最新V13版本智能驾驶，落地中国！
不是期货FSD，而是理想刚刚推送的端到端智驾版本V13。
“车位到车位”、“无限接近0接管”、“800万Clips训练数据”…
2025开年，靠端到端跻身智驾第一梯队的理想，又率先提速了。
这个年，卷起来卷起来～
和FSD重名只能说巧合了，理想透露说刚好这也是端到端迭代的第13个大版本，MAX车型今天刚刚推送，智驾版本号为AD Max V13.0。
整体硬件配置，包括2颗英伟达Orin X芯片，算力超500TOPS；1颗128线高分辨率激光雷达；6个800万像素高清摄像头和5个200万像素摄像头，以及5个毫米波雷达。
L9、8、7、6，以及MEGA的MAX版本全都相同。
正式推送之前，不少内测用户已经在理想用户社区上传了一手实测体验。
比如@皮特格雷的用户，是在晚高峰进行的体验。
一个最易被用户感知的亮点，同样也是划分今年智驾“领先一代”的功能——车位到车位，实装上车了。
可以看到，用户在接近自家小区地库入口时，AD Max系统直接从城市NOA切换到自主记忆泊车AVP，直接来了一个丝滑的转弯入库，最牛X的地方在于系统已经能够自主过闸机了：
同时意味着在高速路端，AD Max也能自主过收费站。
进入地库后，先是来了一个180度U型转弯掉头，然后直奔车位而去，过程中成功避让了地库内大大小小不规则的承重柱/墙和一位行人：
最后是一连串丝滑的停车入库，本身难度不大，但连接起整个行车、泊车智驾体验，给用户带来的实用性和新引力是巨大的：
在公开路段上，AD Max V13.0也有令人惊喜的进步。
另外一位用户@陈伟有理想上传了AD Max V13.0在一段高速施工+大车博弈路段的表现。
一开始是系统正在完成对一辆低速卡车的超越，“不跟慢车”以及避让大车的通行策略，几乎是所有NOA的共识。但超车还未完成，就遇到了路边施工占道：
AD Max V13.0在贴着桩桶大约3-5mide样子迅速完成了向右变道避让，全程没有任何让人不舒适的紧急刹车，等于同时完成超车+避让。
“端味”更强的一点在于，系统现在会更加灵活贯彻效率优先通行策略。
以前是提前2公里就变道最右侧，即使前面有慢车也会尾随。
但现在系统会尽量多的超过右侧慢车，在车道变成实线之前迅速完成向右并线，用户的这个实测案例是600m的距离：
端到端优势，在城市道路内体现的更极致，比如现在AD Max V13.0已经能够处理不规则的复杂环路——处在几个立交桥下方，还充斥着各种车和车、人和车、两轮车和车的博弈：
从前面各个实测画面中，其实能看出理想AD Max V13.0的另一个重大变化——AI可视化。
首先是右侧现在实时显示10条可能的行驶路线及其概率：
路线一致性越高，说明场景越简单，反之说明场景更加复杂，路线选择的不确定性在上升——直观完整的把端到端思考过程展现在用户面前，增强信任感。
第二个可视化功能是“热力图”注意力系统，告诉你系统现在关注目标的优先级——越“红”的说明系统目前注意力分配越多，让你直观看到智驾系统的“防御性驾驶”策略。
最后是屏幕最右侧的智能驾驶翻译官，由理想自研VLM（视觉语言模型） 实时解说智驾系统的策略以及给出建议。
把复杂高深的智驾技术、智驾系统决策过程这个“大黑盒”打开，用大白话呈现翻译。
有啥用？
大大提升用户对智驾的信任和熟悉程度，好用之外，增加“爱用”的理由。
几乎所有智驾玩家都死磕corner case，认为这是阻碍用户信任智驾的核心。当然没错，不过体现的是纯纯的理工科思维。
怎么在产品体验、用户心理接受度和观感上下功夫，从来没人思考过。
