今天小編分享的互聯網經驗：理想“大躍進”：6個月，One Model，超過特斯拉，歡迎閲讀。
文 | 表外表裏 ，作者 | 張冉冉、薛程鵬，編輯 | 曹賓玲、付曉玲
在特斯拉智駕團隊工作區，工程師們安裝了一台 85 英寸的大型電視，上面實時顯示着汽車在無幹預狀态下行駛的裏程數，時刻提醒大家 " 努力奮鬥 "。
他們還在旁邊擺了一面鑼，每次克服了幹預問題，就敲鑼慶祝。
讓馬斯克團隊如此全力以赴的，正是後來轟動一時的 FSD v12 自動駕駛系統。它采用 one model 端對端架構，可以讓智能駕駛無限接近真人，也被稱為汽車界的 "ChatGPT 時刻 "。
然而，這項特斯拉燃燒激情、奮戰 15 個月才完成的劃時代成就，被理想短短 6 個月就 " 完美 copy" 了—— 10 月下旬，理想在所有 MAX 車型上全量推送了 " 端到端 +VLM" 系統。
不僅提前交卷，成績還壓了優等生小鵬、華為們一頭：理想直接對标特斯拉，而智駕 " 遙遙領先 " 的小鵬、華為，切的是 " 折中 " 的分段式端到端。
然而，友商們并不以為然。何小鵬在采訪裏含沙射影：" 樓要一層一層搭，想跳躍式發展，大部分樓層會出問題。"
話鋒直指理想在端到端上的積累太少——算力、數據、模型等一系列要做的事情，小鵬們在研發無圖 NOA 等系統時就熟練掌握了，理想不僅研發時間更晚，開城數量還差了一大截。
華為餘承東更是早在特斯拉 FSD v12 出來時，就 " 貼臉開大 " 過：one model 端到端上限很高，但下限也很低，ChatGPT 等 AI 工具存在幻覺，一次錯誤就有可能車毀人亡。
這些質疑沒錯，在汽車消費上怎麼強調安全都不為過，但矛盾的是，企業發展往往又需要經常 " 踩油門 " 變道超車。
一、現在轟油門，對理想最好？
事實上，" 端到端 " 玩家們不止路線分化，智駕團隊建設也大相徑庭。
理想這邊大玩 " 過山車 "：去年卷無圖 NOA 開城，剛把智駕人數擴至近千人，今年切入 one model 端到端後，又 " 一朝回到解放前 " ——截止到年中，縮減了 40%。
而智駕團隊規模分别是理想 3 倍、7 倍的小鵬、華為，卻似乎并沒有減員的意思，如小鵬管理層表示：" 小鵬沒有去裁人，因為 AI 在發展早期仍然需要人類老師。"
這也不難理解，畢竟 one model 端到端路線純數據驅動，用馬斯克的話説就是 " 一張神經網絡打包一切 "，幾乎把過去模塊化時代積累的經驗都扔進了垃圾桶。
相比之下，華為們采取的分段式 " 端到端 " 技術方案，仍是一個人工和智能 " 共處 " 的混搭系統。
在模塊化時期，對駕駛任務的決策、執行，需要基于規則——工程師将 " 紅燈停、綠燈行 "" 見到行人要讓行 " 等司機駕駛的各種行為習慣，變成代碼規則，智駕系統按這些規則匹配實際情況作出反應。
而道路行駛環境復雜，疑難場景源源不斷，工程師需要夜以繼日地寫 if else。比如，小鵬去年在北京測試 NPG 時，類似 " 樹葉把紅綠燈遮擋 " 等問題層出不窮，專項成立了幾十個，耗時 2 個多月後才勉強開放。
這讓彼時的智駕競争，演變成了往規控模塊堆人力的軍備競賽。可以看到，小鵬、華為 " 遙遙領先 " 的開城數量，正是建立在分别超過 3000+ 人、7000+ 人的智駕團隊規模上。
相比之下，理想則被其智駕一号位 " 蓋章 "：人力資源不足拖累了開城進度。
如此來看，小鵬們如果直切 one model 端到端，意味着此前積累的規則數量大部分都将作廢，人員與組織架構調整，也牽一發而動全身。
