VLM全新智能驾驶技术架构 理想汽车7月内全量推送无图NOA 发布端到端

2024年7月5日，理想汽车在2024智能驾驶夏季发布会宣布将于7月外向全量理想AD Max用户推送“全国都能开”的无图NOA，并将于7月内推送全智能AES（智能紧急转向）和全方位低速AEB（智能紧急制动）。同时，理想汽车发布了基于端到端模型、VLM视觉言语模型和全球模型的全新智能驾驶技术架构，并开启新架构的早鸟方案。

智能驾驶产品方面，无图NOA不再依赖高精地图或先验信息，在全国范围内的导航掩盖区域均可经常经常使用，并借助时空结合规划才干带来更丝滑的绕行体验。无图NOA也具有超远视距导航选路才干，在复杂路口依然可以顺疏浚行。同时，无图NOA充沛思索用户心思安保边界，用分米级微操带来默契忧心的智驾体验。此外，行将推送的AES性能可以成功不依赖人辅佐扭力的全智能触发，规避更多高危异常风险。全方位低速AEB则再次拓展主动安保风险场景，有效增加低速挪车场景的高频剐蹭异常出现。

智能驾驶技术方面，新架构由端到端模型、VLM视觉言语模型和全球模型共同构成。端到端模型用于处置惯例的驾驶行为，从传感器输入到行驶轨迹输入只经过一个模型，信息传递、推理计算和模型迭代更高效，驾驶行为更拟人。VLM视觉言语模型具有弱小的逻辑思索才干，可以了解复杂路况、导航地图和交通规则，应对高难度的未知场景。同时，智能驾驶系统将在基于全球模型构建的虚拟环境中启动才干学习和测试。全球模型结合重建和生成两种途径，构建的测试场景既契合真实法则，也兼具优良的泛化才干。

理想汽车产品部初级副总裁范皓宇表示：“理想汽车不时坚持和用户共同打磨产品体验，从往年5月推送首批千名体验用户，到6月将体验用户规模扩充至万人以上，我们曾经在全国各地积聚了超百万公里的无图NOA行驶里程。无图NOA全量推送后，24万名理想AD Max车主都将用受骗前国际抢先的智能驾驶产品，这是一项诚意满满的重磅更新。”

理想汽车智能驾驶研发副总裁郎咸朋表示：“从2021年启动全栈自研，到今天发布全新的智能驾驶技术架构，理想汽车的智能驾驶研发从未中止探求的脚步。我们结合端到端模型和VLM视觉言语模型，带来了业界首个在车端部署双系统的方案，也初次将VLM视觉言语模型成功部署在车端芯片上，这套业内抢先的全新架构是智能驾驶范围里程碑式的技术打破。”

无图NOA四项才干优化，全国路途高效通行

将于7月内推送的无图NOA带来四项严重才干更新，片面优化用户体验。首先，得益于感知、了解和路途结构构建才干的片面优化，无图NOA摆脱了对先验信息的依赖。用户在全国范围内有导航掩盖的城市范围内均可经常经常使用NOA，甚至可以在更非凡的胡同窄路和乡村小路开启性能。

其次，基于高效的时空结合规划才干，车辆对路途阻碍物的避让和绕行愈加丝滑。时空结合规划成功了横纵向空间的同步规划，并经过继续预测自车与他车的空间交相互关，规划未来时期窗口内的一切可行驶轨迹。基于优质样本的学习，车辆可以加快挑选最优轨迹，武断而安保地执行绕执行作。

在复杂的城市路口，无图NOA的选路才干也失掉清楚优化。无图NOA采纳BEV视觉模型融合导航婚配算法，实时感知变化的路沿、路面箭头标识和路口特征，并将车道结构和导航特征充沛融合，有效处置了复杂路口难以结构化的疑问，具有超远视距导航选路才干，路口通行更稳如泰山。

同时，无图NOA重点思索用户心思安保边界，用分米级的微操才干带来愈加默契、忧心的行车体验。经过激光雷达与视觉前融合的占用网络，车辆可以识别更大范围内的不规则阻碍物，感知精度也更高，从而对其他交通介入者的行为成功更早、更准确的预判。得益于此，车辆能够与其他交通介入者坚持合理距离，加减速机遇也愈加妥当，有效优化用户行车时的安保感。

