文 | 表外表里 ，作者 | 张冉冉、薛程鹏，编辑 | 曹宾玲、付晓玲

在特斯拉智驾团队工作区，工程师们安装了一台 85 英寸的大型电视，上面实时显示着汽车在无干预状态下行驶的里程数，时刻提醒大家 " 努力奋斗 "。

他们还在旁边摆了一面锣，每次克服了干预问题，就敲锣庆祝。

让马斯克团队如此全力以赴的，正是后来轰动一时的 FSD v12 自动驾驶系统。它采用 one model 端对端架构，可以让智能驾驶无限接近真人，也被称为汽车界的 "ChatGPT 时刻 "。

然而，这项特斯拉燃烧激情、奋战 15 个月才完成的划时代成就，被理想短短 6 个月就 " 完美 copy" 了—— 10 月下旬，理想在所有 MAX 车型上全量推送了 " 端到端 +VLM" 系统。

  不仅提前交卷，成绩还压了优等生小鹏、华为们一头：理想直接对标特斯拉，而智驾 " 遥遥领先 " 的小鹏、华为，切的是 " 折中 " 的分段式端到端。

  然而，友商们并不以为然。何小鹏在采访里含沙射影：" 楼要一层一层搭，想跳跃式发展，大部分楼层会出问题。"

话锋直指理想在端到端上的积累太少——算力、数据、模型等一系列要做的事情，小鹏们在研发无图 NOA 等系统时就熟练掌握了，理想不仅研发时间更晚，开城数量还差了一大截。

  华为余承东更是早在特斯拉 FSD v12 出来时，就 " 贴脸开大 " 过：one model 端到端上限很高，但下限也很低，ChatGPT 等 AI 工具存在幻觉，一次错误就有可能车毁人亡。

这些质疑没错，在汽车消费上怎么强调安全都不为过，但矛盾的是，企业发展往往又需要经常 " 踩油门 " 变道超车。

一、现在轰油门，对理想最好？

事实上，" 端到端 " 玩家们不止路线分化，智驾团队建设也大相径庭。

理想这边大玩 " 过山车 "：去年卷无图 NOA 开城，刚把智驾人数扩至近千人，今年切入 one model 端到端后，又 " 一朝回到解放前 " ——截止到年中，缩减了 40%。

而智驾团队规模分别是理想 3 倍、7 倍的小鹏、华为，却似乎并没有减员的意思，如小鹏管理层表示：" 小鹏没有去裁人，因为 AI 在发展早期仍然需要人类老师。"

  这也不难理解，毕竟 one model 端到端路线纯数据驱动，用马斯克的话说就是 " 一张神经网络打包一切 "，几乎把过去模块化时代积累的经验都扔进了垃圾桶。

相比之下，华为们采取的分段式 " 端到端 " 技术方案，仍是一个人工和智能 " 共处 " 的混搭系统。

  在模块化时期，对驾驶任务的决策、执行，需要基于规则——工程师将 " 红灯停、绿灯行 "" 见到行人要让行 " 等司机驾驶的各种行为习惯，变成代码规则，智驾系统按这些规则匹配实际情况作出反应。

而道路行驶环境复杂，疑难场景源源不断，工程师需要夜以继日地写 if else。比如，小鹏去年在北京测试 NPG 时，类似 " 树叶把红绿灯遮挡 " 等问题层出不穷，专项成立了几十个，耗时 2 个多月后才勉强开放。

  这让彼时的智驾竞争，演变成了往规控模块堆人力的军备竞赛。可以看到，小鹏、华为 " 遥遥领先 " 的开城数量，正是建立在分别超过 3000+ 人、7000+ 人的智驾团队规模上。

相比之下，理想则被其智驾一号位 " 盖章 "：人力资源不足拖累了开城进度。

如此来看，小鹏们如果直切 one model 端到端，意味着此前积累的规则数量大部分都将作废，人员与组织架构调整，也牵一发而动全身。

而 " 光脚 " 的理想就不一样了，用其管理层的话说：" 虽然有技术切换的成本，有组织管理上的代价，但理想能负担得起。"

