在特斯拉智驾团队工作区，工程师们安装了一台85英寸的大型电视，上面实时显示着汽车在无干预状态下行驶的里程数，时刻提醒大家“努力奋斗”。

他们还在旁边摆了一面锣，每次克服了干预问题，就敲锣庆祝。

让马斯克团队如此全力以赴的，正是后来轰动一时的FSD v12自动驾驶系统。它采用one model端对端架构，可以让智能驾驶无限接近真人，也被称为汽车界的“ChatGPT时刻”。

然而，这项特斯拉燃烧激情、奋战15个月才完成的划时代成就，被理想短短6个月就“完美copy”了——10月下旬，理想在所有MAX车型上全量推送了“端到端+VLM”系统。

话锋直指理想在端到端上的积累太少——算力、数据、模型等一系列要做的事情，小鹏们在研发无图NOA等系统时就熟练掌握了，理想不仅研发时间更晚，开城数量还差了一大截。

这些质疑没错，在汽车消费上怎么强调安全都不为过，但矛盾的是，企业发展往往又需要经常“踩油门”变道超车。

一、现在轰油门，对理想最好？

事实上，“端到端”玩家们不止路线分化，智驾团队建设也大相径庭。

理想这边大玩“过山车”：去年卷无图NOA开城，刚把智驾人数扩至近千人，今年切入one model端到端后，又“一朝回到解放前”——截止到年中，缩减了40%。

而智驾团队规模分别是理想3倍、7倍的小鹏、华为，却似乎并没有减员的意思，如小鹏管理层表示：“小鹏没有去裁人，因为AI在发展早期仍然需要人类老师。”

相比之下，华为们采取的分段式“端到端”技术方案，仍是一个人工和智能“共处”的混搭系统。

而道路行驶环境复杂，疑难场景源源不断，工程师需要夜以继日地写if else。比如，小鹏去年在北京测试NPG时，类似“树叶把红绿灯遮挡”等问题层出不穷，专项成立了几十个，耗时2个多月后才勉强开放。

相比之下，理想则被其智驾一号位“盖章”：人力资源不足拖累了开城进度。

如此来看，小鹏们如果直切one model端到端，意味着此前积累的规则数量大部分都将作废，人员与组织架构调整，也牵一发而动全身。

而“光脚”的理想就不一样了，用其管理层的话说：“虽然有技术切换的成本，有组织管理上的代价，但理想能负担得起。”

更何况，当下上马one model端对端，最符合理想的商业利益诉求。

如果说，模块化设计理念下的车辆，就好像是在驾校学车的、没有自主意识，教练说做什么他就做什么（编写代码规则）。

那端到端设计理念下的车辆，就是一个拥有自主意识并且会主动模仿学习的新手司机，只要给它观看成百上千万的优秀老司机怎么开车的视频后，它会慢慢变成真正的老司机。

这意味着，越早、越多地掌握这些“优秀司机开车视频”用来训练，在这轮竞争中胜出的机会越大。

与之相比，同期的友商们或多或少都有点“拉跨”。比如，技术、销量都领先的特斯拉，囿于“国内数据合规性”限制，FSD一直无法引进中国，数据积累尚属空窗期。

销量巨无霸的比亚迪，智驾业务一直“外包”给百度、大疆等供应商，既不允许这些供应商用量产车型上获得的数据，自己也没有回传数据的能力。

最新消息，特斯拉计划于2025Q1在中国和欧洲推出FSD。比亚迪去年也秀了一组数据，“目前已形成一支300多辆车的研发车队，积累150PB以上的数据”，暗示自己也在建设数据回传能力。

这意味着，理想如果现在不上马one model端到端，很可能“错过这个村，就没了这个店。”

当然，竞对们追上来，还需要过程，且数据训练也不只是堆量，还对数据质量有要求——端到端的各个功能需要同时进行训练，训练数据越一致越好。

而一谈起这个，理想的嘴角比AK还难压，“外界说理想L系列是在套娃，但是这让我们有个最大的优势，传感器布局和传感器型号完全一致，理想L系列的数据可以完全复用。”

