今天小編分享的汽車經驗：全球首家全量推送，理想摘得「搶車位」頭名，歡迎閲讀。
巨大的資本投入下，車企的智駕能力逐漸與賺錢能力強綁定，而原本處于智駕「後進生」地位的理想，正憑借「鈔能力」帶來的專注力，迅速跻身第一梯隊，并做到了「全球首個全量推送車位到車位」，實現智能駕駛技術和現金流的正循環。
文丨智駕網 零醬
編輯丨浪浪山與明知山
2008 年，稍有社互動聯網雛形的開心網讓千萬計的用户體驗定鬧鍾「搶車位」、「偷菜」的快樂。
彼時的雷軍，剛剛出任 UC 的董事長；餘承東，帶領團隊開發出第四代信号基站。
16 年後，沒能踩中陌生人社交風口的程炳皓和他的開心網終究沉寂在簡中互聯網編年史中，而他想不到的是，在新能源汽車浪潮中博出個名堂的雷軍餘承東們，開啓了新一番「搶車位」。
廣州車展前後，多家汽車企業公布其智能駕駛的最新進展，其中「車位到車位」成為智駕第一梯隊們争搶的技術高地。
該功能是指車輛可以自主完成從出發地的停車位行駛到目的地停車位的各種操作，包括進出停車位、識别閘機抬杆、U 型調頭、自動選擇車道行駛等。
在各家 CEO、CTO 的努力下，「端到端」在技術用語和營銷話術間反復橫跳，而與之相比，「車位到車位」更容易被大眾理解、更方便傳播，也更容易體驗評判。
是時候開搶了。
01.
「搶車位」時間表
與此前的無圖城市 NOA 功能相比，「車位到車位」的智能駕駛無需駕駛員将車輛開出停車場至公開道路，想要跳過這一步，難點在于需要在網絡信号較差的地下停車場實現智能駕駛。
這要求沉迷「端味」的智駕企業們從年初的技術路線之争進階到落地體驗之争。而從頭部智駕企業的動态來看，這場鬥争的核心，就是「車位到車位」。
首先來看一下各家「車企」制定的「搶車位」時間表，之所以打引号，主要是因為鴻蒙智行。
作為最早公布「車位到車位」功能的企業，華為雖然不斷重申自己「不造車」的主張，但從「遙遙領先」到「遠遠超越」，其在汽車行業的地位早已成為不可忽視的一極。
鴻蒙智行的「車位到車位」功能是在今年 8 月随着正式搭載 ADS 3.0 的享界 S9 首度亮相。截至上月，ADS3.0 已經服務超 30 萬用户，智駕累計裏程已經超 9.3 億公裏，日均新增智駕裏程 490 萬公裏。
但盡管已經有如此體量，其「車位到車位」功能尚未開啓推送。此前曾有媒體報道該功能預計在 11 月底上線，但截止到發稿，官方尚未發布更新消息。
除鴻蒙智行外，其他各家主流智駕車型開啓「車位到車位」的官宣時間大致相近，我們也按照其發布時間逐個梳理。
11 月 14 日，廣州車展開幕前一天，小米董事長雷軍通過直播展示了小米汽車的「車位到車位」智駕能力。車展現場，雷軍也公開表示「小米智駕進入新階段。車位到車位，起步即可啓動。」小米官方稱新系統将在 11 月 16 日開啓定向邀請内測，12 月底開啓先鋒版推送。
20 分鍾後，同一展館的小鵬汽車，也宣布将啓動「車位到車位」智駕方案測試，并在車展首日開啓全網首測，未來會在 AI 天玑 5.5.0 上全量推送。
