1 月 11 日，李想发了一条长微博，报告了在过去的一年里，理想汽车「智能驾驶」在技术产品交付层面的重要变化。

微博很长需要的可以去看原文，这里只总结一下核心信息：

理想从 Mobileye 切换到地平线的 J3 芯片，展开了智能驾驶的全栈自研； 12 月份交付完 NOA 和完整的 AEB 功能，成为全球第三家具备完整的 NOA 和 AEB 全栈自研能力的品牌； 在感知算法层面，OTA 3.0 的理想 ONE 2021 款可以识别高速路交通事故现场和道路施工现场； 在懂车帝年度 AEB 测试中理想 ONE 拿下冠军，是进入决赛组里唯一有能力准确识别横向车辆和两轮车的车型； 理想会长期把 NOA 导航辅助驾驶作为标配。

就是这样的一条微博引起了一些讨论，主要有几点：

讨论理想 ONE 在懂车帝 AEB 测试中拿冠军的真实性； 理想自称「全栈自研」是吹牛； 对 AEB 能力的质疑。

下面我们就带着这些问题来聊聊理想。

01 「自研」NOA 只是开始

聊「自研」这会是一个非常大的话题，我们尽量会从汽车企业软硬件的变化上把这个聊清楚，这里聊的是关于智能驾驶相关的自研能力。

而在这个自研的分类上就包含： 软件和硬件 。

软件就是包含操作系统、感知算法以及决策控制算法，在内的软实力；硬件比较好理解，芯片、感知摄像头、雷达、控制器等等。

特斯拉用了快 20 年告诉整个汽车行业，传统的供应商模式并不适用智能电动汽车时代的发展，以软件为核心定义汽车产品的时代，车企必须掌握软件能力。

但这需要一个过程，核心算法先上供应商方案，再逐步实现全自研的算法替代，是一个缩短开发时间，降低开发成本的方式。

比如，特斯拉经历了 Mobileye 到英伟达，最终实现自动驾驶核心的软硬件自研。而理想在上一代理想 ONE 上用的就是 Mobileye 的辅助驾驶方案，2021 款以后的新车则是逐渐切换自研算法。

使用 Mobileye 好处是可以快速量产前装服务用户；不好的就是 Mobileye 是封闭系统，感知算法以及数据不向车企提供，没有数据车企很难做系统的快速迭代。

因此，到了 2021 款理想 ONE 身上，我们看了地平线 J3 的前装，而 J3 最大的特点就是  「允许车企自主开发感知、控制算法」 。

这才有了 2021 款的理想 ONE， 在 2021 年 6 ⽉份交付的基础 ADAS 和基础 AEB 功能；在 12 ⽉份交付的 NOA 导航辅助驾驶和完整 AEB 功能（主动安全）。

这里面又有了一个概念。

「基础 ADAS、基础 AEB」与「NOA 、完整 AEB」

解释一下。

从功能上来讲，基础 ADAS 就是普通的 L2 级别辅助驾驶，它所支持的场景非常有限，即使有打灯变道也是需要人的主动干预，而 NOA 则具备高速场景的车辆自主超车、变道，还可以主动进出匝道， 核心是车辆的自动化能力在提升 。

这里面最重要的就是理想切换了「全栈自研的算法」，将视觉和毫⽶波雷达进⾏融合感知，同时融合了高精地图和高定定位数据。

而基础 AEB，其实是依靠雷达进行障碍物识别的，雷达能测量距离碰撞的发生时间，因此是 AEB 系统的关键组件。

但是雷达也会受到误报的干扰，例如将停放在旁边的汽车误认为危险的物体。因此， 为了控制误报，最终不得不过滤掉很多数据 ，这就是为什么车具有碰撞预警功能，但会常常收到假碰撞警告的原因。

所谓「完整 AEB」则是， 基于自研的感知算法融合了视觉的 AEB 方案 。

我们来看理想 AD 产品经理刘胶泥（网络 ID）对这套 AEB 方案的解释：

2021 款理想的 AEB 功能有两个关键词： 自研、视觉融合。

什么意思呢？

目前市面上车型所搭载的 AEB 功能，大多来自于供应商的打包方案，有的采用毫米波雷达做探测，有的采用「毫米波 + 视觉融合」，这些供应商方案虽然成熟，但对于车企来说是一个「黑盒」，车企不能按自己的意愿重新定义能力。