更何况，当下上马 one model 端对端，最符合理想的商业利益诉求。

如果说，模块化设计理念下的车辆，就好像是在驾校学车的、没有自主意识，教练说做什么他就做什么（编写代码规则）。

那端到端设计理念下的车辆，就是一个拥有自主意识并且会主动模仿学习的新手司机，只要给它观看成百上千万的优秀老司机怎么开车的视频后，它会慢慢变成真正的老司机。

这意味着，越早、越多地掌握这些 " 优秀司机开车视频 " 用来训练，在这轮竞争中胜出的机会越大。

  而理想早在 2019 年交付第一辆车开始，就学习特斯拉部署了影子模式——在车上放置摄像头，并回传数据。

与之相比，同期的友商们或多或少都有点 " 拉跨 "。比如，技术、销量都领先的特斯拉，囿于 " 国内数据合规性 " 限制，FSD 一直无法引进中国，数据积累尚属空窗期。

销量巨无霸的比亚迪，智驾业务一直 " 外包 " 给百度、大疆等供应商，既不允许这些供应商用量产车型上获得的数据，自己也没有回传数据的能力。

  同样有数据回传能力的华为和小鹏，销量又不尽人意：小鹏的总交付不到 40 万辆；搭载华为智驾系统的车型，预计 2024 年底会突破 50 万台，都不及理想累计销量的一半。

  但这种情况，显然不会一直持续下去。

最新消息，特斯拉计划于 2025Q1 在中国和欧洲推出 FSD。比亚迪去年也秀了一组数据，" 目前已形成一支 300 多辆车的研发车队，积累 150PB 以上的数据 "，暗示自己也在建设数据回传能力。

这意味着，理想如果现在不上马 one model 端到端，很可能 " 错过这个村，就没了这个店。"

当然，竞对们追上来，还需要过程，且数据训练也不只是堆量，还对数据质量有要求——端到端的各个功能需要同时进行训练，训练数据越一致越好。

而一谈起这个，理想的嘴角比 AK 还难压，" 外界说理想 L 系列是在套娃，但是这让我们有个最大的优势，传感器布局和传感器型号完全一致，理想 L 系列的数据可以完全复用。"

  除了规模、质量，数据的多样性也会影响大模型的学习效果。理想智驾团队去美国试驾特斯拉 FSD V12 时就发现了：在西海岸硅谷和东海岸纽约，FSD 性能差距大到像 2 个系统。

这时，以前总是被嘲 " 技术落后 "" 多此一举 " 的增程式路线，又帮了理想一把：相比纯电车 " 只能在几百公里打转 "，理想汽车的足迹深入新疆、西藏等地。

于是，在 " 鞭子 " 加 " 胡萝卜 " 的双重刺激下，理想开启了狂奔。

二、1 年多时间，补了特斯拉 3 年的课

去年 10 月开始研发无图，3 个月后从研发转向量产交付，次月就交付了初版……短短几个月，理想就完成了友商一两年的工作。

如此疯狂，就是为了 " 给端到端争取时间 "。

端到端需要的算力、数据、模型等一系列事情，无图智驾方案基本都会涉及，正如特斯拉能快速落地 FSD v12，背后是其早早就举起了纯视觉方案的大旗，并逐渐在规划和控制模块也加入神经网络。

  有了特斯拉在前面探路，还有自己数据优势傍身，理想跑得更快更猛：无图方案从测试到全量推送，只花了 5 个月时间，到了端到端，这一时间被缩短至 3 个月。

横向对比来看，特斯拉从无图到端到端全量推送，大约经历了 3 年，而理想仅仅花了 1 年多时间就补完了作业。

  "2024 年要成为智驾绝对头部。" 这是李想立下的 flag，如今理想正朝着这个目标步步逼近。

但在其风头日盛时，何小鹏却兜头泼来一瓢冷水：" 如果有人说他有一个大模型，可以用来降维做智能驾驶，或者他说有很多车，所以有很多数据，千万不要相信，绝对是胡扯。"

