智駕大戰。
作者 | 柴旭晨
編輯 | 周智宇
在外界印象中，理想的智駕一直是追趕者的狀態，但在ALL IN端到端後，理想竟然自信地說已經超過特斯拉了。
在8月30日的成都車展，理想汽車智駕團隊詳細發佈了「端到端+VLM」方案，不同於國內同行的「分段式端到端」，理想的方案是被稱爲「OneModel」的一張大網。
這是目前自動駕駛架構演進的最終形態，該階段不再有感知、決策規劃等模塊的明確劃分，從原始信號輸入到最終規劃軌跡的輸出，採用一個深度學習模型，完整無損地應用於自動駕駛。
在理想智駕研發副總裁郎咸朋看來，死磕「最終版」的端到端，正是理想得以彎道超車的祕密。
「過去的智駕方案，不管是輕圖還是無圖，底層技術架構都是有人爲設計成分的，如果想將一年四季各種情況都跑一遍，沒有一兩年時間是不可能實現。所以我們迭代了端到端+VLM技術架構」，郎咸朋認爲，該架構是AI自己生長的，「真正變成車自己在開」。
不僅如此，理想開始打造「世界模型」來加速智駕AI的訓練，「世界模型可以生成、模擬場景，這是幾千萬個場景測試」，理想智駕高級算法專家詹錕表示，這是實現智駕快速迭代最重要、且最必要的保證，並且「世界模型」還是將來碾壓端到端的存在。
「它可以根據當前的環境預測未來，能推理出未來的場景。比如球滾到路中間，端到端只會剎車，世界模型會想後面會不變還有小孩衝出來？它對世界有更宏觀綜合的判斷」。詹錕表示，理想在上車端到端的同時，就已經預研下一代技術了。
因此郎咸朋凡爾賽地表示，「我們跟特斯拉沒有太大差別，甚至更領先一點」。
敢於與特斯拉FSD這個全球智駕標杆掰手腕，不僅在於理想雙系統架構的超前，更在於理想在新勢力當中領先的銷量和財力。郎咸朋說真正做到端到端要看兩個能力，「有沒有足夠多的數據和充足的算力，因爲它是AI訓練」。
他表示，爲了訓練好自家智駕系統，理想對數據質量要求極高，只精選3%「老司機」數據餵給AI，但在80萬車主基數下數據量已經足夠龐大；而爲了消化這些數據，理想到今年底要將算力提升至8億EFLOPS，「這是一年20億人民幣的花銷」。
在郎咸朋眼中，高階智駕是巨頭才能玩得起的遊戲，「未來到L4階段，數據和算力的增長都呈指數級，每年至少需要10億美金，一家企業的盈利和利潤不能支撐投入的話就很困難」。
靠着端到端的初步上車，理想已經獲得了銷量的快速轉化。接下來它還要持續發力這個「頭號工程」，這或許將是帶領它成爲比肩比亞迪、特斯拉的關鍵一環。
以下是華爾街見聞與理想智駕研發副總裁郎咸朋、智駕高級算法專家詹錕的對話實錄（經編輯）：
問：什麼才是真正的端到端？怎麼評價它是真的端到端？什麼樣的效果才是最好的？
詹錕：端到端是一種研發的範式，從最開始的輸入端到最後的輸出端，中間沒有其他過程，用一個模型完整實現。現在理想汽車是一體化OneModel端到端，通過直接傳感器輸入，模型推理完畢後直接給到軌跡規劃用來控車，這就是一體化端到端。
市面上還有一種端到端，是在中間分兩個模型，模型中間以一個信號做橋接，但我們認爲這不是真正的端到端，如果中間加了人爲的信息消化過程，可能效率不是那麼高或能力上限受到約束。
郎咸朋：現在很多人都說自己是端到端模型，但是真正做端到端還是要看兩個能力：有沒有足夠多的數據和充足的算力。否則我覺得很難做出真正的端到端來，因爲它是AI訓練。
問：現在很多品牌提出自己是引領者，理想汽車也在說已經躋身智能駕駛第一梯隊，怎樣評價自家端到端的技術水平？
郎咸朋：普通消費者不關注技術而是體驗，我們也不和誰比。
以前我們爲做城市NOA考慮過用高精地圖，但後續因爲體驗因素決定轉做無圖，但那時的無圖還是感知、規劃、分模塊的方案，裏面有大量的人工規則和實車測試。
先不說預算投入方面，時間上就非常困難，如果想將一年四季的各種情況都跑一遍，沒有一兩年時間是不可能實現的。所以我們又迭代到端到端+VLM技術架構，這是AI方案是自己長出來的。
之前輔助駕駛是系統輔助人來開，主體是人，但是到現在端到端+VLM階段後，我們認爲是變成車自己在開。訓練出完整模型之後，模型自己有能力開好這個車，我監督這個車哪裏不行或者有提示需要接管，但是主體一定是車，人作爲一種監督的輔助角色。
問：端到端的研發週期大概多久？
郎咸朋：理想認真做端到端+VLM是從去年開始的，我們在研發階段是一個非常小而精的團隊，做無圖的時候已經在預研端到端，現在做端到端實際已經預研下一代技術了。當判斷條件已經成熟和初步驗證成功，會轉到量產階段。
