来源:华尔街见闻

智驾大战。

理想要和特斯拉掰手腕  第1张

编辑 | 周智宇

在外界印象中,理想的智驾一直是追赶者的状态,但在ALL IN端到端后,理想竟然自信地说已经超过特斯拉了。

在8月30日的成都车展,理想汽车智驾团队详细发布了“端到端+VLM”方案,不同于国内同行的“分段式端到端”,理想的方案是被称为“OneModel”的一张大网。

这是目前自动驾驶架构演进的最终形态,该阶段不再有感知、决策规划等模块的明确划分,从原始信号输入到最终规划轨迹的输出,采用一个深度学习模型,完整无损地应用于自动驾驶。

在理想智驾研发副总裁郎咸朋看来,死磕“最终版”的端到端,正是理想得以弯道超车的秘密。

“过去的智驾方案,不管是轻图还是无图,底层技术架构都是有人为设计成分的,如果想将一年四季各种情况都跑一遍,没有一两年时间是不可能实现。所以我们迭代了端到端+VLM技术架构”,郎咸朋认为,该架构是AI自己生长的,“真正变成车自己在开”。

不仅如此,理想开始打造“世界模型”来加速智驾AI的训练,“世界模型可以生成、模拟场景,这是几千万个场景测试”,理想智驾高级算法专家詹锟表示,这是实现智驾快速迭代最重要、且最必要的保证,并且“世界模型”还是将来碾压端到端的存在。

“它可以根据当前的环境预测未来,能推理出未来的场景。比如球滚到路中间,端到端只会刹车,世界模型会想后面会不变还有小孩冲出来?它对世界有更宏观综合的判断”。詹锟表示,理想在上车端到端的同时,就已经预研下一代技术了。

因此郎咸朋凡尔赛地表示,“我们跟特斯拉没有太大差别,甚至更领先一点”。

敢于与特斯拉FSD这个全球智驾标杆掰手腕,不仅在于理想双系统架构的超前,更在于理想在新势力当中领先的销量和财力。郎咸朋说真正做到端到端要看两个能力,“有没有足够多的数据和充足的算力,因为它是AI训练”。

他表示,为了训练好自家智驾系统,理想对数据质量要求极高,只精选3%“老司机”数据喂给AI,但在80万车主基数下数据量已经足够庞大;而为了消化这些数据,理想到今年底要将算力提升至8亿EFLOPS,“这是一年20亿人民币的花销”。

在郎咸朋眼中,高阶智驾是巨头才能玩得起的游戏,“未来到L4阶段,数据和算力的增长都呈指数级,每年至少需要10亿美金,一家企业的盈利和利润不能支撑投入的话就很困难”。

靠着端到端的初步上车,理想已经获得了销量的快速转化。接下来它还要持续发力这个“头号工程”,这或许将是带领它成为比肩比亚迪、特斯拉的关键一环。

以下是华尔街见闻与理想智驾研发副总裁郎咸朋、智驾高级算法专家詹锟的对话实录(经编辑):

问:什么才是真正的端到端?怎么评价它是真的端到端?什么样的效果才是最好的?

詹锟:端到端是一种研发的范式,从最开始的输入端到最后的输出端,中间没有其他过程,用一个模型完整实现。现在理想汽车是一体化OneModel端到端,通过直接传感器输入,模型推理完毕后直接给到轨迹规划用来控车,这就是一体化端到端。

市面上还有一种端到端,是在中间分两个模型,模型中间以一个信号做桥接,但我们认为这不是真正的端到端,如果中间加了人为的信息消化过程,可能效率不是那么高或能力上限受到约束。

郎咸朋:现在很多人都说自己是端到端模型,但是真正做端到端还是要看两个能力:有没有足够多的数据和充足的算力。否则我觉得很难做出真正的端到端来,因为它是AI训练。

问:现在很多品牌提出自己是引领者,理想汽车也在说已经跻身智能驾驶第一梯队,怎样评价自家端到端的技术水平?

郎咸朋:普通消费者不关注技术而是体验,我们也不和谁比。

以前我们为做城市NOA考虑过用高精地图,但后续因为体验因素决定转做无图,但那时的无图还是感知、规划、分模块的方案,里面有大量的人工规则和实车测试。

先不说预算投入方面,时间上就非常困难,如果想将一年四季的各种情况都跑一遍,没有一两年时间是不可能实现的。所以我们又迭代到端到端+VLM技术架构,这是AI方案是自己长出来的。

之前辅助驾驶是系统辅助人来开,主体是人,但是到现在端到端+VLM阶段后,我们认为是变成车自己在开。训练出完整模型之后,模型自己有能力开好这个车,我监督这个车哪里不行或者有提示需要接管,但是主体一定是车,人作为一种监督的辅助角色。

问:端到端的研发周期大概多久?

郎咸朋:理想认真做端到端+VLM是从去年开始的,我们在研发阶段是一个非常小而精的团队,做无图的时候已经在预研端到端,现在做端到端实际已经预研下一代技术了。当判断条件已经成熟和初步验证成功,会转到量产阶段。

问:端到端最早是特斯拉提出来的,我们是不是受到特斯拉的启发?我们怎么确定流程一定能跑通?

