揭秘理想汽車“端到端”背後的商業「迷局」

“整改”半年後，理想在智駕的舞臺上正在試着找回自己的主角光環。

7月5日，就在理想汽車 2024 智駕夏季發佈會上，理想汽車用了「上下半場」的直播完成了對現有智駕的全面升級，並開啓由端到端模型、VLM視覺語言模型和世界模型的共同構建，一項所謂「啓動端到端+視覺語言模型」的早鳥計劃，

早鳥，顧名思義「早起的鳥兒有蟲吃。」

或許這個美好預期，讓理想成了目前國內首個公開「端到端」技術方案的汽車企業。即便“理想在借鑑特斯拉”這種顯得有說服力的理論是外界普遍信服理想的技術方案會成爲反超對手的原因。可人們還是忽略了2個月前還在對智駕團隊“動刀”的理想，究竟爲什麼會在短時間內快速拿出規劃這樣的基本常識。

因此，在相比於上半場的務實，關注者更希望通過務虛的“下半場”來識別：理想重金買下的端到端期貨，到底受益幾何？

這一切，都與理想汽車在有關技術切換的空隙說起。

文｜鍋斯傅

編輯｜李佳琪

圖片來源｜視覺中國

1

從“慢”到“快”的理想「端到端」

結合這場「目的性極強」的發佈會來看，不難看出理想將發佈內容圍繞“應用”與“願景”兩個基本環節作爲基本分層來做的上下半場闡述：上半場介紹新方案融合視覺語言模型、世界模型，幫智駕解決複雜的城市道路挑戰；下半場則針對端到端的方案涉及的測試、驗證等問題。

只是很多人卻沒關注到，上半場的邏輯或許恰恰與理想智駕團隊自去年將智駕分成「算法研發」+「量產研發」兩個職能團隊的組織架構調整有一定關係。

事實上，就在今年2月和4月，華爲、小鵬分別上線了乾崑ADS3.0和AI天璣，而這兩套系統都是行業內目前，典型的分段式端到端大模型的代表。不同的是，當時雙方在具體架構的細節上都沒有做“太明確”的闡述。

反倒是在發佈節點比華爲、小鵬“慢”了半拍的理想，在端到端的技術路線上比華爲、小鵬的分段式端到端都更激進。

從技術架構看，華爲提出的端到端有感知大網和預決策規劃大網；小鵬分爲神經網絡感知 XNet、規控大模型 XPlanner+ 大語言模型 XBrain 三段端到端方案。而理想的“One Model”設想，則提出“輸入傳感器信息，輸出行駛軌跡”讓自動駕駛能接近人的行爲能力的一種端到端結構”。

按照理想的設想，這套端到端模型在信息傳遞、推理計算、模型迭代都更有優勢，能具備更強大的通用障礙物理解能力、超視距導航能力、道路結構理解，以及更擬人的路徑規劃能力。

然而從技術特點上看，眼下端到端的自動駕駛技術行業基本還處在相近的競爭維度。真正實現量變需要數據量足夠多、工程化團隊能力強以及大算力作爲「三個必要條件」且達到一定數量的基礎上。而在這三點中，理想已經在深度佈局且快速解決的一個問題正是「算力」。據瞭解，理想在年初還落友商的算力問題再經歷2季度的儲備後，理想的智算中心算力水平達1200 PFLOPS。截止到今年6月底，理想儲備的算力超過小鵬接近2倍。

超算背後則是巨大的資金投入，一位不具名的專家介紹“理想在將賺到利潤的現金都用於購買算力，因此在第二季度理想的應收賬款的天數很有可能是“0”，儘管這一數字與特斯拉Dojo智算中心的100000 PFLOPS相比，還明顯差距，但重金押寶“算力”，才讓理想有了能超過小鵬位列國內公司進入「頭部算力」品牌的陣營。

算力的提升階段性確保理想系統2也就是區別其他路線最大不同之處呈現出特點，據瞭解。VLM 視覺語言模型的算法架構是由一個統一的 Transformer 模型組成，而目前理想的 VLM 模型參數量目前達到 22 億，VLM 模型在車端的推理時間也已經從 4.1 秒優化至 0.3秒。

2

「一場有“目的”的智駕發佈會」

如果只是爲了闡述清楚理想圍繞端到端的這套技術路線，理想遠沒有必要在當下這個節點去召開一次發佈會，通過一些詳實的技術解讀足以讓少數人瞭解智駕團隊的整體思考。

這場看似受衆較窄的技術解析會也暴露出理想在實際運營過程的幾個訴求。

根據規劃，理想的端到端自動駕駛技術已經完成模型的原型驗證和實車的部署，3季度可向測試用戶推送基於300萬clips訓練出的端到端+VLM自動駕駛體系。最早在今年年底，最晚在明年上半年，真正有監督的 L3 自動駕駛也可以批量向用戶交付。

