今天小編分享的汽車經驗：理想，打響自動駕駛突圍戰，歡迎閱讀。
由于幾年前的多起智駕致死事故，自動駕駛成為智駕和汽車行業諱莫如深的詞。
這個 " 禁锢 " 今天被打破了，理想汽車在成都車展發布會上将智駕功能命名為 " 有監督的自動駕駛 "。
理想汽車智能駕駛研發副總裁郎鹹朋對 AutoLab 表示，" 有監督的自動駕駛 " 是展示理想汽車對實現自動駕駛這一終極目标的決心。
" 理想汽車相信 3 到 5 年内可以使用全場景的自動駕駛，無需駕駛員監督，真正實現城市智駕的用戶價值。"
這個目标相對而言是比較大膽且樂觀的。
理想之所以對自動駕駛的發展如此樂觀，主要源自理想智駕研發團隊過往一個月，在端到端 +VLM 視覺語言模型 + 世界模型的智駕方案内測中獲得的迭代反饋。
7 月底開始，理想汽車向 1000 人内測車主推送了基于端到端模型、VLM 視覺語言模型的智駕版本。
一個月中端到端内測供向内測團 OTA 了 12 個版本，MPI（平均每兩次接管之間的裡程）從第 1 個版的 12.2 公裡，提升至第 12 個版本的 21.8 公裡，提升幅度近 2 倍。（來自理想發布會公開的數據）
這樣的高速迭代能力和核心指标成長速度，讓理想智駕團隊沸騰，更加堅定了在端到端路線上的投入。
理想已經積累了超 22 億公裡的訓練裡程，年底前這個數據将超過 30 億公裡（理想目前累計交付超 90 萬量）。
除了有效訓練數據來幫助端到端模型突破上限，理想也通過内測用戶回傳了大量的 " 錯題集 "，這些錯題集配合理想世界模型的場景生成能力，構建了數以萬計的負向場景。
這些場景庫将通過仿真來檢驗模型的各項表現，确保模型具備達到推送用戶的安全和體驗要求。
除了數據外，理想也對算力做了長遠布局，理想當前訓練算力是 5.39EFLOPS，計劃 2024 年底達到 8EFLOPS 以上，而且理想汽車每年在訓練算力的投入會超過 10 億人民币。
" 我們認為最終實現自動駕駛需要的訓練算力要達到 100EFLOPS 的量級，折合成投入每年要超過 10 億美金。" 郎鹹朋在發布會上如此表示。
成都車展上，理想汽車還宣布 OTA 6.2 正式全量推送，新增車位随心畫、低速自動緊急制動，AutoLab 也第一時間做了體驗！
車展發布會後，AutoLab CEO 白楊對理想汽車理想汽車智能駕駛研發副總裁郎鹹朋做了獨家專訪，視頻将在近期播出，歡迎持續關注 AutoLab！
END
