理想 i8 將在今年 7 月發(fā)布，這之后的幾個月里，理想多款 i 系列純電車會密集上市。為了迎接它們，理想在準備兩件事，一是大規(guī)模建設(shè) 5C 超充站，二是將智能駕駛的能力再提升一個高度。
01.理想急攻 VLA
我們獨家了解到，理想已在不久前啟動了封閉式開發(fā)，目標是到今年下半年，突破 VLA （視覺-語言-動作）智駕大模型的落地難關(guān)。
VLA 是今年智能駕駛的核心競賽之一。目前理想汽車、吉利汽車和元戎啟行是 VLA 的主要推動者，三家公司都希望成為率先落地 VLA 的一家。
VLA 的落地有其難度。除了模型本身的研發(fā)需要時間，硬件的限制無法逾越?，F(xiàn)在市面上可采購到的芯片，性能基本都無法支持 VLA 的運行。供應(yīng)商方案中，英偉達今年即將量產(chǎn)的 Thor 系列，有望能夠解決這一問題。
在理想汽車內(nèi)部，基于哪個芯片來開發(fā)未來產(chǎn)品智駕方案的硬件算力平臺，曾經(jīng)歷數(shù)輪變化。理想最先啟動的方案是基于英偉達 Thor-U 來開發(fā)，這也是元戎、吉利的方向，隨后調(diào)整為基于自研芯片做開發(fā)。
我們獨家了解到，去年底理想自研的芯片項目 “舒馬赫” 流片失敗，在那之后，雖然自研芯片的項目又重新上路，但理想暫停了基于自研芯片所做的算力平臺開發(fā)，轉(zhuǎn)而繼續(xù)用英偉達的 Thor-U MAX 做開發(fā)。據(jù)時間線推斷，現(xiàn)在理想封閉開發(fā)的 VLA 模型，大概率也是在英偉達 Thor-U MAX 的基礎(chǔ)上做。
智能駕駛每年都會有一輪新的技術(shù)競賽，一次又一次改變第一梯隊的座次。2024 年的競賽是端到端，理想的智能駕駛能力，也是在這一年中嶄露頭角。
去年 10 月底，理想汽車官宣全量推送端到端 +VLM 大模型，超過 30 萬理想 AD MAX 版本車輛的車主，成為首批嘗鮮者。11 月 28 日，同樣基于端到端 +VLM，理想向 AD Max 版車主全量推送了車位到車位功能，成為行業(yè)首個全量推送這一功能的車企。
從實際效果來看，理想的端到端 +VLM 方案的確受到了較高的評價。一位來自主要競爭對手的智駕研發(fā)負責人告訴我們，理想全量推送后，該公司立刻找來了一輛測試車，讓自家研發(fā)人員報名去體驗。
但這套方案只是階段性成果，端到端 +VLM 大模型并不能作為最終的解決方案。
所謂端到端智駕大模型，是指用人工智能模型來取代舊智駕方案中的感知、規(guī)劃、控制三個模塊。智能駕駛系統(tǒng)不再依賴工程師編寫的規(guī)則工作，而是訓(xùn)練 AI 模型，讓它學(xué)習人類司機的開車方式。這么做的好處是，智能駕駛的能力上限會更高，進步速度會更快，駕駛方式更接近人類。
但現(xiàn)階段的大模型有其缺陷，比如決策不可解釋，再比如有少量難以預(yù)知的場景無法處理等。為了解決種種問題，理想在端到端模型的基礎(chǔ)上，增加了一個 VLM（視覺語言）模型。
端到端大模型是智能駕駛的專用模型，決策速度快，可以應(yīng)對絕大多數(shù)的駕駛問題。VLM 是多模態(tài)模型，對圖像和場景的理解能力更強?，F(xiàn)在主流的智能駕駛方案，逐步過渡到以攝像頭傳遞的圖像信息為主，因此 VLM 能夠提升整套智駕系統(tǒng)對復(fù)雜場景的理解能力，從而提升智能駕駛的精準度。
