編輯 | 曹賓玲 付曉玲

數(shù)據(jù)支持 | 洞見數(shù)據(jù)研究院

在特斯拉智駕團隊工作區(qū)，工程師們安裝了一臺85英寸的大型電視，上面實時顯示著汽車在無干預狀態(tài)下行駛的里程數(shù)，時刻提醒大家“努力奮斗”。

他們還在旁邊擺了一面鑼，每次克服了干預問題，就敲鑼慶祝。

讓馬斯克團隊如此全力以赴的，正是后來轟動一時的FSD v12自動駕駛系統(tǒng)。它采用one model端對端架構(gòu)，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(zhàn)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(tǒng)。

不僅提前交卷，成績還壓了優(yōu)等生小鵬、華為們一頭：理想直接對標特斯拉，而智駕“遙遙領(lǐng)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。何小鵬在采訪里含沙射影：“樓要一層一層搭，想跳躍式發(fā)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(shù)據(jù)、模型等一系列要做的事情，小鵬們在研發(fā)無圖NOA等系統(tǒng)時就熟練掌握了，理想不僅研發(fā)時間更晚，開城數(shù)量還差了一大截。

華為余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(zhì)疑沒錯，在汽車消費上怎么強調(diào)安全都不為過，但矛盾的是，企業(yè)發(fā)展往往又需要經(jīng)常“踩油門”變道超車。

現(xiàn)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(shù)擴至近千人，今年切入one model端到端后，又“一朝回到解放前”——截止到年中，縮減了40%。

而智駕團隊規(guī)模分別是理想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(fā)展早期仍然需要人類老師?！?/p>

這也不難理解，畢竟one model端到端路線純數(shù)據(jù)驅(qū)動，用馬斯克的話說就是“一張神經(jīng)網(wǎng)絡打包一切”，幾乎把過去模塊化時代積累的經(jīng)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(shù)方案，仍是一個人工和智能“共處”的混搭系統(tǒng)。

在模塊化時期，對駕駛?cè)蝿盏臎Q策、執(zhí)行，需要基于規(guī)則——工程師將“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(guī)則，智駕系統(tǒng)按這些規(guī)則匹配實際情況作出反應。

而道路行駛環(huán)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個多月后才勉強開放。

這讓彼時的智駕競爭，演變成了往規(guī)控模塊堆人力的軍備競賽?？梢钥吹?，小鵬、華為“遙遙領(lǐng)先”的開城數(shù)量，正是建立在分別超過3000+人、7000+人的智駕團隊規(guī)模上。

相比之下，理想則被其智駕一號位“蓋章”：人力資源不足拖累了開城進度。

如此來看，小鵬們?nèi)绻鼻衞ne model端到端，意味著此前積累的規(guī)則數(shù)量大部分都將作廢，人員與組織架構(gòu)調(diào)整，也牽一發(fā)而動全身。

而“光腳”的理想就不一樣了，用其管理層的話說：“雖然有技術(shù)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(yè)利益訴求。

如果說，模塊化設計理念下的車輛，就好像是在駕校學車的、沒有自主意識，教練說做什么他就做什么（編寫代碼規(guī)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(yōu)秀老司機怎么開車的視頻后，它會慢慢變成真正的老司機。

這意味著，越早、越多地掌握這些“優(yōu)秀司機開車視頻”用來訓練，在這輪競爭中勝出的機會越大。

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(shù)據(jù)。

與之相比，同期的友商們或多或少都有點“拉跨”。比如，技術(shù)、銷量都領(lǐng)先的特斯拉，囿于“國內(nèi)數(shù)據(jù)合規(guī)性”限制，F(xiàn)SD一直無法引進中國，數(shù)據(jù)積累尚屬空窗期。

銷量巨無霸的比亞迪，智駕業(yè)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(chǎn)車型上獲得的數(shù)據(jù)，自己也沒有回傳數(shù)據(jù)的能力。

同樣有數(shù)據(jù)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(tǒng)的車型，預計2024年底會突破50萬臺，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(xù)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(shù)據(jù)，“目前已形成一支300多輛車的研發(fā)車隊，積累150PB以上的數(shù)據(jù)”，暗示自己也在建設數(shù)據(jù)回傳能力。

這意味著，理想如果現(xiàn)在不上馬one model端到端，很可能“錯過這個村，就沒了這個店?！?br/>

當然，競對們追上來，還需要過程，且數(shù)據(jù)訓練也不只是堆量，還對數(shù)據(jù)質(zhì)量有要求——端到端的各個功能需要同時進行訓練，訓練數(shù)據(jù)越一致越好。