主动安保才干进阶，掩盖场景再拓展

在主动安保范围，理想汽车树立了完备的安保风险场景库，并依据出现频次和风险水平分类，继续优化风险场景掩盖度，行将在7月内为用户推送全智能AES和全方位低速AEB性能。

为了应对AEB也无法规避异常的物理极限场景，理想汽车推出了全智能触发的AES智能紧急转向性能。在车辆行驶速度较快时，留给主动安保系统的反响时期极短，部分状况下即使触发AEB，车辆全力制动仍无法及时刹停。此时，AES性能将被及时触发，无需人为介入转向操作，智能紧急转向，避让前方目的，有效防止极端场景下的异常出现。

全方位低速AEB则针对泊车和低速行车场景，提供了360度的主动安保防护。在复杂的地库停车环境中，车辆周围的立柱、行人和其他车辆等阻碍物都介入了剐蹭风险。全方位低速AEB能够有效识别前向、后向和侧向的碰撞风险，及时紧急制动，为用户的日常用车带来更忧心的体验。

智能驾驶技术打破创新，双系统更智能

理想汽车的智能驾驶全新技术架构受诺贝尔奖得主丹尼尔·卡尼曼的快慢系统通常启示，在智能驾驶范围模拟人类的思索和决策环节，构成更智能、更拟人的驾驶处置方案。

快系统，即系统1，擅优点置方便义务，是人类基于阅历和习气构成的直觉，足以应对驾驶车辆时95%的惯例场景。慢系统，即系统2，是人类经过更深化的了解与学习，构成的逻辑推理、复杂剖析和计算才干，在驾驶车辆时用于处置复杂甚至未知的交通场景，占日常驾驶的约5%。系统1和系统2相互配合，区分确保大部分场景下的高效率和少数场景下的上下限，成为人类认知、了解全球并做出决策的基础。

理想汽车基于快慢系统系统通常构成了智能驾驶算法架构的原型。系统1由端到端模型成功，具有高效、加快照应的才干。端到端模型接纳传感器输入，并直接输入行驶轨迹用于控制车辆。系统2由VLM视觉言语模型成功，其接纳传感器输入后，经过逻辑思索，输入决策信息给到系统1。双系统构成的智能驾驶才干还将在云端运行全球模型启动训练和验证。

高效率的端到端模型

端到端模型的输入关键由摄像头和激光雷达构成，多传感器特征经过CNN主干网络的提取、融合，投影至BEV空间。为优化模型的表征才干，理想汽车还设计了记忆模块，兼具时期和空间维度的记忆才干。在模型的输入中，理想汽车还介入了车辆外形信息和导航信息，经过Transformer模型的编码，与BEV特征共同解码出灵敏阻碍物、路途结构和通用阻碍物，并规划出行车轨迹。

多义务输入在一体化的模型中得以成功，两边没有规则介入，因此端到端模型在信息传递、推理计算、模型迭代上均具有清楚优势。在通常驾驶中，端到端模型展现出更弱小的通用阻碍物了解才干、超视距导航才干、路途结构了解才干，以及更拟人的途径规划才干。

上下限的VLM视觉言语模型

VLM视觉言语模型的算法架构由一个分歧的Transformer模型组成，将Prompt（提醒词）文本启动Tokenizer（分词器）编码，并将前视相机的图像和导航地图信息启动视觉信息编码，再经过图文对齐模块启动模态对齐，最终分歧启动自回归推理，输入对环境的了解、驾驶决策和驾驶轨迹，传递给系统1辅佐控制车辆。

理想汽车的VLM视觉言语模型参数量抵达22亿，对物理全球的复杂交通环境具有弱小的了解才干，即使面对初次阅历的未知场景也能自若应对。VLM模型可以识别路面平整度、光线等环境信息，提醒系统1控制车速，确保驾驶安保温馨。VLM模型也具有更强的导航地图了解才干，可以配合车机系统修改导航，预防驾驶时走错路途。同时，VLM模型可以了解公交车道、潮汐车道和分时段限行等复杂的交通规则，在驾驶中作出合理决策。

