公里） 左右規(guī)模，這是一個基礎(chǔ)。第二是算力基礎(chǔ)，今年初我們算力也到了5EFLOPS。再加上第三步，就是端到端的一些預研也有一定成果，所以到今年初是天時地利人和，可以做這個事情了，去年我們還在補課的一個過程。

張小珺：為什么很多企業(yè)的端到端是兩個模型，而不是One Model？

郎咸朋：這個是算法和理念的問題。我們要做端到端時就給自己定了一個目標，一定要用純數(shù)據(jù)驅(qū)動的方式來做這件事情，而不是結(jié)合了之前的規(guī)則來做，所以說它的性能上限會非常高。

張小珺：為什么理想是端到端+VLM，不像特斯拉只用端到端？你們對自己的端到端不夠自信嗎？

郎咸朋：不能這么講，我們在做技術(shù)方案時充分參考了世界上所有的先進方案，但始終無法解決一個問題是，當一套自動駕駛或智能駕駛系統(tǒng)，它工作時如果遇到之前沒有見過的場景，應該怎么處理？我們認為就是端到端+VLM，就是系統(tǒng)1+系統(tǒng)2的方式，很好地模仿人類大腦的工作方式。

張小珺：如果智駕一號位想要推動智能駕駛的投入，老板會成為阻力嗎？

郎咸朋：沒有，反而李想一直在催促我：郎博，咱們自動駕駛怎么還是慢了？趕緊加快速度！

02李想：要么就做端到端，要么就不再做自動駕駛。

張小珺：特斯拉沒有用激光雷達，你們?yōu)槭裁匆茫?/p>

李想：很多人不太理解說：為什么要保留激光雷達，還是為了安全。是不是因為你技術(shù)不好？不是，中國和美國是不一樣的，如果你經(jīng)常在中國晚上夜路開車，你會看到有尾燈壞了的大貨車、甚至可能尾燈壞的大貨車會直接停在主路上，至少我們今天的攝像頭，能夠在深夜里沒有光線下看到的距離，其實只有100米出頭。

但是激光雷達，在沒有任何光線的情況下是可以看到200米的。這就可以幫助我們實現(xiàn)130公里/小時的AEB自動緊急制動。那我覺得這個是非常重要的，因為我們是個面向家庭的車，每個人生命安全都非常的重要，所以這是我們繼續(xù)保留激光雷達根本所在。而且后邊的車型仍然會保留。我相信如果馬斯克在中國，在深夜里不同的高速開過車，他也會選擇把前面的一顆激光雷達保留下來。因為特斯拉對于安全同樣地重視，只是他要在這個環(huán)境里來看到。

張小珺：理想激進的用只有一個模型的端到端，其他車企還在用兩個模型，為什么？

李想：很多時候可能跟我們有一些比較好的外腦有關(guān)，像王興、陸奇博士，他們會給我們帶來很多啟發(fā)。有一次陸奇博士跟我們講，你們應該思考一下人是怎么工作的？我覺得這個當時對我們幫助很大。

今年初我還逼著智駕團隊去美國，他們在不同的城市開FSD V12。另一方面我們研究工作也在進行，那時已經(jīng)在發(fā)端到端+VLM的各種研究論文了。回來以后我覺得要么你做這個，要么我們就不要再做自動駕駛了。今天你靠這些規(guī)則上來做的，跟請個供應商做出來的東西有啥區(qū)別？沒有啥區(qū)別。

我說服郎博他們很重要的一點，我說你們經(jīng)常解決了一個Corner Case（極端情況），又出現(xiàn)三個其他的Corner Case。你們一輩子都在解決Corner Case，解決不完。

張小珺：所以其他人不轉(zhuǎn)，是因為他們Corner Case解決得比你們好？

李想：有些企業(yè)Corner Case確實解決得比我們好，因為他會招很多的人，5倍、10倍的人，然后一個路口一個路口去解決。不但解決規(guī)則算法的Corner Case，甚至還自己有地圖，去修地圖的Corner Case。

張小珺：過去兩年在人工智能上，你有什么哇塞Moment嗎？

李想：ChatGPT 肯定是了，其次我們內(nèi)部還是有很多“哇塞”的。一個印象最深的是，我們決定啟動端到端并匹配好資源，準備好200人團隊，他們訓練了幾十版模型，第一版放到車上，當時郎博讓我們來試，我跟張穎（經(jīng)緯中國合伙人）在北京研發(fā)總部正好就一起試了。張穎坐主駕我坐副駕，當時我就很驚訝：這一個月的訓練，比過去三年做的東西，進步速度要快！