论“懂用户”和产品体验，理想当仁不让。
理想最新AD Max V13.0系统，官方的描述中出现了一个新表述：
800万clips训练数据。
啥意思？
所谓clips就是片段，一整条带有时间特征的行车视频数据，一般一个clips持续约30s左右，是从上亿公里的真实数据中精挑细选出来的“五星司机”数据，同时数据标注过程、模型的训练过程已经实现完全的自动化。
与之前自动驾驶“系统学习XX帧数据”的表述完全不同。
背后体现的是整个行业技术范式的深刻变化。
体现在理想AD Max V13.0，就是“一快一慢”两系统。
快的是端到端模型本身，应对实时驾驶任务，也就是可视化屏幕上左侧概率路线和注意力的部分；慢的则是VLM大模型，用来学习常识，应对未知路况，比如潮汐车道等等，对应屏幕右侧的实时解说部分。
端到端负责感知、决策、规划，是AI司机的主体。并且理想端到端不同于华为，采用更直接的One Model结构，不分层：
输入传感器数据，直接输出自车行驶轨迹。
One Model典型玩家是特斯拉，国内的商汤绝影UniAD也选择了这条路线，同样也走到了量产前夜。
至于VLM，本质是一个多模态大模型，作用是智能驾驶“点读机”，哪里不会点哪里，利用大语言模型的认知能力理解场景，输出另外一条行驶轨迹给端到端模型参考修正。
为啥要这么做？理想解释因为端到端模型尽管直接学习人类成熟驾驶经验，但黑盒决策过程不为人知。对于目标的错检漏检，以及幻觉问题难以通过直接调参解决。
所以要加这么一个“点读机”，以及适当的强化学习手段来规范端到端模型的行为。
总结一下理想端到端智驾技术：
最大的不同点是没用国内主流的多段式结构，而是和特斯拉One Model一样一步到位，而且也是国内量产进度最快的。
但理想和特斯拉不同的点又在于，选择用语言模型为基础的多模态模型作为认知能力的补充，和小鹏、蔚来、商汤等等玩家相同。
以及还有一点，端到端模型参数量4-5亿，VLM总参数量22亿，完全能在现有Orin芯片的理想各个MAX车型上实现车端部署。
最后就是迭代速度的“断代式”领先：
四个月内，AD MAX系统已经学习了64000小时左右老司机的驾驶经验。
2024年底2025年初，智驾卷出新速度。
比亚迪、小鹏，蔚来，理想…都提速了。
比如小鹏赶在年末最后一天，推送了车位到车位先锋版小范围内测；蔚来李斌明确了今年将主攻高阶智驾的安全体验；大疆和比亚迪，则专注极致性价比方案在10万级车型的普及…极氪甚至在2024年12月31日还来了一波赶KPI式的交卷。
不同玩家选择的技术路线、硬件方案、落地车型价位各有不同，但最后交付到用户，看可以实现的能力就行。而站在2024年12月31日之前，围绕智能驾驶，最先进的一代——领先一代，就是可以实现全量推送的车位到车位体验，结束内测或者小范围公测，可以直接提现技术的成熟度。
其次是能够实现城区NOA的次世代，高速环路NOA的正当代……以及大部分只有L2的“落后一代”。
当然在中国市场，最特殊的自然莫过于特斯拉，其代表领先一代的FSD还没能获准中国上路，但因为马斯克超前的布局和超强的技术坚持，每一辆已经上路的特斯拉，拥有FSD能力大概也就差一次OTA而已。作为端到端范式的最早实践者，也作为车位到车位实现路径的引领者，特斯拉是一个特殊的存在，一个让所有中国智驾玩家枕戈待旦不敢轻视的存在。
不过随着车位到车位的智驾技术推送实现，智驾的起点和终点也就已经卷到头了。
剩下的就是整个过程中的产品体验、用户体验，这也是理想正在快速展现势能和动能转换的关键原因。