而有能力自研的车企，一般来说做的都是依靠毫米波雷达的 AEB。据我所知， 目前已落地的自研且采用视觉融合方案的 AEB，应该只有特斯拉和理想。

AEB 引入视觉有什么好处？

「AEB 引入视觉，可以更好地实现对行人、骑行者的探测，保障行人安全。」

听起来很不错，但自研视觉 AEB 容易吗？

答案是：很难。

首先，做这个决策就很有挑战。

依靠毫米波探测的 AEB 已经是一个很成熟的方案了，并且和安全强相关，重新做这个融合，开发的任务量、资金、时间都是巨大的成本，关键加入视觉后的安全标准由于此前不同，一般情况，不会有供应商会乱动这个。

那车企就只有自研这条路，但即使有了自研能力，也需要很大的决心来改革 AEB。

因为需要先论证两个问题：

引入视觉识别后，如何保证功能的稳定性？ 如何保证性能比原来更好？

大家都知道，从技术研发到产品落地，中间有很长的路要走，我们要做的不是技术储备，而是一个要交付给数万用户的产品。

那么问题又来了： 怎么衡量你做的东西能够满足交付标准？

所谓「交付标准」，在业内可是没什么参照的，因为大家都没做过。

AEB 这个功能有一个特点： 既要性能好，又要功能稳定 。

简单说就是，在该刹车的时候一脚跺死，但不该刹车的时候绝对不能乱刹车。性能上限要高，下限也不能低，所以非常考验视觉识别准确率和标定能力。这里面涉及到「准确率」和「召回率」的概念。

（召回率是覆盖面的度量，衡量了分类器对正例的识别能力，也叫查全率。）

在研发测试中，有一个必须要守住的底线是「误触发率」，就是不能在没有危险的时候乱刹车。

依靠毫米波的 AEB，探测车辆是比较稳定的，但是通过视觉识别各种各样的行人就难了，识别准确率为 99%？抱歉，那你离量产还差很远。

每天几万台车在路上跑，一天几十万公里的行驶里程，即使是 1% 的误触发率，也是非常可怕的。所以，要尽可能做到无限趋近于 100% 才行，要求非常高。

如何验证呢？

这需要跑大量的测试，积累足够多的测试里程和数据，然后用这些数据来帮助研发进行迭代和性能调 ，如果不具备数据闭环的能力，对不起，那做不了。

总结这段话，基础 AEB 是一个封闭系统，同时雷达对于障碍物体的检测能力是有限的，特别是对人的检测的局限性，引入视觉会进一步提升 AEB 的能力，而引入视觉就需要巨量的真实用户驾驶数据来验证方案的可靠性，想要使用数据则必须自研感知算法。

关于提升 AEB 能力的难度，美国顶尖汽车技术服务公司 VSI Labs 的创始人 Phil Magney 说过：

对于 ADAS 汽车来讲，AEB 是至关重要的，没有 AEB 自动驾驶很难实现。 而要让 AEB 适用于行人检测，比 AEB 本身要难上一个数量级 。

这也是为什么懂车帝测了近百款车的 AEB，而理想 ONE 拿下第一。

这一切的源头则是， 理想打通了从感知算法到决策控制算法的全链路自研能力，在产品的智能驾驶系统中逐步替换成了「自研的算法」，通过数据的喂养来做功能迭代 。

这也就是李想说的，理想成为继特斯拉、小鹏之后全球第三家具备完整 NOA 和完整 AEB 全栈⾃研能⼒的车企。

当然，你可能会说理想给测试车做了特殊优化，这一点理想的 AD 产品经理刘胶泥，从技术上给出了回答：

应试特调？这个做不到。

法规标准和媒体测试，都比较好地覆盖了现实交通环境的场景，从研发角度来说，这是在功能立项阶段就要考虑进去的，所以很难针对某一场景或某一测试「特调」。

因为 AEB 是一个复杂的系统化功能， 调整某一个参数使其达到更高的性能上限， 就很可能让性能下限随之变低。而参数变更，意味着要重新进行大量的仿真/实路测试来验证性能 。