張穎之前試過無圖NOA，當他試到端到端時發(fā)現(xiàn)這跟人很相似，甚至在一個路口，旁邊有輛車為了躲行人往我們這邊躲時，這個車也適時地避讓了。他問為什么能躲那么快？我說端到端響應速度快了好幾倍，因為他是個One Model，而不是經(jīng)過4個步驟。

我們下一個大版本更新時，用戶可以在車上直接很清楚地看到端到端的工作方式是什么樣的，視覺語言模型工作方式是什么樣的，以及人工智能到底是怎么工作的。

03有監(jiān)督智能駕駛不是L2的延續(xù)，而是L4的先導。

張小珺：大家都說理想做智駕是投入最晚最慢的，你怎么看？

郎咸朋：2018年1月我加入理想時，跟李想討論過這個問題。什么才是決定最終智能駕駛或自動駕駛實現(xiàn)的最關(guān)鍵因素？我們當時聊的就是數(shù)據(jù)。人才可以流動、算法可以提升、算力也非常重要，但是只要有健康的資金、合理的資金使用也是能買得到的。

那么最重要就是數(shù)據(jù)，數(shù)據(jù)它是買不到的，必須自己有這樣一個非常高質(zhì)量、規(guī)模非常大的數(shù)據(jù)，才可以做好自動駕駛。所以我們要按照節(jié)奏來做自動駕駛，剛開始我們要先把車造好、把車賣好，然后積累更多的資金、人才和數(shù)據(jù)，到了一定時間點再大量投入，去達到更好的自動駕駛的效果。其實從現(xiàn)在結(jié)果上也是能看出這一點的：我們自動駕駛的節(jié)奏是非常好的。

張小珺：什么時候理想意識到，智駕對于賣車是有幫助的？

郎咸朋：從實際表現(xiàn)來看是從今年開始的，今年智能駕駛確實對于銷量有非常好的促進作用。我們2月AD Max的交付量占比只到20%左右，然后到今年下半年超過50%了，這是實打?qū)嵉臉I(yè)績。早期大家認為自動駕駛是一個功能，它跟座椅加熱沒有大的區(qū)別，并沒有解決用戶日常出行的舒適性。直到現(xiàn)在我們用AI來做自動駕駛，端到端+VLM真正解放用戶長時間的駕駛疲勞。當我們能達到綜合MPI（城市+高速綜合接管里程）100公里、幾百公里時，大家就真正愿意為自動駕駛買單了。

張小珺：理想提出有監(jiān)督智能駕駛，跟自動駕駛L1到L5傳統(tǒng)分級有什么區(qū)別？

郎咸朋：這里面其實體現(xiàn)我們對自動駕駛研發(fā)的思路差別。之前很多人認為L3自動駕駛是L2輔助駕駛的延續(xù)，只要把L2輔助駕駛的場景越做越多，總有一天能無限趨近于L3，甚至可能就能夠做到L3。

但在我們看來，L3或者有監(jiān)督智能駕駛，它并不是L2的延續(xù)，而是L4或者自動駕駛的先導程序。實際上我們是錨著未來的自動駕駛能力去研發(fā)、去成長和迭代的，而不是沿著過去一套用L2的思路，去做現(xiàn)在的自動駕駛。

張小珺：你說自動駕駛是能力、輔助駕駛是功能，兩者本質(zhì)區(qū)別是什么？

郎咸朋：功能是預設(shè)條件，能力是應對所有條件。你不可能窮盡所有的預設(shè)。

功能的話，還是用上一代的這種軟件1.0方案來做自動駕駛。最大的問題是在研發(fā)之初，就要清晰地設(shè)定所有條件、所有邊界，以及最終確定性的結(jié)果。這在自動駕駛里是非常困難的。

能力的話，是用人工智能的方式來做自動駕駛。當我們把自動駕駛當成能力來開發(fā)，從最本質(zhì)思考人是怎么學會開車的。最開始人去駕校學習，掌握基本駕駛技能再考試?？纪暾莆栈灸芰χ?，作為實習司機一邊實踐一邊提升能力，慢慢地成長為老司機。我們系統(tǒng)1+系統(tǒng)2的方案，讓自動駕駛系統(tǒng)擁有這種能力去迭代和成長，隨著數(shù)據(jù)量的增長，它會慢慢地讓性能隨之提升，這個就是大家經(jīng)常說的規(guī)模效應。

