理想的城市NOA不依赖高精地图，而是基于AI大模型。

6月17日，在理想家庭科技日上，最引人瞩目的，当属一系列AI大模型的引入。智能座舱方面，理想通过研发认知大模型Mind GPT，以提升交互能力；智能驾驶方面，则通过神经先验网络NPN、TIN网络以及BEV大模型，试图将城市NOA做到接近人类司机的驾驶表现。

当然，电动化方面，理想也在持续优化短板。理想方面，介绍了其在800V快充和超充网络的布局。

以上内容，便组成了理想的“双能战略”。理想希望通过这一战略大规模全面取代燃油车，到2030年成为全球领先的人工智能企业。

发布会最后，理想方面还透露了首款纯电车型的信息，理想的超级旗舰——理想MEGA，将在今年年底发布。

智能驾驶：BEV+NPN+TIN

现在车企已经进入城市NOA的攻坚阶段，为了使AI司机能够做到更可靠、更像人类，理想将大模型引入到自动驾驶领域。

理想希望做到不依赖高精地图，核心是采用了BEV大模型来感知和理解环境中的道路结构信息。

但是在复杂路口上，BEV的感知是受限的。例如通行的车辆很多，传感器的视野容易被遮挡，导致车端的感知的结果会丢失一些局部的信息显得不够稳定。

为了弥补这一缺陷，理想使用了自研的神经先验网络（NeuralPriorNet），简称为NPN网络，通过云端大模型对于这类复杂路口提前进行路口NPN特征的提取和存储。当车辆再次行驶到这个路口时，将之前提取好的NPN特征拿出来，与车端的感知大模型，BEV特征层相融合，还原出更加稳定完整的路口结构特征。

仅看明白路口还不够，作为一个合格的AI司机，还得理解路口红绿灯的通行规则，这也是城市道路的另一个难点。

对此，理想选择用大模型来解决这个问题。理想训练了一个端到端的信号灯意图网络，TIN（TrafficlntentionNet）网络，不需要人为设定任何的规则，甚至不需要识别红绿灯的具体位置，只要将图像视频输入给 TIN网络，就能直接给出车辆应该怎么走的结果，是左转右转还是直行或者等待。

TIN网络是通过学习大量人类司机在路口对于信号灯变化的反应进行训练的，可以通过判断人类司机的举动反馈出行驶结果。TIN网络根据输入视频图像，实时的给出路口不同通行意图的概率值，概率值最大的就是实际使用的意图。

为了应对道路上个各种复杂情况，AI司机必须能够做到随机应变，因此识别通用障碍物也是一个基础能力。对此，理想汽车使用了Occupancy网络来识别障碍物的边界和类型。目前，理想为该模型喂了上亿公里的训练里程，识别的内容和准确性得到了很大的提升。

为了使AI司机在驾驶决策和轨迹上，也像人类司机一样做出更加合理的判断，理想在规控算法上应用了模仿学习的方法，通过大量驾驶员的驾驶行为进行训练，让城市NOA的决策和规划在保证安全符合交规的前提下，做出更像人类驾驶员的判断。

目前，理想拥有1200PFLOPS算力，自动驾驶训练里程也已经突破了6亿公里。

由于城市NOA的落地，取决于城市复杂路口NPN特征的完成情况。

理想率先推出了通勤NOA产品，用户自己设定路线、自车学习NPN特征，学成之后就可以在上下班路线上使用NOA功能。

用户设定好自己的通勤路线后，只要天天开这条路，相对简单的路线，基本1周以内就可以完成激活，较为复杂的路线，预计2-3周也足以完成训练。理想方面预估通勤NOA，可以覆盖理想车主95%以上的通勤场景。

