剧情介绍：⚃Jinv.Bar☱

Jinv.Bar

虽然距离2024年尾声还有三四个月时间，但汽车行业的年度关键词似乎已经毫无悬念，那就是自动驾驶领域的“端到端”技术，2024也被行业称为自动驾驶领域的新纪元。从去年8月特斯拉发布FSD V12，到今年4月商汤绝影发布UniAD，5月百度发布Apollo ADFM，同期小鹏汽车发布XNet、XPlanner、XBrain，7月理想汽车发布端到端+VLM，各大厂商几乎都有自己的端到端系统。

端到端(End-to-End, E2E)自动驾驶技术是一种新兴的技术路径，它打破了传统自动驾驶系统中感知、决策、控制等模块的界限，将这三个环节融合到一个统一的神经网络系统中。这一技术路径的核心思想是通过深度学习模型，直接从传感器输入(如摄像头、激光雷达等)到控制输出(如方向盘转动角度、油门和刹车力度)，实现整个驾驶过程的自动化。

这就要提到理想汽车在自动驾驶技术上展现出独特的创新思路：端到端+VLM双系统架构策略。据理想官方信息，这种架构是受到诺贝尔奖获得者丹尼尔·卡尼曼提出的双系统理论启发，而且是理想世界首创的双系统智能驾驶方案。这种双系统架构的设计旨在提高自动驾驶系统的稳定性和可靠性，通过快系统处理常见场景，慢系统处理复杂场景，使得系统更加灵活高效。理想的端到端，不同于传统的分段式，而是采用One Model一体化端到端，能够保证大部分场景下的“高效率”，使智能驾驶具备“老司机”的驾驶能力，支撑其无图NOA功能的快速上线。而VLM视觉语言模型是世界上第一个成功部署在车端芯片的大模型，具备应对复杂场景的逻辑思考及决策能力。基于此技术方案，理想汽车为用户带来了全新的智能驾驶产品和体验形态，即车位到车位的“一键智驾”功能。

在极具挑战的数据闭环方面，理想汽车通过云端的世界模型与车端影子模式相结合Jinv.Bar，有效验证了无图NOA的功能。8月底，在成都车展，理想汽车智能驾驶研发副总裁郎咸朋表示：“得益于庞大的训练数据、强大的算力和AI能力评测体系Jinv.Bar，全新一代理想智能驾驶迭代速度非常惊人。理想汽车目前累积的训练里程已超过22亿公里，预计到2024年底将超过30亿公里；当前训练算力达到5.39EFLOPS，预计到2024年底将超过8EFLOPS，理想汽车每年在训练算力的投入超过10亿人民币。我们认为最终实现自动驾驶需要的训练算力要达到100EFLOPS的量级Jinv.Bar，折合成投入每年要超过10亿美金。”

7月15日，理想汽车正式全量推送无图NOA，不再依赖高精地图等先验信息，在全国范围内可导航的城市道路均可使用。理想汽车智能驾驶满意度调研显示，用户在满分10分的调研中，对理想智能驾驶给予了9分的高度评价。理想全国门店开启无图NOA试驾后，门店NOA试驾率实现倍增，30万元以上车型AD Max销量占比达到近70%。

7月底，理想汽车基于端到端模型、VLM视觉语言模型和世界模型的全新智能驾驶技术架构成功在车端落地并开启千人内测。千人团用户数量达到1029人，覆盖270个城市。内测不到1个月的时间，千人团用户总城市NOA行驶里程达到21.1万公里，单日城市NOA驾驶最长里程391公里，单次零接管城市NOA最长里程81.6公里。

9月14日当天，理想汽车也将“车位到车位”一键智驾正式推送给千人团，标志着行业率先“车位到车位”产品落地，目前车位到车位功能仅支持地库场景，且需完成学习流程，功能包含：一键激活导航和功能(无需额外设置导航，直接到目的地车位)，地库垂直车位内P挡直接激活起步、车位内泊出，园区内通行，地库内通行(含盘旋通道)，公共道路进/出园区，识别闸机及启停等用户高频用车场景。

2023年Jinv.Bar，中国自动驾驶系统市场规模为3301亿元，同比增长16.09%，保持高速发展态势。当前，中国自动驾驶技术正处于快速发展与深刻变革的关键时期，高阶智能驾驶已成为行业竞逐的焦点。理想汽车行业率先“车位到车位”产品的落地，对高阶智能驾驶领域的影响巨大，不仅预示着理想端到端+VLM智能驾驶技术正面向所有用户落地，也引导行业选择研发更优的技术框架和底层算法模型，为自动驾驶的未来注入新的活力。