『导读』理想汽车自动驾驶技术路线的思考
自动特斯拉不举办AI DAY以后，中国智能驾驶行业的对于未来的技术路线，似乎失去了方向。大家争先恐后爱说的“时髦话”，也止步于“端到端”了。出人意料地，“好久没出来的”李想，给出了一个自动驾驶技术路线的新思考。
在2024年6月8日举行的2024中国汽车重庆论坛上，理想汽车董事长兼CEO李想发表了关于自动驾驶技术路线的思考。“端到端+VLM（视觉语言模型）+生成式的验证系统，也会是未来整个物理世界机器人最重要技术架构和技术体系。”李想认为这一技术路线“法力”足够强大，基于它，“最早在今年年底，最晚在明年上半年，真正有监督的L3自动驾驶就就可以批量向用户交付了，而不是做实验了。”而且，“L4级别无监督的自动驾驶在三年内一定能够实现。”
很激动人心的展望。
先不说理想汽车这一技术路线是否“画大饼”，李想还说，“最近本月还有下月还有几个关键AI方面的技术论坛里，我们技术研究的同事也会向整个行业来分享我们对这方面的研究。”尽管近期，业界风传“理想智驾团队裁员至1000人以内”。但是，对于自动驾驶研究，人多未必力量大。李想和理想汽车希望在自动驾驶领域更多的发声，来和特斯拉、华为、小鹏争夺自动驾驶、智能驾驶的话语权和标签，提升理想汽车在各个层面的吸引力。01从老婆开车思考自动驾驶“我的爱人刚学会开车，连续好多年都不停地刮蹭。你和她分析下一次怎么不刮蹭，还是没有用，还是刮蹭。”李想说，最后他给他爱人报了宝马驾驶培训的初级班，此后才不再剐蹭。他的意思是，学习cornercase没有用，需要靠通过提升能力解决问题。人类是这样学习驾驶的，AI也应当如此。
所以，如果“自动驾驶团队每天干的活都是靠人工去调试各种各样的cornercase，而且人越多，cornercase越多，离真正的自动驾驶就越遥远。”那正确的做法是什么？
核心意思是，大脑分成系统1和系统2来工作。系统1来处理一些直觉、快速响应的事情。“很多时候我们在开车，脑子在想别的事情，但我们仍然在处理路上的各种事情，这就意味着我们用系统1在工作。”“当去到一个复杂的路段，比如十字路口或者遇到一个水坑，这时候调用大脑系统2工作，处理复杂逻辑推演的能力。”处理简单问题的自动驾驶系统1，李想说，今天很多自动驾驶团队都用端到端技术来解决，效率更高。但是包含三个挑战：一是要有真正做端到端及数据训练的人才，二是需要真正高质量的数据，三是需要足够多的算力。李想说，理想汽车“大概放入了100万Clips（视频片段），用于端到端的训练，大概一个月十轮左右的训练，基本就可以完成一个无图NOA的上限水平。”处理复杂路况的系统2，李想认为不能依赖解决cornercase，而是要提升能力。他认为需要用VLM，即视觉语言模型，来提升能力。现在，由于ChatGPT等应用的示范，大语言模型LLM很火。但他认为大语言模型在云端使用，响应速度慢，遇到问题还来不及反应会车毁人亡了。“所以我们还是思考如何把一个视觉大语言模型进行足够压缩，最后放到车上去。”李想还说，VLM能够让自动驾驶告别高清地图。因为视觉的语言模型能够像人类一样去读懂导航地图。找到技术方案分别解决系统1和系统2问题之后，还需要对能力进行验证。
理想的方案是，用类似Sora的技术，构建一个小型的视觉模型，来检测自动驾驶的能力。Sora和ChatGPT出于同门，也是美国人工智能研究公司OpenAI的作品。Sora可以根据用户的文本提示，创建最长60秒的视频。OpenAI将它视作世界模拟器。