翻译一下，车企专门「特调」一次的成本非常高，包含时间、人力、资金，而且需要不同部门的配合。虽然 IPO 后有钱了，但让以资金利用效率著称的理想汽车，去干这种费力不讨好的事，可能性不大。

02 理想的「数据规模」魔法

为什么理想可以做到快速迭代？

要知道即使上市之后，理想的资金实力、研发团队规模，其实远不如大众这样的巨头企业，大众在狼堡召集了近 6000 人的研发团队，先后投入了近 150 亿欧元去打造智能驾驶的软件。

结果却是，大众在底层操作系统车机娱乐系统以及辅助驾驶系统上，还是不能整体统一。甚至 ID 系列还是时常出现软件问题。

这里面最重要的两个核心是： 认知和数据 。

李想在 2020 年 4 月说过这么一句话：

汽车行业往后的变化可能在于软硬件的深度结合，单纯的硬件差异化将很难再有突破，给硬件赋予软件化、智能化的灵魂是，未来追求变化的核心。

未来几年最重要的是把辅助驾驶做好，让辅助驾驶能够和人类配合之中发挥越来越多的作用。

这就是理想汽车对智能化的认知， 自动驾驶将会是未来产品差异化的核心。

基于这样的认知，李想及其团队一开始就确定了全力打造自动驾驶的基本共识，而打造自动驾驶「数据」是能力提升的关键。

看看李想说的：

到 2025 年左右，特定场景的自动驾驶就会开放，全场景下的自动驾驶基本需要 2030 年， 但这至少需要 100 亿英里真实车的数据训练才能做到 。

再看看理想汽车 CTO 王凯说的：

车企想做到头部，那一定要做「数据驱动」的科技企业。

所以理想 ONE 从一开始就是标配辅助驾驶，这个策略最直接的好处就是， 可以让所有的理想用户都变成理想的产品测试者 ，所有回传的数据都是系统迭代的关键。

理想拥有乙级地图测绘资质，是新造车里第一家可以合法收集驾驶场景数据的企业。

也就是，可以使用「影子模式」采集数据。

数据的重要性不言而喻，此前我采访毫末智行 CEO 顾维灏总，他对自动驾驶数据的看法是： 「自动驾驶数据就像一个宝箱，而自动驾驶的未来就在宝箱里，虽然宝箱越大并不能表示里面的宝物越多，但宝箱越小里面的宝物肯定是越有限。」

理想此前的 Mobileye 版系统收集了大量数据，而全栈自研算法的 2021 款 J3 版则是理想体现数据价值的地方。

王凯此前在接受媒体采访时说过： 「感知算法是激活自动驾驶数据的钥匙，在这个方面我们必须自研。」

他表示，自动驾驶数据很重要，就像丰富的食材，理想已经收集了很多数据，关键是这些数据怎么用？想要激活数据就要对数据进行解析、标注、标定，而做这些就需要自己掌握算法，这其中感知算法最为核心。

简单说，自研算法是开启高阶自动驾驶大门的钥匙，因此，理想就必须展开自研，J3 版理想 ONE 就是开始。

一年的迭代以后，通过⾃研的感知算法，2021 款理想 ONE 已经可以识别⾼速路交通事故现场和道路施⼯现场。

这个就像特斯拉的「紧急避让辅助」功能，当车辆行驶速度处于高速区间时，如果前方发生突发状况、驾驶员需要转向避让，「紧急避让辅助」功能会启动，帮助驾驶员增加转向力，加强避让效果。

而这项能力不仅可以增加安全性，还可以增加自动驾驶系统开启后的可用时长，提升自动驾驶的连续性，这也是用户直观感受辅助驾驶系统好不好用的关键点。

全量推送 NOA

不管是 NOA 还是完整的 AEB，已经是目前用户可以体验到的功能， 比起这些接下来理想辅助驾驶的系统潜在成长性才是可怕的。

这一点依然要提及的是： 「数据」 。

我们知道特斯拉是自动驾驶技术的引领者，但我们去看特斯拉辅助驾驶实现快速迭代，其实是有一个时间点的，而这个时间点是 2017 年 7 月特斯拉开始销售 Model 3 之后。