詹锟:端到端不是特斯拉第一个提出来的,2016年英伟达就有一个模型提到了这个技术,但效果一般只解决了特别简单的场景,以当时算力和模型规模,大家认为这条路是行不通的。到2023年,特斯拉在新transformer架构上增加了超大算力做出来之后,在往更有成长的方向上推进。

问:理想目前感受自己和特斯拉智驾的差距有多大?

郎咸朋:去年那会过差半年,今年可能还会再小一点。从技术架构上,我们跟特斯拉没有太大差别甚至更领先一点,因为我们有VLM,特斯拉只有端到端。在中国的训练算力和训练数据上,至少从现在看我们是领先于它,因为特斯拉在中国还需要算力部署。

另外我们也用上了世界模型,可以生成、模拟场景,这是几千万个场景测试,这是实现智驾快速迭代最重要、且最必要的保证。这种方式进行模型迭代比原来整车或者路试的方式要可靠得多,而且一年四季各种场景全都可以涵盖。

詹锟:世界模型可以根据当前的环境去预测未来,能够推理出未来的场景。比如,球滚到路中间,端到端只会刹车,但世界模型会想是不是还会有小孩冲出来?它对世界有更宏观综合的判断。其实VLM在我们系统上就是起到这个效果,当然我们现在模型规模还很小,能力是有限的。

问:前不久有人提出“500亿做不好智驾”的观点,理想对此有什么看法?

郎咸朋:关于500亿,需要判断是一次性投资还是长期投资,就像今天提到的我们每年都会有10亿美金投资在智驾研发中,如果连续10年的话是超过500亿。

端到端+VLM的技术架构是一个分水岭,从这一代开始才是真正用AI的方式做。

之前我们还是在用传统方式做智驾,所有产品的最终效果,都是有“设计”在里面,没有设计到的场景可能就无法实现。不仅无法实现纯粹的数据去驱动,人工工作量也大。

一体化的端到端模型,虽然在模型的结构、模型的训练方式上有难度,但最大的好处是,我们给出数据训练模型,模型输出结果,这样自然而然的AI训练过程。

从我们自己的端到端模型来看,只需要告诉它要做和“老司机”一样的驾驶体验,输入所有理想车主中“老司机”的驾驶数据,它就给你结果。数据筛选是非常严格的,在当时80万车主中,只有3%才是真正的老司机的数据。

在有了这个前提之后,接下来做研发的核心竞争,看是否有更多更好的数据和与之配套的算力去训练模型。而算力和数据的获取,需要看花多少钱、投入多少资源去做。而这其中有些东西是用钱买不到的,比如训练数据、训练里程,各家车企有自己的资源,相互之间并不会互通共享。

另一个需要投资的是算力,我们现在5.39亿EFLOPS的算力,到今年年底预计8亿EFLOPS,这是一年20亿人民币的花销。

未来进入到L4阶段,每年数据和算力都呈指数级增长,这也就意味着每年至少需要10亿美金。5年之后,它需要持续迭代,在这样的量级下,一家企业的盈利和利润不能支撑投入的话,是很困难的。

所以,现在并不需要关注投入多少亿做自动驾驶,而是从本质上出发,是否有充分的算力和数据支持,再看看需要投入多少钱。

问:过去几年智驾的技术战快速变化经历了几次大迭代,巨变还会发生吗?

郎咸朋:端到端+VLM双系统是模拟人类思考认知的架构,因为我们做AI最终希望可以实现拟人或者类人。目前的AI框架是非常合理的,很多企业也开始尝试跟进。

双系统理论,不仅可以用在自动驾驶上,也是未来AI甚至智能机器人的范式。自动驾驶可以说是一个轮式智能机器人,只是工作范围是道路。所以,我觉得是有一定的长期行为力,但技术发展是无穷无尽的,我们会保持对先进技术的敏捷感知,如果有新的技术我们也会追踪。

问:端到端量产交付之后能给销量带来多大的增量?

郎咸朋:无图NOA全量推送之后,近两个月我们试驾翻了一倍。30万以上的车型AD Max占比达到70%,原先AD Pro会多一些,L9 AD Max甚至占比90%以上。

问:理想汽车对高阶智驾有没有收费的计划?有什么好的商业模式?

郎咸朋:标配和免费都是理想从第一天开始进入智能驾驶就制定的策略,“有监督的自动驾驶”对所有AD Max的车主都是不收费的,它还能为自动驾驶提供更多的车辆训练里程。因此交付量比较好且企业经营稳健,也有足够的资源投入智驾研发。

詹锟:理想有非常丰富的数据,我们相信这些数据是能够支持我们做好的优势。所以我们选择了挑战更大、更困难的端到端一体化架构,它的上限很高,但缺点是训练更难,包括数据配比和训练方法需要去探索和挖掘,但我们还是毅然决然地选择了难而正确的道路。

风险提示及免责条款

市场有风险,投资需谨慎。本文不构成个人投资建议,也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。