來源：理想官方

作者｜蘇鵬 

理想總是后來者，卻總能在關鍵節點做到奮起直追。

8月25日的成都車展，理想汽車公布了通勤NOA的推送計劃。9月起，理想汽車將向早鳥用戶推送通勤NOA的內測版本，首先覆蓋包括北京、上海、廣州、深圳、成都在內的10座城市。推送范圍將于10月覆蓋20座城市，11月達到50座，并于今年12月進一步擴展至全國100座城市。2024年第二季度，理想汽車通勤NOA將向全量AD Max用戶開啟推送。

這又是一次對先行者的迎頭跟進。此前，理想用一年時間自研了高速NOA導航輔助駕駛功能，還配備了激光雷達，將水平與小鵬汽車拉齊。 

關于城市NOA的故事同樣如此。不過與小鵬不同的是，理想的城市NOA的特點為：使用NPN特征和TIN網絡增強BEV大模型，做到不依賴高精地圖而識別萬物；使用模仿學習讓規控算法做出更加擬人的決策；全自動、全閉環的訓練平臺支撐大模型持續進化。

這需要大量的道路數據做支撐，據理想汽車商業副總裁劉杰透露，截至8月，理想汽車的自動駕駛訓練里程已經超過7億公里，這足以驅動理想城市NOA的能力迭代。

越高級的自動駕駛規格也需要更多的道理數據規模，這是業內的技術共識，“基本上到百億公里的規模是面向L4算法所需要的訓練量。”

賣出更多的車，拿到更多的道路數據，也是理想壯大商業規模，并夯實自動駕駛護城河的關鍵。 

接下來的希望被寄托在電動車領域，畢竟電動車對應著廣袤的市場份額和想象空間。理想拿出了首款電動產品——理想MEGA，這是一款MPV產品，其在電動產品序列的地位就像理想ONE、理想L9之于增程動力產品一樣，“MEGA是這條產品線的最頂端，然后基于MEGA的基礎，再去做不同階段的覆蓋。”

雖然與L系列的技術路線不同，但打造純電系列的出發點依然是理想的“老套路”，發現市場上未被滿足的需求，超越這種需求，然后拿到更多的市場訂單。劉杰透露，純電和增程，未來銷量基本上能夠做到將近1:1的比例。

這個的前提是產品力水平相當，相較于增程動力，純電有著天生的補能焦慮。如何將純電的產品力拉到與增程齊平，這是理想要面對的技術必考題。

跨過0到1的創業期，也走過了1到10的新階段，接下來的戰局將決定理想汽車的上限，純電產品序列和自動駕駛是理想突破上限的支撐點。

以下是媒體與理想汽車商業副總裁-劉杰，理想汽車智能駕駛產品負責人-趙哲倫，理想汽車純電產品負責人-李昕旸的采訪實錄：

Q：相對于之前的工程版本，目前推送的城市NOA主要聚焦在哪些方面的優化？

A：主要聚焦在泛化性的提升。在廣深、川渝等更多的城市，有非常多，非常復雜的區域性問題，比如上海、深圳有非常多的潮汐車道的場景，比如成都老城區的車道非常狹窄、比如廣州車道非常彎折、曲率較大。

理想希望通過算法模型的提升，在各個城市都能實現比較好的產品力，這樣才能做到更多的城市擴展計劃，從10城到100城，這都基于優秀的算法泛化性。

Q：理想的城市NOA，相較于小鵬汽車有哪些優勢？ 

A：第一點是技術路徑，小鵬做得比較早，他們采用的都是依賴高精地圖的方式，所以現在小鵬還是需要維護地圖版本和地圖軟件。而理想汽車從立項開始，就一直堅持用模型的方式、用無圖的方式去實現，我們整體更加專注，專注于將無圖的方案、把BEV的方案做好。

第二點，除了無圖，理想在車隊規模上有絕佳優勢。在這一代AD Max和AD Pro平臺的定義上，兩個平臺的數據、訓練資料完全是可以復用的，而且加上保有量的優勢，我們在算法的提升上有很大的資源儲備。

Q：理想的NOA使用里程已經突破了2億公里，之前自動駕駛領域也都在談里程對于系統和產品體驗的作用，理想對此有什么感知？

A：理想公布的城市NOA使用里程是差不多2億公里以上，整體輔助駕駛的里程會更多，訓練里程也會更多，因為從算法訓練上來說，用戶在非輔助駕駛狀態下的一些訓練資料是可取的，所以我們的訓練數據量相對會更多。

從功能使用上來說，目前行業內的共識是，基本上到百億公里的規模是面向L4算法所需要的訓練量，但對我們而言，我們在不斷提升L2+級、包括城市NOA的產品力過程中，我們的接管率有一個很明顯的提升。

