廣州車展上，智能駕駛技術迎來了新的里程碑。多家車企紛紛亮出自家的端到端智能駕駛方案，標志著智能駕駛技術進入了一個全新的發展階段。
其中，小鵬汽車宣布將推送基于端到端大模型的XNGP智能駕駛系統，該系統覆蓋從高速到城市道路的全場景。小米汽車也展示了其端到端智能駕駛測試實況，并預告將在12月推出“車位到車位”全場景智駕先鋒版。而長城汽車則基于端到端智駕大模型SEE，宣布其全場景NOA在全國范圍內開放。
這一系列發布表明，端到端智能駕駛已成為智能駕駛領域的共識，并被各大車企高度重視，投入大量資源進行研發。這一趨勢的背后，是人們對人工智能實際應用需求的迫切，以及汽車作為人工智能落地最佳平臺的共識。
汽車配備了眾多傳感器，擁有龐大的用戶群體和豐富的運行數據，使得汽車成為大型模型介入現實世界的理想媒介。隨著技術的演進，人們普遍認為，人工智能的下一步發展將聚焦于具身智能，而汽車本身就是一種具身智能的體現。
在這一背景下，理想汽車憑借其在智能駕駛領域的創新，迅速崛起，成為智能駕駛的第一梯隊成員。在廣州車展上，理想展示了其全新一代智能駕駛技術架構——端到端+VLM雙系統，并宣布OTA 6.5版本車機系統將于11月底正式推送。該系統新增了“車位到車位”智能駕駛、全國高速收費站ETC通行功能以及后向自動緊急制動等功能。
理想發布的端到端+VLM智駕技術效果驚艷，成為行業首個全量推送車位到車位的智能駕駛系統，引發了整個智能駕駛行業的廣泛關注。通過端到端的智能駕駛系統，車輛能夠在復雜的交通環境中實現自主駕駛，從起點車位到終點車位全程無需人工干預。而VLM技術的加入，使得理想汽車的智駕系統更加智能和高效，能夠更好地理解和處理復雜的交通場景，做出更加準確和及時的駕駛決策。
理想汽車的這一創新，得益于其對智能駕駛第一性的深刻洞察。理想公司認為，智能駕駛系統需要滿足兩個基本條件：確保安全和提供便利性，減少人為干預。基于這兩個條件，理想公司進一步認識到，智能駕駛能力發展的首要任務是為智能駕駛系統配備一個能夠確保安全并迅速根據用戶意圖做出決策的大腦，利用這個大腦來指揮和協調智能駕駛系統中的各個子系統，以實現最佳的駕駛體驗和效率。
為了實現這一目標，理想汽車精心設計了一套端到端的智能駕駛模型和能力，并逐步替代了傳統的規則指定和人工標注方法。通過大量的數據訓練和學習，人工智能系統能夠自主地理解和學習真實世界的各種情況，成為智能駕駛動作的執行者。同時，理想汽車在業內率先提出了在端到端模型的基礎上增加一個視覺語言模型（VLM）的匹配，作為整個智能駕駛系統的核心思維中樞。
在智能駕駛過程中，任何需要做出決策的場景，端到端系統都會向VLM提出相關問題，并根據VLM提供的答案來執行相應的操作。這一創新模擬了人類的思維過程，使得駕駛體驗越來越順暢和自然。理想汽車的核心目標是讓這個VLM模型的思維盡可能地貼近用戶的需求。
為了對端到端+VLM進行測試和訓練，理想汽車還構建了一個世界模型，能夠盡可能真實地模擬現實世界的各種情況。通過這種方式，端到端的智能駕駛模型以及結合視覺語言模型（VLM）的智駕系統可以在一個虛擬環境中接受各種復雜場景的訓練，極大地加速了系統的成熟過程。
理想汽車對智能駕駛第一性的深刻洞察，不僅體現在技術創新上，還體現在其對研發投入的堅定決心上。理想汽車董事長兼CEO李想表示，未來三到五年，最大的變量來自人工智能，包括基于真正的人工智能的智能駕駛和基于人工智能的智能助手，這將給消費者帶來全新的體驗。
理想汽車在研發上的投入巨大，2024年前三季度，研發費用累計達到86.6億元，同比增長22.1%。近一年來，理想汽車累計研發投入超過120億元。這樣的投入使得理想汽車的智能駕駛能力得到了快速提升。
在數據、算力和算法方面，理想汽車也做了自己的設計和優化。其全棧自研的“端到端+VLM（視覺語言模型）”的新一代智駕方案以每周2至3個版本的速度快速迭代，模型訓練數據規模從100萬clips提升至500萬clips，平均接管里程翻了約3.5倍。理想汽車智能駕駛訓練里程已經達到26.7億公里，用戶NOA總里程達到14.4億公里，累計使用智能泊車功能超過6417萬次。
理想汽車在智能駕駛領域的崛起，不僅得益于其技術創新和研發投入，更得益于其對智能駕駛第一性的深刻洞察。這種洞察使得理想汽車能夠找到智能駕駛的真正核心問題，并圍繞這一問題進行技術創新和投入，從而實現了在智能駕駛領域的后來居上。
