當特斯拉FSD V13將在2024年10月發布，國內關于“我們與特斯拉智駕孰強”的話題，仍然呈現出兩極分化的態勢。

一類是由于FSD未曾進入國內，不少人沒有機會充分體驗最新FSD版本，又或者被此前高精地圖版智駕的“開卷考試”影響認知，覺得“這不算什么”，故而認為“我們的智駕遙遙領先”。

一類是被“BEV是特斯拉率先使用、OCC也是特斯拉獨占鰲頭，端到端還是特斯拉一馬當先”給嚇到了，加上“特斯拉有最多的智駕車在積累數據”，覺得“這輩子怎么都不可能超越特斯拉”。

然而，我們能不能從技術的底層原理去分析？中國汽車智駕能超越特斯拉嗎？這個問題，適合提給進步速度最快、后來居上的“黑馬”。

于是我們選中了理想汽車，這家企業原先并不以智駕技術作為長板，然而過去兩年進步神速，在今年7月開放了無圖智駕，并且截至9月已經達成19億公里累計智駕行駛里程，超過了蔚來的10.41億和小鵬的9.82億，處在國內車企榜首。

能否超過特斯拉？帶著前面的疑問，我們采訪了理想汽車智能駕駛研發副總裁郎咸朋博士，和理想汽車智能駕駛高級算法專家詹錕。

“落后”可以扭轉

如果，“智駕領域，中國落后于美國，該如何超越”，是不是可以參考“智駕領域，理想原本落后，現在后來居上”？

在采訪過程中，我們沒有客套，上來直接拋出問題“一開始落后的理想汽車智駕，是如何縮小差距并著眼反超的”。

“后進生逆襲到第一梯隊很正常。”郎咸朋笑著解釋，并未否認理想智駕曾經的落后，畢竟“不鮮亮的過往”，有時候并不是污點，反而更能反襯如今的光彩。

他將理想的后來居上歸納最重要的原因，歸結為高組織效率。

乍一看似乎這是個管理學的概念，和智駕技術關聯并不高，然而研發是一種團隊工作，必然與組織、管理密不可分，需要統籌、協調和優化。

雖然不少消費者覺得理想和華為是天然的競爭對手，但從李想本人開始，理想汽車并不諱言對華為的尊重和學習態度。郎咸朋坦陳：“我們是向華為學習的組織架構，比如我們內部有IPD流程等。這是我們學習一些先進經驗，然后結合理想汽車自己的企業特點進行內化處理的結果。”

而詹錕更詳細地鋪開了說明，目前在理想汽車的智駕團隊，預研PD、研發RD和交付三者同步進行，“我們是交付一代、研發一代、預研一代，這是我們為什么能一直緊跟目前智駕最新技術方案的原因，我們有比較好的階梯式研發流程。”

就像華羅庚當年給大家科普的“統籌思想”，可以在“燒開水”的時候“洗茶杯”，并行不悖的事情同時推進，最后總時長最短。

理想汽車在研發無圖NOA時，就已經預研端到端架構，提前做好了儲備。“所以這是我們為什么會速度比較快的原因。如果大家覺得犧牲了效率，其實是因為沒有找到提效的方法，”詹錕非常一針見血，“我們逐漸已經找到了通過自動化測試、世界模型高效驗證模型的方法，所以我們才能兼顧速度和質量。”

因此，某種意義上，我們可以把理想在智駕賽道上的奮起直追，簡單概括為“組織架構決定研發效率，研發效率決定進步速度，進步速度決定智駕地位”。

為此，理想汽車一直在持續優化組織架構，以提速智駕技術研發。

現階段理想智駕研發架構中分為算法研發和量產研發，分別對應著不同的小組，小組對應的是端到端不同模塊。

根據郎咸朋所言，在整體戰略規劃和業務戰略里，理想汽車對于業務組織有清晰的布局。組織根據業務變化，業務的目標和迭代則根據戰略調整，這就是理想的BLM流程（業務領導力模型），原先被稱為LSA流程（理想汽車戰略分析法）。

“大家可能對外感知到的是產品、組織的迭代，但實際上背后影射的是我們戰略和業務的迭代和變化。”在他看來，表層的變化，其實對應著底層的進化。

追溯理想汽車智駕研發的組織變化，可以比2023年更早，當時李想提出將智能駕駛作為公司戰略，2023年秋季雁棲湖戰略會上首次明確提出PD和RD都非常重要，并同步作為公司級戰略展開。

“接下來組織會不會發生變化，要看跟業務是否有關聯。”這個答案的本質在于“不變是相對的，變是永恒的”，畢竟業務的形勢在無限拉長時間軸之后，一定會發生重大轉變。而哪家企業能夠迅速進行調整，哪家企業便能在技術研發、產品打造和銷售營銷等各個維度最快適應市場。

“我們可以超越特斯拉”

古代西方文明，“言必稱希臘”。如今汽車智駕，“言必稱特斯拉”。

希臘如今再也不是西方當代先進文明的代表，特斯拉在智駕領域能不能被超越？顯然，這是從技術和工程角度考慮，而不是從對品牌的信任角度考慮。

以國內目前智能化技術最強的華為來說，我們相信它相對于特斯拉的優勢并不只是“華為”兩個字，而是“華為真正做到智能化全棧自研，從底層OS系統、傳感器、軟件和算法、云都是自行開發，更容易打通”。

