1月16日，理想汽车全量推送了OTA7.0版本车机系统，其自研的“高速端到端”功能开始全量推送给AD Max车主。随着高速（及环路）场景被打通，理想汽车成为全球第二家构建了全场景端到端能力的车企，这意味着高速智驾更连续，可以无断点、无降级应对新开高速、长距离隧道、长距离施工等场景，实现城市与高速一体化架构。
对于消费者来说，自动驾驶已经成为选车过程中必不可少的决策因素，而安全、高效的智能驾驶能力是消费者关注的核心。
但功能安全和让消费者感到安全是两个层面的事。
为了让消费者感知到自动驾驶的功能安全性，理想汽车此次推出的“AI 推理可视化”功能，将有效提升消费者对智能车安全性的认知，也为中国车企如何将自动驾驶能力演变为消费者可感知的产品竞争力，从而为有效提升销量，提供了一条可探索的路径。
此次，为了让用户更好地感知智能驾驶的变化，AD Max把内部使用的智能驾驶的版本号显示给用户，此次升级的版本是AD Max V13.0。版本的升级预示着理想智能驾驶再进化，目前AD Max V13.0可挑战零接管。后续AD Max版本号将按照产品的更新及优化进行版本号迭代和维护。理想汽车表示，自OTA 5.0切换BEV架构，上线城市NOA产品以来，理想内部启用AD Max的独立版本号进行管理。过去的一年里，共完成12次AD Max的重大更新。
从行业角度来看，高阶智驾的快速应用背后反映了以理想汽车为代表的中国车企近十年来持续研发投入的正确性。
更为重要的是，随着智能电动汽车决赛的开启，谁若掌握了智驾核心技术，谁的技术若更为领先，谁便能进入决赛圈，进而成为最后的赢家。显然理想汽车要成为其中之一。
智驾进入AI大模型时代
国内新能源汽车渗透率已经连续多个月超过50%，意味着燃油车正在成为少数人的选择，越来越多的人开始拥抱新能源汽车。在新能源汽车加速发展的势能之下，智能化尤其是智能驾驶的重要性显得越发突出。
智能驾驶的发展路径经过单车智能和车路协同、渐进式和跨越式、纯视觉和多传感器融合等数轮争论和交锋后，以端到端为核心的技术路线变得更加清晰。
就理想汽车的端到端技术而言，其可以从诺贝尔奖得主丹尼尔·卡尼曼的《思考，快与慢》一本书中说起。
在这本书中，丹尼尔·卡尼曼通过“快系统”和“慢系统”两个概念来阐释人类的思考与决策过程。其中，“快系统”代表直觉与本能，它负责处理那些仅需依靠经验和记忆、无需过多思考的任务，而这类无需深思熟虑、瞬间就能作出反应的情境，大约占据了人类行为的95%。
相对应的，“慢系统”则负责那些需要集中注意力、运用逻辑思维和深度分析才能完成的任务，用以解决剩余5%的复杂场景。
回到汽车驾驶领域。在驾驶过程中，驾驶员对于红灯停车、绿灯通行已经成为了“驾驶本能”，而当行驶至陌生路段，尤其是匝道、环岛、十字路口乃至海星状路口时，则需要花费时间进行观察、思考和决策。
通过这样的描述可以理解，就智能驾驶而言，其既需要借助“快系统”使自动驾驶系统运行得更加高效，也需要依靠“慢系统”来处理更加复杂的信息。而理想汽车在去年10月份全面推送的端到端+VLM双系统智能驾驶技术架构，正是采用了“快系统”与“慢系统”相结合的思路。
具体来说，“端到端模型”相当于“快系统”，用于快速处理日常驾驶任务，传感器输入的信息直接输出为行驶轨迹。而在面对复杂路况时，理想汽车则通过视觉语言模型（VLM），即“慢系统”，为“端到端模型”提供决策建议。
理想汽车的最终目标是通过端到端模型和VLM模型，实现对所有驾驶场景的全面覆盖，使智能驾驶系统能够像经验丰富的驾驶员一样应对各种情况。
然而，仅凭这两个系统还不够，理想汽车引入了“重建+生成式世界模型”，它就像一位“考官”，帮助这两个系统在一次次“真题试炼”中不断迭代升级。
世界模型的“考题”来源于两个方面：一是测试人员和内测用户收集的“错题集”，这些在实车测试中出现问题的场景都会被重建为考题；同时，理想汽车还会利用生成模型将考题进行泛化，形成模拟题，例如改变天气、光照、背景环境、障碍物行为等，使模型能够举一反三。
最终，通过“错题”+“模拟题”的考试方式，结合自动化的模型评分体系，给出模型的得分，用于筛选合格的端到端模型，并指导下一步的迭代方向。
得益于双系统+世界模型的研发体系，理想汽车智能驾驶能力的迭代效率极为迅速，保持每周迭代2个版本的更新速率，在2024年11月28日成为国内首家全量推送“车位到车位”智能驾驶的车企，并在今年推出高速端到端，实现高速+城市全场景端到端。
不难看出，理想汽车正在快速进化出更好的智驾体验。例如，理想汽车在11月28日的推送上实现了车位到车位全场景覆盖能力，即从车位泊出到泊入，全程都能实现无断点智驾。车主从上车就能一键开启智驾，自主进出园区和识别闸机抬杆，在城市环岛、掉头等复杂场景通行。