李想找到了自动驾驶的钥匙？

「我强调一下，我讲的突破是关于“自动驾驶”，不是智能驾驶，也不是辅助驾驶。」

「我们坚信，在现有计算平台上，带有监督的L3级自动驾驶是一定可以实现的。」

「随着这套技术继续演进、算力的增强、模型的加大，我认为无监督的L4级自动驾驶，也会在至少三年内可以实现。」

久未公开露面的李想，表明了他的判断。

有意思的是，近来理想陷入了裁员风波，有消息指其智驾团队已缩减到1000人以下。

如此一来，李想要怎么打开自动驾驶的大门？

理想，改变了原来的发展思路。

在去年Q3的财报会上，理想汽车总工程师马东辉曾表示——

「理想智驾团队计划到2024年底扩张至约2000人，2025年底扩张至超过 2500人。」

为此，理想不惜花高价钱招聘人才。

除去挖角其它大厂员工以外，有报道指针对去年秋招的高校计算机系应届生，理想就开出了60-80万元年薪。

面对被内部视为“一号工程”的智驾赛道，理想的不惜投入已经表明了决心。

但当下智驾团队的裁员，又跟去年的做法完全相悖，原因是什么呢？

此前，理想喊出了今年要卖80万辆。

但随着Q1只交付了8万辆以后，且纯电战略没能一炮打响，该目标已经变得渺茫。

为此，理想缩减销量目标的消息，亦被传得沸沸扬扬。

而取消今年纯电新品的发布，该安排则得到了明确。

既然销量和纯电战略都能暂时放下，那么智驾作为“1号工程”的定位，是否也可以被调低下来？

理想缩减智驾团队规模，不排除一部分原因正出于此。

「作为一家健康企业，销量和毛利率是至重要的指标。」

「对于一家成立9年的汽车企业，我们一直是以这样的标准来要求自己。」

李想的表态，已表明了他当下的关注重点。

此外，理想产品高级副总裁范皓宇也说过，「我们不会赔着钱去搞智驾。」

如此说法，多少再印证了“理想智驾发展定位或被下调”的观点。

事实上，缩减智驾团队规模，并非只出于经营需要考虑。

近来，李想也道出了其中转变的原因——

「我们从去年9月开始研究，人类开车为什么不涉及学习极端案例？」

「如果我们不能解决这个问题，所有自动驾驶团队每天干的活，都是靠人工去调试各种的极端案例表现。」

「放的人越多，极端案例出现得越多，这和真正的自动驾驶越来越遥远。」

团队规模扩张，但没有带来正相关效果，这大概是理想对其动刀子的原因所在。

那么在减员以后，又该怎么做？

李想指出，「我们的大脑日常在工作的时候，分为系统一和系统二。」

「很多时候我们在开车，脑子里在想着别的事情，但我们仍然能够处理路上的各种路况。」

而在智驾领域，这个系统一就是端到端方案。

李想表示，理想过去在端到端做的研究测试中，用了大概100万的clips来训练端到端模型。

「训练卡要足够多，大概一个月做10轮左右的训练，就基本可以完成一个无图NOA相同上限的水平。」

尽管端到端带来了极大提升，但李想认为，面对中国的复杂路况，只有端到端还不够，还需要有系统二。

他给出的方案是，VLM视觉语言模型。

李想以宝马驾驶培训初级班的内容为例——

「他们只教了两个事情，一个是教看路的能力，另外是教刹车的能力，没有教任何的corner case。」

换言之，应对突如其来的corner case，关键在于一以贯之的扎实基本功。

VLM视觉语言模型，就是要用来做这样的基本功。

李想指出，该模型一方面是要为端到端进行兜底，并且要解决各种的泛化问题。

其中，包括像人一样读懂导航地图、红绿灯指示，即便有车辆遮挡红绿灯，也要有能力去处理。

更重要的是，VLM模型只需部署在车内，系统无需先经过云端来进行响应，由此缩短了应对时间。

「我们AD Max有两颗Orin-X芯片，一颗跑端到端，另一颗用来运行压缩到大概20亿规模的VLM模型。」

这番表态，再次强调了车端大算力对于城区高阶智驾的重要性。

端到端和VLM模型的能力虽好，但李想亦主动坦承，“它俩都是黑盒子。”

