放眼当下来看，毫无疑问，智能驾驶俨然已经成为了各大车企的兵家必争之地，当然这也是如今用户在选车时格外关注的部分。以理想的智驾数据为例，截至目前，理想智能驾驶总用户达到100万+，智能驾驶总里程突破26.7亿公里；导航智能驾驶NOA总里程突破14.4亿公里，NOA里程占智驾总里程的90%。而除了这一数据在持续增长外，一并增长的还包括理想汽车智能驾驶训练和理想汽车整体的算力。

然而关于智能驾驶，其实各大车企都有自己不同的研发方向，也有不同的配套软、硬件，从依靠激光雷达到视觉解决方案，可谓各有所长。但即便如此，有一个方向是大家一致认可的，那就是“车位到车位”。 但这绝不是一个口号，它真正需要做到的应该是像人一样思考、像老司机一样驾驶，从而应对各种路况。

而在11月28日，理想汽车正式公布新一代智能驾驶技术架构——端到端+VLM双系统的车位到车位功能正式全量推送，这也是行业首个全量推送这一功能的车企，那么理想的这套“车位到车位”的智驾究竟强大在什么地方？接下来我们就让“理想同学”来回答！

“端到端”究竟是什么概念？

首先是我们在众多品牌的智驾宣传中都会听到的一个词汇——“端到端”。简单来说，当我们给出一个导航指令的时候，它能实现接收信息后直接输出一条到目的地的轨迹，而这其中没有任何规则。

但不同于其他厂家的分段“端到端”，理想此次的One Model可以说是真正意义上的“端到端”，因此它也带来了三大优势。第一点是高效的信息传递，以理想之前使用的这套无图NOA为例，它由感知和规划两个模型构成，因此在信息传递过程中，需要运用大量规则。而“端到端”的出现，则很好的打破了这一壁垒，没有规则也意味着信息损失更小、上线更高，说人话就是：更聪明、更拟人。

与此同时，“端到端”的模型同样还具备高效算力和高效迭代两大优势。得益于双系统 + 世界模型的研发体系，理想智能驾驶AI模型的迭代效率非常快。在三个月的时间内，迭代了30个版本，每周迭代 2个版本给鸟蛋和千人团用户，快速进化演进出更好的体验。

VLM夯实“车位到车位”

然而，作为行业首个全量推送车位到车位的智驾，光靠“端到端”显然还不够，毕竟只喂一个数据就会存在误判的可能性，尤其是面对各种不同的场景，甚至是信号灯的形状、类别，因此这套系统不仅需要“端到端”的快，更需要像老司机一样思考问题，能有逻辑推断，才能真正实现类人智驾，于是理想为这套“端到端”增加了一个好帮手，视觉解决方案——VLM。

如果说“端到端”是快系统，那VLM则代表了慢系统，因为它的出现就是为了去更加深刻的理解物理世界的复杂交通环境，并进一步加强解决安全、导航、法规和舒适等方面的难题，而这恰恰也是各大车企在做智驾方案时的一大难点。

当然，回归到用户本身，他们更在意的一定是智驾的好用程度，判断依据很简单，就是这套系统是否足够类人，而类人化的结果其实就是高效、有逻辑判断。尤其是在此次升级OTA 6.5后，真正实现“车位到车位”的泊出泊入，全程智驾，所以，智驾过程中的表现更是会被无限放大。

而从实际的体验上来看，这套VLM完全能够应用于我们生活中的大部分场景，比如传统驾驶辅助很难判定的有时间限制的公交车道、潮汐车道甚至坑洼路面等，它都可以轻松识别，从而大大提升通行效率以及不同路线的选择。

不过，以上这些功能，其实在OTA 6.4的时候就已经具备，而真正实现全程智驾的功能亮点正是OTA 6.5之后的ETC通行能力。这一场景的应用原理也是由VLM识别收费站及ETC通道位置，最终引导“端到端”系统向ETC通道行驶并通过闸机。因此在我看来，这项行业首创的功能，它不仅打破了智驾的壁垒，也将“车位到车位”从口号变成了现实。

世界大模型更像是一个题海库

当然，想成为智驾的顶流，除了“端到端+VLM”的技术外，它还需要一个配合——“世界大模型”。用通俗易懂的话来解释，它就好像一个题海库一般，由专业测试人员和内测车主，为其提供大量实车测试过程中遇到的问题以及各种真实场景，同时，会用生成模型将考题进行泛化形成模拟题，比如改变了天气、光照、背景环境、障碍物的行为等，使得模型能够举一反三，最终在这套“题海库”内生成一个错题库、真题库和模拟库。

于是，得益于这套题库的存在，在每次模型发布之前，技术人员都会将新的系统和模型把错题再模拟一次，最终通过实际测试结果将它和其他功能进一步匹配，从而实现一个完全自动化的进化过程。而在这一套复杂且严密的逻辑模拟背后，恰恰是理想以用户为中心，力求带来更好的产品体验的理念。

写在最后

作为行业首个全量推送“车位到车位”的车企，理想其实早早就开始布局智驾，从NPN到无图NOA，再到“端到端”的转变，理想之所以能在智驾层面突破传统壁垒，实现多项行业首创、成为新的天花板，我想这不仅仅是品牌在智驾层面的决心与努力，更是展现了以用户为核心的理念以及对于科技的不断探索精神。