#飞机先生唠唠# 除了 L9 理想 AD Max 智能驾驶还有哪些爆炸消息？ 除了 L9 的产品信息，关于理想在智能驾驶的研发，今天理想也少有的全盘拖出.... 1、智能驾驶全盘计划 根据理想计划，理想整个智能座舱和智能驾驶划分为 Pro 和 Max 两个板块，比如 L9 是座舱/智能驾驶两个Max组合，所以称为L9 Max，理想 ONE 实际上可以看为 Pro。 所以理想20-50 万区间车型，目前有两种座舱和智能驾驶配置，大胆猜测高端车型采用双 Orin 组合，中端车型用地平线征程 3/5 组合。 在功能计划上，在 2022-2024 年理想计划落地城区、高速的 NoA ，2024-2025 年开始落地 FSD 。 2、理想自研，如何自研？ 理想切换智能驾驶自研后采用两个研发逻辑： 第一个是从线性的研发模式，切换为闭环的自研模式。 过去线性研发也就是我们常提及的 Tier 1 合作模式，主机厂提需求，Tier 提供方案，主机厂在做验证测试，最后交付用户。 但这种流水线式的研发方式的弊端在于车企无法直接切入产品优化，产品定义，并且无法收集用户反馈来的信息，整个链路是开环的。 而闭环模式就是把过去的开环补起来。 一个是研发系的闭环，也就是从车端数据的采集、标注，到云端算法训练、再到后台系统，形成一个闭环。 如果我们打个比喻，车端就是我们的生产工具，后台系统就是我们仓库，云端训练就是我们的作坊。 生产工具是实时的，但生产出来的东西需要筛选次品，不如也会占据仓库的内存，同时这样也提高我们的生产效率。 这也就是我们提到的，数据不在多，在于精的原因。 除了研发的闭环，另一个闭环系统就是付后用户体验的闭环。 这个闭环关键在于过去车辆交付出去后，主机厂和用户就切断联系。现如今不同，产品和用户、研发端是一个在环，理想通过 OKR 来解决用户提出的 bug，并且这样也能够快速提高产品力。 3、亮点技术： BEV 融合 过去我们从单一的单摄像头做 ACC /LCC，环视摄像头做泊车各自分工，各自为营。 目前逐步走向了多摄像头融合，特斯拉最理想的方案就是通过多摄像头融合成一个超级摄像头，再统一输入给神经网络。 按照理想的说法，理想 BEV 输出不只是摄像头，还将激光雷达、地图信息一并打包，送给神经网络。 而设计好一套高性能的感知框架，接下来就是怎么用好的过程。 目前理想提到的 4D 环境模型包括系统跟踪检测、预测、建图定位、视觉/激光雷达冗余，在这个基础上再做下游相关的规划、控制模块。 现场理想也展示了一段视频，红绿灯、车道线、人行道、车辆行驶朝向、轨迹和模型都预测出来，看起来还是没有高精地图加入的效果。 另外是众包建图的能力，今天理想提到了 BEV 架构可以带来实时建图能力。 之前 AI Day 特斯拉也首次开放提出自己也有建图计划，相比特斯拉的视觉方案，理想融入的激光雷达信息会更有利些，包括对深度距离、路牌等信息的检测。 除了我们上面提到的框架外，最重要、也是最核心的点还是数据。 如果没有好的数据跑，就如同我们建了一套房子没人住、建了一条高速没车跑一个道理。 理想通过标配软硬件，在这方面确实起到了很大的作用，包括数据、有效场景的收集，理想做 AEB 就是一个很好的例子。 其实在理想上也跑了类似影子模式的功能，AEB 上理想会跑两套 AEB ，一个是已经上车的 AEB ，另一个是待验证的优化版AEB ，优化版 AEB 每次触发都不会实际作出动作，但是它会回传给云端，让工程师分析，以此类推，只要用户样本够大、场景更丰富，优化效率也会更高。 相比智能驾驶，AEB 似乎是一个特别小的功能，但理想这样做的目的是在于打造一个闭环系统的研发能力。 4、L9 为什么取消四个毫米波雷达？ L9 后方应用了一个 200 万像素的后置摄像头，以及一个环式的后摄像头，取消了后方所有的毫米波雷达。 取消的原因和特斯拉类似，理想认为侧后方有车辆行驶过来时，毫米波带来很多杂波信息，有路面、植被、护栏等，会影响融合感知的精度。 L9 只是理想整个智能驾驶研发的开始，也有很多新的挑战。 摆在理想的两个难题是如何寻找一个快速寻找问题、解决问题的闭环工具，这样才能真正摆脱供应商合作模式的依赖。 另一个问题是如何建立敏捷的组织，来支撑整个系统的建立以及运营，确保协同以及快速响应的工作能力。 如何快速建立一套闭环系统，也就是如何发掘用户需求并且快速解决问题，提高产品体验，这是理想自研中的第一性原理。