40 分鍾後，極氪負責智能駕駛研發的副總裁陳奇在發布會上宣布，浩瀚智駕 2.0 無圖城市 NZP 将于 2024 年底全量推送全國用户。至于「車位到車位」端到端方案，極氪也正在研發當中，預計将于明年第一季度分批推送，第二季度全量向用户推送。
再過 40 分鍾，智己汽車同樣在車展現場表示，已經與 NVIDIA 英偉達與 Momenta 三方将合作打造行業首批 DRIVE AGX Thor 芯片量產智駕解決方案。在此基礎上，IM AD 3.0 為用户提供行泊一體 Door to Door 全場景智駕體驗，需要注意的是，這裏智己并沒有提出推送用户的具體的時間安排。
理想則是又一家在廣州車展發布 NOA 最新信息的車企，但與其他企業相對模糊的進程不同，理想汽車產品部高級副總裁範皓宇在現場公布了「車位到車位」的推送時間表：
「基于端到端 +VLM 的車位到車位功能，理想目前已經開啓了萬人團和全國門店的試駕車的推送，11 月底全量 AD Max 用户都可以享受到車位到車位的有監督智能駕駛。」
在廣州車展進行到第五天，理想汽車以直播的形式公布了端到端 +VLM 雙系統的最新進展。直播顯示，測試車輛從地下車庫一鍵開啓智駕，自動響應抬杆到行駛至終點中汽研汽車檢驗中心，理想汽車可以快速識别閘機、進出環島、U 型調頭、輕松通過高速 ETC 收費站，最後駛進停車場，自動泊入車位。
時間來到 11 月 28 日，理想 OTA 6.5 如期推送給理想 L 系列 AD Max 用户和理想 MEGA 用户，理想汽車成為目前整個行業中，第一家同時也是唯一一家全量推送車位到車位的有監督智能駕駛的車企。
從上述時間點可以發現，原本被認為智駕技術相對滞後的理想，反而是首先推送「車位到車位」，個中緣由，其實不難猜測。
在今年 8 月，極越 CEO 夏一平以短視頻的形式表表達了對端到端技術的看法。
「真正端到端、完全視覺看到直接做執行還很難。要知道，這背後的驗證模型是巨大的投入。」
夏一平所提到的巨大投入，就是端到端大模型量產的最大難點——它的完善需要巨額的訓練數據積累，原本已經屬于資本密集型的智能駕駛產業變得越來越燒錢。
根據官方消息，特斯拉僅僅建設超算中心就花費了 40 億美元。
華為智能汽車解決方案 BU 自 2019 年成立以來，累計研發投入已達 300 億元。
在智駕研發上，小米三年已經投入了 55 億元人民币，原則是 " 上不封頂 "。
小鵬汽車僅 2024 年規劃人工智能年度研發費用就高達 35 億元。
巨大的資本投入下，智駕能力逐漸與車企的賺錢能力強綁定。上述公布搶車位時間表的企業，差不多也是國内最會賺錢的車企
賽力斯三季度 營收為 415.82 億元， 淨利潤 40.38 億元，毛利率 25.23％。
極氪三季度營收 183.6 億元、 整車毛利率 15.7%、現金儲備 82.98 億元。
小鵬汽車三季度營收 101 億元，整體毛利率 15.3%， 現金儲備為 357.5 億元。
小米汽車三季度營收 97 億元，整體毛利率 17.1%，這裏需要説明的是，雖然小米集團整體現金儲備 1516 億，但并不能全部歸入汽車業務。
第一是誰呢？
手握 1065 億現金的理想。
02.
