我刚刚结束了对理想汽车智能驾驶副总裁郎咸朋博士，和理想汽车智能驾驶产品负责人赵哲伦的采访，了解了一下关于“智能驾驶-城市NOA”的相关问题。 1、能介绍下理想的超算中心能力吗？ 我们的计算中心也是在默默建设，我们不提前说是为了保密，同时为了减少场外因素减少我们的研发，我们的算力储备可以说是国内第一的。 2、Pro版的数据也可以加入整个大模型的运算吗？ 是可以的，因为是大模型，所以对于数据标注的精准度可以要求低一些，量大一些速度就能提升非常快，一个大模型加上几个小的任务，就能对整个能力起到非常好的效果。 我们在云端做自动化标注，精度可能不是非常高，但是现在BEV比如对车道线的识别精度是超出我们的预期的。 3、普通用户参与早鸟测试的规则？ 已经有了初步计划，前期筛选之前在高速NOA中使用频率相对高的，我们要找喜欢用智能驾驶并且使用频率比较高的，城市中如果胡乱使用的话还是比较危险的。 4、激光雷达我们长期是怎么样的定位？ 我们现在做的事使用激光雷达做4D的样本，但我们希望整个网络可以做到纯视觉感应的能力，我们对激光雷达的看法是，在安全方面有很大的作用，并且对我们数据的训练有很大的帮助。 我们现在展示的视频已经是360度纯视觉的能力，比如车后的内容依然可以做到识别。 5、未来几年有去掉激光雷达的计划吗？ 我们还是继续看，目前还没有明确计划。 6、现在有4D毫米波雷达吗？ 现在还比较新，还需要完整验证之后才知道它的技术方面能否发挥功能，目前已经搭载在L7 Pro上。 7、年底100个城市，目前测试计划是什么？ 我们基础架构不依赖高精地图，理论上有导航就能开放，我们测试的手段肯定不是用测试车来跑，我们搭建的波塞冬平台通过量产车进行影子测试，这个速度会非常快。 理论上城市中有大量车主，并且在行驶，就具备开放能力。 8、城市NOA风险更大，会使用什么样的策略？ NOA如果非常激进的话，在大用户量级中，风险率就会提升，所以我们做的相对保守的话，基于大用户量级考虑的话，我们会考虑极端情况，我们的策略会对整体系统的安全性有很大的帮助，我们还是希望能做到标配、普通用户也能使用，和极客还是不一样的。 9、如果把车运到国外，能用吗？ 算法架构上是没有问题的，但是出海的事情得根据出海的策略来定。 10、技术交付的时候，怎么考虑用户的接受程度？ 我们现在做了几轮用户预期的风险，规划算法识别到风险的时候，如果发现自己已经解决不了的时候，我们会有提前量的预警。我们的车在跨过线的时候，AEB会有更紧急的制动。告警方面我们会做很多的策略。 最近在设置中可以看到我们提醒的简洁模式或者详细模式。 11、硬件淘汰周期会有多久？ 这很难说是我们主动淘汰还是客观淘汰，硬件生产也是有周期的，特斯拉的FSD HW 3.0-4.0已经有5、6年的周期，如果算法进步很快，卷起来之后，硬件需求也会很高。 12、现在L级别的定义还有意义吗？ 这最后取决于用户的使用情况，一个功能如果我说是辅助驾驶，但是百分之六七十的时间他都能自己开，并且能开的更好，那你觉得这是L3还是L4？所以主要取决于场景。 13、如何提升用户对系统的安全感？ 预测是自动驾驶中比较难的一部分，这本身是一个持续更新的过程，我们要做到刚才的能力，除了检测能力之外，还得有预判的能力，相当于能算命，这就是我们为什么叫4D BEV，多出来的1D就是时间，人的安全感主要来自于对系统的主动预测。这在我的大模型中都是能输出出来的，再往后走就是如何继续提升识别和避障能力。 举个很简单的例子，在路口的调头，在窄路，很多车会先反方向打一把，这对于系统的预判就是比较难的。很多异形的用户习惯，或者说是非预期的，就得之后长尾的时候解决。 14、每进一个城市，有没有硬性指标？ 这个我们后面AI Day上说，我们开放的基本逻辑，是和当地的保有量更新相关的，别人是真正按照行政区划来开放的，我们是数据驱动的逻辑，我们城市车多、开得多，我们就更早容易被开放出来，我们会考核在复杂路口的通过率。 15、理想有开发保险业务的计划么？ 我们测算过，我们将来做更高级别自动驾驶的话，肯定要保护车主权益，特别是开着辅助驾驶的时候怎么办，我们拿了很多类似之前的事故数据来测算，每年人开的时候的世故数和保险数额是怎样的，保险业务现在还不太好说。 16、什么时候用BEV重写高速NOA和LCC？ 今年年底。 17、变道逻辑相对保守，是因为我们家庭用户比较多还是因为车大？ 这来自于用户定位，很多车主来自于BBA，之前连LCC都没用过，需要适应，另外车大，这对我们车辆的精准能力要求比较高。