在全球汽車智能化與數(shù)字化浪潮不斷加速的背景下，理想汽車作為新勢(shì)力車企之一，早已將人工智能（AI）確立為未來(lái)發(fā)展的核心戰(zhàn)略。理想汽車正通過(guò)不斷深化智能駕駛、空間智能以及智能拓展等領(lǐng)域，努力實(shí)現(xiàn)從輔助駕駛到具備類人智能代理（Agent）的全方位轉(zhuǎn)型。理想汽車以“人工智能的汽車化”為愿景，提出了通過(guò)自研大模型及多端生態(tài)打通，實(shí)現(xiàn)車端AI與空間智能協(xié)同演進(jìn)的戰(zhàn)略布局，其AI發(fā)展主要經(jīng)歷三個(gè)階段。

1.增強(qiáng)能力階段——主要聚焦在輔助性工作，初步實(shí)現(xiàn)車輛智能化；

2.成為助手階段——通過(guò)多任務(wù)處理與結(jié)果負(fù)責(zé)機(jī)制，實(shí)現(xiàn)更高水平的智能輔助；

3.硅基家人（Agent）階段——完全擺脫指令約束，實(shí)現(xiàn)自主判斷與決策。

這種分階段的戰(zhàn)略路徑不僅符合技術(shù)演進(jìn)的內(nèi)在規(guī)律，也為企業(yè)在未來(lái)競(jìng)爭(zhēng)中搶占先機(jī)提供了明確方向。

理想汽車智駕技術(shù)演進(jìn)

1.1端到端大模型與VLM模型的融合

理想汽車采用了端到端大模型與視覺(jué)語(yǔ)言模型（VLM）相結(jié)合的雙系統(tǒng)架構(gòu)，該架構(gòu)可以實(shí)現(xiàn)L3級(jí)的自動(dòng)駕駛，主要利用車載傳感器收集大量實(shí)時(shí)數(shù)據(jù)，經(jīng)由端到端模型進(jìn)行規(guī)劃與決策。由于純端到端模型在面對(duì)復(fù)雜駕駛場(chǎng)景時(shí)難以保證模型學(xué)習(xí)的準(zhǔn)確性，理想汽車引入了VLM模型作為“參考答案”系統(tǒng)，將過(guò)去基于規(guī)則（rule-based）的成果整合進(jìn)模型之中，為大模型提供明確的指導(dǎo)。這種設(shè)計(jì)類似于人類大腦中“快速直覺(jué)”與“慢速理性”的協(xié)同工作模式，從而有效提升了模型在復(fù)雜場(chǎng)景下的安全性與魯棒性。

端到端+VLM模型

如上圖所示，端到端大模型的輸入為傳感器數(shù)據(jù)（包括激光雷達(dá)、攝像頭、毫米波雷達(dá)等），經(jīng)過(guò)深層神經(jīng)網(wǎng)絡(luò)處理后直接輸出路徑規(guī)劃、車速控制等決策信息；VLM模型則利用視覺(jué)與語(yǔ)言信息對(duì)交通標(biāo)識(shí)、路況環(huán)境等進(jìn)行額外解析，兩者結(jié)合能夠形成更為準(zhǔn)確的駕駛決策體系。當(dāng)前階段主要采用的是“Learning by Watching”（通過(guò)模仿人類駕駛行為進(jìn)行學(xué)習(xí)）的方式，但這一方式在面對(duì)長(zhǎng)尾數(shù)據(jù)和極端環(huán)境時(shí)存在局限性，因此未來(lái)將逐步向“Learning by Practicing”模式轉(zhuǎn)變，即通過(guò)不斷訓(xùn)練生成式視覺(jué)模型構(gòu)建世界模型，提高對(duì)未來(lái)場(chǎng)景的預(yù)測(cè)能力。

2.2世界模型與MPI優(yōu)化

在L3向L4的技術(shù)躍遷中，關(guān)鍵在于如何提升MPI（Miles Per Intervention，每?jī)纱稳斯じ深A(yù)之間車輛行駛的平均里程數(shù)）的指標(biāo)。現(xiàn)階段，MPI指標(biāo)仍處于200公里以下，這說(shuō)明系統(tǒng)在應(yīng)對(duì)復(fù)雜場(chǎng)景時(shí)仍需要較多人工介入。為此，理想汽車正探索利用世界模型技術(shù)，通過(guò)“生成式視覺(jué)模型”構(gòu)建車輛對(duì)周圍環(huán)境的整體認(rèn)知。世界模型不僅能捕捉靜態(tài)信息，還能根據(jù)歷史數(shù)據(jù)預(yù)測(cè)未來(lái)變化，從而為決策層提供“教材”般的標(biāo)準(zhǔn)答案，利用分解后的世界模型和獎(jiǎng)勵(lì)函數(shù)來(lái)動(dòng)態(tài)規(guī)劃、優(yōu)化數(shù)據(jù)標(biāo)簽，有望大幅降低長(zhǎng)尾數(shù)據(jù)問(wèn)題對(duì)模型準(zhǔn)確性的影響。

