一直以来，在蔚小理三家新势力车企中，理想汽车的智能驾驶从来都是声量最大、进度最慢的那个存在。

最近，理想汽车智能驾驶负责人在接受一系列媒体的密集采访时表示，理想汽车要在今年年底成为自动驾驶行业的绝对头部。

这种不把蔚来、小鹏放在眼里的气概值得喝一声彩，不过，理想画的这个饼能实现吗？要明白这一点，我们首先要搞清楚理想汽车的智能驾驶是怎么一步一步走到今天的。

01

三年前，在一次论坛上，比亚迪董事长王传福劝小米雷军不要造车。船夫哥语重心长地说：“很多大咖进来造车，50个亿不算啥，关键是浪费三年的时间，这三年时间能值多少钱？”

作为中国电动汽车行业的扛把子和顶级战略大师，船夫哥的话没啥错，但他显然低估了雷军造车的决心。通过厘米级复刻和致敬，小米站在巨人的肩膀上三年磨一剑。

将旗下第1款车小米SU7打造成了竞争最为激烈的20~30万价格带内的一个爆款神车。

同样深谙拿来主义可以创造奇迹的另一家车企是理想汽车。李想曾经发表过一个博采众家之长的言论：“产品学苹果，商业学特斯拉，制造学丰田，组织学华为，变革学微软。

”其实，理想汽车致敬特斯拉的地方绝对不只是商业运营，在自动驾驶算法的研发上，理想汽车便采取了紧密跟随特斯拉步伐的战略。

在各家车企都特别强调“全栈自研”的今天，这种说法听起来似乎有伤理想汽车的脸面，但实际上，这是理想汽车智能驾驶负责人在接受媒体采访时公开承认的。

其实，“捧特斯拉臭脚”的不只是理想汽车一家，业内基本都一致认可特斯拉是自动驾驶行业的第一标兵，大家争论的不过是特斯拉领先国内友商多少时间而已。

特斯拉之于其他厂商最大的启发在于怎么完成从0到1的阶段。

从1到10只需要坚持在既定方向上高密度饱和攻击，但从0到1涉及多个方向的探索、多个技术岔路口的选择，通过一次又一次的试错和调整，最终在茫茫的技术深海里找到一条能通往彼岸的航线。

这可不是条条大路通罗马，而是自古蜀山一条路，不跟随成功者的步伐，很容易就掉坑里了。

理想汽车在自动驾驶上采取“不敢为天下先”的追随战略，为自己节省了大量的时间和研发资源。这种务实和坚决是值得很多友商学习的！

02

金句频出的马斯克说过这么一句话，在人工智能时代，数据可能比黄金更有价值。对于全面AI化的自动驾驶算法来说，数据的重要性从来没有像今天这么突出。

数据驱动自动驾驶算法的进步已经成为了行业共识。换句话说，在算法架构、技术方向已经探明的情况下，谁掌握了数据，谁就有了最终胜出的底气。

衡量智驾数据有三个指标：数量、质量和分布。虽然自动驾驶算法并非生成式大语言模型，但它也遵循类似的尺度定律，即训练数据集的规模越大，训练出来的模型效果越好。

数据集的大小取决于搭载智驾系统的车型的销量。在新势力周销量榜单上，理想汽车长期霸榜，数据规模当然是杠杠的。

数据的质量主要取决于传感器配置。自2022年推出理想L9开始，理想AD Max在感知传感器上一直采用1L1R11V12U的配置，这是被几家头部智驾车企证明可以满足城区高阶智能驾驶的传感器配置方案，理想L6/7/8/9和 理想Mega均坚持这种配置，保证了数据的高度一致性。

理想汽车的套娃战略一直被人调侃，殊不知，套娃战略保证了传感器布置数量和安装位置的一致性，反而成了理想汽车获取高质量智驾数据的优势。

衡量智驾数据的第三个指标是分布的多样性。分布多样性来自于驾驶场景的丰富性，这个指标和理想汽车的销售分布密切相关。

因为采取了没有续航焦虑的增程路线，理想汽车的销售得以从一二线下沉到三四线城市，车主出行场景更丰富。

而且，由于可以“城市用电，长途发电”，理想车主的出行半径比小鹏和蔚来车主更长，这也为理想汽车智驾数据的丰富性地提供了有力的保障。

一直以来，增程和套娃都是很多人抨击理想汽车的槽点，没想到，在智能驾驶领域，这两个缺点却成了促进理想汽车智驾算法突飞猛进、甚至有可能后来居上的最有力的抓手。这个世界，真是充满了讽刺！

03

国内电动车圈有个乱象，无论真实情况怎么样，输人不输阵，大家的口号都喊得震天响。

李想在十六届汽车蓝皮书论坛上放了一个大炮仗，表示理想汽车智能驾驶将采取端到端+视觉语言模型的双系统方案，今年底依靠端到端实现L3，三年内依靠视觉语言模型实现L4。

自Mega哑火之后久居深宫的李想是懂得怎么搞营销传播的。这个表态是一个深水炸弹，话音甫落，在业内，一石惊起千层浪，理想汽车这么狂？

在业外，让很多不明真相的群众对理想汽车的自动驾驶实力产生了深深的好奇。

要知道，早在一年前，大家还都在讨论自动驾驶行业需要多少年才能真正迈进L3呢，才一年的时间，理想汽车居然要在三年内就实现L4了！

让理想汽车和李想本人感到信心爆棚到快要跳出胸膛的是，他们认为已经找到了通往L4级自动驾驶的理论根源。

理想方面表示，其自动驾驶方案的理论来源是诺贝尔奖获得者丹尼尔·卡尼曼的的《思考，快与慢》中阐述的系统1和系统2理论。

系统1和系统2的智能形态划分大概没问题，即便有问题，也不是我辈可以质疑的。但是，将端到端比作系统1，将视觉语言模型比作系统2的类比有问题：端到端并非系统1，视觉语言模型也不是系统2。

首先，系统1包含了对这个世界的认知模式，它可以立即分辨出哪些事情是正常的，哪些事情是出人意料的，其判断的背后离不开对世界的认识，这也就意味着，系统1同样是知识驱动的，和端到端的数据驱动完全不在一个领域。

其次，目前的大模型技术错误率太高，无法应对复杂驾驶场景，承担不了系统2的重任。

不要盲信“比喻”，比喻是一个危险的东西！

很少有人怀疑理想汽车的智能驾驶不具备位列第一梯队的实力，但是，要在年底进入绝对头部的目标有点过于激进了。

想要跟华为和特斯拉并驾齐驱，哪有那么容易？