而 " 光腳 " 的理想就不一樣了，用其管理層的話説：" 雖然有技術切換的成本，有組織管理上的代價，但理想能負擔得起。"
更何況，當下上馬 one model 端對端，最符合理想的商業利益訴求。
如果説，模塊化設計理念下的車輛，就好像是在駕訓班學車的、沒有自主意識，教練説做什麼他就做什麼（編寫代碼規則）。
那端到端設計理念下的車輛，就是一個擁有自主意識并且會主動模仿學習的新手司機，只要給它觀看成百上千萬的優秀老司機怎麼開車的視頻後，它會慢慢變成真正的老司機。
這意味着，越早、越多地掌握這些 " 優秀司機開車視頻 " 用來訓練，在這輪競争中勝出的機會越大。
而理想早在 2019 年交付第一輛車開始，就學習特斯拉部署了影子模式——在車上放置攝像頭，并回傳數據。
與之相比，同期的友商們或多或少都有點 " 拉跨 "。比如，技術、銷量都領先的特斯拉，囿于 " 國内數據合規性 " 限制，FSD 一直無法引進中國，數據積累尚屬空窗期。
銷量巨無霸的比亞迪，智駕業務一直 " 外包 " 給百度、大疆等供應商，既不允許這些供應商用量產車型上獲得的數據，自己也沒有回傳數據的能力。
同樣有數據回傳能力的華為和小鵬，銷量又不盡人意：小鵬的總交付不到 40 萬輛；搭載華為智駕系統的車型，預計 2024 年底會突破 50 萬台，都不及理想累計銷量的一半。
但這種情況，顯然不會一直持續下去。
最新消息，特斯拉計劃于 2025Q1 在中國和歐洲推出 FSD。比亞迪去年也秀了一組數據，" 目前已形成一支 300 多輛車的研發車隊，積累 150PB 以上的數據 "，暗示自己也在建設數據回傳能力。
這意味着，理想如果現在不上馬 one model 端到端，很可能 " 錯過這個村，就沒了這個店。"
當然，競對們追上來，還需要過程，且數據訓練也不只是堆量，還對數據質量有要求——端到端的各個功能需要同時進行訓練，訓練數據越一致越好。
而一談起這個，理想的嘴角比 AK 還難壓，" 外界説理想 L 系列是在套娃，但是這讓我們有個最大的優勢，傳感器布局和傳感器型号完全一致，理想 L 系列的數據可以完全復用。"
除了規模、質量，數據的多樣性也會影響大模型的學習效果。理想智駕團隊去美國試駕特斯拉 FSD V12 時就發現了：在西海岸硅谷和東海岸紐約，FSD 性能差距大到像 2 個系統。
這時，以前總是被嘲 " 技術落後 "" 多此一舉 " 的增程式路線，又幫了理想一把：相比純電車 " 只能在幾百公裏打轉 "，理想汽車的足迹深入新疆、西藏等地。
于是，在 " 鞭子 " 加 " 胡蘿卜 " 的雙重刺激下，理想開啓了狂奔。
二、1 年多時間，補了特斯拉 3 年的課
去年 10 月開始研發無圖，3 個月後從研發轉向量產交付，次月就交付了初版……短短幾個月，理想就完成了友商一兩年的工作。
如此瘋狂，就是為了 " 給端到端争取時間 "。
端到端需要的算力、數據、模型等一系列事情，無圖智駕方案基本都會涉及，正如特斯拉能快速落地 FSD v12，背後是其早早就舉起了純視覺方案的大旗，并逐漸在規劃和控制模塊也加入神經網絡。
有了特斯拉在前面探路，還有自己數據優勢傍身，理想跑得更快更猛：無圖方案從測試到全量推送，只花了 5 個月時間，到了端到端，這一時間被縮短至 3 個月。
橫向對比來看，特斯拉從無圖到端到端全量推送，大約經歷了 3 年，而理想僅僅花了 1 年多時間就補完了作業。
"2024 年要成為智駕絕對頭部。" 這是李想立下的 flag，如今理想正朝着這個目标步步逼近。
但在其風頭日盛時，何小鵬卻兜頭潑來一瓢冷水：" 如果有人説他有一個大模型，可以用來降維做智能駕駛，或者他説有很多車，所以有很多數據，千萬不要相信，絕對是胡扯。"
