7 月 5 日，理想汽车举办了理想 2024 智能驾驶夏季发布会。

在发布会中，理想汽车宣布，理想将于 7 月内向全量理想 AD Max 用户推送“全国都能开”的无图NOA，并将于7月内推送全自动 AES（自动紧急转向）和全方位低速 AEB（自动紧急制动）。

同时，理想汽车发布了基于端到端模型、VLM 视觉语言模型和世界模型的全新自动驾驶技术架构，并开启新架构的早鸟计划。

接下来跟随姜硬的脚步，通过这篇一文看懂来回顾这次理想 2024 智能驾驶夏季发布会的内容吧。

一、理想智驾的现在：无图已来

这是一次没有李想的理想发布会，但仍旧秉持了理想一贯的快节奏——7 月内，所有 AD Max 用户都将会陆续接收到理想无图 NOA 的更新。

先来例行回顾理想此前的赫赫战绩：截止目前，理想拥有超过 81 万名用户，人均智驾行驶里程达到 2300 公里，品牌累计智驾里程达到了 19 亿公里。

而理想汽车 OTA 6.0 的智能驾驶即将迎来重磅升级——无图 NOA 。此次升级将覆盖理想 MEGA 和理想 L9 、理想 L8 、理想 L7 、理想 L6 的 AD Max 车型，用户数量超过 24 万。

5 月 10 日，理想汽车开启 1000 名用户体验，6 月份，推出万人体验，6 月底，向全量用户开启不限量招募。7 月份，无图 NOA 迎来了全量推送。

这个速度对于理想而言显然令人惊喜，毕竟在上半年接连的裁员与纯电首款产品上市近乎折戟的情况下，理想依旧在坚持铺设无图 NOA 的道路上。

无图 NOA ，或者换个熟悉的说法，全国都能开。“我们无意再去创造新的名词，就按着这个说法来了。”

城市、城中村、乡镇、高速、毛细小路…… 最新的无图 NOA 相比过去的版本，BEV、感知能力、规控能力，还有整体系统能力都得到全面的提升，可以应对更多的条件和环境。

理想解释了目前版本下无图 NOA 的四大能力：哪里都能开、绕行丝滑、路口轻松、默契安心。

关于哪里都能开，理想特别强调了，“不再过多依赖先验信息。”回顾此前，理想曾经在家庭科技日上所提到的神经先验网络模型（NPN），便是先验信息的一种。彼时的理想，意图希望通过收集足够多的先验信息与路口特征，帮助无图 NOA 克服部分复杂路口的通行，以及通勤 NOA 的搭建。

而在今年，理想 AD 整体能力提升后，智驾布局只剩下无图 NOA 一条路，而 NPN 也不再是强需的那一方，能更自如地解决在路面上行驶中遇到的各种各样的情况。

其次，通过时空规划模型的应用，理想实现了横纵向空间的同步规划，并通过持续预测自车与他车的空间交互关系，规划未来时间窗口内的所有可行驶轨迹，提升时空联合规划能力，从而令车辆对道路障碍物的避让和绕行更加丝滑。

在复杂的城市路口，无图 NOA 的选路能力也得到显著提升。无图 NOA 采用 BEV 视觉模型融合导航匹配算法，实时感知变化的路沿、路面箭头标识和路口特征，并将车道结构和导航特征充分融合，有效解决了复杂路口难以结构化的问题，具备超远视距导航选路能力，路口通行更稳定。

最后是安全，用户心理安全边界强大与否，取决了用户是否愿意相信车辆的智驾系统。理想无图 NOA 通过激光雷达与视觉前融合的占用网络，车辆可以识别更大范围内的不规则障碍物，感知精度也更高，从而对其他交通参与者的行为实现更早、更准确的预判。

得益于此，车辆能够与其他交通参与者保持合理距离，加减速时机也更加得当，有效提升用户行车时的安全感，人与车之间更有“默契”。

而提到安全，不止是无图 NOA 为用户带来的安全、安心感，在主动安全上理想也有相应的更新计划：全自动 AES 自动紧急转向和全方位低速 AEB。

为了应对 AEB 也无法规避事故的物理极限场景，理想汽车推出了全自动触发的 AES 自动紧急转向功能。

在车辆行驶速度较快时，留给主动安全系统的反应时间极短，部分情况下即使触发 AEB，车辆全力制动仍无法及时刹停。此时，AES 功能将被及时触发，无需人为参与转向操作，自动紧急转向，避让前方目标，有效避免极端场景下的事故发生。