重建生成结合的全球模型

理想汽车的全球模型结合了重建和生成两种技术途径，将真实数据经过3DGS（3D高斯溅射）技术启动重建，并经常经常使用生成模型补充新视角。在场景重建时，其中的灵活态要素将被区分，静态环境失掉重建，灵敏物体则启动重建和新视角生成。再经过对场景的重新渲染，构成3D的物理全球，其中的灵敏资产可以被恣意编辑和调整，成功场景的部分泛化。相比重建，生成模型具有更强的泛化才干，天气、光照、车流等条件均可被自定义改动，生成契合真实法则的新场景，用于评价智能驾驶系统在各种条件下的顺应才干。

重建和生成两者结合所构建的场景为智能驾驶系统才干的学习和测试发明了更优良的虚拟环境，使系统具有了高效闭环的迭代才干，确保系统的安保牢靠。

---

李想：三季度推出无图NOA L4级别智能驾驶三年内可以成功

易车讯 6月8日，理想汽车人CEO李想列席了2024中国汽车重庆论坛并宣布演讲。 李想表示，理想汽车将在往年三季度推出无图NOA，最早往年年底最晚明年年终，推出基于理想自研大模型和VLM视觉模型的L3级智能驾驶系统。 李想进一步强调，随着这套技术的演进、算力的增强、模型的加大，无监视的L4级别智能驾驶至少三年内一定可以成功。

以下为演讲原文：

李想表示在过去半年多的时期里，理想汽车做出的一项关于智能驾驶的技术打破，他强调这里的智能驾驶不是智能驾驶，也不是辅佐驾驶，而是智能驾驶。 李想进一步谈到，我们外部从去年9月份末尾思索一个疑问，并为此专门树立了一个用于智能驾驶研讨的团队。 这个疑问是人类开车为什么不触及学习corner case（极端状况）？假设我们不能处置这个疑问，一切的智能驾驶团队每天干的活，都是靠人工去调试各种各样的corner case，而且放的人越多，corner case越多，和真正的智能驾驶就越悠远。

首先从通常的角度，我们先是从一本书《思索，快与慢》里失掉了启示。 《思索，快与慢》讲述了我们的大脑日常在任务的时刻，分为系统一和系统二。 系统一来处置一些要求直觉、加快照应的事情。 就像很多时刻我们在开车，开了10分钟、20分钟、30分钟，脑子里在想别的事情，但是我们依然能够处置路上的各种路况。 开到家的时刻遗忘了过去这半个小时我们是怎样任务的，这时刻意味着我们用系统一在任务，并不是我们的大脑不在任务，而是我们大脑以一种它独有的方式，低能耗的方式在任务。

当我们去到一个复杂路况，比如一个十字路口，或许开车的时刻遇到一个水坑，这时刻我们的大脑就会调用系统二来任务，用它来处置这种比拟复杂的逻辑推演的才干，但是它对大脑消耗比拟大，所以不会不时用系统二的方式启动开车。 处置各种复杂路况、泛化疑问和未知疑问，大脑会启用系统二来启动任务。 正常状况我们开车的时刻基本上95%的时期在经常使用系统一，5%的时期经常使用来系统二，所以人脑每天并不要求很多的功耗，人也不要求学习corner case，就能学会开车。

这时刻我们在想，假设人类是这样的任务方式，那么智能驾驶应该怎样任务呢？什么是智能驾驶的系统一？什么是智能驾驶的系统二？我们随着对各种技术研讨，智能驾驶的系统一其实是如今很多智能驾驶团队都在做的端到端的技术。 端到端意味着把完整的训练片段放出去，最后发生的结果是，输入直接发生输入，而不是像过往的要分红一个感知模块、一个规划模块、一个决策的模块、一个执行的模块。

（端到端）这样的效率更高，但是应战也来了，各种人类的规则不会发扬作用。 它的应战关键来自于三个方面：第一个是要求有真正会做端到端，包括端到端数据训练的人才；第二个要求真正高质量的数据；第三个要求有足够多的算力。

由于端到端关于算力的需求和以往比，变得完全不一样了。 我们过去在端到端方面做的研讨测试中，放了大约100万的clips（预训练模型），用于端到端的训练。 大约一个月只要求做10轮左右的训练，训练卡（Training GPU ）要足够多，基本上可以成功一个无图NOA相反下限的水平。

