当一辆智能汽车有了「直觉」，会发生什么？

财经头条

提升一亿中产阶级阅读效率

打开

未来汽车Daily

2周前

通过模拟人类的直觉与思考，高阶智驾系统不仅可以直接「看路开车」，在面对人车混行、高峰期拥堵等特殊场景时也能处理得当。...据介绍，智己汽车是当下汽车行业唯二完成Xavier/Orin高低算力双平台的自研玩家，最大化激发硬件的潜能。

头图来源| 未来汽车日报摄

作为大自然赋予人类的生存密码，「直觉」往往可以在某些微妙瞬间帮助我们提前感知危险，甚至是化险为夷。

这种能力的背后是，人类在亿万年来经历了无穷无尽的危急场景锤炼，再基于对过往经验的强化记忆以及持续思考，进化出来的无意识的信息处理过程。

眼下，智能汽车的发展正在模仿人类的驾驶行为以及思考方式。

譬如在应对黄金800ms处理加塞、大车智慧躲避等典型场景；或是进一步应对插空变道、加减速变道等复杂场景上。

智己汽车已经率先进入Next Level：

今天，智己汽车举办「直觉·新时代」智能驾驶技术发布日，宣布IM AD 3.0已经具备了基于人工智能的直觉能力。因此，即便面对未知障碍，IM AD 3.0也可以实现以本能反应为主导、省时果断的快思考。

实际上，IM AD 3.0的直觉能力得益于智己汽车研发的量产一段式端到端智驾大模型。

在端到端大模型的支持下，智己汽车已进化出无图城市NOA全国全系可开的能力，IM AD在德、法等欧洲国家也能驾驶流畅、安全。

当市场上绝大部分主流汽车产品还在「模仿人类」的时候，当端到端大模型的一段式/两段式路线之争不绝于耳的时候，智己汽车的智驾技术已经实现了断代式进化。

在正确的赛道狂奔、领先

人类大脑的直觉，犹如一套精密算法，基于经验持续进化而来。

实际上，智能汽车的大脑也一样。

对于早期的智能汽车而言，受限于智能化技术程度以及软硬件性能，汽车行业玩家的普遍做法是，将车辆可能遇到的道路场景预先定义，然后将对应的代码写进智驾系统里。

例如，研发人员人为汽车输入「水坑」场景的定义，并使用大量数据训练感知模型来识别水坑、再训练规划模型绕开水坑。

然而，真实世界的场景是无穷无尽的。如果车辆遇到新出现的场景，则需要研发人员持续更新算法规则。这样不仅效率低，还容易出错。

端到端大模型技术的兴起，改变了这样的局面。

图片来源：智己官方

基于过往积累的海量行车场景信息以及仿真测试数据，智己汽车的IM AD智驾大模型已经能够如同人类驾驶员一般，凭直觉预判并处理突发状况。

而且，通过模拟人类的直觉与思考，高阶智驾系统不仅可以直接「看路开车」，在面对人车混行、高峰期拥堵等特殊场景时也能处理得当。

作为行业内为屈指可数的「全国无图NOA」品牌之一，智己汽车在高阶智驾方面真正实现了全场景可用。

地区方面，IM AD 3.0能够摆脱对高精地图的依赖，从容应对各种长尾场景，比如无保护左转博弈、礼让盲区横穿。无论是在国内，还是在德、法等海外国家，都能纵享丝滑。

智己汽车之所以能做到如此成绩，很大程度上离不开其对一段式端到端大模型技术路线的坚定选择。

现阶段，智能汽车玩家对端到端大模型的研发主要分为两派，即一段式和两段式。

我们可以这么来理解：

l 一段式方案将传统智驾系统的感知、规划、决策等多个环节融合到一个大模型之中，当外部信息通过传感器输入至系统，大模型可以快速地给输出决策，帮助车辆进行下一步动作；

l 两段式方案通常由感知模型和规控模型两个部分组成，外部信息的处理步骤是，经过感知模型过滤，再传输到规控模型进行计算和决策输出。

相比起两段式方案，智己汽车所拥趸的一段式方案决策链路更短、效率更高、对场景的理解更全面。即便遇到未定义的物体时，智驾大模型也可以学习和应对这一场景，成功绕开障碍物。