這并非何小鵬的一家之言，馬斯克也有類似説法：大多數的數據最終都會被丢掉，重要的是那些占比不到 1% 的稀有視頻，比如一些奇怪或者車流量異常大的十字路口的數據。
甚至理想自己也是如此——其建立了一套 " 老司機 " 的評價标準，只有不到 3% 的車主通過了考核，連智駕負責人都沒達标。
也就是説，能夠投喂給大模型的優質數據其實鳳毛麟角。而理想積累的數據雖然 " 拳打 " 問界、" 腳踢 " 小鵬，相比特斯拉卻仍有較大差距：
從銷量來看，截至 2023 年底，特斯拉在北美累計交付約 250 萬輛，而理想到今年 10 月在國内累計交付 100 萬輛；
智駕裏程積累上，特斯拉在全量推送 FSD V12 前，累計智駕裏程超過 70 億英裏，而理想的這一數據是 25 億公裏，剛過特斯拉的 1/5。
這使得理想訓練的優質數據量也遠少于特斯拉：據《馬斯克傳》，FSD V12 在 2023 年初切入端到端時就分析了 1000 萬個視頻畫面，而理想在全量推送前訓練的視頻僅為 400 萬個。
乍一看，400 萬個也不少，但當車子真正開到路上，問題就凸顯出來了。
如下圖，理想智駕明顯學會了 " 早八老司機 " 的蛇形走位，不僅絲滑加塞，甚至還彈窗提醒車主幫忙加塞。
實際上，即使是有着驚豔拟人化表現的 FSD，也會在馬斯克的直播間裏，當着 1000 萬觀眾的面企圖闖紅燈。
這是因為 one model 端到端下，數據傳進來和軌迹輸出去之間，只有一個生成式大模型，它并不知道紅綠燈是什麼，只有在學習了海量司機駕駛視頻之後，才知道紅燈停、綠燈行。
而在大模型 " 學習 " 的過程中，難免會犯各種各樣的錯誤，正如上述餘承東所説的，"one model 下限很低。"
理想目前的解題思路是在 one model 端到端模型之外，并聯一個視覺語言模型（VLM）托底。
例如，遇到坑窪不平的路面或潮汐車道時，後者會提醒前者降速、合理選擇車道；遇到危險時，兩個系統能一起幫司機踩刹車。
在此之外，理想還祭出了一個簡單粗暴的方法——讓更多人用智駕，積累更多數據。
其智駕負責人曾透露端到端的落地流程：先内部驗證範式，到產品驗收環節，從鳥蛋到早鳥到千人内測，我們讓用户一起去做產品的測試和迭代。
在内測版本，理想就直接加入了高難度的高速場景，相比之下，特斯拉首次全量推送的 FSD V12 也僅适用于城市街道，高速路段在 V12.5 才推送。
從這一維度上看，理想多少有些着急了。但 " 急 " 不止發生在理想身上，切入端到端路線的玩家，沒有哪個敢放慢步伐。
" 特斯拉今年将在綜合訓練和推理 AI 上投入約 100 億美元。" 這是馬斯克分享的數據，他還表示，" 任何沒有在這個水平上投入且資金效率不高的公司，都無法競争。"
這意味着，車企需要有足夠的銷量去獲取利潤。而在智駕水平顯著影響購車選擇的當下，越早落地技術，越能搶奪用户心智，促進銷量增長，特别是在智駕接受度較高的中國。
基于此，理想選擇了繼續轟油門。幾個月前，李想公開表示要推出更高算力的自動駕駛體系，讓用户享受 "L3 級自動駕駛體驗 "。
小結
據傳，理想智駕部門很喜歡以希臘神話為 " 關鍵戰役 " 命名，而這一次的端到端項目，被叫作 " 達摩克裏斯計劃 "。
按照理想的説法，" 這個項目有挑戰、很危險，如果做不好，達摩克裏斯之劍會掉下來。"
很顯然，理想比任何人都清楚，從奶爸車到智駕黑馬的 " 一躍 "，代價不僅是招兵買馬、訓練模型的開銷，還有坐在駕駛位上的百萬車主們。
接下來的路，理想也得系好安全帶才行。