通過(guò)端到端模型與VLM模型的協(xié)同，理想汽車在智能駕駛技術(shù)方面正逐步從初級(jí)的L3階段邁向具備部分L4能力的未來(lái)車型，這不僅為用戶提供更高的駕駛安全性，也為汽車智能化的商業(yè)落地奠定堅(jiān)實(shí)基礎(chǔ)。

理想汽車空間智能技術(shù)演進(jìn)

2.1從自然語(yǔ)言處理到多模態(tài)感知

除了智能駕駛，理想汽車在空間智能領(lǐng)域的探索也同樣令人矚目，理想汽車的Mind GPT則經(jīng)過(guò)多次迭代，目前已累計(jì)預(yù)訓(xùn)練數(shù)據(jù)規(guī)模達(dá)到10萬(wàn)億Token級(jí)別。在第一代Mind GPT 1.0發(fā)布后，理想同學(xué)迅速通過(guò)OTA升級(jí)進(jìn)入車載系統(tǒng)，成為車機(jī)系統(tǒng)的重要交互入口；第二代Mind GPT 2.0在模型架構(gòu)上采用了MoE（混合專家模型）與Transformer相結(jié)合的方式，使模型規(guī)模大幅翻倍，同時(shí)保持了較低的推理成本；第三代Mind GPT 3.0則進(jìn)一步強(qiáng)化了語(yǔ)言模型的核心能力，未來(lái)有望實(shí)現(xiàn)語(yǔ)音、視覺(jué)、語(yǔ)言等多模態(tài)數(shù)據(jù)的融合，從而在一個(gè)模型內(nèi)完成從感知到認(rèn)知再到表達(dá)的完整閉環(huán)。

理想Mind GPT經(jīng)歷多次升級(jí)

這一系列的技術(shù)迭代表明，理想汽車不僅在智能駕駛硬件與算法方面領(lǐng)先，在智能座艙和語(yǔ)音交互領(lǐng)域也在積極布局。通過(guò)整合自然語(yǔ)言處理與圖像識(shí)別技術(shù)，車載系統(tǒng)可以更精準(zhǔn)地理解用戶指令、提供信息查詢、實(shí)現(xiàn)車機(jī)系統(tǒng)與手機(jī)APP的無(wú)縫互聯(lián)，這對(duì)于提高用戶體驗(yàn)、擴(kuò)大數(shù)據(jù)采集來(lái)源以及構(gòu)建完善的語(yǔ)料庫(kù)都有著至關(guān)重要的意義。

2.2多端應(yīng)用與生態(tài)構(gòu)建

理想汽車的智能助手“理想同學(xué)”不僅僅局限于車機(jī)系統(tǒng)，其應(yīng)用已擴(kuò)展至手機(jī)端以及其他智能終端，實(shí)現(xiàn)了跨平臺(tái)的無(wú)縫對(duì)接?；诖竽Ｐ偷淖匀徽Z(yǔ)言交互系統(tǒng)，可以在語(yǔ)音指令、知識(shí)問(wèn)答、情感交互等多個(gè)方面滿足用戶需求。通過(guò)不斷優(yōu)化模型參數(shù)和擴(kuò)充語(yǔ)料庫(kù)，理想同學(xué)在面對(duì)市場(chǎng)上華為、小米等競(jìng)爭(zhēng)對(duì)手時(shí)也具備一定優(yōu)勢(shì)，憑借“具備GPT能力”的優(yōu)勢(shì)，理想正逐步縮小與頭部手機(jī)廠商在自然語(yǔ)言處理領(lǐng)域的差距。

理想Mind GPT 3.0架構(gòu)

理想汽車通過(guò)自主研發(fā)的AI平臺(tái)，打造了一個(gè)以車輛為核心、涵蓋車載、手機(jī)、家居等多終端的生態(tài)系統(tǒng)。這種生態(tài)系統(tǒng)不僅能夠?qū)崿F(xiàn)數(shù)據(jù)的高效互通，也為未來(lái)的跨場(chǎng)景應(yīng)用提供了堅(jiān)實(shí)基礎(chǔ)。無(wú)論是在車輛行駛過(guò)程中的實(shí)時(shí)交互，還是在車外智能家居場(chǎng)景下的智能控制，均有望借助大模型的強(qiáng)大感知與處理能力實(shí)現(xiàn)更為流暢的用戶體驗(yàn)。

理想汽車智能工業(yè)與智能商業(yè)拓展

3.1全棧自研智能工廠的構(gòu)建

在智能制造領(lǐng)域，理想汽車憑借全棧自研的智能制造系統(tǒng)，已經(jīng)走出了一條與傳統(tǒng)整車制造截然不同的數(shù)字化轉(zhuǎn)型之路。理想汽車通過(guò)Li-MOS系統(tǒng)實(shí)現(xiàn)了生產(chǎn)系統(tǒng)與銷售系統(tǒng)的緊密集成。當(dāng)銷售端下達(dá)整車訂單后，系統(tǒng)能夠自動(dòng)生成精確到工位和排序的生產(chǎn)計(jì)劃，并通過(guò)LI-SCM系統(tǒng)自動(dòng)向供應(yīng)商發(fā)送物料采購(gòu)計(jì)劃，整個(gè)過(guò)程實(shí)現(xiàn)了無(wú)人干預(yù)的自動(dòng)化作業(yè)。這種從需求預(yù)測(cè)到訂單排產(chǎn)、再到物料采購(gòu)的全流程數(shù)字化管理，不僅大幅提升了生產(chǎn)效率，還保證了生產(chǎn)與銷售的高效對(duì)接，為企業(yè)降低成本、提升產(chǎn)品質(zhì)量提供了有力支撐。