这一技术突破了感知模型的局限性，实现了更加智能的路径规划和驾驶决策，为用户带来更优异的使用体验。

技术创新，断代进化的基石

如前所言，一段式端到端大模型技术路线虽好，但想要将它的效果做到极致也并非易事。这项技术对数据规模以及数据质量的要求非常高。

对于智驾大模型而言，数据量越大，能力提升就越快；学习场景越多元化，路径规划就越准确。

但是基于多年的发展，当下智能驾驶车辆已经能够处理绝大部分常见的道路场景，高价值的Corner Case数据可遇不可求。

另外，大模型还会学习人类驾驶员的驾驶行为，一旦某一种驾驶风格的样本量过大，就可能影响整个智驾系统的效果。

因此，怎么在保证数据数量的同时控制数据质量，就成为了一段式端到端技术路线玩家必须解决的问题。

来源：智己官方

跻身智能驾驶第一梯队的智己汽车给出的创新思考是——行业首创「长短期记忆」结合模式，学习人脑「直觉推理+逻辑分析」的问题处理方式。

简单来说就是，将智驾大模型的数据处理分为短期记忆和长期记忆两条支路。

短期记忆的目的在于快速验证算法有效性以及评估数据质量，训练周期以天计算；

长期记忆则是将筛选过后的优质数据以人脑类似的记忆原理进行积累，应用于端到端大模型。

长短期记忆的支路同时也对应着「快」和「慢」两个系统。

快系统即直觉推理，善于直觉与经验快速处理问题，形成决策。慢系统即逻辑分析，通过端到端大模型中的安全逻辑网，增强智驾系统的决策安全性。

直觉与安全逻辑模型共同赋能智己IM AD，使其达到最为理想的平衡状态。

这样一来，不但数据质量有了保证，也减少了不必要的数据处理成本，训练成本常规方式小10到100倍，而智驾系统的安全性则超人类驾驶员10倍以上。

至于数据规模，智己汽车已经积累了亿级别的事件优质数据。通过海量数据的积累和自动化闭环数据链路的驱动，IM AD数据飞轮不断迭代，反哺用户体验。

除了软件能力，硬件在IM AD架构中也起到至关重要的作用。

据介绍，智己汽车是当下汽车行业唯二完成Xavier/Orin高低算力双平台的自研玩家，最大化激发硬件的潜能。比如，通过不断的模型优化，智驾大模型的运行效率能够提升500%，算力需求降低90%。

因此，软硬结合之下，IM AD才能做到仅需单激光雷达和单OrinX，实现「全球都能开」的无图NOA。

智己汽车也由此成为领跑行业的全球首批量产一段式端到端大模型的品牌。

十年磨一剑，出鞘必惊人

根据智己汽车的调研数据，IM AD智驾安全水平已达到人类驾驶的6.7倍；常用IM AD智驾功能的用户，安全行驶里程比常规用户提升了3.1倍。

与此同时，智己汽车的智驾合规道路测试里程超10万公里、仿真道路测试里程超150万公里、算法开发测试里程超250万公里、安全场景仿真近9.5万例。

从结果来看的话，智己汽车正在朝着其完全自动驾驶的终极愿景大步迈进，IM AD也是为此而生的。

2014年，上汽前瞻团队开始对前沿的智驾领域展开调研，并在三年内决定设立上汽人工智能实验室，对深度学习进行全面布局。

在过去的这十年里，上汽从未停止对智能驾驶技术研发以及商业落地的探索，包括催化了智能驾驶第一梯队成员智己汽车的诞生。

为了保证技术迭代的连续性、以及通过不同级别的智能驾驶技术为用户提供多维服务，智己L2、L3、L4共享一段式端到端大模型，只需根据不同级别的智驾需求增减硬件即可。

基于同源开发架构，上述三者之间可形成牢固的互补关系。

来源：智己官方

通过L2级别大量的工程实践、数据获取及训练，反哺L3、L4级别的技术迭代；同时，L3、L4级别的技术研发成果，又能进一步赋能于L2场景，实现更安全、舒适的智驾体验。