張小珺：你們驗證了自動駕駛的規(guī)模效應嗎？

郎咸朋：我們已經(jīng)驗證出來了。這不是我們發(fā)明的，所有的大模型應用都符合這種規(guī)律，也就是說數(shù)據(jù)規(guī)模和數(shù)據(jù)質(zhì)量的增長，會帶動性能的增長。而且性能增長是接近于線性的，這就是我們用大模型最本質(zhì)的好處。

張小珺：有監(jiān)督智能駕駛階段，理想交付給用戶的產(chǎn)品長什么樣？

郎咸朋：全場景的、一體化端到端產(chǎn)品。要想實現(xiàn)有監(jiān)督智能駕駛，一個前提是實現(xiàn)車位到車位，也就是解決最前面一百米和最后面一百米。以前智駕是從干道開始，現(xiàn)在可以從小區(qū)車位開始，然后包括園區(qū)道路、泊車、城市道路，還有高速和收費站ETC都會全部打通。

高速城市全場景升級端到端+VLM，以及創(chuàng)新的AI推理可視化的交互，將在近期隨OTA全量推送給所有的AD Max用戶。

張小珺：L3什么時候?qū)崿F(xiàn)？

郎咸朋：按照現(xiàn)在的端到端+VLM這套體系，能力繼續(xù)迭代的話，我們是有希望在2025年去實現(xiàn)L3的。

張小珺：面對李想年初對于智駕的發(fā)火，你的職業(yè)危機是什么時候解除的？

郎咸朋：我覺得到現(xiàn)在還沒解除，因為還沒有做到極致。我們的目標是今年綜合MPI（城市+高速綜合接管里程）做到100公里接管一次的能力。這個接管不是安全接管，不是說你要撞車了才接管，是用戶覺得車開得不符合體驗、不舒服的接管。到明年、后年，我們會逐漸提升至500公里、甚至1000公里以上。慢慢讓大家對智駕越來越自信、越來越依賴。

張小珺：要實現(xiàn)這樣的目標，需要儲備多少算力和數(shù)據(jù)？

郎咸朋：要達到500公里的綜合MPI（城市+高速綜合接管里程），預計需要2000萬Clips（視頻片段）的水平。如果2000萬Clips從不到5%的老司機去篩選，這里隱含的數(shù)據(jù)量，要達到50億公里甚至上百億公里的水平。

04電動車這場仗什么時候能分出勝負手？

張小珺：你現(xiàn)在開車智能駕駛占比是多少？

李想：大概80%左右。

張小珺：剩下的20%是因為你們技術(shù)不夠行嗎？

李想：最主要是我趕時間。

張小珺：端到端是自動駕駛的制勝法寶嗎？

李想：我覺得端到端只能解決L3，解決不了L4。

張小珺：什么時候可以100%用自動駕駛？

李想：給我三年的時間，它需要技術(shù)到位，也需要產(chǎn)品到位，也需要一些環(huán)境和政策到位，也需要消費者對于人工智能的信任到位。

張小珺：電動車這場仗什么時候能分出勝負手？

李想：現(xiàn)在中國的汽車仍然非常內(nèi)卷。電動化和智能化是兩場仗，電動化其實是相當于是一張門票，我認為L4會分出來真正的勝負。但是我們今天在做的所有事情，是為了L4拿門票，因為L4所需要花的錢，所需要擁有的能力，所需要的數(shù)據(jù)量，是今天所不具備的，所以今天大家要靠這個東西去拿L4的門票。

張小珺：拿L4的門票需要什么條件？

李想：足夠多的車跑在路上。

張小珺：多少車？

李想：得500萬輛以上。第二你要真的自己掌握VLA（視覺語言行動模型）這個基礎(chǔ)模型的能力。第三，你要有足夠多的錢去招募最頂級的人才，以及足夠的算力，有這三個條件。

張小珺：當滿足這些條件且做到足夠優(yōu)秀時，能做出一家像蘋果這樣的公司嗎？

李想：一定會的，一定會的。（文：太平洋汽車 彭浚哲）