芒果平臺

芒果平臺

雖然距離2024年尾聲還有三四個月時間，但汽車行業(yè)的年度關鍵詞似乎已經(jīng)毫無懸念，那就是自動駕駛領域的“端到端”技術，2024也被行業(yè)稱為自動駕駛領域的新紀元。從去年8月特斯拉發(fā)布FSD V12，到今年4月商湯絕影發(fā)布UniAD，5月百度發(fā)布Apollo ADFM，同期小鵬汽車發(fā)布XNet、XPlanner、XBrain，7月理想汽車發(fā)布端到端+VLM，各大廠商幾乎都有自己的端到端系統(tǒng)。

端到端(End-to-End, E2E)自動駕駛技術是一種新興的技術路徑，它打破了傳統(tǒng)自動駕駛系統(tǒng)中感知、決策、控制等模塊的界限芒果平臺，將這三個環(huán)節(jié)融合到一個統(tǒng)一的神經(jīng)網(wǎng)絡系統(tǒng)中。這一技術路徑的核心思想是通過深度學習模型，直接從傳感器輸入(如攝像頭、激光雷達等)到控制輸出(如方向盤轉(zhuǎn)動角度、油門和剎車力度)，實現(xiàn)整個駕駛過程的自動化。

這就要提到理想汽車在自動駕駛技術上展現(xiàn)出獨特的創(chuàng)新思路：端到端+VLM雙系統(tǒng)架構策略。據(jù)理想官方信息，這種架構是受到諾貝爾獎獲得者丹尼爾·卡尼曼提出的雙系統(tǒng)理論啟發(fā)，而且是理想世界首創(chuàng)的雙系統(tǒng)智能駕駛方案。這種雙系統(tǒng)架構的設計旨在提高自動駕駛系統(tǒng)的穩(wěn)定性和可靠性，通過快系統(tǒng)處理常見場景，慢系統(tǒng)處理復雜場景，使得系統(tǒng)更加靈活高效。理想的端到端，不同于傳統(tǒng)的分段式，而是采用One Model一體化端到端，能夠保證大部分場景下的“高效率”，使智能駕駛具備“老司機”的駕駛能力，支撐其無圖NOA功能的快速上線。而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。基于此技術方案，理想汽車為用戶帶來了全新的智能駕駛產(chǎn)品和體驗形態(tài)芒果平臺，即車位到車位的“一鍵智駕”功能。

在極具挑戰(zhàn)的數(shù)據(jù)閉環(huán)方面，理想汽車通過云端的世界模型與車端影子模式相結合，有效驗證了無圖NOA的功能。8月底，在成都車展，理想汽車智能駕駛研發(fā)副總裁郎咸朋表示：“得益于龐大的訓練數(shù)據(jù)、強大的算力和AI能力評測體系，全新一代理想智能駕駛迭代速度非常驚人。理想汽車目前累積的訓練里程已超過22億公里，預計到2024年底將超過30億公里；當前訓練算力達到5.39EFLOPS，預計到2024年底將超過8EFLOPS，理想汽車每年在訓練算力的投入超過10億人民幣。我們認為最終實現(xiàn)自動駕駛需要的訓練算力要達到100EFLOPS的量級，折合成投入每年要超過10億美金。”

7月15日，理想汽車正式全量推送無圖NOA，不再依賴高精地圖等先驗信息芒果平臺，在全國范圍內(nèi)可導航的城市道路均可使用。理想汽車智能駕駛滿意度調(diào)研顯示芒果平臺，用戶在滿分10分的調(diào)研中，對理想智能駕駛給予了9分的高度評價。理想全國門店開啟無圖NOA試駕后，門店NOA試駕率實現(xiàn)倍增，30萬元以上車型AD Max銷量占比達到近70%。

7月底，理想汽車基于端到端模型、VLM視覺語言模型和世界模型的全新智能駕駛技術架構成功在車端落地并開啟千人內(nèi)測。千人團用戶數(shù)量達到1029人，覆蓋270個城市。內(nèi)測不到1個月的時間，千人團用戶總城市NOA行駛里程達到21.1萬公里，單日城市NOA駕駛最長里程391公里芒果平臺，單次零接管城市NOA最長里程81.6公里。

9月14日當天，理想汽車也將“車位到車位”一鍵智駕正式推送給千人團，標志著行業(yè)率先“車位到車位”產(chǎn)品落地芒果平臺，目前車位到車位功能僅支持地庫場景，且需完成學習流程，功能包含：一鍵激活導航和功能(無需額外設置導航，直接到目的地車位)芒果平臺，地庫垂直車位內(nèi)P擋直接激活起步、車位內(nèi)泊出，園區(qū)內(nèi)通行，地庫內(nèi)通行(含盤旋通道)，公共道路進/出園區(qū)，識別閘機及啟停等用戶高頻用車場景。

2023年，中國自動駕駛系統(tǒng)市場規(guī)模為3301億元，同比增長16.09%，保持高速發(fā)展態(tài)勢。當前，中國自動駕駛技術正處于快速發(fā)展與深刻變革的關鍵時期，高階智能駕駛已成為行業(yè)競逐的焦點。理想汽車行業(yè)率先“車位到車位”產(chǎn)品的落地，對高階智能駕駛領域的影響巨大，不僅預示著理想端到端+VLM智能駕駛技術正面向所有用戶落地，也引導行業(yè)選擇研發(fā)更優(yōu)的技術框架和底層算法模型，為自動駕駛的未來注入新的活力。