L3 不是 L2 的延長，而是 L4 的先導
理想自動駕駛團隊用端到端把 200 萬行代碼砍到 20 萬行，縱向控制第一次超過所有競品——不是人更聰明，是終於用做能力而不是做功能的方式做自動駕駛。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
高精地圖這條路走不通，是因為中國有 970 萬公里普通道路
早期自動駕駛的假設是給地面鋪虛擬軌道：高精地圖加滿身激光雷達，像高鐵一樣跑。但高速公路只有 30 多萬公里，剩下 970 萬公里是普通道路，不可能全部鋪圖；就算鋪了，普通道路今天挖坑明天改道，更新速度也跟不上。所以 2018 年左右 Tesla 率先說不用高精地圖、不用激光雷達、走純視覺，方向看得非常對、非常準、非常早。當時業界有人不理解，有人理解了但已經投了太多錢做重激光雷達，轉不了身。
— 郎鹹朋BEV 的關鍵不是拼圖，是先融合再反投
樸素做法是每個攝像頭各自識別，再把結果拼起來，這叫後融合。問題是你無法保證每一幀都識別對：這邊沒識別出人、那邊識別出來了，該信誰；一輛車這邊提取一半、那邊提取一半，拼出來到底是一米五還是三米。Tesla 的 BEV 是先把所有圖像信息統一做一次計算，恢復出真實世界裡的完整物體，再反投回每張圖，一致性有保證。郎鹹朋用質能方程打比方：先想到物質和能量可以轉換的人最厲害，用裂變還是聚變是後面的事。
— 郎鹹朋用場景定義自動駕駛，窮舉不過來還會互相打架
很多創業公司標榜用嚴格手段定義所有場景：天氣分晴雨、雨還分大中小，車流分擁堵密集，光照分夜晚陰天，再乘上自車速度、對方狀態，組合上千萬種。問題有三個：一是場景太多窮舉不過來；二是場景之間不完全正交，改好一個右轉場景可能影響另一個下雨天車流量大的右轉；三是長尾想不到，半路穿出一匹馬、路面突然塌陷一個大坑，這些沒法定義。所以用場景劃分做自動駕駛這條路本身就不成立。
— 郎鹹朋L3 不是 L2 的延長，而是 L4 的先導
郎鹹朋認為 L2 的場景設計不完也解決不完，解決一個還會影響另一個，所以 L3 不是 L2 加加加加出來的，無論從場景、做法還是本質上都不是延長。L3 和 L4 是一體研發的：L4 很性感但不能一步到位宣布全國都能 L4，所以要先把車位到車位的全場景能力走通，園區、城市、高速、閘機、ETC 都覆蓋，能力不夠時人監督，無接管路段比例越來越大，最後 A 點到 B 點全是無接管，那就是 L4。
— 郎鹹朋200 公里接管一次，是推出 L3 的門檻
理想測算的關鍵指標是 MPI 接管率：高速 350 公里接管一次、城市 50 公里接管一次，綜合起來約 200 公里接管一次，就可以推出 L3 有監督自動駕駛。按每天開四五十公里算，差不多一週接管一次，而且這次接管還不一定是安全性接管，可能只是覺得開得不舒服。安全性要求更高，是十倍於人類駕駛的安全。這個數字把「什麼時候能上 L3」從感覺變成了可測算的門檻。
— 郎鹹朋200 萬行代碼砍到 20 萬行，縱向控制第一次超過所有競品
4 月 15 號在中關村封閉開發，一個多月後郎鹹朋從中關村開到北京交通大學，確認沒有用一行規則。之前無圖版本和輕圖版本的代碼是 200 萬行，端到端之後只剩不到 20 萬行，縮減 90%。更讓他驚訝的是縱向加減速：以前在有圖無圖版本上怎麼調都調不到像人一樣緩緩剎停，端到端第一次上車就比之前開過的所有自動駕駛車、包括競品都好，問旁邊的人是不是用規則調過，回答是真沒調，就是學出來的。
— 郎鹹朋供應商要求理想解散自動駕駛團隊，才肯繼續合作
