『導(dǎo)讀』理想汽車(chē)自動(dòng)駕駛技術(shù)路線的思考
自動(dòng)特斯拉不舉辦AI DAY以后，中國(guó)智能駕駛行業(yè)的對(duì)于未來(lái)的技術(shù)路線，似乎失去了方向。大家爭(zhēng)先恐后愛(ài)說(shuō)的“時(shí)髦話”，也止步于“端到端”了。出人意料地，“好久沒(méi)出來(lái)的”李想，給出了一個(gè)自動(dòng)駕駛技術(shù)路線的新思考。
在2024年6月8日舉行的2024中國(guó)汽車(chē)重慶論壇上，理想汽車(chē)董事長(zhǎng)兼CEO李想發(fā)表了關(guān)于自動(dòng)駕駛技術(shù)路線的思考。“端到端+VLM（視覺(jué)語(yǔ)言模型）+生成式的驗(yàn)證系統(tǒng)，也會(huì)是未來(lái)整個(gè)物理世界機(jī)器人最重要技術(shù)架構(gòu)和技術(shù)體系?！?/strong>李想認(rèn)為這一技術(shù)路線“法力”足夠強(qiáng)大，基于它，“最早在今年年底，最晚在明年上半年，真正有監(jiān)督的L3自動(dòng)駕駛就就可以批量向用戶(hù)交付了，而不是做實(shí)驗(yàn)了?！?/strong>而且，“L4級(jí)別無(wú)監(jiān)督的自動(dòng)駕駛在三年內(nèi)一定能夠?qū)崿F(xiàn)?！?/strong>
很激動(dòng)人心的展望。
先不說(shuō)理想汽車(chē)這一技術(shù)路線是否“畫(huà)大餅”，李想還說(shuō)，“最近本月還有下月還有幾個(gè)關(guān)鍵AI方面的技術(shù)論壇里，我們技術(shù)研究的同事也會(huì)向整個(gè)行業(yè)來(lái)分享我們對(duì)這方面的研究?！?/span>盡管近期，業(yè)界風(fēng)傳“理想智駕團(tuán)隊(duì)裁員至1000人以?xún)?nèi)”。但是，對(duì)于自動(dòng)駕駛研究，人多未必力量大。李想和理想汽車(chē)希望在自動(dòng)駕駛領(lǐng)域更多的發(fā)聲，來(lái)和特斯拉、華為、小鵬爭(zhēng)奪自動(dòng)駕駛、智能駕駛的話語(yǔ)權(quán)和標(biāo)簽，提升理想汽車(chē)在各個(gè)層面的吸引力。01從老婆開(kāi)車(chē)思考自動(dòng)駕駛“我的愛(ài)人剛學(xué)會(huì)開(kāi)車(chē)，連續(xù)好多年都不停地刮蹭。你和她分析下一次怎么不刮蹭，還是沒(méi)有用，還是刮蹭。”李想說(shuō)，最后他給他愛(ài)人報(bào)了寶馬駕駛培訓(xùn)的初級(jí)班，此后才不再剮蹭。他的意思是，學(xué)習(xí)cornercase沒(méi)有用，需要靠通過(guò)提升能力解決問(wèn)題。人類(lèi)是這樣學(xué)習(xí)駕駛的，AI也應(yīng)當(dāng)如此。
所以，如果“自動(dòng)駕駛團(tuán)隊(duì)每天干的活都是靠人工去調(diào)試各種各樣的cornercase，而且人越多，cornercase越多，離真正的自動(dòng)駕駛就越遙遠(yuǎn)?！?/span>那正確的做法是什么？
核心意思是，大腦分成系統(tǒng)1和系統(tǒng)2來(lái)工作。系統(tǒng)1來(lái)處理一些直覺(jué)、快速響應(yīng)的事情。“很多時(shí)候我們?cè)陂_(kāi)車(chē)，腦子在想別的事情，但我們?nèi)匀辉谔幚砺飞系母鞣N事情，這就意味著我們用系統(tǒng)1在工作?！?/span>“當(dāng)去到一個(gè)復(fù)雜的路段，比如十字路口或者遇到一個(gè)水坑，這時(shí)候調(diào)用大腦系統(tǒng)2工作，處理復(fù)雜邏輯推演的能力。”處理簡(jiǎn)單問(wèn)題的自動(dòng)駕駛系統(tǒng)1，李想說(shuō)，今天很多自動(dòng)駕駛團(tuán)隊(duì)都用端到端技術(shù)來(lái)解決，效率更高。