二者的組合可以理解為是，端到端大模型負責開車，VLM 提供意見，為少量復(fù)雜場景兜底。這種組合雖然彌補了端到端大模型的不足，卻并不能作為智能駕駛的終極解決方案。
▍元戎啟行制作的圖解
理想的端到端和 VLM，仍然是相對獨立的兩個模型。VLM 模型雖然理解能力強，但推理速度慢，無法直接控制車輛，只能起到有限的作用。此外，VLM 模型通常需要本地部署，運行起來大約需要占用整整一顆 Orin-X 芯片的算力。
理想在去年二季度財報的電話會議上對外透露，公司內(nèi)部已經(jīng)啟動了端到端 VLA 模型的研究。VLA 能夠?qū)⒋饲暗亩说蕉恕LM 兩個模型合二為一。也就是說，在新的模型中，多模態(tài)大模型不再作為輔助，而是內(nèi)化為了端到端智駕大模型的一種能力。
02.智能駕駛接近決戰(zhàn)時刻
理想并不是智能駕駛領(lǐng)域的先行者，當技術(shù)方向清晰后，理想迅速通過投入大算力和海量的數(shù)據(jù)，快速驗證路徑，追上了對手。這種路徑適用于車輛保有量大、且駕駛數(shù)據(jù)可有效回傳的車企。但隨著時間的推進，落后者的機會窗口逐漸縮窄。
今年 2 月底，特斯拉 FSD V12 開始在國內(nèi)小范圍測試，鯰魚來了。包括理想在內(nèi)的一些車企，將 VLA 視作是智能駕駛未來的方向，甚至可能是接近最終解決方案的一套技術(shù)路徑。
今年 3 月 3 日，吉利汽車整合了旗下大部分智能駕駛方案，發(fā)布了統(tǒng)一的 “千里浩瀚”，由低到高分別推出 H1、H3、H5、H7 和 H9 五套智駕方案，在高階方案上率先落地 VLA，也是吉利的目標。此外，獲得了長城汽車投資的智能駕駛方案商元戎啟行，也計劃在今年推出 VLA。
然而，VLA 的落地一直有問題沒有解決，需要研發(fā)人員深度交融兩個模型的數(shù)據(jù)，這十分考驗研發(fā)團隊對AI大模型框架的定義能力。
另一個限制在硬件，端到端與 VLM 融合后，車端模型參數(shù)會變得更大，同時新模型需要更高效的完成實時推理，理解復(fù)雜世界并給出建議，這些都對車端芯片有更高的要求。
現(xiàn)在多數(shù)車企高階智駕的硬件方案，基本都是兩顆 Orin-X 芯片，算力 508Tops，不足以支持 VLA。英偉達最新一代車載 AI 芯片 Thor 單片 AI 算力最高是 1000Tops，且性能上對大模型的有更好的支持。包括理想 i8、極氪 EX1E、領(lǐng)克 900 等在內(nèi)，很多很多車企旗艦車的上市時間集中在了今年下半年。
VLA 并不是今年智駕唯一的賽場，另一個技術(shù)路線的代表是華為、小鵬，去年他們同樣完成了端到端智駕方案的推送，時間點早于理想。
與理想的方案不同，華為、小鵬去年解決端到端大模型問題的方式，可以描述為 “分段”。以小鵬為例，其智駕模型由神經(jīng)網(wǎng)絡(luò)感知網(wǎng)絡(luò) XNet、規(guī)控大模型 XPlanner 和大語言模型 XBrain 三個部分組成，增加了大模型的可解釋性和推理能力。華為、小鵬這條路徑上的競賽，是推進一段式端到端方案的研發(fā)。
無論哪一個賽場，頭部玩家智駕技術(shù)水平的快速迭代，都會導(dǎo)致競賽的節(jié)奏變快，落后的玩家只能面對越來越高的門檻，后發(fā)制人的可能性會逐漸變小。