Q：多少里程的時候有量變帶動質變的意味？

在目前的智能輔助駕駛階段，無論是城市NOA還是全場景NOA，本質上和訓練里程都是線性關系，訓練里程越多，泛化性能力就越強。無論是在城市NOA，還是以后在高速NOA的場景上，車自己做感知決策的能力就會越強。

我們認為下一階段從量變到質變的過程就是真正邁入L4，因為目前無論是哪種NOA，本質上還是需要駕駛者去關注路面、去作為主導的，所以要真的實現L4才是質變的過程，要實現這個質變，我們認為基本上是需要100億公里的訓練里程。

Q：理想智駕有Max、Pro兩種方案，采用了并非完全一樣的傳感器和硬件算力，在數據處理、數據融合中會有額外的挑戰嗎？

A：理想在前期定義架構時，就是比較早的AD Max、AD Pro兩套平臺的定義，即在同一時間圍繞車型去做定義。我們在定制架構的時候，兩套平臺的控制器或者芯片其實不一致，傳感器會有差別，但有一個很重要的事情是，傳感器的布置位置是保持完全一致的，包括攝像頭的角度。

所以在初期驗證時，兩組數據對我們的算法都是有效的，這兩組算法在云端做模型融合時，基本上能做到90%以上的復用率，所以AD Max和AD Pro在訓練資料上基本上還是可以共享的。

Q：如果未來硬件成本降到一定程度，理想大一統的傳感方案里，是否還保留激光雷達？

A：這個問題的核心在于我們如何看待激光雷達。激光雷達其實像是智能駕駛領域的安全氣囊，它的物理特性對我們的視覺以及傳感器是很好的補充。

激光雷達對理想的城市NOA是有價值的。今天在以感知為主的NOA方案下，沒有激光雷達的車輛依然可以自主轉向，去博弈。但當遇到視覺無法感知到的特殊情況，比如弱光環境時，激光雷達就能起到很好的兜底作用，能夠幫助車輛去制動。

在我們看來，激光雷達依然是一個對車輛行駛安全和穩定很重要的部分。但產品的推出往往需要在功能和成本之間綜合考慮，理想的核心原則還是為用戶創造真正的使用價值，后續我們也會基于這個原則去選擇用還是不用。

Q：高速NOA是否會成為智能駕駛方面的第一個剛需？

A：我認為高速NOA一定會先成為剛需。從今天整體用戶使用上來說，城市NOA的用戶狀態還處于相對比較早期的階段，更多是追求新鮮的極客用戶會使用，對于廣泛的消費者來講還有一定的距離。

目前行業里面高速NOA的成本比較高，從行業視角來講，隨著行業的降本，讓相對價格更低的車型也能配備高速NOA之后，很多用戶都會適應這樣的功能并且去使用。

Q：未來，具備城市NOA能力的車型，是否會在高速NOA的能力表現上實現降維打擊？

A：當大模型算法從城市遷移到高速之后，絕對是降維打擊。核心原因是具備了整個場景的還原、感知能力和預測能力之后，過去高速上一些大家覺得很復雜的場景，但相對城市來講，基本上是比較簡單的場景，類似于旁車的惡意加塞、前方道路施工、不規則的匝道，這些情況在城市來講算是比較簡單的。

唯一要克服的問題是高速有高速特性，高速它速度快，所以感知距離需要更遠，這個是我們下半年正在處理的工作，當我們的處理好、感知得又遠、又加上城市NOA對環境的理解處理之后，在高速上能實現一個非常好的水平。

Q：如果理想的視覺能力提升到足夠高度，在這個基礎之上，激光雷達有沒有退出的機會？

A：事實上在今天，很多傳感器還有它獨特的特性。比如毫米波雷達，它是所有傳感器中，抗異常天氣如雨雪霧等性能最強的，穿透能力最好的。基于視覺本身的限制，雖然能取代毫米波，能達到類似于毫米波的性能，但是碰到極端的環境時，是可能會受到一定干擾的。所以在我們內部更多維的產品決策中，我們不會那么激進的一定把哪個區域砍掉，完全通過通用的視覺去解決，我們相對會更謹慎一些，更多的考慮產品力。

至于要不要保留雷達的問題，對于理想來講，這里邊有兩件事：

第一，理想汽車面向的是家庭用戶，安全特別重要，所以我們還是會保留一些重要的安全冗余。比如說雷達所提供的Occupancy網絡信息，可能沒有雷達就提供不了，所以這是一個非常重要的條件。

第二，我們所在的國內的道路，路況相比美國要復雜得多，所以在一段時間內我們不會直接放棄掉雷達的能力，與其說我們在想怎么去把雷達砍掉，我們更多思考的問題其實是，隨著雷達裝機量的提升，怎么讓雷達的成本更優秀。

Q：通勤NOA和比較全面的無圖的城市NOA相比在研發上的差異大嗎？

A：最早立項時，理想就不再采用高精地圖的方式去做城市NOA，而是回到用算法模型的方式去思考。回到用戶如何真正用上城市NOA能力這個問題，我們想優先覆蓋用戶從家到公司的通行路線。這里的通行路線就不會有類似于道路等級、道路類型的限制，用戶能很快地用上，這是我們的初衷，也和我們的算法方式相契合。