在 Model 3 之前特斯拉的辅助驾驶还是基于供应商芯片，和自研算法打造的基础辅助驾驶，而在 Model 3 大规模交付以后，特斯拉先后因切换芯片更新过代码，在去年北美地区推送的 FSD Beta 中，特斯拉重写了代码更新了神经网络算法，得到的能力则是城市场景的自动驾驶能力。

这一切的核心就有 Model 3 大规模交付后数据量的激增，虽然之前特斯拉的数据量已经很大了，但 Mdoel 3 之后特斯拉的更新频繁以及更新的版本也更多更大， 这里面就是大规模数据带来的算法优化能力，算法又反哺到系统的层面 ，最终来带更好的用户体验。

根据李想的所说，NOA 导航辅助驾驶的激活和使⽤超过 6 万台车，超过中国市场上其他品牌导航辅助驾驶之和。

这也就可以回答的问题，如何去验证 NOA、AEB 这样的系统能力？

就是通过这 6 万车主，以及随着理想产品交付的持续增大未来的车主，用巨量的真实驾驶数据去反哺算法，优化后的算法又服务系统，给用户带来最好的体验 。

综上所述，在这里面最重要的就是全栈自研算法的能力，而自研的能力既能标定通过全量推送获取「规模化」自动驾驶数据，又能通过数据来优化算法，接下来理想的迭代能力会随着自研的持续深入，数据量的持续加大而加快，当然，这也考验理想研发团队的能力。

不过，去年理想港股上市的时候我采访理想汽车总裁沈亚楠时得知，理想会在 2021 年底，将自动驾驶研发团队拓展到 600 人，并且理想对研发人员是不设上限的持续大规模招聘。

03 再提打造「爆款」的方法论

为什么要用「再」字，因为「爆款」是一个只要说理想就会经常被提及的词，所以我们来看看理想的「爆款」产品对行业的影响：

产品上，理想用增程路线切入市场，从根本上解决里程焦虑的问题；而且 30 万元的价格降低了大 6 座 SUV 的购买门槛。

推动全⻋语⾳交互和多屏⽅案变成⾏业标准，让智能座舱不再有用户的年龄限制，只要能对话就能体验。

不管 AEB 还是 NOA 导航辅助驾驶，理想汽⻋均是标配，降低用户参与智能驾驶时的机会成本。

其实，我们去看理想打造「爆款」的方法论很简单：

就是返璞归真找到一个「虽难但正确的事，并且坚定执行」，同时找到用户真实的需求，用当下最好的技术、服务来解决。

注重产品体验，更注重安全，从标配辅助驾驶，到标配 NOA，再到 AEB 这样的功能提升，这里始终是站在「安全」一词的肩膀上。打造辅助驾驶难的不是单独的体验，而是怎么样能即体验好又安全。

李想说的「智能汽车应该具备生命力」，我的理解，并不是单一的 OTA 能力，而是新产品能不能承接老产品的灵魂持续成长。苹果当前 3 万亿美金的市值，其实是一代一代 iPhone、Mac 等持续升级得来的，汽车产品也是一样，让用户持续有意愿支持自己。

打造一个高效，并且有一致价值观的团队，这个价值观并不要求公司人几万、几千人都一致，而是让处在公司每个关键生态位的人力往一处使，这样就是「自然高效场」，飞轮转动的原动力。

在这里回答， 理想汽车「变了」什么？

一，理想汽车的抗风险能力提升了，这里说的不止是上市后解决了资金，还有就是在只有一款产品的情况下，销量持续增长。

二，理想汽车更有自信了，作为一个新品牌有时候并不是生产压力、研发压力，而是一旦出现自己计划之外的事，很容易让自身丧失信心。产品销量的火爆，用户的认可，资本市场的认可，这些验证了理想团队打造产品的思维，因此，接下来团队打造产品会更从容。

三，自研技术的闭环，可以支持接下来更高级别自动驾驶的快速迭代，这给理想用户留足了想象空间。

四，产品力的持续提升，不仅是销量的保证，也是下一代产品的敲门砖，从目前市场的反应来看，用户对 X01 的期待很高，特别是下一代自动驾驶能力。

特斯拉不容易，理想、小鹏、蔚来这样的自主品牌更不容易，成立至今每一步都如履薄冰，接下来的竞争会更加激烈，但从情感上来讲，我更希望中国品牌走的更远。