但是包含三個(gè)挑戰(zhàn)：一是要有真正做端到端及數(shù)據(jù)訓(xùn)練的人才，二是需要真正高質(zhì)量的數(shù)據(jù)，三是需要足夠多的算力。李想說(shuō)，理想汽車(chē)“大概放入了100萬(wàn)Clips（視頻片段），用于端到端的訓(xùn)練，大概一個(gè)月十輪左右的訓(xùn)練，基本就可以完成一個(gè)無(wú)圖NOA的上限水平?！?/strong>處理復(fù)雜路況的系統(tǒng)2，李想認(rèn)為不能依賴(lài)解決cornercase，而是要提升能力。他認(rèn)為需要用VLM，即視覺(jué)語(yǔ)言模型，來(lái)提升能力。現(xiàn)在，由于ChatGPT等應(yīng)用的示范，大語(yǔ)言模型LLM很火。但他認(rèn)為大語(yǔ)言模型在云端使用，響應(yīng)速度慢，遇到問(wèn)題還來(lái)不及反應(yīng)會(huì)車(chē)毀人亡了。“所以我們還是思考如何把一個(gè)視覺(jué)大語(yǔ)言模型進(jìn)行足夠壓縮，最后放到車(chē)上去?！?/span>李想還說(shuō)，VLM能夠讓自動(dòng)駕駛告別高清地圖。因?yàn)橐曈X(jué)的語(yǔ)言模型能夠像人類(lèi)一樣去讀懂導(dǎo)航地圖。找到技術(shù)方案分別解決系統(tǒng)1和系統(tǒng)2問(wèn)題之后，還需要對(duì)能力進(jìn)行驗(yàn)證。
理想的方案是，用類(lèi)似Sora的技術(shù)，構(gòu)建一個(gè)小型的視覺(jué)模型，來(lái)檢測(cè)自動(dòng)駕駛的能力。Sora和ChatGPT出于同門(mén)，也是美國(guó)人工智能研究公司OpenAI的作品。Sora可以根據(jù)用戶(hù)的文本提示，創(chuàng)建最長(zhǎng)60秒的視頻。OpenAI將它視作世界模擬器。
Sora生成的視頻中的一個(gè)畫(huà)面Sora在今年春節(jié)期間發(fā)布，視頻逼真效果引起震撼。當(dāng)時(shí)，就有智能駕駛業(yè)界人士評(píng)論，Sora或可以用于自動(dòng)駕駛模擬訓(xùn)練。但也有人表示，Sora會(huì)生成大量不符合物理規(guī)律的視覺(jué)內(nèi)容，并不可靠。李想總結(jié)，理想汽車(chē)過(guò)去一段時(shí)間自動(dòng)駕駛最重要的技術(shù)突破就是——端到端承載人的系統(tǒng)1，VLM來(lái)承載人的系統(tǒng)2，并應(yīng)用生成式的小的視覺(jué)模型來(lái)進(jìn)行考試。他還說(shuō)，這一方案“已經(jīng)完全通過(guò)了正常的研究驗(yàn)證。”李想會(huì)提出VLM來(lái)解決自動(dòng)駕駛問(wèn)題，不是突然興起。此前，理想汽車(chē)與清華大學(xué)交叉信息研究院一直在進(jìn)行聯(lián)合研究。今年2月，雙方團(tuán)隊(duì)聯(lián)合發(fā)布了論文《DriveVLM: The Convergence of Autonomous Driving and Large Vision-Language Models》。根據(jù)該論文，雙方提出的DriveVLM模型，在 nuScenes（一個(gè)公開(kāi)的可供測(cè)試的自動(dòng)駕駛數(shù)據(jù)集）規(guī)劃任務(wù)上取得了最先進(jìn)的性能（下表）。
基于這一技術(shù)路線，李想對(duì)理想汽車(chē)和全行業(yè)的自動(dòng)駕駛進(jìn)展非常樂(lè)觀。
他表示，最早在今年年底，最晚在明年上半年，真正有監(jiān)督的L3自動(dòng)駕駛就就可以批量向用戶(hù)交付了，而不是做實(shí)驗(yàn)，“并且隨著這套技術(shù)的演進(jìn)、算力增強(qiáng)，我認(rèn)為L(zhǎng)4級(jí)別無(wú)監(jiān)督的自動(dòng)駕駛在三年內(nèi)一定能夠?qū)崿F(xiàn)?！?/strong>02