这时，以前总是被嘲“技术落后”“多此一举”的增程式路线，又帮了理想一把：相比纯电车“只能在几百公里打转”，理想汽车的足迹深入新疆、西藏等地。

于是，在“鞭子”加“胡萝卜”的双重刺激下，理想开启了狂奔。

二、1年多时间，补了特斯拉3年的课

去年10月开始研发无图，3个月后从研发转向量产交付，次月就交付了初版……短短几个月，理想就完成了友商一两年的工作。

如此疯狂，就是为了“给端到端争取时间”。

端到端需要的算力、数据、模型等一系列事情，无图智驾方案基本都会涉及，正如特斯拉能快速落地FSD v12，背后是其早早就举起了纯视觉方案的大旗，并逐渐在规划和控制模块也加入神经网络。

横向对比来看，特斯拉从无图到端到端全量推送，大约经历了3年，而理想仅仅花了1年多时间就补完了作业。

但在其风头日盛时，何小鹏却兜头泼来一瓢冷水：“如果有人说他有一个大模型，可以用来降维做智能驾驶，或者他说有很多车，所以有很多数据，千万不要相信，绝对是胡扯。”

这并非何小鹏的一家之言，马斯克也有类似说法：大多数的数据最终都会被丢掉，重要的是那些占比不到1%的稀有视频，比如一些奇怪或者车流量异常大的十字路口的数据。

甚至理想自己也是如此——其建立了一套“老司机”的评价标准，只有不到3%的车主通过了考核，连智驾负责人都没达标。

也就是说，能够投喂给大模型的优质数据其实凤毛麟角。而理想积累的数据虽然“拳打”问界、“脚踢”小鹏，相比特斯拉却仍有较大差距：

• 从销量来看，截至2023年底，特斯拉在北美累计交付约250万辆，而理想到今年10月在国内累计交付100万辆；
• 智驾里程积累上，特斯拉在全量推送FSD V12前，累计智驾里程超过70亿英里，而理想的这一数据是25亿公里，刚过特斯拉的1/5。

乍一看，400万个也不少，但当车子真正开到路上，问题就凸显出来了。

如下图，理想智驾明显学会了“早八老司机”的蛇形走位，不仅丝滑加塞，甚至还弹窗提醒车主帮忙加塞。

这是因为one model端到端下，数据传进来和轨迹输出去之间，只有一个生成式大模型，它并不知道红绿灯是什么，只有在学习了海量司机驾驶视频之后，才知道红灯停、绿灯行。

而在大模型“学习”的过程中，难免会犯各种各样的错误，正如上述余承东所说的，“one model下限很低。”

理想目前的解题思路是在one model端到端模型之外，并联一个视觉语言模型（VLM）托底。

例如，遇到坑洼不平的路面或潮汐车道时，后者会提醒前者降速、合理选择车道；遇到危险时，两个系统能一起帮司机踩刹车。

其智驾负责人曾透露端到端的落地流程：先内部验证范式，到产品验收环节，从鸟蛋到早鸟到千人内测，我们让用户一起去做产品的测试和迭代。

在内测版本，理想就直接加入了高难度的高速场景，相比之下，特斯拉首次全量推送的FSD V12也仅适用于城市街道，高速路段在V12.5才推送。

“特斯拉今年将在综合训练和推理AI上投入约 100 亿美元。”这是马斯克分享的数据，他还表示，“任何没有在这个水平上投入且资金效率不高的公司，都无法竞争。”

这意味着，车企需要有足够的销量去获取利润。而在智驾水平显著影响购车选择的当下，越早落地技术，越能抢夺用户心智，促进销量增长，特别是在智驾接受度较高的中国。

小结

据传，理想智驾部门很喜欢以希腊神话为“关键战役”命名，而这一次的端到端项目，被叫作“达摩克里斯计划”。

按照理想的说法，“这个项目有挑战、很危险，如果做不好，达摩克里斯之剑会掉下来。”

很显然，理想比任何人都清楚，从奶爸车到智驾黑马的“一跃”，代价不仅是招兵买马、训练模型的开销，还有坐在驾驶位上的百万车主们。

接下来的路，理想也得系好安全带才行。