同時特斯拉的智駕也并非沒有短板。

例如端到端大模型，依然會在糾錯端存在效率低下的短板，必然需要“教師模型”先于“學生模型”去糾偏糾錯，而不是當真完全割離與人的關聯。而純視覺路線，雖然有“無需2D轉3D的流程冗余”、“無多渠道信息互擾的牽絆”等優勢，但無論如何無法克服“上限即為人駕”，以及惡劣天氣對攝像頭的拖累。

那么，不是所有的整車企業都能像華為那樣，搭建七千到九千人的智能化技術研發團隊，軟硬件、系統和云全部自行研發并打通，那么又該如何超越特斯拉呢？理想汽車的思路似乎更具備借鑒意義。

“兩個系統，強于一個系統”。

這既可以是簡單的1+1＞2算式，也可以是深邃的思考結論。

郎咸朋和詹錕已經不是第一次介紹“系統1+系統2”，但真正理解的人還不算多。

先回顧下端到端技術，這是指不再用人工制定規則的方式去約束智能駕駛系統，僅僅用人工智能模型，機械自學習的方式，去替代智能駕駛過程中的感知、規劃控制等模塊，從視覺的“輸入”端，到智能駕駛系統最后控制車輛自行駛“輸出”端，完全依靠模型自身系統來處理，讓功能完全黑盒化。

端到端模型，追求One Model一體化端到端。

不過，出于安全冗余的考量，特斯拉、華為和小鵬等這些智駕領軍的車企，都會設置一定的底層負責安全冗余的算法，將感知、規劃控制模塊獨立，而接口仍然由人工定義和連接。

于是，超越特斯拉的機會就來了！

首先是真正做徹底One Model一體化端到端。理想這樣做了，比特斯拉更徹底。

那么問題來了，包括特斯拉在內，FSD V12演示的時候遇到過短板，上限表現很好，一旦進入到不太熟悉的地區，會出現難以解釋的規控決策。那么理想做徹底One Model一體化端到端，該怎么解決安全冗余？

那么這就是超越特斯拉的另一個機會，理想引入了另一個系統——系統2，VLM視覺語言模型。

郎咸朋這樣解析運作機理：系統1完全靠自己的視覺感知，執行操作，系統2需要長期積累知識給系統1提醒和告知。系統2能夠提供復雜環境的理解能力、讀懂導航地圖的能力以及交通規則的理解能力，輔助系統1進行規劃決策。

打個比方，系統1是司機，系統2 就是駕校教練。

按照理想的說法，VLM視覺語言模型是世界上第一個成功部署在車端芯片的大模型，具備應對復雜場景的邏輯思考及決策能力。

其實，這并不是完全異想天開的構思，而是認知心理學和自然形成機理的延續。

雙系統概念，其實正是詹錕團隊提出，這是基于認知心理學家、諾貝爾獎得主丹尼爾·卡尼曼理念“人腦有兩個系統，一個基于經驗和直覺，一個會綜合學習積累的邏輯推理能力”。

特斯拉模仿人類視覺，推進純視覺感知路線。

理想汽車模仿人類大腦雙系統架構，兩個系統為整個理想的智能駕駛服務。

從模仿人眼，到模仿人腦，誰說特斯拉不可被超越呢？

世界模型也能優化可靠性

我們C次元在采訪理想研發高管的同時，還不忘提一把新勢力長期被詬病的“可靠性”問題——畢竟，就連特斯拉的FSD，迄今V12.5的測試仍然經常在高速上無故減速，而不信任智駕的受眾更是未從“特斯拉智駕騙人”的泥潭中掙脫。

如何解決智駕的可靠性？

驗證測試當然必不可少。

“在驗證測試方面，我們通過技術提升做到更好的測試和發布效果，同時也減少了時間和人力。”郎咸朋介紹稱，“而且，測試效果比原來人力測試更好，這是人工智能技術帶來的結果。”

理想汽車用重建、生成技術取代了人工的測試，重建技術很快就能夠重建幾百公里的場景，包括各種天氣路況下的場景，這些場景通過人類駕駛未必能夠獲取。

同時，提高數據的含金量和利用效率，這也仰賴于數據測試流程的那一套世界模型體系。

世界模型支撐了全新一代理想智能駕駛大范圍、高速迭代，提供了自動化的AI能力評價體系，通過重建技術將用戶遇到的問題場景變成“錯題集”，通過生成技術將用戶的真實駕駛場景舉一反三為“模擬題”，兩個技術確保了在模型評價時錯題不再做錯，同時兼具優秀的泛化能力。

因此，理想提出“有監督的自動駕駛”，以理想One Model+VLM+世界模型的技術方案，從1+1＞2，走向1+1+1＞＞2。

從當年智駕的后進生，到如今第一家將VLM部署到Orin-X芯片的企業，率先采用雙系統架構，以及近百萬輛效率規模、到2024年底30億公里的智駕里程、超過8EFLOPS的訓練算力……“我們希望做到智駕第一，”郎咸朋平和地微笑著，并不是狂妄驕傲。

其實無論理想能不能做到第一，有華為、蔚來、小鵬等智駕強手齊頭并進，最終智駕第一都將在中國，超越特斯拉也只是一個時間問題，并且已經在推進之中。

返回第一電動網首頁 >