理想智駕現(xiàn)在什么水平？李想此時(shí)發(fā)布理想汽車(chē)對(duì)于自動(dòng)駕駛的技術(shù)路線，很多人可能不服。就當(dāng)前的智能駕駛、自動(dòng)駕駛實(shí)踐來(lái)說(shuō)，全球市場(chǎng)特斯拉獨(dú)領(lǐng)風(fēng)騷，國(guó)內(nèi)華為和小鵬更被認(rèn)可，理想汽車(chē)在前列，但絕非引領(lǐng)者。
從車(chē)輛當(dāng)前的智能駕駛水平而言，消費(fèi)者有感知的還是功能和功能可用性、體驗(yàn)性。功能層面，當(dāng)前對(duì)比的“科目”，一般而言就是可以根據(jù)導(dǎo)航和限速自動(dòng)行駛的輔助系統(tǒng)——高速領(lǐng)航駕駛和城市領(lǐng)航駕駛。
如今，第一梯隊(duì)都至少具備了高速領(lǐng)航功能，并且實(shí)現(xiàn)了高速和快速全覆蓋。在城市領(lǐng)航駕駛方面，華為系（問(wèn)界、阿維塔、極狐阿爾法HI版、智界）和小鵬覆蓋范圍最廣，理想汽車(chē)大概在第三名或者第四名。
目前，理想汽車(chē)正在進(jìn)行近千人規(guī)模的AD MAX 3.0進(jìn)階版測(cè)試，核心功能是實(shí)現(xiàn)無(wú)圖城市NOA，要做到全國(guó)都能開(kāi)、有路就能開(kāi)。
這一版本就是李想所說(shuō)的，即將在今年三季度正式推送的版本。如果這一版本能夠順利推出，那就在功能和覆蓋范圍上，理想就可以追平華為了。李想在提及此事時(shí)還說(shuō)，屆時(shí)，理想也會(huì)向測(cè)試用戶(hù)提供通過(guò)300萬(wàn)Clips訓(xùn)練出來(lái)的端到端+VLM的一套監(jiān)督型自動(dòng)駕駛體系（即L3）。并且，“最早會(huì)在今年的年底，最晚明年年初，我們會(huì)推出超過(guò)1000萬(wàn)Clips訓(xùn)練的端到端+VLM的帶有監(jiān)督的自動(dòng)駕駛體系。”按照李想同一場(chǎng)合的說(shuō)法，這一系統(tǒng)，就是可以交付的“真正有監(jiān)督的L3自動(dòng)駕駛”。目前的理想汽車(chē)，還未完全從此前MEGA受挫等一系列的挫折中擺脫出來(lái)。
首先是MEGA受挫后，內(nèi)部啟動(dòng)了矩陣組織2.0的升級(jí)，其次，理想汽車(chē)啟動(dòng)了大范圍的裁員。據(jù)《21世紀(jì)經(jīng)濟(jì)報(bào)道》等媒體報(bào)道，五一過(guò)后，理想汽車(chē)開(kāi)啟了一輪比例超過(guò)18%的優(yōu)化行動(dòng)。到目前為止，本輪優(yōu)化已經(jīng)基本結(jié)束，包括裁員重災(zāi)區(qū)智駕部門(mén)。在產(chǎn)品層面，李想在一季報(bào)電話會(huì)上宣布，原本計(jì)劃今年發(fā)布的三款純電推遲到明年發(fā)布。今年重點(diǎn)還是經(jīng)營(yíng)L系列。在銷(xiāo)量上，理想汽車(chē)5月交付3.5萬(wàn)輛，同比增長(zhǎng)23.8%，環(huán)比增長(zhǎng)35.8%，在新勢(shì)力新品牌中依舊可以排名第一，比華為系——鴻蒙智行（問(wèn)界、智界）更多。只是，理想汽車(chē)2024年的目標(biāo)頗高。最早理想汽車(chē)曾定下80萬(wàn)輛目標(biāo)，3 月 21 日，下調(diào)到56 萬(wàn)-64 萬(wàn)輛。《晚點(diǎn)汽車(chē)》近期還報(bào)道說(shuō)，在三款純電 SUV 延期發(fā)布之后，理想再次下調(diào)全年銷(xiāo)量目標(biāo)。在組織、產(chǎn)品、智駕等方面的大調(diào)整之后，理想汽車(chē)需要更多時(shí)間來(lái)修復(fù)外界預(yù)期和內(nèi)部士氣。在一季報(bào)電話會(huì)上，有分析師問(wèn)李想，如果銷(xiāo)售不如預(yù)期，理想汽車(chē)會(huì)不會(huì)再次降價(jià)。李想當(dāng)時(shí)的回應(yīng)是，理想L系列訂單增長(zhǎng)很快，沒(méi)有任何降價(jià)計(jì)劃。
