為何理想汽車正在加強其智能駕駛努力，追逐特斯拉？
就在中國汽車重慶論壇（CACS）前一天，理想汽車CEO李想做出了一個即興決定，將演講焦點從人工智能轉向 自動駕駛。在論壇期間，李強調未來自動駕駛將模仿 人類能力，包括快速反應時間和邏輯推理來應對複雜情景。
後續事件為最後一刻的改變提供了一些洞察。一個月後，理想汽車透露了一個 端到端系統 由視覺語言模型（VLM）增強。
與其國內競爭對手採用分段方法不同，理想汽車的解決方案類似 特斯拉的“一種模式” 設計更緊密。
歷史上被視為智能駕駛領域的追隨者，理想汽車在去年激烈競爭中頻繁改變策略，首先依賴高清地圖，然後是輕量化地圖，再 全面放棄地圖 。
在最近的一次採訪中， 36氪梁獻鵬，智能駕駛研發副總裁，和賈鵬，智能駕駛技術研發負責人，討論了理想汽車正在進行的旅程。回顧追趕的努力，梁總結道，核心原則是確定問題的本質，然後果斷快速地修正航向。
選擇「端對端 (E2E)」的技術路線是這一原則的延伸。梁解釋說，過去的智能駕駛解決方案基本上是基於地圖的。它們遵循傳統的管理控制與感知的過程，上遊的缺陷需要進行下遊調整，需要 can map-based 下游壓力位 重要投資.
然而，核心問題不僅僅是資源配置，而是基於規則的智能駕駛有局限性並且 不太可能完全模擬人類駕駛.
結合 端對端與VLM 和理想汽車所稱之為 "世界模型" 的組合，是該汽車製造商目前採用的最佳範式。
簡單來說，理想汽車的方法消除了先前感知、預測、規劃和控制的獨立模塊，將它們合併成一個單一 神經網絡.
VLm作為類似於ChatGPt的系統插件。雖然E2E系統的行為取決於其接收的數據， VLM 提供認知和邏輯推理能力。在複雜情景下，系統可以實時查詢VLm以獲得駕駛輔助。
是4.84， 世界模型 通過重建和生產方法生成模擬數據，並結合理想汽車先前積累的真實案例，創建了一系列真實和模擬測試情景，挑戰E2E模型。只有在這些測試中表現良好的模型才會釋放給用戶。
內部稱這三個模型為系統1、2和3。系統1對應於大腦的即時思維模式，系統2對應於邏輯思維，而系統3則充當考試模型，評估系統1和2的學習成果。
E2E 智慧駕駛技術是由中國發起的。 特斯拉。在2023年8月，首席執行官埃隆·馬斯克在現場直播中展示了其全自駕技術（FSD）在其V12版本中的功能，現在已經演進到V12.5。然而，與特斯拉不同，理想汽車還將VLm功能納入E2E和世界模型中。 。賈鵬解釋稱
。賈鵬解釋稱 36氪 他分別在美國西部和東部花了一周時間測試特斯拉的全自動駕駛系統，發現即使在 端到端技術存在限制。在東岸複雜的道路環境中，如紐約和波士頓，特斯拉的接管率顯著增加。賈稱，E2E模型在HW3.0上運行時的參數並不是特別大，且模型容量具有自然上限。
理想汽車的 VLM 模塊的作用是旨在增強系統的上限。VLM能夠從各種情景中學習，如顛簸道路、學校、施工區和環島，提供重要的決策支持。
Lang和Jia都認為VLM是理想汽車智能駕駛系統中的一個重要變量。參數已經達到220億，響應時間為300毫秒，如果配備更強大的芯片，VLM的可部署參數可能達到數千億，標誌著通往Level 3和4自動駕駛的最佳途徑。
"VLm itself is also following the development of large language models (LLMs), and no one can yet answer how large the parameter count will eventually be," Jia said.
Based on the trajectory of data-driven, vision language models, it seems that the smart driving industry is now part of the computational power contest initiated by companies like OpenAI, Microsoft, and Tesla.
Lang candidly stated that, at this stage, the competition is all about the quantity and quality of data and computational power reserves. High-quality data relies on an absolute data scale - supporting Level 4 model training requires about tens of EFLOPS of computational power.
"No company without a net profit of USD 10億 can afford future autonomous driving," Lang asserted.
目前，理想汽車的雲計算能力為4.5 EFLOPS，快速拉近與華為等龍頭公司之間的差距。根據 36氪，理想汽車最近購入了大量英偉達的雲晶片，幾乎購入了分銷商提供的所有庫存。
CEO李很清楚這個競爭格局，利用資源和智能科技來超越競爭對手。他經常問朗是否有足夠的運算能力，如果不夠，便要求公司的CTO謝彥多從其它地方獲取。
憑藉汽車和 財力，理想汽車有機會在這條道路上擴大差距。財務報告顯示，截至今年第一季度，理想汽車的 現金儲備 接近 990億人民幣（138億美元）.
理想汽車的數據還顯示出智能駕駛的商業循環正在開始成形。7月初，理想汽車開始向Max車型的用戶交付6.0版本的智能駕駛，可以在全國運行。Lang觀察到，Max車型的比例迅速超過50%，每個月增長超過10%。
Lang還了解到，儘管長期視野中的4級自動駕駛正在變得更加清晰，其實施路徑仍然未變。"我們需要快速幫助公司銷售汽車。只有賣出汽車，我們才能買入芯片來訓練智能駕駛。"
如果 智能駕駛 是汽車製造競爭中的決定性因素，那它代表著一個充滿激烈競爭和資源密集型的領域。理想汽車通過整合頂級戰略規劃、技術進步和大量資源投入，積極做好了準備。但其他車企又該如何？
免責聲明：社區由Moomoo Technologies Inc.提供，僅用於教育目的。
更多信息
評論
登錄發表評論
Moo圈貢獻者
Follow me to get useful analysis, learn TA and make profitable trades.
Maximise profit 利润最大化
8082粉絲
48關注
2.7萬來訪
關注