如今正值十年的关键节点，智己汽车也交上了一份亮眼的智驾答卷，成为了全国首个同时具备L2、L3、L4智能驾驶量产能力的品牌。

比如前文提到的，今年10月，“IM AD 3.0 无图NOA”全国开通，推送全系车型。

再比如，今年7月，智己汽车拿下中国首批L3自动驾驶上路通行试点名单，顺利开启L3级自动驾驶道路测试；目前，华为小鹏等玩家尚不在名单之中。

智己汽车计划，今年之内获得L4级无驾驶人道路测试牌照；到2026年，正式具备L3级自动驾驶方案量产条件。

可以预见的是，随着L3/L4高级自动驾驶的落地和推进，智己汽车的L2量产智能驾驶在未来几年内还会迎来新一轮能力提升。

在智己汽车的看来，智能驾驶将遵循摩尔定律，软件体验呈现出指数级提升，两年提升10倍、四年提升100倍。

他们的决心是，让所有智己用户的智驾体验领先一代。

亲爱的读者们，不设置星标，很容易错过我们的推送，也无法看到封面图片。请星标“未来汽车Daily”，及时接收每篇推文，期待为您带来更多更专业的行业报道。

头图来源| 未来汽车日报摄

作为大自然赋予人类的生存密码，「直觉」往往可以在某些微妙瞬间帮助我们提前感知危险，甚至是化险为夷。

眼下，智能汽车的发展正在模仿人类的驾驶行为以及思考方式。

譬如在应对黄金800ms处理加塞、大车智慧躲避等典型场景；或是进一步应对插空变道、加减速变道等复杂场景上。

智己汽车已经率先进入Next Level：

实际上，IM AD 3.0的直觉能力得益于智己汽车研发的量产一段式端到端智驾大模型。

在端到端大模型的支持下，智己汽车已进化出无图城市NOA全国全系可开的能力，IM AD在德、法等欧洲国家也能驾驶流畅、安全。

在正确的赛道狂奔、领先

人类大脑的直觉，犹如一套精密算法，基于经验持续进化而来。

实际上，智能汽车的大脑也一样。

例如，研发人员人为汽车输入「水坑」场景的定义，并使用大量数据训练感知模型来识别水坑、再训练规划模型绕开水坑。

然而，真实世界的场景是无穷无尽的。如果车辆遇到新出现的场景，则需要研发人员持续更新算法规则。这样不仅效率低，还容易出错。

端到端大模型技术的兴起，改变了这样的局面。

图片来源：智己官方

基于过往积累的海量行车场景信息以及仿真测试数据，智己汽车的IM AD智驾大模型已经能够如同人类驾驶员一般，凭直觉预判并处理突发状况。

而且，通过模拟人类的直觉与思考，高阶智驾系统不仅可以直接「看路开车」，在面对人车混行、高峰期拥堵等特殊场景时也能处理得当。

作为行业内为屈指可数的「全国无图NOA」品牌之一，智己汽车在高阶智驾方面真正实现了全场景可用。

智己汽车之所以能做到如此成绩，很大程度上离不开其对一段式端到端大模型技术路线的坚定选择。

现阶段，智能汽车玩家对端到端大模型的研发主要分为两派，即一段式和两段式。

我们可以这么来理解：

l 两段式方案通常由感知模型和规控模型两个部分组成，外部信息的处理步骤是，经过感知模型过滤，再传输到规控模型进行计算和决策输出。

这一技术突破了感知模型的局限性，实现了更加智能的路径规划和驾驶决策，为用户带来更优异的使用体验。

技术创新，断代进化的基石

如前所言，一段式端到端大模型技术路线虽好，但想要将它的效果做到极致也并非易事。这项技术对数据规模以及数据质量的要求非常高。

对于智驾大模型而言，数据量越大，能力提升就越快；学习场景越多元化，路径规划就越准确。

