当前，AI驾驶面临大量挑战。理想智能驾驶系统应采用"端到端"阵列，包括汽车感知、车辆控制和路径规划等，以实现快速、安全地驾驶。
李文毅·安琪
编辑秦丽·杨轩
在智能驾驶行业，“端到端”正在引领一场技术变革。这首先是特斯拉造成的，华为、韦小立等国内玩家纷纷效仿。除了技术，组织变革也随之而来。
36Kr汽车独家获悉，李最近成立了“端到端自动驾驶”的实体机构，总人数200人；同时，公司其他团队的一些成员也在灵活支持项目。
理想并不是唯一这样做的企业。此前，蔚来汽车已经率先进行了组织变革，成立了负责端到端的大车型部门。
理想的智能驾驶团队主要分为算法研发、量产研发两组，团队800人左右。“端到端”R&D的主力部署在算法R&D组，由理想智能驾驶技术R&D负责人贾鹏负责。
具体来说，算法研发由感知算法、行为智能、认知智能等小组组成。“感知算法”由李畅主导；“行为智能”包括端到端架构、端到端模型、控制模型等。，并由杨易负责。“认知智能”包括认知模型、云模型等。其实詹坤说了算。
比如三个主力团队从端到端的职责分别对应智能驾驶系统的感知能力、行走能力和认知能力。这基本上与理想的端到端解决方案模块相呼应。
不久前，Ideality公开了其端到端自动驾驶技术方案，分为三部分:端到端模型、VLM (visual language model)视觉语言模型和世界模型。
此外，与算法R&D团队并行的是量产R&D团队，负责量产的是王佳佳，包括智能驾驶、智能泊车、智能安全等等。贾鹏和王佳佳都向理想智能驾驶的负责人郎咸鹏汇报。
针对上述信息，36Kr汽车向李求证，截至记者发稿，未有回应。
CEO李想公开表示，到今年底或明年初，将理想推出一个端到端+VLM的自动驾驶方案，该方案将由超1000万个剪辑进行训练。Ideal还打算在车上放一个22亿参数的视觉语言大模型。
组织结构的实体化也会从人力调度方面加速理想的“端到端”计划的落地。
理想智慧驱动，曲折自研
所谓端到端，就是以传感器数据为输入，以车辆控制指令为输出，中间过程由AI神经网络模型完成。这已经成为智能驾驶行业的下一代共识解决方案。
然而，“端到端”方案的兴起并不容易。根据特斯拉的计算，完成一次端到端的自动驾驶训练，至少需要100万个分布多样、质量较高的片段(视频片段)。
马斯克曾强调数据在自动驾驶中的重要性:“用100万视频案例训练勉强够用；200万，略好；300万，你会觉得哇；到了1000万就变得不可思议了。”
对于刚刚改用端到端解决方案的车企来说，还需要一段时间才能看到效果。
但目前国内智能驾驶行业竞争激烈，小鹏、蔚来等玩家都在积极追逐特斯拉FSD(全自动驾驶软件包)加入中国和华为智能驾驶的“鲶鱼效应”。
理想一直扮演着智力追逐者的角色。为了高效追赶，理想的部分变成了两队。
第一，选择自主研发的智能驾驶系统AD Max，搭载NVIDIA Orin芯片和激光雷达，提供城市飞行员辅助驾驶功能(具备城市道路点对点辅助驾驶能力)；
二是在智能驾驶系统AD Pro上与供应商合作，搭载Horizon Journey 5，不带激光雷达，可以提供记忆驾驶、城市LCC(车道居中辅助)等功能。
此前，据36Kr Auto报道，智能驾驶AD Pro方案中启用了智能驾驶供应商canoe智航。独木舟300多只，从去年年底开始几乎全部进驻理想的顺义总部。随着近期AD Pro机型的功能升级，开发任务已经告一段落，canoe的主要人力已经退出理想项目。
在自研方案中，理想的城市导航辅助功能追赶差不多从2023年开始。在一年半多的时间里，理想已经数次切换智能驾驶的技术路线。
2023年4月，Ideality喊出了NOA落地100个城市的目标，但“主要是为了应对来自华为和小鹏的智能驾驶冲击，口号先来了”。时隔近半年，Ideal将“城市NOA100城市”改为“通勤NOA100城市”(通勤NOA是指在用户高频路段开通点对点辅助驾驶)，原因是前者“太难了”。
然而，“通勤NOA”之路也并不轻松。一位理想的智能司机向36Kr汽车解释，通勤方案的本质是提前建立地图，仍然依赖高精地图，不符合行业的技术趋势。实际落地拓展效果也不好。“最初的目标是每天开发一条航线，但实际上三个月只建了2-3条航线，效率非常低。”
意识到自己错了，Ideal在去年转向追求“无地图NOA”(指不依赖高精度地图在市区点对点辅助驾驶)的功能。
但由于理想的纯电动汽车MEGA的失败，在放弃80万辆的理想整体销售目标后，公司进入裁员节奏，智能驾驶团队也受到影响。目前，理想智能驾驶团队人数在800人左右，相比年初的1300人已经大幅减少。
理想无地图智能驾驶方案的推送也从4月推迟到7月。直到最近，Ideal还向AD Max用户推送了NOA无地图的功能，声称该功能可以在全国可导航的城市道路上使用。
在端对端效果未能检验之前，现在推的功能版才是理想智能驾驶占领市场，获得用户口碑的关键。
端到端就是一场资源战。
在端到端解决方案的实践中，先锋特斯拉FSD v12版本在北美取得了惊人的成绩。
国内玩家也从特斯拉的验证中找到了通关秘籍:在积累海量驾驶行为数据和更大云计算能力的训练下，端到端的方案会更加拟人化。
今年4月，马斯克表示，从英伟达购买H100 AI芯片将从3.5万增加到8.5万，他计划投资100亿美元用于汽车的联合训练和推理人工智能。此外，特斯拉自主研发的训练芯片Dojo最近在台积电开始量产。
同样，理想在走上端到端方案后，也在计划培养更多的计算能力。有业内人士告诉36Kr，智能驾驶的下一个竞争点肯定是超算中心。
一位知情人士告诉36Kr，在去年秋天的雁栖湖会议上，美团CEO王兴和Y Combinator中国创始人齐鲁都建议李想增加在云端GPU培训的投资。
据36Kr Auto了解，除了去年从火山引擎采购了300多台英伟达服务器，现在还很理想的与阿里云、百度云等云厂商合作。“现在在高价买英伟达的卡。”
同事们还预测了超级计算的重要性。从云计算能力来看，华为是目前国内智能驾驶培训最强的玩家。华为表示，其智能驾驶训练计算能力将在6月达到3.5EFLOPS。小鹏和蔚来智能驾驶中心的计算能力分别为0.6EFLOPS和1.4 EFLOPS。按照36Kr的说法，理想的智能驾驶中心的计算能力是1.4 EFLOPS。就连老牌车企长城也在加入战局，超算中心的运算能力是1.64EFLOPS。
首尾之战对于车企来说，不仅是智能驾驶技术路线的改变，更是对车企长期兵马粮草供应的考验。这将是一场耐力赛。
