在今天 42Talk 线下沙龙上，理想自动驾驶产品负责人哲伦班长分享了关于智能驾驶的信息与思考。

以下是哲伦班长提到的有意思的内容：

——高精地图本身是一个好产品，它能够一定程度上解决静态感知的问题，但是从城市 NOA 大面积落地的角度，它的成本太高，效率太低了。

——在理想汽车看来，通勤 NOA 的优势，不是分享的机制，而是共享的机制。通过不同路线的通勤 NOA 共享，能够有助于城市 NOA 的落地。

——使用 Neural Prior Net（NPN）神经先验网络提取和使用复杂路口特征的机制，其实更像是给 BEV 提供了一个 Prompt，使它能够实现更好的感知效果。

——其实目前在信号灯识别中，难点不是红绿灯的识别本身，而是意图和语义的识别，比如说信号灯与车道的匹配关系。

——从目前城市 NOA 落地的实际测试经历来看，有时候「选择比努力更重要」，也就是说，路线的选择，比感知能力更能提升 NOA 的通行效率。

——目前理想汽车在智能驾驶层面的云端算力达到 1200 FPLOPS，训练里程打到 6 亿公里，未来会在这块加强投入。

——城市 NOA 的 AI 交互功能，一方面是实现感知还原，一方面是告知用户决策意图。这个东西会给用户安全感，让用户知道它的边界。正如 Elon Musk 所言：之所以做 AI 交互，不是让大家知道车辆能感知到什么，而是告诉大家它感知不到什么。

——从创新扩散理论来看，高速 NOA 的使用，目前正处于跨越鸿沟的阶段。预计明年后年，高速 NOA 的前装率会非常高。从后来开始，15 万以上的车，可能会把高速 NOA 作为标配。

——理想汽车 L 系列的非 Max 版本搭载了地平线征程 5 芯片。它的算力也是很高的；但是从内部来看，单颗 J5 芯片无法做出来一个好用的城市 NOA。

——从技术上来说，通勤 NOA 先在自车使用，然后再分享到别的车上使用。从产品上来说，最好别的车也能用。

——ChatGPT 有很高的容错率，但自动驾驶的端到端容错率极低，接近于零。只有容错率得到解决，端到端才能够落地。而且端到端是需要一些基于传统算法的规则做兜底的，因为要确保道路的安全。

——理想汽车的 AD 和 SS 板块都实现了矩阵式开发，所以能够在车型发布时快速推出产品，核心是为了满足不同用户的需求。

——特斯拉去掉了超声波雷达，其效果是小于等于有超声波雷达的效果。可以说，为了降低成本，特斯拉做了一定用户价值的舍弃。

——在今天这个框架下，座舱域被视为一个娱乐功能，硬件替换是可以的；但是换智驾域的硬件跟换发动机差不多，涉及到安全，也涉及到监管。

——目前 AD 的竞争要素有三点，第一点是算力，主要是云端算力；第二是算法，也就是研发能力；第三是数据量。云端算力，本质上就是投资换的，这要看公司的重视程度；算法，主要是由研发团队的能力决定的，要看企业能否养得起自研团队；数据量是车队决定的，这一点车企具备优势，但方案商是不具备优势的。

大家对于智能驾驶的发展持有什么样的观点？欢迎在评论区分享你的看法。

#42how##新能源汽车##理想汽车##智能驾驶#

via 42号车库的微博