但是基于多年的发展，当下智能驾驶车辆已经能够处理绝大部分常见的道路场景，高价值的Corner Case数据可遇不可求。

另外，大模型还会学习人类驾驶员的驾驶行为，一旦某一种驾驶风格的样本量过大，就可能影响整个智驾系统的效果。

因此，怎么在保证数据数量的同时控制数据质量，就成为了一段式端到端技术路线玩家必须解决的问题。

来源：智己官方

跻身智能驾驶第一梯队的智己汽车给出的创新思考是——行业首创「长短期记忆」结合模式，学习人脑「直觉推理+逻辑分析」的问题处理方式。

简单来说就是，将智驾大模型的数据处理分为短期记忆和长期记忆两条支路。

短期记忆的目的在于快速验证算法有效性以及评估数据质量，训练周期以天计算；

长期记忆则是将筛选过后的优质数据以人脑类似的记忆原理进行积累，应用于端到端大模型。

长短期记忆的支路同时也对应着「快」和「慢」两个系统。

快系统即直觉推理，善于直觉与经验快速处理问题，形成决策。慢系统即逻辑分析，通过端到端大模型中的安全逻辑网，增强智驾系统的决策安全性。

直觉与安全逻辑模型共同赋能智己IM AD，使其达到最为理想的平衡状态。

这样一来，不但数据质量有了保证，也减少了不必要的数据处理成本，训练成本常规方式小10到100倍，而智驾系统的安全性则超人类驾驶员10倍以上。

除了软件能力，硬件在IM AD架构中也起到至关重要的作用。

因此，软硬结合之下，IM AD才能做到仅需单激光雷达和单OrinX，实现「全球都能开」的无图NOA。

智己汽车也由此成为领跑行业的全球首批量产一段式端到端大模型的品牌。

十年磨一剑，出鞘必惊人

根据智己汽车的调研数据，IM AD智驾安全水平已达到人类驾驶的6.7倍；常用IM AD智驾功能的用户，安全行驶里程比常规用户提升了3.1倍。

与此同时，智己汽车的智驾合规道路测试里程超10万公里、仿真道路测试里程超150万公里、算法开发测试里程超250万公里、安全场景仿真近9.5万例。

从结果来看的话，智己汽车正在朝着其完全自动驾驶的终极愿景大步迈进，IM AD也是为此而生的。

2014年，上汽前瞻团队开始对前沿的智驾领域展开调研，并在三年内决定设立上汽人工智能实验室，对深度学习进行全面布局。

在过去的这十年里，上汽从未停止对智能驾驶技术研发以及商业落地的探索，包括催化了智能驾驶第一梯队成员智己汽车的诞生。

基于同源开发架构，上述三者之间可形成牢固的互补关系。

来源：智己官方

如今正值十年的关键节点，智己汽车也交上了一份亮眼的智驾答卷，成为了全国首个同时具备L2、L3、L4智能驾驶量产能力的品牌。

比如前文提到的，今年10月，“IM AD 3.0 无图NOA”全国开通，推送全系车型。

再比如，今年7月，智己汽车拿下中国首批L3自动驾驶上路通行试点名单，顺利开启L3级自动驾驶道路测试；目前，华为小鹏等玩家尚不在名单之中。

智己汽车计划，今年之内获得L4级无驾驶人道路测试牌照；到2026年，正式具备L3级自动驾驶方案量产条件。

可以预见的是，随着L3/L4高级自动驾驶的落地和推进，智己汽车的L2量产智能驾驶在未来几年内还会迎来新一轮能力提升。

在智己汽车的看来，智能驾驶将遵循摩尔定律，软件体验呈现出指数级提升，两年提升10倍、四年提升100倍。

他们的决心是，让所有智己用户的智驾体验领先一代。

展开

打开“财经头条”阅读更多精彩资讯