但是面对中国复杂路况，只要端到端不够，所以我们思索什么是系统二。 系统二的一个启示是，人类处置各种各样的corner case和各种泛化疑问，并不是经过学习corner case。 （我身边的）一个清楚案例和启示是来源于我的爱人。 我爱人刚学会开车后在很长一段时期甚至延续很多年，不停地剐蹭。 我和她剖析下一次性怎样不再剐蹭，其实没有用，下一次性还是剐蹭。 我就在想，是不是由于买的车个头太大了，一辆宝马X6，所以我换辆小车，换一辆高尔夫GTI，她依然会刮蹭。

这时刻我们会发现学习corner case没有用，我们能不能经过优化才干的方式来处置，所以事先给我爱人报了宝马驾驶培训初级班。 宝马驾驶培训初级班一整天经过各种各样的方式只教了两个（内容），第一个是赛道过弯、绕桩、处置环形路面的时刻、打转向之前，眼睛看往哪里，不是看行将经过的路口而是看接上去要去的中央；另外一个才干，就是在各种复杂的场景里如何把刹车踩究竟，包括在湿滑路面，转弯路面、一半钢板一半路途的路面，如何把刹车踩究竟，从而优化一团体关于整车刹车才干的认知。 所以宝马驾驶培训初级班一整天时间只教了两个事情，第一个是教看路的才干，第二个是教刹车的才干，没有教任何的corner case。 经过一天的训练，我爱人彻底和剐蹭告别了，在接上去十几年里没有出现任何剐蹭。 这是人类学习开车的一个方式，我们思索如何把这样的一套才干给到车上。 我们看到一个很关键的技术是VLM的视觉言语模型。 为什么不是视觉大言语模型，而是视觉言语模型，是由于没有方法把一个大模型放在云端让车经常使用，由于照应速度会有比拟大的风险。

所以如何把视觉大言语模型启动足够紧缩，最后能够放到车上，能够面对没有红绿灯的左转路口提早做出预判，知道这个路口如何启动特殊处置，启动复杂的处置。 它还有另外一个关键性能，就是告别高精地图，告别一切轻图在内的方式。 为什么？由于视觉言语模型还有一个最关键的性能，就是能够像人类一样去读懂导航地图，导航地图的横向、纵向、速度、时期，包括红绿灯，哪怕有车辆遮挡红绿灯也不会再成为疑问。

我们发现可以有效地经过视觉言语模型来处置系统二的疑问。 一方面为端到端启动兜底，另外一方面能处置各种各样的泛化疑问。 我们发现十分有意思，我们AD max有两颗Orin-X芯片，正好一个Orin-X芯片跑端到端，另外一颗Orin-X芯片可以运转一个紧缩到大约20亿规模的VLM模型。 我们验证的结果其实是令人十分兴奋的，我们以为最早在往年年底，最晚在明年上半年，真正的L3我对L3的定义是有监视的智能驾驶，就可以批量向用户交付了，而不是只用于做实验。

处置这两个疑问以后，其实还有第三个疑问。 由于端到端是黑盒子，VLM其实也是黑盒子，它跟过去我们在做智能驾驶、辅佐驾驶的一个最大不同是，它不再是性能而是才干。 我觉得AI最大的差异是才干，而过去的编程体系，最关键的是性能，由于性能在过去是要经过测试和实验来验证的。 但是才干，一个黑盒子怎样拿测试和实验来验证？这是无法能的。 所以这时刻面临的一个新的应战是，我们用什么样的技术方式来验证才干？这时刻我们又找到了一个新的方式，关键的原理是来自于Sora，我们用Diffusion Transformers (DiTs）的方式来构建一个关键的、小型的全球模型，拿这个全球模型，让我们的车在外面考试。

所以，我们模拟人的一套真正的任务原理就末尾出现了。 用端到端来承载人的系统一，VLM来承载人的系统二。 系统一来处置一切智能驾驶的，这些正常的反响和驾驶的才干，系统二来处置兜底和泛化的才干，并运行生成式的小的全球模型来启动考试。 这是我们在过去的一段时期里，做的最关键的一个技术性的打破，而且我们的研讨团队曾经经过了正常的研讨验证。

李想表示将在往年第三季度推出全国无图NOA，并同步向测试用户推出经过300万clips训练出来的端到端+VLM的监视型智能驾驶体系。 最早会在往年年底，最晚明年年终，我们会推出大约经过超越1000万clips训练出来的端到端+VLM，整个带有监视的智能驾驶的体系，我们以为这套体系会是未来整个物理全球机器人最关键的技术架构和技术体系。