如何确保它们的稳定发挥，这都是不同车企在面对黑盒子模型时的难题。

李想指出，得益于Sora的启发，理想用Diffusion Transformers的方式构建了一个小型世界模型。

「通过这个世界模型，让我们的车在里面考试。」

就这样，通过「端到端+VLM模型+Diffusion Transformers」的三件套，理想完成了智驾层面的突破。

「我们验证出来的结果，令人非常兴奋。」

「我们认为在今年底或明年上半年，有监督的L3自动驾驶就可以批量向用户交付，而不是只用于做实验。」

理想，这回能保证做到吗？

国内的智驾竞赛，1年换一个花样。

2022年集体跟进BEV，去年则比拼OCC占用网格的上车速度，到了今年则是争相提出端到端。

这种演进转变，源于大家都选择紧跟着特斯拉的步伐。

用上了端到端的特斯拉FSD V12，确实擦亮了不少人的眼睛。

元戎启行CEO周光在体验后表示，「之前我以为可能只有80分，但实际做到了90分。」

开车更像人，这是大家普遍体验后对FSD V12的评价。

至于原来基于人工规则的30万行代码，这下仅剩2000多行，同样是FSD V12带来的主要变化。

写代码的需求量少了，这不可避免将造成智驾团队减员的情况。

此外，端到端带来的真实挑战亦不少。

李想指出，端到端的挑战主要来自于三个方面：

1、需要有真正会做端到端，包含端到端数据训练的人才；

2、需要真正高质量的数据；

3、需要有足够多的算力。

他强调，端到端对于算力的需求，跟以往比已经完全不同了。

马斯克就曾指出，「每10000km的行驶数据，只有1km能训练模型，而且每训练一遍，都需要消耗大量算力。」

「用100万个视频case训练，这只是勉强够用，200万个则稍好一些。」

「用上300万个，就会让人感到wow的转变，而在1000万个以后，就让人难以置信了。」

特斯拉FSD V12，是基于已经安装和投入使用约3.5万块英伟达H100芯片而来。

马斯克表示，到今年底该数字可能会达到8.5万块。

这增加的5万块GPU，耗资或超108亿元人民币。

作为参照，去年蔚来的总研发投入是134亿元，小鹏的是52.8亿元，理想则是105.9亿元。

单是在买卡方面，特斯拉的投资已经冠绝群雄。

为了通往自动驾驶的境界，这端到端的钥匙真的贵得要命了。

值得注意的是，不久前何小鹏指出，目前小鹏拥有7000张训练卡。

同时，小鹏计划每年算力训练投入超7亿元。

但这跟特斯拉相比，只能说是小巫见大巫。

不过，何小鹏认为，「有算力很难，但算力用起来更难。」

「今年小鹏的算力不紧张了，因为很多人买了算力用不起来。」

他指出，小鹏对算力的使用是质的改变，这不是1%的变化，而是从70%提升到95%的突变。

有意思的是，此前余承东说到，目前华为有着3.5 EFLOPS的训练算力，超过了第2名和第3名友商的算力总和。

得益于此，他认为现在真正能够做到好用的智驾就只有2家——特斯拉和华为。

余承东还强调，等特斯拉FSD入华后，华为有信心干翻对手。

小鹏和华为，两者的智驾斗法仍在继续。

这不仅体现在言语上，双方还率先拿出了各自的端到端方案。

小鹏表示，其方案能够做到2天迭代一次，在未来18个月内对智驾能力提升30倍。

因此，何小鹏认为，高阶智驾的拐点将在18个月内到来。

面对小鹏和华为的互不相让，向来自居智驾头部的理想将给出怎样的表现，这点值得注意。

「我们非常有信心地说，2024年理想的智能驾驶产品和研发能力，在国内绝对是数一数二的。」

有了理想总裁马东辉这样的表态，我们大可对理想的表现予以更多期待。

谈论端到端的重要性，这是今年智驾的热门话题。

日前，蔚来智驾研发副总裁任少卿也给出了自己的看法。

「你得有一些基本能力之后，端到端这玩意才有用，否则它是个毒药。」

「做端到端的前提，是智驾各功能模块都已经完成模型化，且有足够性能与效率的工程体系支撑。」

端到端，解决了不少过去人工规则所难以逾越的难题。

但从堆算力，到建立起整个工程体系的支撑点，这似乎又回到了一些基本项的比拼——

有多少钱去投入、能买到多少张训练卡、团队工程能力是否过关等等。

当下，大家都已摸清楚了发展方向，就看怎么在细分项目上作出过人成绩了。

这自动驾驶的钥匙看着不远，但想要拿起来，还得有些真本事。