12月26日，連續(xù)3天的2024理想AI Talk進(jìn)行到了第2天，以下是文字版。

張小珺：聽說李想對(duì)智駕發(fā)了很大的火，你怎么還能留在這？

郎咸朋：當(dāng)時(shí)想哥說了一句很狠的話，他說郎博下半年如果我還看不到變化，咱們還是拿不到頭部位置的話，那你這個(gè)負(fù)責(zé)人就可以不用干了。

張小珺：那次發(fā)火完之后達(dá)成了什么結(jié)果？

郎咸朋：我覺得大家就回歸的是體驗(yàn)和用戶價(jià)值，重新把大家的思路聚攏了。我們是給用戶做一個(gè)有更好體驗(yàn)、更安全、更便捷的產(chǎn)品，而不是說做一大堆什么從指標(biāo)上看起來挺好的產(chǎn)品。那次所有人心里邊又重新回到從產(chǎn)品出發(fā)去做智能駕駛，這是我覺得印象最深的一點(diǎn)。

張小珺：你們是那次之后開始轉(zhuǎn)的端到端嗎？

郎咸朋：其實(shí)在想哥發(fā)火之前，我們內(nèi)部的這個(gè)端到端的預(yù)研，已經(jīng)在開展了。那么從那一刻開始，我們端到端的速度就加快了。

張小珺：第一次試駕端到端是什么樣的體驗(yàn)？

郎咸朋：我第一次試到這個(gè)車，從中關(guān)村開到了北京交通大學(xué)。開了幾公里我就問旁邊的賈鵬，這是規(guī)則還是怎么做的？怎么我覺得開得這么好呢？他說一句規(guī)則都沒寫，全都是系統(tǒng)按照咱們給它的數(shù)據(jù)自己訓(xùn)練出來的。

咱們開車都知道，如果前面有個(gè)車剎停的話，它是要緩慢減速，甚至還再抬起一點(diǎn)剎車，有這樣非常舒適的剎車過程。這個(gè)過程我們團(tuán)隊(duì)在規(guī)則階段寫了很長時(shí)間的代碼，都沒有達(dá)到一個(gè)完全擬人、解決所有場景的表現(xiàn)。

但我第一次試駕端到端，它的縱向就已經(jīng)比之前試過所有的都要好的狀態(tài)，這才用了短短不到15天。所以我覺得那時(shí)候建立了一個(gè)信心，就是端到端一定能做出來。而且一旦它做出來，就一定會(huì)比現(xiàn)在所有的智能駕駛軟件都要好。

張小珺：既然端到端是靈丹妙藥，為什么去年不上？特斯拉去年就上了，你去年在干嘛？

郎咸朋：我們?cè)诘?，等足夠的?shù)據(jù)和算力，等到了我們就能上了。

端到端 VLM大模型其實(shí)最終的本質(zhì)是用人工智能來做自動(dòng)駕駛。人工智能的三個(gè)要素：算法、數(shù)據(jù)和算力。這三個(gè)要素必須全都齊備。我們是今年是準(zhǔn)備好了，所以我們能做這個(gè)事情。

理想AD Max車型的銷量，去年起來了之后到今年初（高質(zhì)量訓(xùn)練）數(shù)據(jù)量達(dá)到10億（公里） 左右規(guī)模，這是一個(gè)基礎(chǔ)。第二是算力基礎(chǔ)，今年初我們算力也到了5EFLOPS。再加上第三步，就是端到端的一些預(yù)研也有一定成果，所以到今年初是天時(shí)地利人和，可以做這個(gè)事情了，去年我們還在補(bǔ)課的一個(gè)過程。

張小珺：特斯拉沒有用激光雷達(dá)，你們?yōu)槭裁匆茫?/strong>

李想：很多人不太理解說：為什么要保留激光雷達(dá)，還是為了安全。是不是因?yàn)槟慵夹g(shù)不好？不是，中國和美國是不一樣的，如果你經(jīng)常在中國晚上夜路開車，你會(huì)看到有尾燈壞了的大貨車、甚至可能尾燈壞的大貨車會(huì)直接停在主路上，至少我們今天的攝像頭，能夠在深夜里沒有光線下看到的距離，其實(shí)只有100米出頭。

但是激光雷達(dá)，在沒有任何光線的情況下是可以看到200米的。這就可以幫助我們實(shí)現(xiàn)130公里/小時(shí)的AEB自動(dòng)緊急制動(dòng)。那我覺得這個(gè)是非常重要的，因?yàn)槲覀兪莻€(gè)面向家庭的車，每個(gè)人生命安全都非常的重要，所以這是我們繼續(xù)保留激光雷達(dá)根本所在。而且后邊的車型仍然會(huì)保留。我相信如果馬斯克在中國，在深夜里不同的高速開過車，他也會(huì)選擇把前面的一顆激光雷達(dá)保留下來。因?yàn)樘厮估瓕?duì)于安全同樣地重視，只是他要在這個(gè)環(huán)境里來看到。

張小珺：為什么很多企業(yè)的端到端是兩個(gè)模型，而不是One Model？

郎咸朋：這個(gè)是算法和理念的問題。我們要做端到端時(shí)就給自己定了一個(gè)目標(biāo)，一定要用純數(shù)據(jù)驅(qū)動(dòng)的方式來做這件事情，而不是結(jié)合了之前的規(guī)則來做，所以說它的性能上限會(huì)非常高。