李想进一步谈到，接上去的一段时期里，在AI方面的几个关键的技术论坛，我们的技术研讨团队也会向整个行业来分享我们对这方面的一切的研讨，包括这里的原理和实践结果，把我们启动的一些探求与同行们启动分享。

李想以为，经过这套技术，带有监视的L3级别智能驾驶是100%可以成功的，最早往年年底最晚明年年终，带有监视的L3级别智能驾驶就可以批量向用户交付。 而且随着这套技术的演进，算力的增强，模型的加大，李想以为无监视的L4级别智能驾驶至少三年内一定可以成功。

倒计时10天！年底最强智能驾驶峰会主会场嘉宾全揭晓

智驾怎样落地？大模型如何重构？20位嘉宾将深化解读！

作者|迩言

编辑|Juice

各位智能驾驶行业同仁们，距离2023全球智能驾驶峰会（GADS 2023）的开幕进入倒计时10天了。

本届峰会由智一科技旗下车东西结合硬科技解说与服务平台智猩猩主办，以「奇点将至 共赴兴盛」为主题，将于12月19日在深圳正式举行。 峰会由主会场会议+分会场论坛+展览+榜单组成，近40+位智能驾驶范围的学术代表、商业首领、技术专家、青年学者、资深投资人和剖析师，将解构高阶智驾的创新密码，共探智能驾驶的奇点时辰。

今天，峰会的主会场嘉宾阵容将正式发布！

20位重量级嘉宾将在主会场带来致辞、报告、演讲和对话。 接上去，我将为大家逐一揭晓。

主会场嘉宾阵容全发布

聚焦高阶智驾、大模型与算力

主会场会议由开幕式以及高阶智能驾驶专场、大模型专场和智能驾驶算力专场三个专场组成。 其中，开幕式在上午启动，三个专场将在下午依次启动。

深圳市南山区科技创新局党组书记、局长曹环将启动大会致辞，智一科技结合开创人、CEO龚伦常也将代表主办方致辞。 而在主会场开幕式上，智一科技结合开创人、总编辑张国仁也将发布2023年度中国智能驾驶产业链先锋企业榜单。

此外，两周前，我们为大家预告了介入主会场的11位行业大咖，而近期还有6位中心产业链代表列席主会场。由此，本年度峰会主会场的“智驾明星天团”正式构成！

其中，清华大学计算机系长聘教授、博士生导师、清华大学人工智能研讨院视觉智能研讨中心主任 邓志东教授，上海AI Lab 浦驾OpenDriveLab团队担任人 李弘扬，德赛西威智能驾驶传感器事业部担任人江伙红，智行者科技结合开创人、研发中心副总经理 张放，千挂科技结合开创人 叶璨，华兴资本集团华兴证券董事总经理、硬科技团队担任人 阮孝莉，五源资本合伙人 刘凯，极佳科技开创人&CEO 黄冠，升启科技开创人&CEO 孙琪，恺望数据开创人、CEO 于旭将列席主会场开幕式。

元戎启行技术合伙人兼副总裁 刘念邱，凯芯科技产品担任人 张迪，吉利朗歌科技CEO助理兼智驾中心担任人 李战斌，升启科技开创人&CEO 孙琪也将亮相下午的高阶智能驾驶专场。

而大模型专场则有智己汽车智能驾驶软件初级经理 殷玮，恺望数据开创人、CEO 于旭带来分享。

在智能驾驶算力专场上，安谋科技智能物联及汽车业务线担任人 赵永超，黑芝麻智能芯片和架构副总裁 何铁军，环宇智行结合开创人、CEO 曹晶也会列席。

接上去，将为您逐一引见各位演讲大咖以及主题内容。

1、清华大学计算机系长聘教授、博士生导师、清华大学人工智能研讨院视觉智能研讨中心主任 邓志东

▲清华大学计算机系长聘教授、博士生导师、清华大学人工智能研讨院视觉智能研讨中心主任 邓志东

邓志东，清华大学计算机系长聘教授，博士生导师，清华大学人工智能研讨院视觉智能研讨中心主任。 现为中国智能化学会会士，中国计算机学会出色会员，首届中国人工智能产业创新联盟专家委主任，第一届、第二届科创板咨询委员会委员（2019-如今），中国智能化学会智能智能化专业委员会主任（2013-2023）等。

