独家丨豪赌下、一代智能驾驶, 理想汽车封闭。开发 VLA 模型

理想 i8 将在今年 7 月发布，此后几个月中，理想多款 i 系列纯电车会密集上市。为了迎接它们，理想在准备两件事，一是大规模建设 5C 超充站，二是将智能驾驶的能力再提升一个高度。

文|曹琳

编辑|冒诗阳

汽车像素(ID:autopix)原创

01.

理想急攻 VLA

我们独家了解到，理想已在不久前启动了封闭式开发，目标是到今年下半年，突破 VLA （视觉-语言-动作）智驾大模型的落地难关。

VLA 是今年智能驾驶的核心竞赛之一。目前理想汽车、吉利汽车和元戎启行是 VLA 的主要推动者，三家公司都希望成为率先落地 VLA 的一家。

VLA 的落地有其难度。除了模型本身的研发需要时间，硬件的限制无法逾越。现在市面上可采购到的芯片，性能基本都无法支持 VLA 的运行。供应商方案中，英伟达今年即将量产的 Thor 系列，有望能够解决这一问题。

在理想汽车内部，基于哪个芯片来开发未来产品智驾方案的硬件算力平台，曾经历数轮变化。理想最先启动的方案是基于英伟达 Thor-U 来开发，这也是元戎、吉利的方向，随后调整为基于自研芯片做开发。

我们独家了解到，去年底理想自研的芯片项目 “舒马赫” 流片失败，在那之后，虽然自研芯片的项目又重新上路，但理想暂停了基于自研芯片所做的算力平台开发，转而继续用英伟达的 Thor-U MAX 做开发。据时间线推断，现在理想封闭开发的 VLA 模型，大概率也是在英伟达 Thor-U MAX 的基础上做。

智能驾驶每年都会有一轮新的技术竞赛，一次又一次改变第一梯队的座次。2024 年的竞赛是端到端，理想的智能驾驶能力，也是在这一年中崭露头角。

去年 10 月底，理想汽车官宣全量推送端到端 +VLM 大模型，超过 30 万理想 AD MAX 版本车辆的车主，成为首批尝鲜者。11 月 28 日，同样基于端到端 +VLM，理想向 AD Max 版车主全量推送了车位到车位功能，成为行业首个全量推送这一功能的车企。

从实际效果来看，理想的端到端 +VLM 方案的确受到了较高的评价。一位来自主要竞争对手的智驾研发负责人告诉我们，理想全量推送后，该公司立刻找来了一辆测试车，让自家研发人员报名去体验。

但这套方案只是阶段性成果，端到端 +VLM 大模型并不能作为最终的解决方案。

所谓端到端智驾大模型，是指用人工智能模型来取代旧智驾方案中的感知、规划、控制三个模块。智能驾驶系统不再依赖工程师编写的规则工作，而是训练 AI 模型，让它学习人类司机的开车方式。这么做的好处是，智能驾驶的能力上限会更高，进步速度会更快，驾驶方式更接近人类。

但现阶段的大模型有其缺陷，比如决策不可解释，再比如有少量难以预知的场景无法处理等。为了解决种种问题，理想在端到端模型的基础上，增加了一个 VLM（视觉语言）模型。

端到端大模型是智能驾驶的专用模型，决策速度快，可以应对绝大多数的驾驶问题。VLM 是多模态模型，对图像和场景的理解能力更强。现在主流的智能驾驶方案，逐步过渡到以摄像头传递的图像信息为主，因此 VLM 能够提升整套智驾系统对复杂场景的理解能力，从而提升智能驾驶的精准度。

二者的组合可以理解为是，端到端大模型负责开车，VLM 提供意见，为少量复杂场景兜底。这种组合虽然弥补了端到端大模型的不足，却并不能作为智能驾驶的终极解决方案。

▍元戎启行制作的图解

理想的端到端和 VLM，仍然是相对独立的两个模型。VLM 模型虽然理解能力强，但推理速度慢，无法直接控制车辆，只能起到有限的作用。此外，VLM 模型通常需要本地部署，运行起来大约需要占用整整一颗 Orin-X 芯片的算力。

理想在去年二季度财报的电话会议上对外透露，公司内部已经启动了端到端 VLA 模型的研究。VLA 能够将此前的端到端、VLM 两个模型合二为一。也就是说，在新的模型中，多模态大模型不再作为辅助，而是内化为了端到端智驾大模型的一种能力。

02.

智能驾驶接近决战时刻

理想并不是智能驾驶领域的先行者，当技术方向清晰后，理想迅速通过投入大算力和海量的数据，快速验证路径，追上了对手。这种路径适用于车辆保有量大、且驾驶数据可有效回传的车企。但随着时间的推进，落后者的机会窗口逐渐缩窄。

今年 2 月底，特斯拉 FSD V12 开始在国内小范围测试，鲶鱼来了。包括理想在内的一些车企，将 VLA 视作是智能驾驶未来的方向，甚至可能是接近最终解决方案的一套技术路径。

今年 3 月 3 日，吉利汽车整合了旗下大部分智能驾驶方案，发布了统一的 “千里浩瀚”，由低到高分别推出 H1、H3、H5、H7 和 H9 五套智驾方案，在高阶方案上率先落地 VLA，也是吉利的目标。此外，获得了长城汽车投资的智能驾驶方案商元戎启行，也计划在今年推出 VLA。

然而，VLA 的落地一直有问题没有解决，需要研发人员深度交融两个模型的数据，这十分考验研发团队对AI大模型框架的定义能力。

另一个限制在硬件，端到端与 VLM 融合后，车端模型参数会变得更大，同时新模型需要更高效的完成实时推理，理解复杂世界并给出建议，这些都对车端芯片有更高的要求。

现在多数车企高阶智驾的硬件方案，基本都是两颗 Orin-X 芯片，算力 508Tops，不足以支持 VLA。英伟达最新一代车载 AI 芯片 Thor 单片 AI 算力最高是 1000Tops，且性能上对大模型的有更好的支持。包括理想 i8、极氪 EX1E、领克 900 等在内，很多很多车企旗舰车的上市时间集中在了今年下半年。

VLA 并不是今年智驾唯一的赛场，另一个技术路线的代表是华为、小鹏，去年他们同样完成了端到端智驾方案的推送，时间点早于理想。

与理想的方案不同，华为、小鹏去年解决端到端大模型问题的方式，可以描述为 “分段”。以小鹏为例，其智驾模型由神经网络感知网络 XNet、规控大模型 XPlanner 和大语言模型 XBrain 三个部分组成，增加了大模型的可解释性和推理能力。华为、小鹏这条路径上的竞赛，是推进一段式端到端方案的研发。

无论哪一个赛场，头部玩家智驾技术水平的快速迭代，都会导致竞赛的节奏变快，落后的玩家只能面对越来越高的门槛，后发制人的可能性会逐渐变小。

（内容来源：全球旅报）