智能工廠的核心在于數(shù)據(jù)采集與實(shí)時(shí)監(jiān)控，以及基于大數(shù)據(jù)和機(jī)器學(xué)習(xí)算法的動(dòng)態(tài)調(diào)度。理想汽車通過(guò)對(duì)生產(chǎn)線上的各個(gè)環(huán)節(jié)進(jìn)行精準(zhǔn)監(jiān)控，實(shí)時(shí)分析設(shè)備狀態(tài)、物料供應(yīng)和工位調(diào)度，最終實(shí)現(xiàn)生產(chǎn)流程的最優(yōu)化。借助高精度傳感器和邊緣計(jì)算設(shè)備，智能工廠還可以在極短時(shí)間內(nèi)響應(yīng)異常情況，并通過(guò)大數(shù)據(jù)分析預(yù)測(cè)設(shè)備故障，實(shí)現(xiàn)預(yù)防性維護(hù)。這種智能制造系統(tǒng)無(wú)疑是汽車產(chǎn)業(yè)邁向數(shù)字化轉(zhuǎn)型的重要一步，也是企業(yè)在激烈市場(chǎng)競(jìng)爭(zhēng)中保持競(jìng)爭(zhēng)優(yōu)勢(shì)的重要支柱。

3.2 AI助力智能商業(yè)模式轉(zhuǎn)型

在智能商業(yè)領(lǐng)域，理想汽車正通過(guò)大模型技術(shù)與商業(yè)數(shù)據(jù)、知識(shí)圖譜的深度融合，構(gòu)建起零售、營(yíng)銷、客服、金融反欺詐、財(cái)經(jīng)分析等多個(gè)方面的AI助手。這些AI助手不僅能夠幫助企業(yè)實(shí)現(xiàn)精準(zhǔn)營(yíng)銷、提升用戶粘性，還能在售后服務(wù)、投訴處理等方面提供智能化支持，大幅降低人工成本和運(yùn)營(yíng)風(fēng)險(xiǎn)。通過(guò)將AI技術(shù)嵌入商業(yè)流程中，理想汽車未來(lái)有望形成從產(chǎn)品設(shè)計(jì)、生產(chǎn)制造到市場(chǎng)銷售全鏈條的智能化運(yùn)營(yíng)模式。

理想汽車通過(guò)構(gòu)建智能商業(yè)平臺(tái)需要解決數(shù)據(jù)整合、實(shí)時(shí)分析與跨系統(tǒng)協(xié)同等一系列難題。依托龐大的用戶數(shù)據(jù)和車聯(lián)網(wǎng)平臺(tái)，通過(guò)自然語(yǔ)言處理、大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)等技術(shù)手段，能夠?qū)崿F(xiàn)對(duì)用戶行為的深度洞察，從而為產(chǎn)品優(yōu)化、市場(chǎng)推廣和售后服務(wù)提供數(shù)據(jù)支持。如在客戶服務(wù)方面，通過(guò)構(gòu)建智能問(wèn)答系統(tǒng)和語(yǔ)音交互平臺(tái)，企業(yè)可以實(shí)時(shí)解答用戶疑問(wèn)，快速響應(yīng)突發(fā)事件，提升客戶滿意度；在營(yíng)銷環(huán)節(jié)，通過(guò)對(duì)用戶數(shù)據(jù)的精準(zhǔn)分析，企業(yè)能夠?qū)崿F(xiàn)個(gè)性化推薦和精準(zhǔn)廣告投放，極大地提高轉(zhuǎn)化率。

智能商業(yè)平臺(tái)還為企業(yè)搭建了一個(gè)開(kāi)放式生態(tài)系統(tǒng)，吸引外部合作伙伴和上下游企業(yè)共同參與。通過(guò)共享數(shù)據(jù)和技術(shù)資源，理想汽車不僅可以形成規(guī)模效應(yīng)，還能夠在跨界合作中不斷拓寬業(yè)務(wù)邊界，實(shí)現(xiàn)商業(yè)模式的多元化發(fā)展。

總體來(lái)看，理想汽車在AI布局上采取了全方位、多維度的戰(zhàn)略布局。從智能駕駛領(lǐng)域的端到端大模型與VLM模型融合，到空間智能領(lǐng)域中Mind GPT系列的不斷迭代，再到智能工業(yè)和智能商業(yè)的全面拓展，理想汽車正通過(guò)數(shù)據(jù)、算力與模型能力三大核心要素的協(xié)同提升，實(shí)現(xiàn)從傳統(tǒng)汽車制造向數(shù)字化、智能化生態(tài)系統(tǒng)的跨越。

審核編輯 黃宇