爲了實現這一時間表，還有兩件事需要做：一件事是當前端到端模型學了100多萬公里的數據，到年底可能要超過500公里；另一件事則是模型訓練，端到端模型的目的是學習形式軌跡，所以在訓練時通過在訓練過程中會加入強化學習，讓模型知道什麼事錯的。而這些事情如果想要按照預期完成，就需要關鍵性人才的參與包括雲端模型工程師、算法專家類等人才。

但國內真正能滿足這塊能力要求的人確鳳毛麟角。據瞭解，理想對自動駕駛人才的要求非常之高，比如AI算法專家，不僅需要具備將最新自動駕駛技術的科技成果應用於項目中的實踐經驗和能力，還需要在學術方面有頂級會議或期刊發展過相關領域的研究論文。

發佈會結束後，很多自動駕駛相關的專業人士和技術愛好者對理想的端對端自動駕駛技術進行激烈討論，人們紛紛將這場發佈會評價爲：“可以類比蘋果的WWDC與特斯拉 AI Day”，而這無形中爲理想圈一波有關端到端的自動駕駛“技術粉”，這讓發佈會本身更多起到了一場人才招聘的“宣講會”作用。

通過高薪招聘的方式，作爲理想主動篩選符合要求的人才外。以企業技術路線作爲宣傳點，或許對於技術性人才的篩選起到吸引作用，這種方式無形中爲理想擴大行業聲量的同時，也間接縮減招聘成本，爲企業和團隊起到了人才吸附性作用。

此前在組建理想智駕部門時，理想給出過超過50%的薪酬漲幅去從各企業高薪挖來人才，也意味着理想的篩選人才的成本非常之高。根據公開招聘顯示，理想一直在關注着高階的自動駕駛經驗的相關人才，包含自動駕駛雲端模型工程師、大模型算法專家、AI算法專家等，這些人才幾乎都在年薪百萬以上。整個的招人和用人成本很高。

端午節假期期間，理想汽車零售門店開啓無圖NOA試駕，門店智能駕駛NOA的試駕率進一步提升，從之前的20%以上的水平提升至近40%。

3

「理想的下半年：穩住規模向質過渡」

據普華永道發佈《2023年數字化汽車報告》顯示，中國受訪者對L4級自動駕駛汽車持質疑態度的比例僅15%，對於能支持使用自動駕駛功能的車型更容易受到消費者的選擇。

因此強化技術傳播，影響理想潛在用戶介於Pro和Max的選擇問題從而優化產品毛利結構，不排除成爲理想召開這場發佈會另一個不可明說的目的。

結合目前的產品銷售結構看，儘管沒有公司2季度業務數據，但基本可以確認理想在2季度形成了以L6作爲「主銷產品」帶動L7、L8、L9微增的業務基本面。根據官方發佈的信息，L6在上市2個月的時間裡單月交付已經突破2萬輛，其中作爲單一車型的L6佔到整體銷量的40%以上。

結合這一基本面來看，理想衝擊全年80萬的總目標雖然壓力不小，但對於守住50萬銷底線，理想現有的產品攻勢已經顯露出了十足的“侵略性”。

尤其在終端配合品牌對展位調整後，「新帶老」的業務特點開始十分鮮明。數據顯示，今年5、6月理想L7\8\9的訂單量較去年12月提升16%，同期的試駕人效已經較去年同時提升30%。基於理想汽車短期內產品格局看，這樣的情況大概率是可以在下半年得以延續的。

不過L6的上量，除了策略影響，背後逃不開理想刻意“拉低”產品價格的因素。據瞭解，官方曾提及L6上市價格較此前立項配置上降低的2萬元並不是通過減配實現。因此有不少行業人士猜測，理想L6基本坐實品牌現有產品中毛利率最低的車型。

根據今年4月發佈的《理想 L6 大定車主調研報告》顯示，用戶在購車版本方面，Pro 版本因其性價比而廣受歡迎，用戶選擇率最高，佔比高達到 73%。Max 版本用戶比例僅佔 27%。

「老帶新」雖然在規模上對理想汽車提供了幫助，但卻並不能對理想汽車當前的經營質量得到有效。今年第一季度 理想汽車單車毛利已經下降至爲6.6萬元，相比去年的同期下降0.74萬元，降幅達10%左右。意味前序產品在今年的溢價能力已經處在逐漸減弱狀態。

如果單純靠毛利率更低的L6去拉高規模，顯然與李想希望理想汽車未來能通過技術變現的商業目標「漸行漸遠」。

如今「兩套方案」並行，理想既能確保在產品上更具性價比的L6吸引客戶，同時也能引導用戶向L9、L8、L7和L6 AD Max用戶，已控制住企業單車毛利進一步下降帶來的經營風險，更好的與L6作爲流量產品與L7、L8、L9完成收割的商業閉環中形成補充關係。

這或許是理想這家企業在整個經營過程所顯現的一種經營風格與特點。不一味求量，而是通過智駕技術與方案參與到「質與量」的平衡分配中來，爲企業的到階段性運轉快速提供幫助成了這場略顯「晦澀」的夏日發佈會上線的另一個原因。