Sora生成的视频中的一个画面Sora在今年春节期间发布，视频逼真效果引起震撼。当时，就有智能驾驶业界人士评论，Sora或可以用于自动驾驶模拟训练。但也有人表示，Sora会生成大量不符合物理规律的视觉内容，并不可靠。李想总结，理想汽车过去一段时间自动驾驶最重要的技术突破就是——端到端承载人的系统1，VLM来承载人的系统2，并应用生成式的小的视觉模型来进行考试。他还说，这一方案“已经完全通过了正常的研究验证。”李想会提出VLM来解决自动驾驶问题，不是突然兴起。此前，理想汽车与清华大学交叉信息研究院一直在进行联合研究。今年2月，双方团队联合发布了论文《DriveVLM: The Convergence of Autonomous Driving and Large Vision-Language Models》。根据该论文，双方提出的DriveVLM模型，在 nuScenes（一个公开的可供测试的自动驾驶数据集）规划任务上取得了最先进的性能（下表）。
基于这一技术路线，李想对理想汽车和全行业的自动驾驶进展非常乐观。
他表示，最早在今年年底，最晚在明年上半年，真正有监督的L3自动驾驶就就可以批量向用户交付了，而不是做实验，“并且随着这套技术的演进、算力增强，我认为L4级别无监督的自动驾驶在三年内一定能够实现。”02
理想智驾现在什么水平？李想此时发布理想汽车对于自动驾驶的技术路线，很多人可能不服。就当前的智能驾驶、自动驾驶实践来说，全球市场特斯拉独领风骚，国内华为和小鹏更被认可，理想汽车在前列，但绝非引领者。
从车辆当前的智能驾驶水平而言，消费者有感知的还是功能和功能可用性、体验性。功能层面，当前对比的“科目”，一般而言就是可以根据导航和限速自动行驶的辅助系统——高速领航驾驶和城市领航驾驶。
如今，第一梯队都至少具备了高速领航功能，并且实现了高速和快速全覆盖。在城市领航驾驶方面，华为系（问界、阿维塔、极狐阿尔法HI版、智界）和小鹏覆盖范围最广，理想汽车大概在第三名或者第四名。
目前，理想汽车正在进行近千人规模的AD MAX 3.0进阶版测试，核心功能是实现无图城市NOA，要做到全国都能开、有路就能开。
这一版本就是李想所说的，即将在今年三季度正式推送的版本。如果这一版本能够顺利推出，那就在功能和覆盖范围上，理想就可以追平华为了。李想在提及此事时还说，届时，理想也会向测试用户提供通过300万Clips训练出来的端到端+VLM的一套监督型自动驾驶体系（即L3）。并且，“最早会在今年的年底，最晚明年年初，我们会推出超过1000万Clips训练的端到端+VLM的带有监督的自动驾驶体系。”按照李想同一场合的说法，这一系统，就是可以交付的“真正有监督的L3自动驾驶”。目前的理想汽车，还未完全从此前MEGA受挫等一系列的挫折中摆脱出来。
首先是MEGA受挫后，内部启动了矩阵组织2.0的升级，其次，理想汽车启动了大范围的裁员。据《21世纪经济报道》等媒体报道，五一过后，理想汽车开启了一轮比例超过18%的优化行动。到目前为止，本轮优化已经基本结束，包括裁员重灾区智驾部门。在产品层面，李想在一季报电话会上宣布，原本计划今年发布的三款纯电推迟到明年发布。今年重点还是经营L系列。在销量上，理想汽车5月交付3.5万辆，同比增长23.8%，环比增长35.8%，在新势力新品牌中依旧可以排名第一，比华为系——鸿蒙智行（问界、智界）更多。只是，理想汽车2024年的目标颇高。最早理想汽车曾定下80万辆目标，3 月 21 日，下调到56 万-64 万辆。《晚点汽车》近期还报道说，在三款纯电 SUV 延期发布之后，理想再次下调全年销量目标。在组织、产品、智驾等方面的大调整之后，理想汽车需要更多时间来修复外界预期和内部士气。在一季报电话会上，有分析师问李想，如果销售不如预期，理想汽车会不会再次降价。李想当时的回应是，理想L系列订单增长很快，没有任何降价计划。