实际上，理想造车以来，并不以智驾先声夺人，但站在当前来看，优势正在越来越显而易见。
首先是AI大模型、通用能力作为自动驾驶核心基调，而非简单的驾驶任务。全球范围内，自研基础大模型基座的造车玩家，似乎只有特斯拉和理想。
而明确讲VLM、多模态和智驾模型融合，理想则迈出行业第一步。
第二点，理想“套娃”的造车方式如今来看，绝不仅仅是省成本这个层面的考虑。相同的设计带来相同的传感器布置、带来相同的底层硬件方案。
从AI软件上来看，套娃直接创造了相同模组下的硬件载具，方案统一、接口统一、数据统一，迭代起来也会更加高效，实现规模效应——在scaling law作用下的今天，更显关键。
第三点，理想其实从一开始就暴露过智驾方向上的野心。
从理想ONE开始，理想的智能驾驶功能，不仅标配，而且免费，这就打掉了用户使用的门槛，可以让车主用户成为影子模式迭代下，最直接的参与者。相比无法随车标配、额外付费的业内方式，理想算是以终为始地看清了AI迭代的本质，利在长远。
不少人有过疑问，为什么理想在2024年忽然就实现了智驾能力上大步提升。如果严格审视，答案在理想ONE的时候就已经在谋篇布局了。
只不过不是所有标配免费的智驾方案，都会成为智驾能力飞升的充分必要条件，原因很简单——
你必须卖得足够好，上路得车足够多，有效智驾里程的积累足够巨大。
而理想做到了，先是ONE一代的蓄势，然后是L系列的引爆，销量一飞冲天之后，智能驾驶或者AI需要的数据规模，在理想这里也就变成了资源、势能和潜力要素。
智能驾驶的道路千万条，但第一性原理只有一条：数据。
毕竟AI的第一性原理，就是数据。
马斯克最早洞察了这个原理，所以选择了和谷歌Waymo不一样的自动驾驶实现路径，并且已经展现出了志在必得的潜力，可以更早夺取金杯。
理想似乎也洞察了这个原理，所以在传感器、硬件、软件方案等方面，都早早开启了统一标准化布局，又赶上了端到端范式的变革，完美契合“数据驱动”的核心引擎，让scaling law发挥作用。
所以理想的这个智能驾驶表现和影响，可能才刚刚开始。
其实评价理想的智能驾驶水平，还有另一个更“客观”的维度。
在华为“遥遥领先”的智驾水平、营销声势之下，华为赋能的车型几乎和理想在巷战肉搏竞争，同样是家用SUV、同样有增程路线，但最后理想还能保持月销5W的水平，没被打趴下……
这几乎就是对理想智驾水平最直接的反映了。
最后再补充一点有意思的。
特斯拉Autopilot资深工程师Yun-Ta Tsai曾分享称，ChatGPT这样的互联网AI对毫秒级别的延迟不敏感，但自动驾驶、机器人必须在吞吐量和延迟之间寻找平衡。所以有两个级别的系统在发挥作用：
在低级机械控制中，只有几微秒的时间，就像火箭发动机一样，在偏离航线之前几乎没有时间调整推力；另一个高级系统，则必须在做出重大决策之前汇总所有信息。
与理想的快慢系统颇有相似之处，若特斯拉FSD也采用类似的架构（从未公布过），应该不让人感到意外。
— 联系作者 —
— 完 —
智能车2024年度评选结果
在经过广泛征集、专业推荐，以及智能车参考垂直社群的万人票选后，智能车2023年度评选结果正式发布。涵盖三类奖项：
· 十大智能车领军人物
· 十大智能车产品
· 十大智能车技术方案
在汽车工业迎来百年未有之大变局时，我们希望能以此提供智能维度的参考和注脚。
其中，十大智能车人物是：
<< 左右滑动查看更多人物 >>
— 完 —
【智能车参考】原创内容，未经账号授权，禁止随意转载。
点这里👇关注我，记得标星，么么哒～