端到端 +VLM ——為了自動駕駛
在幾個月前的成都車展上，理想汽車 CTO 郎鹹朋在媒體對談環節用「後進生」比喻理想在智駕領網域的技術布局。
但他随即表示，「後進生逆襲到第一梯隊很正常。」
尤其是在「後進生」财力驚人的情況下。
根據理想财報，其第三季度研發費用為 25.9 億元，2024 年前三季度研發費用累計 86.6 億元，同比增長 22.1%。
據郎鹹朋此前透露，目前理想有 1.5 萬張等同于 A100、A800 算力的 GPU，每年光是在租卡上就要投入 10 億人民币，但這還遠遠不夠。将來，理想預計花在這方面的費用将高達每年 10 億美元。
「如果你一年拿不出 10 億美金訓練系統，可能會在将來的自動駕駛競争中被淘汰。」
理想很清楚，在卷向自動駕駛的過程中，會拖死一批友商。
基于維持穩定的智能駕駛研發投入，在 2024 重慶汽車論壇現場過半企業都在主動被動地站隊卷與不卷的時候，李想可以跳出輿論場，講一個「系統一」和「系統二」的故事。
系統 1，即端到端模型，是一種直覺式、快速反應的機制，它直接從傳感器輸入（如攝像頭和激光雷達數據）映射到行駛軌迹輸出，無需中間過程，是 One Model 一體化的模型。
這種設計确保了信息的高效傳遞、推理的高效計算以及模型的快速迭代能力。
系統 1 端到端模型的輸入包括攝像頭和激光雷達，通過為英偉達 Orin-X 專門優化的卷積神經網絡（CNN）主幹網絡提取和融合多傳感器的特征，并投影到 BEV 空間。
為提升模型的表征能力，理想專門設計了記憶模塊，不僅有時間維度的記憶，還有空間維度的記憶。除了攝像頭和激光雷達，理想還在模型的輸入中加入了車輛狀态信息和導航信息。最終經過 Transformer 的編碼後，與 BEV 特征共同解碼出動态障礙物、道路結構、通用礙物，并規劃出行車軌迹。
系統 2，則是由一個 22 億參數的視覺語言大模型（VLM）實現，它的輸出給到系統 1 綜合形成最終的駕駛決策。
理想方面表示，VLM 整體的算法架構由一個統一的 Transformel 模型組成，将提示詞（Prompt）文本進行 Tokenizer 編碼，然後将前視 120 度和 30 度相機的影像以及導航地圖信息進行視覺信息編碼，通過圖文對齊模塊進行模态對齊，統一交給 Transformer 模型進行自回歸推理。
除此之外，理想還運用雲端世界模型對系統 1 和系統 2 進行能力的訓練和考試，從而使這套系統能夠快速迭代。
如果覺得上述概念過于繁瑣，「理想同學」給出了更容易理解的版本：
一輛自動駕駛汽車在馬路上行駛，它裏面有兩個超級大腦，一個叫「系統一」，一個叫「系統二」。「系統一」就像一只小貓，它飛快地幫助汽車做決定，比如它一眼就能知道前車的車速，然後告訴汽車自己應該開多快。但是，這只小貓有時候會看錯，所以它做的決定有時候可能會出錯。「系統二」就像一只聰明的小狗，它會用鼻子聞聞周圍的環境，幫助汽車仔細思考。比如，它要決定轉彎時，會看看交通燈，再想想安全規則，這樣決定就會更加安全。所以，當自動駕駛汽車在馬路上行駛時，「系統一」和「系統二」會一起工作，幫助汽車又快又安全地行駛。
在提出端到端 +VLM 雙系統概念後，理想汽車 AD Max 迅速跟進 OTA，從 6.0 版本開始理想以幾乎 20 天一次的速度陸續無圖 NOA（導航輔助駕駛）功能、全自動緊急轉向（AES）功能、全方位低速 AEB 等功能。