問：端到端最早是特斯拉提出來的，我們是不是受到特斯拉的啓發？我們怎麼確定流程一定能跑通？
詹錕：端到端不是特斯拉第一個提出來的，2016年英偉達就有一個模型提到了這個技術，但效果一般只解決了特別簡單的場景，以當時算力和模型規模，大家認爲這條路是行不通的。到2023年，特斯拉在新transformer架構上增加了超大算力做出來之後，在往更有成長的方向上推進。
問：理想目前感受自己和特斯拉智駕的差距有多大？
郎咸朋：去年那會過差半年，今年可能還會再小一點。從技術架構上，我們跟特斯拉沒有太大差別甚至更領先一點，因爲我們有VLM，特斯拉只有端到端。在中國的訓練算力和訓練數據上，至少從現在看我們是領先於它，因爲特斯拉在中國還需要算力部署。
另外我們也用上了世界模型，可以生成、模擬場景，這是幾千萬個場景測試，這是實現智駕快速迭代最重要、且最必要的保證。這種方式進行模型迭代比原來整車或者路試的方式要可靠得多，而且一年四季各種場景全都可以涵蓋。
詹錕：世界模型可以根據當前的環境去預測未來，能夠推理出未來的場景。比如，球滾到路中間，端到端只會剎車，但世界模型會想是不是還會有小孩衝出來？它對世界有更宏觀綜合的判斷。其實VLM在我們系統上就是起到這個效果，當然我們現在模型規模還很小，能力是有限的。
問：前不久有人提出「500億做不好智駕」的觀點，理想對此有什麼看法？
郎咸朋：關於500億，需要判斷是一次性投資還是長期投資，就像今天提到的我們每年都會有10億美金投資在智駕研發中，如果連續10年的話是超過500億。
端到端+VLM的技術架構是一個分水嶺，從這一代開始才是真正用AI的方式做。
之前我們還是在用傳統方式做智駕，所有產品的最終效果，都是有「設計」在裏面，沒有設計到的場景可能就無法實現。不僅無法實現純粹的數據去驅動，人工工作量也大。
一體化的端到端模型，雖然在模型的結構、模型的訓練方式上有難度，但最大的好處是，我們給出數據訓練模型，模型輸出結果，這樣自然而然的AI訓練過程。
從我們自己的端到端模型來看，只需要告訴它要做和「老司機」一樣的駕駛體驗，輸入所有理想車主中「老司機」的駕駛數據，它就給你結果。數據篩選是非常嚴格的，在當時80萬車主中，只有3%才是真正的老司機的數據。
在有了這個前提之後，接下來做研發的核心競爭，看是否有更多更好的數據和與之配套的算力去訓練模型。而算力和數據的獲取，需要看花多少錢、投入多少資源去做。而這其中有些東西是用錢買不到的，比如訓練數據、訓練里程，各家車企有自己的資源，相互之間並不會互通共享。
另一個需要投資的是算力，我們現在5.39億EFLOPS的算力，到今年年底預計8億EFLOPS，這是一年20億人民幣的花銷。
未來進入到L4階段，每年數據和算力都呈指數級增長，這也就意味着每年至少需要10億美金。5年之後，它需要持續迭代，在這樣的量級下，一家企業的盈利和利潤不能支撐投入的話，是很困難的。
所以，現在並不需要關注投入多少億做自動駕駛，而是從本質上出發，是否有充分的算力和數據支持，再看看需要投入多少錢。
問：過去幾年智駕的技術戰快速變化經歷了幾次大迭代，鉅變還會發生嗎？
郎咸朋：端到端+VLM雙系統是模擬人類思考認知的架構，因爲我們做AI最終希望可以實現擬人或者類人。目前的AI框架是非常合理的，很多企業也開始嘗試跟進。
雙系統理論，不僅可以用在自動駕駛上，也是未來AI甚至智能機器人的範式。自動駕駛可以說是一個輪式智能機器人，只是工作範圍是道路。所以，我覺得是有一定的長期行爲力，但技術發展是無窮無盡的，我們會保持對先進技術的敏捷感知，如果有新的技術我們也會追蹤。
問：端到端量產交付之後能給銷量帶來多大的增量？
郎咸朋：無圖NOA全量推送之後，近兩個月我們試駕翻了一倍。30萬以上的車型AD Max佔比達到70%，原先AD Pro會多一些，L9 AD Max甚至佔比90%以上。
問：理想汽車對高階智駕有沒有收費的計劃？有什麼好的商業模式？
郎咸朋：標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，「有監督的自動駕駛」對所有AD Max的車主都是不收費的，它還能爲自動駕駛提供更多的車輛訓練里程。因此交付量比較好且企業經營穩健，也有足夠的資源投入智駕研發。
詹錕：理想有非常豐富的數據，我們相信這些數據是能夠支持我們做好的優勢。所以我們選擇了挑戰更大、更困難的端到端一體化架構，它的上限很高，但缺點是訓練更難，包括數據配比和訓練方法需要去探索和挖掘，但我們還是毅然決然地選擇了難而正確的道路。