2021 年做理想 ONE 升級款時，ADAS 供應商知道理想要做升級，不但要付昂貴開發費，還拒絕白盒交付，甚至附加條件是理想把之後的自動駕駛研發都交給他們做，並解散自己的自動駕駛團隊。郎鹹朋的原話是供應商覺得你一定要跪下來求他，因為沒時間了。他的回應是老子就算死也要站著死。大年初一李想打電話問他有沒有決心，他說來三年就等這個時候，做不出來就引咎辭職，李想隨即拉群宣布自研。
— 郎鹹朋基座模型是地基，不做就是給別人打工
郎鹹朋判斷理想必須做自己的基座大模型，理由分必要性和可行性。必要性有三：一是供應風險，機座模型如同地基和基石，哪天不給你用了上面蓋多好都是空中樓閣；二是通用基座模型會適應所有客戶，不會按你的要求優化，你拿不到人工智能領域的頭部位置；三是等它真做好，它就是頭部企業，其他人可能都給它打工。他認為人工智能不會百花齊放，最終會收到為數不多幾個真正有基座大模型能力的企業手裡。
— 郎鹹朋原話 · 已逐字校驗
我們之前無圖版本和清圖版本的代碼 這一條行數是200萬行代碼 現在只剩下不到20萬行 我們縮減了90%的代碼
我們之前無圖版本和輕圖版本的代碼是 200 萬行，現在只剩下不到 20 萬行，縮減了 90% 的代碼。
郎鹹朋1:28:14
我說你們是不是用規則 或者怎麼調呢 他說老婆我們真沒調 就是學出來的
我說你們是不是用規則或者怎麼調的，他說我們真沒調，就是學出來的。
郎鹹朋1:29:14
就是你貌似笨的方法 其實它是最捷徑的方式 因為你必須要把前面 吃的苦 或經歷的東西 你要經歷一遍 你才知道 它是為什麼一定要到現在的
就是你貌似笨的方法，其實它是最捷徑的方式，因為你必須要把前面吃的苦、經歷的東西經歷一遍，你才知道它為什麼一定要到現在這一步。
郎鹹朋1:39:22
數字與實體
| 特斯拉單車傳感器加芯片成本 | 1000 美金，約六七千人民幣 | 15:16 |
| 特斯拉自研芯片算力 | 144 TOPS | 9:08 |
| 理想 L3 推出的接管率門檻 | 綜合 200 公里接管一次（高速 350、城市 50） | 57:51 |
| 端到端後代碼行數變化 | 從 200 萬行降到不到 20 萬行，縮減 90% | 1:28:14 |
| 理想自動駕駛團隊規模 | 800 多人 | 1:43:23 |
| 特斯拉自動駕駛團隊規模 | 200 多人到 300 人 | 1:43:23 |
| 第一版端到端模型訓練規模 | 不到 100 萬 clips，當時是 60 萬還是 80 萬記不清 | 1:25:12 |
| 理想自動駕駛年度投入 | 幾十個億 | 1:37:21 |
術語
- BEV鳥瞰圖
- Bird Eye View，把多攝像頭畫面統一成上帝視角的感知表示。
- Transformer變換器架構
- Google 提出的通用網絡架構，能把圖像等輸入向量化編碼。
- VLM視覺語言模型
- 能識別理解場景元素的外掛模型，處理端到端沒見過的場景。
- MPI接管率
- 平均多少公里需要人接管一次，衡量自動駕駛能力的關鍵指標。
- VLA視覺語言動作模型
- 在基座模型上長出自動駕駛能力的形態，郎鹹朋說一到三年內會看到。
- 3DGS三維高斯重建
- 用高斯點重建真實場景，用於生成考試用的仿真題目。
收聽指南
做自動駕駛或具身智能的工程師、看智能駕駛供應鏈的投資人，以及想知道端到端到底改變了什麼的創業者。
開頭 10 分鐘的技術科普偏基礎，熟悉 BEV 和激光雷達對比的可以快進到 50 分鐘。