为什么李想面对吐槽总能痛快的怼回去？

李想又双叒叕在微博怼人了，接着还一（胡）本（说）正（八）经（道）地说微博是mind gpt生成并发布的。评论区蹲着一帮八卦团伙，嬉笑怒骂，好不热闹！

热闹就对了！这一切都为理想即将开始的城市NOA北京内测做了天然的预热。

为什么面对吐槽和质疑，李想总能痛快的怼回去呢？因为人家有底气有实力呀。

底气我们都知道，理想的销量确实好看。如今已成为中国市值第二高的车企，刚刚结束的“家庭科技日”更是让其股价突破2470亿元。

实力方面，正好就着网友吐槽理想抄袭蔚来车顶激光雷达这事儿聊一下理想的AD max智能驾驶系统。

AD Max是理想最高端的智能驾驶系统

AD Max是理想最高端的智能驾驶系统（AD Pro系统应用于L8/L7），它的双NVIDIA Orin处理器是当前运算性能最强的量产智能驾驶芯片。

AD Max的核心是自研算法，包括多相机3D检测、高精度地图实时生成、实时路况预测、车辆控制精度等，这些算法重点解决的问题是NOA（Navigate on Autopilot 导航辅助驾驶）时的驾乘舒适度和安全性。

在刚刚过去的理想家庭科技日的发布会上，理想汽车智能驾驶副总裁郎咸鹏博士就讲到：理想的AD Max 3.0平台通过领先的技术构架和出色的迭代效率，将逐步满足所有城市和所有用户，在城市道路上使用NOA功能的需求。 

当前，智能驾驶面临两大难题：

1、高速NOA的使用时长，占用户驾驶时长的比例偏少

2、城市场景的复杂度高，依靠规则算法无法快速拓展

针对以上问题，理想的解决方案：

在产品层面，提供给用户可以更长时间使用的城市NOA产品

在技术层面，使用ai大模型技术应对所有场景的挑战，并可以高效迭代，最终解决所有问题。理想通过ai大模型的帮助，已经做到了接近人类司机的驾驶表现。这是中国首个不依赖高精地图的城市NOA产品。

理想即将在本月向北京和上海的内测用户，交付不依赖高精地图的城市NOA功能。让用户可以拥有一个持续进化的ai司机。同时，理想也将向用户开放通勤NOA功能，让用户拥有属于自己的“专属电梯”，每天上下班更轻松更便捷。

理想城市NOA技术架构的特点包含三点：

一，使用NPN特征和TIN网络增强BEV大模型，做到不依赖高精地图，识别万物。

二，使用模仿学习让规控算法做出更加拟人的决策（规则驱动转向数据驱动）。

三，全自动、全闭环的训练平台支撑大模型持续进化。

理想汽车的AD Max 3.0系统，引入了NeuralPriorNet（NPN，神经先验网络）来处理城市中超出感知范围或视野被遮挡的复杂路口。

NPN网路提取的道路参数的可视化结果，其实并不是给人类司机看的，而是给AI司机座位道路特征的补充参考。NPN网路所补充的，是理想NOA的主干BEV大模型。其核心是利用360°全景摄像头输入的多张图片信息，还原构建出3D环境信息，这个过程是实时的。但城市中的复杂路口，仅通过 BEV 大模型来进行感知依然是不够稳定的。尤其是城市复杂路口通行的目标很多，传感器的视野容易被遮挡，导致车端的感知结果会丢失一些局部的信息而不够稳定。

NPN 网络对于这类复杂路口，提前进行特征的提取和存储。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 BV 的特征层相融合，就得到了更加准确的感知结果。另外在路口交通标志方面，理想使用大量人力司机在路口对于信号灯变化的反应，训练了一个端到端的信号灯意图网络。不需要人为设定任何的规则、不需要识别红绿灯的具体位置，只要将图像视频输入给这个 TIV 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。

总之，理想的去高精地图路线，是以BEV大模型的感知能力作为基础，面对极为复杂的路况，提前提取NPN特征作为保障。所以也能看出，无图城市NOA的量产覆盖进度，取决于复杂路口NPN特征的提取进度，最早一批准备就绪的地区，是北京和上海。

理想AD Max 3.0的城市NOA导航辅助驾驶系统将于6月底开始推送早鸟用户测试，并将在年内完成100座城市的落地推送。

当理想说“敬请期待”的时候，我们便知道他离实现理想又近了一步。