10 月 23 日，理想智能駕駛「端到端 +VLM」正式随 OTA 6.4 版本推送，包含識别公交車道的禁用和可用時段、識别坑窪路面并繞行、識别減速帶并減速等行業首創功能。
開啓推送後，資本市場回給理想一個 7.23% 的高漲，比此前一周第 100 萬輛下線的 6.8% 還要多。
而這 100 萬輛，正是理想在智駕領網域能有如此追趕速度的原因之一。
郎鹹朋此前曾對媒體表示，在他看來理想做自動駕駛研發的最大優勢，是外界所説的「套娃」：
「理想 L 系列外觀比較相似，傳感器布局和傳感器型号完全一致，所以理想 L 系列的數據可以完全復用，這個是我們比其他企業想的更長遠的。」
「所以説大家覺得我們套娃了，實際上對自動駕駛的研發非常有好處。」
作為目前造車新勢力中唯一一個達成 100 萬輛交付目标的企業，理想擁有巨量的可復用數據。
而這個數字還在不斷增加。
在成都車展期間，郎鹹朋透露理想的 AD Max 車型銷量每個月保持 10% 以上的提升，30 萬元以上車型 AD Max 銷量占比達到 70%，部分車型部分地網域 AD Max 占比達到 90% 以上。
這一增速一方面來自用户對理想技術路線的認可和信任，另一方面也因為理想曾經承諾「理想智能駕駛終身免費」，大大降低了用户選擇 AD Max 版本的心理門檻。
在承諾免費時，郎鹹朋曾對媒體表示：
「标配和免費都是理想從第一天開始進入智能駕駛就制定的策略，從沒有變過。」
「我們的初衷還是説想把智能駕駛的能力變為用户的資產，而不是他的費用。」
郎鹹朋稱，用户買了理想的車之後，擁有了使用 AD Max 的能力，而且能力還可以不斷更新迭代，能力越強，AD Max 的應用價值會越來越大。
按照前文 AD Max 的銷量占比估算，理想在今年 10 月銷售新車 51443 輛，其中除 L6 價格在 30 萬以下外，其餘車型的 AD Max 總銷量将在 1.79-2.3 萬輛之間，這一數字已經相當于其他造車新勢力單月銷量，如果再計算 L6 的 AD Max 車型，那每月至少新增近 3 萬輛支持高階智駕的車型将為理想提供源源不斷的數據。
這将 OTA6.4 版本的體驗推到與一線智駕企業拉平。
而剛剛推送的 6.5 版本則是理想智駕領先的開始。
本次 OTA6.5 版本，共提供包括車位到車位、全國高速收費站 ETC通行兩項新增功能以及包括路邊起步、U 型掉頭、換道通行、復雜路口、擁堵博弈、旁車切入、限時公交車道識别等 16 項 OTA 功能。
其中車位到車位全量推送後，上車即可開啓一鍵智駕，自主泊出車位，自主進出園區和識别閘機抬杆，城市環島、掉頭等復雜場景無感通行，可駛入封閉的園區小區，自動将導航終點匹配園區小區内的行駛路線，無論是露天還是地庫等各種停車位，都能夠最終自主泊入車位。上車一鍵開啓，全程輕松駕駛，一鏡到底到達目的地。
而本次更新的另一個重點是全國高速收費站 ETC 通行功能，這也是目前行業唯一 VLM 識别 ETC，端到端大模型規劃行駛軌迹，可支持全國範圍所有收費站（超過 1 萬個）識别與自主通行。
截至目前，理想汽車的智能駕駛累計裏程已達 26.7 億公裏，訓練算力目前已達 6.83EFLOPS，并且在年底将超過 10EFLOPS。基于超 26 億公裏智駕裏程的打磨驗證、不斷增長的訓練算力以及世界模型在雲端的提前部署，理想汽車端到端 +VLM 智能駕駛系統得以實現快速迭代。
而理想汽車要做的不止于此。
在重慶論壇現場，李想其實已經給出自己的目标。
「我這裏強調一下，我講的突破是關于‘自動駕駛’的，不是智能駕駛，也不是輔助駕駛，這是一個關鍵。」
03.
