文 | 表外表里 張冉冉 薛程鵬

編輯 | 曹賓玲 付曉玲

在特斯拉智駕團隊工作區，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下行駛的里程數，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。它采用one model端對端架構，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。

不僅提前交卷，成績還壓了優等生小鵬、華為們一頭：理想直接對標特斯拉，而智駕“遙遙領先”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、數據、模型等一系列要做的事情，小鵬們在研發無圖NOA等系統時就熟練掌握了，理想不僅研發時間更晚，開城數量還差了一大截。

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。

這些質疑沒錯，在汽車消費上怎么強調安全都不為過，但矛盾的是，企業發展往往又需要經常“踩油門”變道超車。

一、現在轟油門，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在發展早期仍然需要人類老師。”

這也不難理解，畢竟one model端到端路線純數據驅動，用馬斯克的話說就是“一張神經網絡打包一切”，幾乎把過去模塊化時代積累的經驗都扔進了垃圾桶。

相比之下，華為們采取的分段式“端到端”技術方案，仍是一個人工和智能“共處”的混搭系統。

在模塊化時期，對駕駛任務的決策、執行，需要基于規則——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，變成代碼規則，智駕系統按這些規則匹配實際情況作出反應。

而道路行駛環境復雜，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，演變成了往規控模塊堆人力的軍備競賽。可以看到，小鵬、華為“遙遙領先”的開城數量，正是建立在分別超過3000+人、7000+人的智駕團隊規模上。

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，小鵬們如果直切one model端到端，意味著此前積累的規則數量大部分都將作廢，人員與組織架構調整，也牽一發而動全身。

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，并回傳數據。

與之相比，同期的友商們或多或少都有點“拉跨”。比如，技術、銷量都領先的特斯拉，囿于“國內數據合規性”限制，FSD一直無法引進中國，數據積累尚屬空窗期。

銷量巨無霸的比亞迪，智駕業務一直“外包”給百度、大疆等供應商，既不允許這些供應商用量產車型上獲得的數據，自己也沒有回傳數據的能力。

同樣有數據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據，“目前已形成一支300多輛車的研發車隊，積累150PB以上的數據”，暗示自己也在建設數據回傳能力。

這意味著，理想如果現在不上馬one model端到端，很可能“錯過這個村，就沒了這個店。”

當然，競對們追上來，還需要過程，且數據訓練也不只是堆量，還對數據質量有要求——端到端的各個功能需要同時進行訓練，訓練數據越一致越好。

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勢，傳感器布局和傳感器型號完全一致，理想L系列的數據可以完全復用。”

除了規模、質量，數據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時就發現了：在西海岸硅谷和東海岸紐約，FSD性能差距大到像2個系統。

這時，以前總是被嘲“技術落后”“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”，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。

二、1年多時間，補了特斯拉3年的課

去年10月開始研發無圖，3個月后從研發轉向量產交付，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、數據、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，并逐漸在規劃和控制模塊也加入神經網絡。

有了特斯拉在前面探路，還有自己數據優勢傍身，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。

橫向對比來看，特斯拉從無圖到端到端全量推送，大約經歷了3年，而理想僅僅花了1年多時間就補完了作業。

“2024年要成為智駕絕對頭部。”這是李想立下的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，所以有很多數據，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：大多數的數據最終都會被丟掉，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據。

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質數據其實鳳毛麟角。而理想積累的數據雖然“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，而理想的這一數據是25億公里，剛過特斯拉的1/5。

這使得理想訓練的優質數據量也遠少于特斯拉：據《馬斯克傳》，FSD 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，數據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。”

理想目前的解題思路是在one model端到端模型之外，并聯一個視覺語言模型（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，積累更多數據。

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

在內測版本，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。”這是馬斯克分享的數據，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，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”。

小結

據傳，理想智駕部門很喜歡以希臘神話為“關鍵戰役”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、很危險，如果做不好，達摩克里斯之劍會掉下來。”

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。