今天小編分享的汽車經驗：王傳福說的智能下半場，理想汽車先開始了，歡迎閱讀。
文丨李安琪
編輯丨李勤
" 别把自己當成車企人員，當作 AI 從業者，考慮能在車内做些什麼。"
理想汽車 CEO 李想曾向公司高管表示。這句話正代表了理想汽車頂層設計的轉向，即成為 AI 車企。
這不是一句空話，新能源車銷量之王比亞迪的掌舵人王傳福曾發出明确論斷，新能源車的 " 上半場是電動，下半場是智能 "。
遺憾的是，比亞迪的新能源車銷量節節走高，但智能化卻沒有太多起色。此前主導智能化研發的規劃院，從去年底至今調整不斷，如今，智能駕駛業務的出口在第五部、第十五部和規劃院等部門之間盤桓，仍未統一。
而在銷量市場增長不停的理想汽車，則迅速切入到了智能化戰場。持續穩定的產品實現、高效的組織運轉和穩健的產供銷配合，這顯然是理想汽車的底氣。
6 月 17 日家庭科技日上，理想汽車在常州工廠，大肆宣講了公司在大模型、城市領航駕駛 NOA 等領網域的投入、思考以及落地進展。借助數字制造的底色，這家公司清晰地揭示了下一階段的發展版圖。
座艙：從冰箱、彩色電視機到 AI
年初，李想用一封全員信，宣貫了其成為人工智能公司的其遠大理想。
這改變了理想部分業務的思考模式。家庭科技日上，理想汽車也試圖告訴行業，其将如何成為一家 AI 公司。
以座艙為例，理想汽車将在艙内打造一個認知大模型 Mind GPT。據智能空間算法科學家陳偉介紹，該模型采用了 1.3 萬億個 token 進行模型訓練，經過訓練後，Mind GPT 包括對話生成、語言理解、知識問答、邏輯推理等在内的各項能力。
做個對比，Open AI 的 GPT-3 是在 3000 億 token 上進行訓練的，谷歌 PaLM 2 大模型的訓練則用到了 3.6 萬億個 token。但大模型的效果不完全取決于 token 的數量，還要看模型内嵌的參數大小，這部分理想暫時沒有透露。
此外，智能空間還提升了語音助手 " 理想同學 " 的多模态感知能力，這背後是理想新的視覺感知技術、人聲分離算法和語音感知算法。用理想的話來說就是，看得懂、聽得清艙内每一個成員的指令。
可見，理想汽車正在摒棄直接将冰箱、多屏彩色電視機等搬到車内的座艙模式，而是從人機深度互動出發打磨座艙體驗。這也是 AI 大模型風起時，理想的新嘗試。不難看出，理想還将繼續追擊 AI。
城市 NOA，大模型的滲透
但最能體現理想的 AI 追求，恐怕還是其積極的城市智能駕駛擴張速度。
近日小鵬也宣布，其城市 NGP 在北京正式開放。但理想汽車在城市 NOA 領網域也攻勢兇猛，其将在本月向北京和上海的内測用戶交付不依賴高精地圖的城市 NOA 功能。
據理想汽車智能駕駛副總裁郎鹹朋介紹，之所以能夠不依賴高清地圖，核心是采用了 BEV 大模型來感知和理解城市道路結構信息。
不過随着研發深入，理想汽車發現城市復雜路口，僅通過 BEV 大模型來進行感知，依然不夠穩定的。" 城市道路入口跨度很大、且通行車輛很多，傳感器的視野容易被遮擋，導致車端感知結果會丢失一些局部信息。"
針對這種情況，理想的做法是使用自研的神經先驗網絡，簡稱為 NPN 網絡（NeuralPriorNet，神經先驗網絡）。
有業内人士告訴 36 氪，理想所說的 NPN 網絡，是當下行業火熱的 BEV 算法的一種更新。" 行業基本都在轉向這個方向。"
郎鹹朋也表示，通過該網絡，可以復雜路口提前進行 NPN 特征提取和存儲。當車輛再次行駛到路口時，可以将之前提取的 NPN 特征拿出來，與車端感知大模型 BEV 特征層融合，得到更加好的感知結果，" 随着 NPN 特征在雲端大模型持續自動化生成，城市 NOA 的可用範圍也将不斷擴展。"
此外，理想汽車還在紅綠燈信号識别、通行規劃控制等方面引入大模型算法，讓汽車學會像人類司機一樣應對城市道路。
" 無論是感知還是規控，我們都是用大模型來做的，盡量減少規則化的使用。而大模型的進化需要一個強大的基礎訓練平台，才能完成快速高效的訓練和迭代。"
郎鹹朋透露，理想很早就開始了訓練平台的建設，目前其自動駕駛訓練集群算力達到 1200 PFLOPS 算力（每秒 120 億億次浮點運算），自動駕駛訓練裡程也已經突破 6 億公裡。
