划重点
01理想汽车通过端到端技术和视觉语言行动模型的创新应用，明确了智能驾驶发展的战略路径。
02公司计划在2024年初实现5EFLOPS算力，配合超10亿公里的高质量行驶数据，解锁端到端+VLM的落地可能。
03理想汽车的智能驾驶产品迭代分为三个阶段：有监督驾驶阶段、L3自动驾驶阶段和L4门票争夺战。
04为此，理想汽车需积累2000万Clips的视频训练数据，相当于50亿至100亿公里的驾驶数据规模。
05同时，公司在激光雷达的坚持上为其带来了安全性方面的优势，但也需在成本与市场竞争中寻找平衡点。
以上内容由腾讯混元大模型生成，仅供参考
芝能汽车出品
理想的AI talk从传播来看是非常成功的，如果说第一天讲硅基家人和理想同学有一些抽象的话，那么这次围绕智能驾驶，这个车企争夺市场份额和提升用户体验的核心战场，理想非常具体地解释了整个迭代的路径。
理想汽车通过端到端（End-to-End）技术和视觉语言行动模型（VLM）的创新应用，明确了智能驾驶发展的战略路径，同时对L3及以上级别自动驾驶、激光雷达等技术的核心观点进行了深刻解读。
我们将从理想智能驾驶开发的技术战略、产品迭代路径以及对行业未来发展的思考等角度进行分析，以洞悉其在智能驾驶领域的布局及潜在挑战。
Part 1
理想智能驾驶的开发过程与战略
我们首先要清楚，李想本人对智能驾驶领域的研发理念是非常明确的，从基础的智能辅助驾驶功能起步，通过逐步优化和数据驱动，迈向全场景自动驾驶。
AI 技术浪潮来袭，理想敏锐捕捉到变革契机，决心以端到端结合 VLM 的架构重塑智能驾驶体验，真正缓解用户长途驾驶疲劳。
备注：这里的问题很清楚，解决了一个Corner Case（极端情况），又出现三个其他的Corner Case。你们一辈子都在解决Corner Case，解决不完。
当然端到端技术的导入并非一蹴而就。
在前期准备阶段，理想组建超 200 人的专项团队，开展多轮模型训练。当第一版端到端模型上车实测，效果惊艳 —— 短短月余训练成果远超过往三年，响应速度更是传统多步骤模型的数倍。
端到端技术摒弃复杂的多模块衔接流程，采用单一模型处理感知、决策、控制，极大提升效率与拟人化操作表现，比如在路口避让突发状况时，动作更敏捷自然。VLM（视觉语言行动模型）则为智能驾驶增添理解与交互维度。
它类比人类视觉认知与语言逻辑协同机制，让车辆不仅 “看清”，更能 “读懂” 路况场景，配合端到端架构，把智能驾驶从预设规则的桎梏中解放，开启数据驱动的自适应进化模式。
理想汽车在 2024 年初算力达到 5EFLOPS ，配合超 10 亿公里的高质量行驶数据，解锁端到端 + VLM 的落地可能。
● 端到端（E2E）+VLM的技术框架，这种技术路径的优势在于：
◎ 快速迭代与规模效应：理想的端到端技术依赖One Model（单模型）来处理复杂驾驶场景，通过深度学习与大规模数据训练显著提升系统反应速度。
相比传统的规则驱动方法，该技术减少了复杂的模块间交互，使得性能上限大幅提升。
李想指出，“端到端+VLM训练一个月的进步，超过了过去三年的工作成果。”
◎ VLM（视觉语言行动模型）的核心价值：VLM作为理想技术体系的关键创新点，通过融合视觉、语言理解和动作决策能力，模拟人类驾驶的逻辑思维。
与单纯的端到端技术相比，VLM的引入使系统具备对未见场景的适应能力，尤其在极端案例（Corner Case）处理中表现突出。
理想锚定 L4 级自动驾驶这一远期目标布局当下。李想直言，冲击 L4 需 500 万辆以上规模的车辆在路上收集数据、掌握 VLA 基础模型自主研发能力，以及雄厚资金招募顶级人才、扩充算力。
当下推进端到端 + VLM，是为积累数据、打磨技术、培育人才，攒下冲击 L4 的 “入场券”，先在 L3 阶段凭借更智能的产品收割市场青睐与数据反哺。
● 理想的智能驾驶产品迭代分为三个阶段：
◎ 有监督驾驶阶段：实现从车位到车位的全场景覆盖，包括小区道路、泊车场景、高速公路等。此阶段通过OTA升级将端到端+VLM推向量产车型。
◎ L3自动驾驶：预计在2025年实现，目标是综合接管里程（MPI）达到500公里，形成用户认可的自动驾驶体验。
◎ L4门票争夺战：以长期数据积累、算力储备和顶尖人才为核心，通过实现规模化的500万辆级别车辆部署进入高级自动驾驶赛道。
为达到500公里MPI的目标，需积累2000万Clips的视频训练数据，相当于50亿至100亿公里的驾驶数据规模。同时，理想通过扩展算力资源，在硬件支持上为大模型训练与推理提供保障。
Part 2
理想对L3/L4自动驾驶
的理解与产品布局
● L3自动驾驶：路径清晰
理想对L3的定位明确，即以端到端+VLM的技术体系实现用户场景中的“解放双手”功能，核心逻辑在于通过高质量数据训练与算法优化提升MPI，确保用户体验的连续性与安全性。
郎咸朋表示，2025年L3的实现基于以下两点：
◎ 端到端+VLM模型的持续优化：在现有技术框架上进行深度迭代，提升系统应对复杂场景的能力。
◎ 全场景覆盖的产品形态：理想AD Max已实现城市、高速一体化的自动驾驶体验，为L3功能奠定了基础。
● L4自动驾驶：条件与挑战
李想认为，L4自动驾驶的核心在于“拿门票”，需要满足以下三大条件：
◎ 大规模车辆部署：500万辆以上的车辆在路上跑，形成数据闭环与规模效应。
◎ 核心算法能力：自主掌控VLM等基础模型的研发与优化。
◎ 资源投入：足够的资本支持顶尖人才招募及算力建设。
理想还明确了L4的决胜点在于电动化、智能化的协同发展，以及技术、产品与用户信任的全面成熟。
● 激光雷达的坚持与应用
与特斯拉的“无激光雷达”路径不同，理想选择保留激光雷达以增强安全性，在中国夜间驾驶的特殊环境下，激光雷达的200米无光感知能力显著提升了AEB（自动紧急制动）的可靠性。
这种技术路线的选择反映了理想对家庭用户安全性的重视，同时也展现了其产品差异化策略。
小结
理想汽车在智能驾驶领域的战略路径清晰，依托端到端+VLM的技术体系以及全场景覆盖的产品形态，正在逐步迈向L3乃至L4的高阶自动驾驶目标，实现这一目标的关键在于数据积累、算力扩展与人才储备的持续投入。
同时，理想在激光雷达的坚持上为其带来了安全性方面的优势，但也需在成本与市场竞争中寻找平衡点。在电动化与智能化的双重战场上，理想深知L4是最终的胜负手。
通过明确技术路线、强化产品能力并聚焦用户体验，理想有望在智能驾驶时代中占据领先地位，这场竞争的最终赢家仍需时间去检验。