总结下，理想城市 NOA 技术架构的特点有：

1.使用 NPN 特征和 TIN 网络增强 BEV 大模型，做到不依赖高精地图；

2.使用模仿学习让规控算法做出更加拟人的决策；

3.全自动、全闭环的训练平台支撑大模型持续进化。

智能空间：多模态交互+大模型Mind GPT

在智能座舱方面，理想致力于构建更符合人的直觉和本能的交互模式。为此，理想引入了多模态人机交互技术体系，让每个人使用AI的效率更高、学习成本更低、交互方式更简单、更自然。

第一、提升理想同学的多模态感知能力

理想在多模态感知设备上的布局，拥有覆盖全车多音区的数字硅麦、3D ToF摄像头、IR传感器，基于空间多模态感知-3M技术（视觉的MVS-NET、信号的MIMO-NET、语音的MSE-NET），理想同学的感知能力，将变得更像人，可以充分感知舱内空间的多模态信息。

第二、多模态交互：视听融合，轻松交互

最近，理想同学“耳眼脑”并用的能力提升：指代的方向变多了，甚至是斜后方，理想同学也能看得懂；同时，能指代更多的人和物，接入更多控车、体验的交互。

第三、Mind GPT：自研认知大模型

理想自研了认知大模型：Mind GPT。使用了1.3万亿个token进行基做模型的训练。重点针对中英双语进行了充分的自监督学习，数10tb的原始训练数据经过了精心的过滤和去除，覆盖了15个重点领域。

为了具备可以随时调用更多外部的能力，将Mind GPT作为大模型控制器，连接了外部的models和API Zuo，通过大模型对用户输入的理解和思考，有条理的进行任务的规划，独立完成自己擅长的部分，并调度外埠的API和专业能力，解决自己不擅长的部分，持续拓宽大模型的能力覆盖。

同时，Mind GPT自带记忆网络，用户可以选择让理想同学基于历史对话记住个性化偏好和习惯，理解用户近期状态。而Mind GPT的在线强化能力，更让它可以基于用户的每一次反馈和纠偏不断迭代自身能力，让理想同学“越用越好用”。

理想方面表示，全新的 AI 交互界面、AI 百科问答、任务大师 AI 版、AI 绘画、多模态可见即可说 2.0 等，即将在「不久的将来」全量推送。而且，理想这次没有忘了理想 ONE 车主。

高压纯电：充电9分30秒，续航400公里

除了智能化，在电动化方面，充电速度仍然是制约新能源汽车发展的主要短板之一。

理想的解决方案是快充。

未来，理想的纯电车型将采用5C充电倍率的电芯，结合先进的电池热管理系统，可以实现峰值500千瓦以上的充电功率。

在途热管理功能，续航400公里的充电时长，从零下10度到高温40度的宽温域区间内，充电都可以小于10分钟。

要实现上述能力，需要采用大倍率电芯设计。理想采用的电芯，其正极采用了活性面调控技术，电解液引入了快充添加剂和界面调控技术，充电速度提升30%，负极采用超离子环石墨技术，对比常规石墨锂离子扩散速度提升60%，整体实现了充电能力。

理想在体系结构工艺方面进行了多重创新，比如低阻抗体系设计和一体化极柱结构设计，把电芯内阻从0.4mΩ降低到0.3mΩ以下，最大程度的减少了大倍率充电过程中电芯的产热，实现产热量降低30%。

要真正实现快充，仅车辆能够快充还不够，快充网络也要跟上。

根据理想的计划，截至2023年底，理想将建成超过300高速超充站，2025年将超过3000个。届时对于高速公路的出行理想，超级充电站的平均价格间隔将小于100公里，每个站每小时能够服务9~20台车。

城市核心环线方面，2024年底将建设超过300个城市枢纽站，完成以6公里为间隔的双向覆盖，用于满足城市环线以及高速和城市连接路段的补能需求。

此外，理想汽车研发了自动充电机器人，通过和智能驾驶和车机端的打通，充电全程无需下车，带来了比加油站更好的补能体验。

返回第一电动网首页 >