現城實測表現如何
説過商業與技術，讓我們來實打實地看看理想 OTA6.5 的表現。
在正式版本推送之前，智駕網已經提前拿到 Beta 試駕車，并在北京的園區、城市道路、快速路以及商場停車場等常見場景測試相關能力，我們先來一起看看搭載 OTA6.5 版本的理想 MEGA 表現如何。
在視頻中，理想 MEGA 大致經過如下場景，我們的體驗感受如下。
園區道路 + 收費閘機通行：
系統首次在車位及園區道路學習路線很簡便，系統會自動推送學習建議，使用效率比較高。在記錄好路線後，後續的使用也會自動推送智駕建議，輕點開始按鍵即可在車位上就開啓智駕功能。系統在園區内的行駛路線嚴格遵循之前學習的路線行駛，安全感良好，對于收費閘機的識别也很高效，能做到提前減速，停下車時距離閘機的距離也很得當，與老司機無異。在識别到抬杆之後，車輛立即就能起步，沒有等待感，通行效率高。
多岔路通行 + 與其他車輛博弈：
在岔路比較多的立交橋下，系統對岔路的識别高效，并能較早提前變道，為駛入岔路提前做好準備。在變道過程中，與其他車輛的博弈表現良好，能夠準确把握變道機會，不會過于保守，變道操作也比較果斷。在 50 公裏的試駕路線中，未出現因變道失敗而錯過岔路或路口的情況。
公交道識别：
能夠識别全天限行的快速公交道，即便前車比較慢，也不會占用快速公交道超車。對限時公交道也能根據時間進行判斷，在限行時段内不會駛入，在可行駛時間會視情況占用，并同時有語音提示告知駕駛員。
環島：
環島一直是難度較大的場景，但理想端到端系統做到了一次通過，整個過程十分絲滑，沒有任何猶豫。在進入環島時，車輛沿着中間車道行駛，車速控制得當。在接近出口時，系統會提前開始變道至最右側車道，直至按照導航路線順利駛出環島。
窄路通行：
系統在窄路場景中的策略比較保守，行駛速度會比較緩慢。如果前方有自行車，系統會慢慢跟随行駛，只有當左側有非常充裕的空間可用時，才會繞行超越自行車。
調頭：
本次測試涉及兩個調頭場景，其中一個是中央有綠化帶的調頭，轉向角度需要打滿，系統對對向直行車輛的檢測很到位，會暫停讓行，在确認無危險後繼續行駛，調頭操作有老司機風範，絲滑無卡頓。另一個調頭場景需要穿過主路高架橋，行駛距離長，且橋下光線昏暗，對系統認知車道标線有更大挑戰。理想端到端智駕系統在這個場景下的表現同樣穩定順暢，車道居中良好，車速把控得當，調頭完成後并線匯入車流也很流暢。
地庫代客泊車：
在「車位到車位」智駕的尾聲，車輛駛入之前學習過的地庫很絲滑，提前減速并嚴謹按照學習的路線駛入地庫入口。在檢測達到入口閘機時，能夠準确分辨車道，對正其中一個緩慢接近。在識别到抬杆之後，起步沒有等待感。在面對多層地庫時，系統也能順暢按照學習路線行駛，中途對彎道轉向、車速控制、障礙物避讓的控制都很得當，并且行駛車速會保持在 10km/h 左右，通行效率很高。在駛近終點車位後，系統自動做好泊入準備，轉向操作如同老司機，能做到一把泊車入位，中途沒有任何猶豫，比絕大多數駕駛者的泊入速度明顯更快一些，實用價值比較高。
寫在最後：
在三季度電話會上，有提問關注到今年三個季度以來 AD Max 版本的銷量有沒有顯著的占比變化。
對此理想汽車的回答是：
「AD Max 對于整個銷售的影響其實還是非常顯著的，不僅是在 30 萬以上的 AD Max 的版本的銷量提升到一定的水平。另外我們在理想 L6 上 AD Max 的占比也是在持續的提升。」
不僅如此，理想還透露已經啓動了 L4 級别自動駕駛的預研，在當前的技術路線基礎上，研發能力更強的車端 VLA（Visual-Language-Action）模型與雲端世界模型相結合的強化學習體系。理想還将持續加大智能駕駛基建方面的投入，保持訓練算力的領先以及智能訓練裏程數的領先。
智能駕駛技術和現金流的正循環正在形成。
【關注智能汽車，關注智駕網視頻号】