第二點，本質上來講，對于我們的算法結構，用戶都用上了之后，大家的路線能做到共享。用戶數一旦多了，只要是用戶要行駛的路，我們都是開通的，就沒有道路等級的關系了。到更多的三四線城市都能去做這樣的開道。我們今天之所以會首推通勤NOA，因為能服務更多的用戶率先用上。而跟我技術的效率去契合的是，隨著更多的用戶用上，區域也會很快得到開放。

Q：中國有600多座城市，為什么只在100座城市告訴大家理想做到了城市NOA？

A：理想目前規劃的100座城市名單，對理想用戶的覆蓋率已經到95%以上。

另外，后續階段我們逐漸將不限制用戶所在的城市，只要是理想AD Max車主，他只要符合早鳥用戶標準，都可以去使用我們的城市NOA功能。

Q：理想汽車純電產品的布局是如何的？

A：MEGA將在今年年底發布，明年二月份開啟交付。明年理想還有三款純電產品。

Q：增程式和純電動，兩種不同動力車型未來銷量比重是多少？

A：跑在前面的一些企業，比如同時擁有純電車和增程/插混解決方案的車企，當他們定價相差在合理范圍的時候，基本上能夠做到將近1:1的比例。我們相信中國家庭用戶的范圍足夠廣泛，所以當純電和增程產品在并行銷售的時候，我們認為也會接近這個比例。

我們希望每一個家庭用戶最好的搭配是既有一臺理想的增程，又有一臺理想的純電。

Q：理想的第一款純電車——理想MEGA，為什么做成MPV？

A：純電是一個產品線，MEGA是第一款車，之后我們也會像L系列一樣去做不同價位段的產品，做廣泛覆蓋，MEGA是這條產品線的最頂端。

做MPV的出發點和理想之前做理想L9、理想ONE是一樣的，我們發現市場上仍然有用戶的客觀需求沒有被滿足，我們希望能夠去超越這種需求。現階段市場上已經有很多MPV，包括燃油，純電和增程等各種能源形式，但背后有很多問題沒有被解決。比如純電MPV已經有很多款，幾乎沒有爆款出現，因為這背后是補能和用戶出行的問題，尤其是跨城出行體驗，這個是我們要解決的一個問題。

Q：剛剛提到如果純電和其他能源形式的價格差距不大，一般的銷量比例是1：1。但是騰勢D9的純電產品只占1%，怎么看待這個問題？

A：剛剛提到的是一個關鍵假設，這個假設的前提是產品力水平相當，只有產品力相同甚至超越的情況下，我們認為才能達到這樣的銷量比例，產品力包括剛才我們提到的從安全到空間的各方面，包括最基礎的補能體驗。家庭用車是無法容忍一家人在充電時等待1—2個小時。

Q：理想的5C超充網絡，在運營側怎么跟增程車去匹配？

A：如何去跑運營算法，其實就是各樁之間的功率分配問題。我們現在有一套基本的模型，比如2C和5C都在充電的時候，在什么階段把更多的功率給到5C，在什么階段把更多的功率給到2C，怎么去調配，這是一個很復雜的算法。

但是目前這個算法和智能駕駛一樣，還需要積累更多的實際運營數據，還要再去做訓練，所以接下來我們在運營過程中要不斷去迭代和優化，我們最終的目標還是在單位時間內實現每輛車最高的充電效率。而且尤其對于2C來講，在電壓極低和極高的時候，都有涓流效應產生，所以并不是任何時候都需要用到或者能夠充到滿功率的狀態，所以這里就需要算法來做有效的功率分配。

Q：理想和寧德時代在電池上是怎么合作的？

A：麒麟電池是一個架構。很多人都在用麒麟電池，但每一個廠家的解決方案是不一樣的。

我們是基于麒麟架構，跟寧德時代做了很多深層次的聯合研發，包括與車型、電機端、平臺端去匹配的問題，否則我們的充電功率是達不到5C。5C最終是一個體系，電池只是其中的一環，還有電控、動力芯片、充電樁。

雖然都叫麒麟架構，但是每一家企業最終匹配出來的方案和與寧德合作的研發深度還是有差別的。

Q：麒麟的電芯應該是寧德時代的標準電芯，理想有沒有對電芯本身去做深度聯合開發？

A：理想從電芯到電池到整車的集成，都是做了聯合開發的。

如說要滿足5C的要求，鋰離子的傳輸速率就要優化，另外充電功率提升了，發熱量就大了，即便具備5C的能力，只要電池溫升不控制好，溫度一上來就會有問題，所以我們也做了對于電芯內阻的優化，這都是到電芯級別的聯合開發。所以合作深度上不同的企業還是有差異。

返回第一電動網首頁 >