而全方位低速 AEB 自动紧急制动，则针对泊车和低速行车场景。

在复杂的地库停车环境中，车辆周围的立柱、行人和其他车辆等障碍物都增加了剐蹭风险。全方位低速 AEB 能够有效识别前向、后向和侧向的碰撞风险，及时紧急制动。

二、理想智驾的未来：端到端 + VLM

“我们能不能教会 NOA 系统像人一样看得懂导航地图，而不是仅仅用感知结果进行判断？”李想在某次与理想自动驾驶负责人 @郎咸朋 讨论时发出这样的一句疑问。

这里我们借用郎博的话语，NOA 如果想学会怎么“做人”，那就得用 NOA 能理解的话术去解读人类司机的决策。郎博引用了《思考，快与慢》中的理论，即人的决策过程通常由快（直觉性判断）与慢（逻辑性分析）两套系统产出构成——

如果换算成 NOA 能听懂的话，即 NOA 如果想学会“做人”，那就需要一套跑得快、判断快的模型，和一套跑得慢、但有复杂处理能力的模型。它们像齿轮一样紧密结合在一起，又可以分工合作，该快得快，该慢就慢。

这便是理想对于未来自动驾驶的早鸟思考：端到端大模型充当系统模型 1 ，VLM 视觉语言模型充当系统模型 2 。

何为端到端，是哪端到哪端？理解其实非常简单——一端是传感器，而另一端，则是直接了断的行驶路径输出。端到端模型的输入主要由摄像头和激光雷达构成，多传感器特征经过 CNN 主干网络的提取、融合，投影至 BEV 空间。

为提升模型的表征能力，理想汽车还设计了记忆模块，兼具时间和空间维度的记忆能力。在模型的输入中，理想汽车还加入了车辆状态信息和导航信息，经过 Transformer 模型的编码，与 BEV 特征共同解码出动态障碍物、道路结构和通用障碍物，并规划出行车轨迹。

多任务输出在一体化的模型中得以实现，中间没有规则介入，因此端到端模型在信息传递、推理计算、模型迭代上均具有显著优势。在实际驾驶中，端到端模型展现出更强大的通用障碍物理解能力、超视距导航能力、道路结构理解能力，以及更拟人的路径规划能力。

而在理想的另一半构思中，DriveVLM 会充当那套慢速的齿轮，通过读取突发紧急情况、复杂的交通或不熟悉的路段画面，进行更深度的决策。

比如下图中的 DriveVLM，会根据路面信息输出包括天气、道路类型、车道选择建议、驾驶决策在内的“类人”思考。

VLM 视觉语言模型的算法架构由一个统一的 Transformer 模型组成，将 Prompt（提示词）文本进行 Tokenizer（分词器）编码，并将前视相机的图像和导航地图信息进行视觉信息编码，再通过图文对齐模块进行模态对齐，最终统一进行自回归推理，输出对环境的理解、驾驶决策和驾驶轨迹，传递给系统1辅助控制车辆。

端到端负责快判断，VLM 负责慢思考—— VLM 模型可以识别路面平整度、光线等环境信息，提示系统 1 控制车速，确保驾驶安全舒适。VLM 模型也具备更强的导航地图理解能力，可以配合车机系统修正导航，预防驾驶时走错路线。同时，VLM 模型可以理解公交车道、潮汐车道和分时段限行等复杂的交通规则，在驾驶中作出合理决策。

而拥有两套系统只是基础——他们就像小孩子，而不是机器人；机器人需要规则逻辑约束，小孩子则是需要慢慢引导培养成才。这就涉及到理想智驾团队为这两套系统设计出的一套“考试培养方案”——重现真实世界模型。

理想汽车的世界模型结合了重建和生成两种技术路径，将真实数据通过 3DGS（3D高斯溅射）技术进行重建，并使用生成模型补充新视角。

而在场景重建时，其中的动静态要素将被分离，静态环境得到重建，动态物体则进行重建和新视角生成。再经过对场景的重新渲染，形成 3D 的物理世界，其中的动态资产可以被任意编辑和调整，实现场景的部分泛化。天气、光照、车流等条件均可被自定义改变，生成符合真实规律的新场景，用于评价自动驾驶系统在各种条件下的适应能力。

重建和生成两者结合所构建的场景为自动驾驶系统能力的学习和测试创造了更优秀的虚拟环境，使系统具备了高效闭环的迭代能力，确保系统的安全可靠。