邓志东曾任华为2012实验室越影项目战略顾问（2018年11月-2019年11月），国度863方案智能机器人主题专家组组长助理（1998-2001），深圳市拓邦电子（A股上市公司）独立董事（2005-2011）等。

他于1992年-1994年在清华大学计算机系从事人工神经网络与强化学习的博士后研讨。 1994年12月升职为清华大学副教授，2000年升职为教授。 1996年-1997年在香港理工大学协作研讨一年（对方聘用）。 2001年－2003年在美国华盛顿大学，作为客座教授协作研讨两年（对方聘用）。 先后掌管或介入国度级重点科研项目30余项。 在深度神经网络、递归神经网络、计算神经迷信、深度强化学习、环境感知、自主决策与规控等，取得多方面创新性通常与技术效果。

邓志东迄今已宣布学术论文300+篇（包括IEEE TNN，TNNLS，TITS；CVPR，ICCV，ECCV，AAAI，IJCAI等），其中WOS收录106篇，EI收录123篇。 参编教材或参考书5部。 目前的研讨方向包括：人工智能（深度神经网络、深度强化学习）、无人驾驶汽车、先进机器人等。

报告主题：《大型视觉言语模型助力智能驾驶产业落地》

内容概要：

本主题首先引见什么是智能驾驶大型视觉言语模型（VLM），着重剖析智能驾驶中的人类视觉言语思想与决策规划范式，以及采用BEV+VLM方案适配各种下游知觉义务的关键性。

其次，对上述智能驾驶具身智能的技术路途启动剖析，包括基于视觉-文本对齐大模型的一体化方案与多模态视觉大模型赋能的端到端单车智能方案。

最后，本主题将重点引见大型视觉言语模型如何助力从NOA到L3+与L4的智能驾驶产业落地，关键触及开放视觉词汇多义务零样本学习，交互式智能驾驶智能体如何成功人类驾驶技艺的对齐学习，以及自主驾驶认知才干的取得对产业落地的意义。

2、上海AI Lab 浦驾OpenDriveLab团队担任人 李弘扬

▲上海AI Lab 浦驾OpenDriveLab团队担任人 李弘扬

李弘扬，上海AI Lab 浦驾OpenDriveLab团队担任人，2022年获Waymo智能驾驶国际知名应战赛第一名；团队提出的任务（BEVFormer、UniAD等）在国际上取得抢先位置，为多家智能驾驶公司提供了实践量产落中央案。 提出的环顾3D检测任务获2022年全球最有影响力的AI论文Top 100、UniAD任务获CVPR 2023最佳论文奖。

报告主题：《端到端智能驾驶的前景与应战》

内容概要：

智能驾驶算法体系包括感知和决策两大部分，工业级软件算法架构包括感知、预测、规划、控制等级联模块。 既然一切智能驾驶疑问最终优化目的是方向盘和减速度，为何不跳过感知模块，不输入3D框，端到端地直接让网络学习这些控制信号？一方面，李弘扬团队留意到最近的CVPR/ICCV国际知名研讨机构都在规划这方面任务；另一方面，车企也在探求感知决策一体化的前瞻性研讨。

本次报告会首先回忆下CVPR 2023 端到端智能驾驶最新研讨进度；然后重点引见团队在这方面宣布在国际会议的任务以及在大模型方面的运行思索。

3、德赛西威智能驾驶传感器事业部担任人江伙红

▲德赛西威智能驾驶传感器事业部担任人江伙红

江伙红，德赛西威智能驾驶传感器事业部担任人，在德赛西威历经软件研发、产品筹划等多个岗位，一直努力于高阶辅佐驾驶的通常和创新，曾率领团队介入初代智能驾驶域控制器的开发，并推进德赛西威智能驾驶全体处置方案的继续迭代。 仰仗丰厚的行业阅历和扎实的产品技术，主导的产品在多家主流车企落地量产。

演讲主题：《场景驱动下的智能驾驶商业化通常与思索》

内容概要：

2023年，人工智能大模型、城市NOA等一批抢手话题加快兴起，相应衍生出包括性能优化、平台选择、协作形式在内的诸多疑问，江伙红将从德赛西威基于多年来在智能辅佐驾驶范围的投入和通常，将围绕规模化量产和技术途径两个维度，与行业分享智能驾驶技术加快变化迭代下的思索和企业答案。