訓練平台是消化海量智能駕駛數據的關鍵。行業中，特斯拉的超級計算機 Dojo 是行業首創，基于 Dojo 的計算集群峰值算力達到百億億次浮點運算；小鵬汽車的 " 扶搖 " 智算中心也是類似存在，算力達 60 億億次浮點運算。
不過，在智能駕駛底層技術更新之後，最重要的，還是如何将其變成消費者願意買單的產品。
為此理想選擇從城市通勤 NOA 開始。據理想介紹，用戶可以自己設定一條通勤路線，通過自車學習 NPN 特征，學成之後就可以在上下班路線上使用 NOA 功能了。
關鍵的是，如此一來，用戶就不用等着整個城市 NPN 特征訓練好，才能開放使用。" 設定好自己的通勤路線後，只要天天開這條路，相對簡單的路線基本 1 周以内可以激活，較為復雜的路線，2-3 周也足以完成訓練。" 理想表示，通勤 NOA 功能将在下半年開放。
這也是城市 NOA 規模經受市場考驗的重要一步。此前特斯拉已經通過這種模式，将 FSD 開放給早鳥用戶，其智能駕駛能力也獲得了不斷迭代的機會。
純電和制造， 不留銷量死角
此前依靠增程方案，理想汽車在銷量上已經獨樹一幟。據李想透露，5 座 SUV 車型 L7 已經單日突破 1000 台銷量。但純電市場的角逐同樣激烈，比亞迪超 180 萬台的年銷量樣本顯示，純電銷量接近一半。對于 " 寸土寸金 " 的汽車市場規模來說，純電必然不可忽視。
理想汽車也将推出首款 MPV 純電車型，計劃用 "800V 高壓 +5C" 超充方案來解決補能問題。公司将該純電車命名為 MEGA，意 "Make EV great again"，以此凸顯其補能效率之快。據 36 氪了解，理想内部同樣還有 5 款純電車型在研發。
但純電市場一向受到地網域、氣溫和補能條件限制，能否成為銷量主力，至少目前除了特斯拉，并未看到第二家依靠純電產品獨立生存的公司。理想的銷量底盤或許還是增程產品。
而為保障銷量順利爬升，生產和供應是隐形的第二戰場，理想汽車再次揭示了這個戰場的重要性。
" 将制造車輛的工廠當成一個可進化的產品來對待。" 理想汽車毫不掩飾對特斯拉的效仿。
在常州西太湖 7 公裡不遠處，常州制造基地是目前理想汽車唯一在生產的基地，總占地 750 畝，相當于 70 個标準足球場大小，年產能 10 萬輛。
比起同行，理想汽車常州工廠的面積不算大，但卻是理想多款爆款車型的誕生地。6 月 17 日，理想第 40 萬台車也在這裡正式下線。
據理想汽車透露，常州工廠有兩條產線，一條生產理想 L9 和理想 L8，雙班制，每月產能在 2 萬 -2.5 萬台；另一條產線則是生產理想 L7 和理想 L8，單班生產，每月產能在 1 萬 -1.2 萬台。兩條產線可以滿足今年三款車型的交付需求。
常州工廠擁有衝壓、焊接、塗裝、總裝四大車間。忙碌不停的機械臂與頂吊，夾雜着機器的轟鳴聲與生產播報，以及來來往往的工人，撐起了理想常州工廠的運作。
這裡有理想汽車采用國產零部件的嘗試，比如衝壓車間國產的濟南二機床以 15 衝次 / 分鍾的速度在運作；5.3 萬平方的焊裝車間高度自動化，具備 21 條自動化產線與 600 多個機械臂焊，焊接時火星四濺；總裝車間則是理想汽車白車身經過加裝底盤、座椅、電池、玻璃天窗等部件後，正式下線的地方。
除制造以外，數字與智能是理想常州工廠被頻繁提及的關鍵詞。
生產過程中的零部件的狀态參數尤為重要。以焊接為例，理想整車車身焊點有 7000 多個。據理想車間人士介紹，行業傳統方法是記錄焊接點的開始與結果數據，但過程狀态數據往往是缺失的。如果對焊點質量把握不準确，可能會影響車身結構強度
為此，理想自研了一套制造數據算法系統——連山平台。通過實時數據采集，理想能對焊接過程中電流電壓狀态進行監測，以此确保焊點質量。
此外連山平台還能對對車身精度、焊點質量、漆膜厚度、扭矩質量等關鍵制造工藝及設備進行實時監控及智能預警，類似的數據，理想的車間每天能夠上傳分析上億條。用理想車間負責人的話來說就是：" 将生產質量的抽檢，變成實時的監測。
智能出行是新造車浪潮革新傳統汽車制造產業的美麗圖景，但如何推進、落地以及進行實際的商業運營，至今仍是空白。機遇和風險并存，這就要求車企們做好充足的籌備，從這一點上看，理想汽車展示了信心，并邁出了一大步。