而一談起這個，理想的嘴角比AK還難壓，“外界說理想L系列是在套娃，但是這讓我們有個最大的優(yōu)勢，傳感器布局和傳感器型號完全一致，理想L系列的數(shù)據(jù)可以完全復用?！?/p>

除了規(guī)模、質(zhì)量，數(shù)據(jù)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(fā)現(xiàn)了：在西海岸硅谷和東海岸紐約，F(xiàn)SD性能差距大到像2個系統(tǒng)。

這時，以前總是被嘲“技術(shù)落后”“多此一舉”的增程式路線，又幫了理想一把：相比純電車“只能在幾百公里打轉(zhuǎn)”，理想汽車的足跡深入新疆、西藏等地。

于是，在“鞭子”加“胡蘿卜”的雙重刺激下，理想開啟了狂奔。

1年多時間，補了特斯拉3年的課

去年10月開始研發(fā)無圖，3個月后從研發(fā)轉(zhuǎn)向量產(chǎn)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“給端到端爭取時間”。

端到端需要的算力、數(shù)據(jù)、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，背后是其早早就舉起了純視覺方案的大旗，并逐漸在規(guī)劃和控制模塊也加入神經(jīng)網(wǎng)絡。

有了特斯拉在前面探路，還有自己數(shù)據(jù)優(yōu)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?qū)Ρ葋砜矗?strong>特斯拉從無圖到端到端全量推送，大約經(jīng)歷了3年，而理想僅僅花了1年多時間就補完了作業(yè)。

“2024年要成為智駕絕對頭部?！边@是李想立下的flag，如今理想正朝著這個目標步步逼近。

但在其風頭日盛時，何小鵬卻兜頭潑來一瓢冷水：“如果有人說他有一個大模型，可以用來降維做智能駕駛，或者他說有很多車，所以有很多數(shù)據(jù)，千萬不要相信，絕對是胡扯。”

這并非何小鵬的一家之言，馬斯克也有類似說法：大多數(shù)的數(shù)據(jù)最終都會被丟掉，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(shù)據(jù)。

甚至理想自己也是如此——其建立了一套“老司機”的評價標準，只有不到3%的車主通過了考核，連智駕負責人都沒達標。

也就是說，能夠投喂給大模型的優(yōu)質(zhì)數(shù)據(jù)其實鳳毛麟角。而理想積累的數(shù)據(jù)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月在國內(nèi)累計交付100萬輛；

• 智駕里程積累上，特斯拉在全量推送FSD V12前，累計智駕里程超過70億英里，而理想的這一數(shù)據(jù)是25億公里，剛過特斯拉的1/5。

這使得理想訓練的優(yōu)質(zhì)數(shù)據(jù)量也遠少于特斯拉：據(jù)《馬斯克傳》，F(xiàn)SD 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，即使是有著驚艷擬人化表現(xiàn)的FSD，也會在馬斯克的直播間里，當著1000萬觀眾的面企圖闖紅燈。

這是因為one model端到端下，數(shù)據(jù)傳進來和軌跡輸出去之間，只有一個生成式大模型，它并不知道紅綠燈是什么，只有在學習了海量司機駕駛視頻之后，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，正如上述余承東所說的，“one model下限很低?！?/p>

理想目前的解題思路是在one model端到端模型之外，并聯(lián)一個視覺語言模型（VLM）托底。

例如，遇到坑洼不平的路面或潮汐車道時，后者會提醒前者降速、合理選擇車道；遇到危險時，兩個系統(tǒng)能一起幫司機踩剎車。

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(shù)據(jù)。

其智駕負責人曾透露端到端的落地流程：先內(nèi)部驗證范式，到產(chǎn)品驗收環(huán)節(jié)，從鳥蛋到早鳥到千人內(nèi)測，我們讓用戶一起去做產(chǎn)品的測試和迭代。

在內(nèi)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也僅適用于城市街道，高速路段在V12.5才推送。

從這一維度上看，理想多少有些著急了。但“急”不止發(fā)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。

“特斯拉今年將在綜合訓練和推理AI上投入約 100 億美元?！边@是馬斯克分享的數(shù)據(jù)，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，都無法競爭。”

這意味著，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(shù)，越能搶奪用戶心智，促進銷量增長，特別是在智駕接受度較高的中國。

基于此，理想選擇了繼續(xù)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，讓用戶享受“L3級自動駕駛體驗”。

據(jù)傳，理想智駕部門很喜歡以希臘神話為“關(guān)鍵戰(zhàn)役”命名，而這一次的端到端項目，被叫作“達摩克里斯計劃”。

按照理想的說法，“這個項目有挑戰(zhàn)、很危險，如果做不好，達摩克里斯之劍會掉下來?！?/p>

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。