4、智行者科技结合开创人、研发中心副总经理 张放

▲智行者科技结合开创人、研发中心副总经理 张放

张放，智行者科技结合开创人、研发中心副总经理，清华大学、加州大学伯克利分校博士，曾任职于日本日产先进技术研讨中心，从事智能驾驶算法的开发任务，自2012年末尾启动智能驾驶研讨，掌管多项智能驾驶项目的技术研发，拥有丰厚的研发阅历。

演讲主题：《数据驱动的全场景行泊越一体智能驾驶方案》

内容概要：

以后汽车智能化水平曾经成为消费者购置的重点关注度之一，前装标配的驾驶辅佐系统（L0~L2）在22年终次打破千万规模。 初级别驾驶辅佐系统的装配率估量在25年将到达20%，市场正迎来迸发期。 但目前用户体验良莠不齐，包括成熟度不如驾驶员、经常使用范围受限、接收次数偏多、性价比不初等方面，依然面临诸多应战。 为此，智能驾驶系统要求积极应对应战，追求极致性价比，不时扩展ODD，从高速扩展到城市、越野等场景，不时优化智能驾驶等级，如典型场景下的L3级别智能驾驶系统。

本次分享，将以智行者的通常为基础，片面引见行泊越全场景一体处置方案的中心技术，如数据驱动、基于BEV的多传感器时空融合感知技术等，并片面剖析诸多关键技术的运行给智驾系统带来的改动。

5、千挂科技结合开创人 叶璨

▲千挂科技结合开创人 叶璨

叶璨，千挂科技结合开创人，叶璨博士对 AI 前沿技术的运行探求具有丰厚阅历，他曾担任快手资深技术总监，担任快手主站介绍、快手 AI 技术，以及快手私域和社交业务，推进了强化学习在工业界的初次大规模落地运行。 叶璨博士还曾就职于网络金融/移动事业部，担任资深架构师。 他拥有美国卡内基梅隆大学（Carnegie Mellon University，CMU）电子与计算机工程系博士学位以及浙江大学信息与通讯工程系学士学位。

演讲主题：《商用车智能驾驶的落地通常与技术新趋向》

内容概要：

随着行业不时开展，面向商用车的智能驾驶系统，由于场景差异与运行需求，也逐渐分化出了自身特性，并在技术前沿探求方向上出现出新趋向。

本次分享以智能驾驶卡车为切入点，引见支线物流场景下智能驾驶技术的最新通常进度，结合当下的AI大模型技术，分享团队在BEV感知、前融合、视觉言语大模型、端到端智能驾驶技术等方向的进度。

6、华兴资本集团华兴证券董事总经理、硬科技团队担任人 阮孝莉

▲华兴资本集团华兴证券董事总经理、硬科技团队担任人 阮孝莉

阮孝莉女士是华兴资本集团华兴证券董事总经理，硬科技团队担任人。 阮女士曾任职于美国德州仪器（TI）和中德证券，拥有产业和投资银行的复合背景，在私募融资、分拆融资、上市公司严重资产重组、跨境并购等多种复杂买卖方面积聚了丰厚的项目阅历，曾作为关键角色介入环旭电子发行股份及支付现金跨境并购FAFG、韦尔股份152亿严重资产重组收买豪威科技及思比科、北京君正72亿严重资产重组收买ISSI等。

华兴资本集团是中国抢先的综合性金融服务机构，其私募融资财务顾问业务排名延续18年坚持市场首位。 以半导体、智能汽车和新动力为代表的硬科技范围是华兴规划重点之一。 智能驾驶拥有大市场+高生长+强需求三大要素，是华兴常年坚决看好并战略规划的赛道。 阮孝莉女士曾率领团队成功了车载毫米波雷达芯片公司加特兰多轮私募融资、智能驾驶处置方案研发商佑驾创新（MINIEYE）E轮私募融资、无人驾驶处置方案提供商驭势科技C轮私募融资等多个行业标杆性项目。 硬科技团队将继续深耕产业，坚持优化市场资源性能，为中国智能驾驶产业开展添砖加瓦。

7、元戎启行技术合伙人兼副总裁 刘念邱

<span style=backgrou