这并非何小鹏的一家之言，马斯克也有类似说法：大多数的数据最终都会被丢掉，重要的是那些占比不到 1% 的稀有视频，比如一些奇怪或者车流量异常大的十字路口的数据。

甚至理想自己也是如此——其建立了一套 " 老司机 " 的评价标准，只有不到 3% 的车主通过了考核，连智驾负责人都没达标。

也就是说，能够投喂给大模型的优质数据其实凤毛麟角。而理想积累的数据虽然 " 拳打 " 问界、" 脚踢 " 小鹏，相比特斯拉却仍有较大差距：

从销量来看，截至 2023 年底，特斯拉在北美累计交付约 250 万辆，而理想到今年 10 月在国内累计交付 100 万辆； 智驾里程积累上，特斯拉在全量推送 FSD V12 前，累计智驾里程超过 70 亿英里，而理想的这一数据是 25 亿公里，刚过特斯拉的 1/5。

  这使得理想训练的优质数据量也远少于特斯拉：据《马斯克传》，FSD V12 在 2023 年初切入端到端时就分析了 1000 万个视频画面，而理想在全量推送前训练的视频仅为 400 万个。

乍一看，400 万个也不少，但当车子真正开到路上，问题就凸显出来了。

如下图，理想智驾明显学会了 " 早八老司机 " 的蛇形走位，不仅丝滑加塞，甚至还弹窗提醒车主帮忙加塞。

  实际上，即使是有着惊艳拟人化表现的 FSD，也会在马斯克的直播间里，当着 1000 万观众的面企图闯红灯。

这是因为 one model 端到端下，数据传进来和轨迹输出去之间，只有一个生成式大模型，它并不知道红绿灯是什么，只有在学习了海量司机驾驶视频之后，才知道红灯停、绿灯行。

而在大模型 " 学习 " 的过程中，难免会犯各种各样的错误，正如上述余承东所说的，"one model 下限很低。"

理想目前的解题思路是在 one model 端到端模型之外，并联一个视觉语言模型（VLM）托底。

例如，遇到坑洼不平的路面或潮汐车道时，后者会提醒前者降速、合理选择车道；遇到危险时，两个系统能一起帮司机踩刹车。

  在此之外，理想还祭出了一个简单粗暴的方法——让更多人用智驾，积累更多数据。

其智驾负责人曾透露端到端的落地流程：先内部验证范式，到产品验收环节，从鸟蛋到早鸟到千人内测，我们让用户一起去做产品的测试和迭代。

在内测版本，理想就直接加入了高难度的高速场景，相比之下，特斯拉首次全量推送的 FSD V12 也仅适用于城市街道，高速路段在 V12.5 才推送。

  从这一维度上看，理想多少有些着急了。但 " 急 " 不止发生在理想身上，切入端到端路线的玩家，没有哪个敢放慢步伐。

" 特斯拉今年将在综合训练和推理 AI 上投入约 100 亿美元。" 这是马斯克分享的数据，他还表示，" 任何没有在这个水平上投入且资金效率不高的公司，都无法竞争。"

这意味着，车企需要有足够的销量去获取利润。而在智驾水平显著影响购车选择的当下，越早落地技术，越能抢夺用户心智，促进销量增长，特别是在智驾接受度较高的中国。

  基于此，理想选择了继续轰油门。几个月前，李想公开表示要推出更高算力的自动驾驶体系，让用户享受 "L3 级自动驾驶体验 "。

小结

据传，理想智驾部门很喜欢以希腊神话为 " 关键战役 " 命名，而这一次的端到端项目，被叫作 " 达摩克里斯计划 "。

按照理想的说法，" 这个项目有挑战、很危险，如果做不好，达摩克里斯之剑会掉下来。"

很显然，理想比任何人都清楚，从奶爸车到智驾黑马的 " 一跃 "，代价不仅是招兵买马、训练模型的开销，还有坐在驾驶位上的百万车主们。

接下来的路，理想也得系好安全带才行。