張小珺：為什么理想是端到端+VLM，不像特斯拉只用端到端？你們對(duì)自己的端到端不夠自信嗎？

郎咸朋：不能這么講，我們?cè)谧黾夹g(shù)方案時(shí)充分參考了世界上所有的先進(jìn)方案，但始終無法解決一個(gè)問題是，當(dāng)一套自動(dòng)駕駛或智能駕駛系統(tǒng)，它工作時(shí)如果遇到之前沒有見過的場景，應(yīng)該怎么處理？我們認(rèn)為就是端到端+VLM，就是系統(tǒng)1+系統(tǒng)2的方式，很好地模仿人類大腦的工作方式。

張小珺：如果智駕一號(hào)位想要推動(dòng)智能駕駛的投入，老板會(huì)成為阻力嗎？

郎咸朋：沒有，反而李想一直在催促我：郎博，咱們自動(dòng)駕駛怎么還是慢了？趕緊加快速度！

張小珺：理想激進(jìn)的用只有一個(gè)模型的端到端，其他車企還在用兩個(gè)模型，為什么？

李想：很多時(shí)候可能跟我們有一些比較好的外腦有關(guān)，像王興、陸奇博士，他們會(huì)給我們帶來很多啟發(fā)。有一次陸奇博士跟我們講，你們應(yīng)該思考一下人是怎么工作的？我覺得這個(gè)當(dāng)時(shí)對(duì)我們幫助很大。

今年初我還逼著智駕團(tuán)隊(duì)去美國，他們?cè)诓煌某鞘虚_FSD V12。另一方面我們研究工作也在進(jìn)行，那時(shí)已經(jīng)在發(fā)端到端+VLM的各種研究論文了?；貋硪院笪矣X得要么你做這個(gè)，要么我們就不要再做自動(dòng)駕駛了。今天你靠這些規(guī)則上來做的，跟請(qǐng)個(gè)供應(yīng)商做出來的東西有啥區(qū)別？沒有啥區(qū)別。

我說服郎博他們很重要的一點(diǎn)，我說你們經(jīng)常解決了一個(gè)Corner Case（極端情況），又出現(xiàn)三個(gè)其他的Corner Case。你們一輩子都在解決Corner Case，解決不完。

張小珺：過去兩年在人工智能上，你有什么哇塞Moment嗎？

李想：ChatGPT 肯定是了，其次我們內(nèi)部還是有很多“哇塞”的。一個(gè)印象最深的是，我們決定啟動(dòng)端到端并匹配好資源，準(zhǔn)備好200人團(tuán)隊(duì)，他們訓(xùn)練了幾十版模型，第一版放到車上，當(dāng)時(shí)郎博讓我們來試，我跟張穎（經(jīng)緯中國合伙人）在北京研發(fā)總部正好就一起試了。張穎坐主駕我坐副駕，當(dāng)時(shí)我就很驚訝：這一個(gè)月的訓(xùn)練，比過去三年做的東西，進(jìn)步速度要快！

張穎之前試過無圖NOA，當(dāng)他試到端到端時(shí)發(fā)現(xiàn)這跟人很相似，甚至在一個(gè)路口，旁邊有輛車為了躲行人往我們這邊躲時(shí)，這個(gè)車也適時(shí)地避讓了。他問為什么能躲那么快？我說端到端響應(yīng)速度快了好幾倍，因?yàn)樗莻€(gè)One Model，而不是經(jīng)過4個(gè)步驟。

我們下一個(gè)大版本更新時(shí)，用戶可以在車上直接很清楚地看到端到端的工作方式是什么樣的，視覺語言模型工作方式是什么樣的，以及人工智能到底是怎么工作的。

張小珺：你說自動(dòng)駕駛是能力、輔助駕駛是功能，兩者本質(zhì)區(qū)別是什么？

郎咸朋：功能是預(yù)設(shè)條件，能力是應(yīng)對(duì)所有條件。你不可能窮盡所有的預(yù)設(shè)。

功能的話，還是用上一代的這種軟件1.0方案來做自動(dòng)駕駛。最大的問題是在研發(fā)之初，就要清晰地設(shè)定所有條件、所有邊界，以及最終確定性的結(jié)果。這在自動(dòng)駕駛里是非常困難的。

能力的話，是用人工智能的方式來做自動(dòng)駕駛。當(dāng)我們把自動(dòng)駕駛當(dāng)成能力來開發(fā)，從最本質(zhì)思考人是怎么學(xué)會(huì)開車的。最開始人去駕校學(xué)習(xí)，掌握基本駕駛技能再考試?？纪暾莆栈灸芰χ螅鳛閷?shí)習(xí)司機(jī)一邊實(shí)踐一邊提升能力，慢慢地成長為老司機(jī)。我們系統(tǒng)1+系統(tǒng)2的方案，讓自動(dòng)駕駛系統(tǒng)擁有這種能力去迭代和成長，隨著數(shù)據(jù)量的增長，它會(huì)慢慢地讓性能隨之提升，這個(gè)就是大家經(jīng)常說的規(guī)模效應(yīng)。