理想自研 2021：緊迫又久違的從 0 到 1

2022 年 3 月 30 日，理想汽車官方微博發布了全自研的智能駕駛系統理想 AD Max，其中，感知、決策、規劃和控制軟件都來自自研技術，AEB 自動緊急制動功能針對中國路況進行了優化。而即將發布的新車理想 L9 上將全系標配理想 AD Max。

當今的中國已經成為智能汽車行業的主戰場，L2 級輔助駕駛的乘用車在 2021 年達到了 22.2% 的滲透率，突破高階輔助駕駛的道路上，來自第一梯隊的企業正在逐漸用實踐證明量產車 + 全棧自研將是頭部競爭的主旋律，與此同時近年來中國的新生力量已經走到了世界前列。而今年，理想希望憑藉 L9 在其中更進一步。

不為人知的是，理想這套全自研的系統從 2021 年春節過後才正式開始啟動研發，到上線僅用時一年不到。

剛剛開始全棧自研的理想汽車為何能如此迅速？

這是繼「他們創造了理想 ONE」之後的理想創業故事續篇，一個講述輔助駕駛自研的故事。

本篇文章 10,500 字，需要閱讀時間 25 分鐘。

我們要自研

2021 年，有一個電話是郎咸朋一定不會忘記的。

那是 2 月 11 日大年初一，來電人是李想。身為理想汽車智能駕駛副總裁的郎咸朋雖然略有詫異，但還是馬上接起了電話。

電話剛接通，李想就問道：「郎博，咱們自研的事想好了沒有？」

郎咸朋馬上從過年的氛圍里切換出來：「我已經想好了，我們要完全自研。」

「這事你們有信心嗎？」李想接着問。

郎咸朋幾乎是不假思索地回覆：「當然有信心，沒問題。」

「行，有信心那咱就干。」李想說完這句話，通話結束。

幾分鐘後，理想汽車董事長李想在公司內部一個合伙人級別的微信群里宣布了這件事：今年我們的智能駕駛要完全自研，大家全力配合郎博來做這個事情。

就這樣，沒開一個會，理想汽車自研智能駕駛的決策定了下來，而這個決策的落地對象就是 2021 年要發布的新款理想 ONE。

其實從一月底開始，郎咸朋在團隊內部已經就自研的事情進行了相應的討論，一番盤點過後，大家認為按公司現有的資源狀態，這件事做起來是相當有難度的，首先人手太少，其次大家在經驗上也缺少積累。

2021 款理想 ONE 定下來要換輔助駕駛硬件架構的時間是 2020 年 10 月，當時大家的思路比較保守，想保留原有供應商架構的基礎輔助駕駛功能，同時再加上一套新的系統來做按導航輔助駕駛。這套輔助駕駛架構里有兩個控制器，兩套系統之間的連接通訊和切換相當複雜，當時公司內輔助駕駛研發團隊只有不到 100 人，具備代碼研發能力的只有不到一半。

於是團隊內部有一波人當時主張的做法是繼續找供應商，但要求算法代碼開放，即所謂的「白盒模式」，有需求的時候公司就派人去供應商那邊改動，這樣的狀態一直持續到 2021 年年初。

郎咸朋作為自動駕駛行業的過來人清楚地知道，如果採用供應商方案，各路流程的對接、溝通上一定會消耗大量的時間和精力，而以後更高階的輔助駕駛幾乎沒有供應商能做，這條路是一定走不遠的。

因此站在公司的戰略角度，自研輔助駕駛有很強的必要性，不管是對產品的能力還是整體效率的提升都有重要意義，是理想成為一家真正的智能汽車企業所要具備的核心能力。

就在各種權衡中，到了 2021 年 2 月 1 日，李想忍不住在公司的智能駕駛研發群敲了以下這段話：

我再次強調一個清晰的決定，包含視覺泊車、NOA、L4 在內的輔助駕駛和自動駕駛功能，我們必須自研，不允許使用任何外部供應商，我們自己要真沒本事做不出來，我寧願把這家企業關閉了，我不希望自己創辦一家既落後又沒有出息的智能電動車企業。

郎咸朋緊接着在群里表了態：

自研項目一定要做出自己的能力來，否則我第一個辭職。

十天後的大年初一，隨着李想在高管群里宣布 2021 款理想 ONE 的輔助駕駛確定全自研，郎咸朋和團隊正式走上了起跑線。此時離 2021 款理想 ONE 的上市發布還有不到四個月，決定完全自研後，原來 Mobileye 系統下的東西全部歸零，一切從第一行代碼開始寫。

新年第一天，郎咸朋就已經進入了自己親自定下的「辭職倒計時」。

與發布會賽跑

2021 年 2 月 26 日，理想汽車內部召開了誓師大會，會議中再次強調了輔助駕駛自研項目的重要性。輔助駕駛的自研包括基礎輔助駕駛、按導航輔助駕駛和 AEB 自動緊急制動系統三個項目，對於理想汽車來說，一切幾乎從零開始。

最難的不僅是項目本身的研發難度，還有緊迫的時間。2021 款理想 ONE 的發布日期是 5 月 25 日，在此之前包含 ACC、LCC、自動泊車等功能在內的基礎輔助駕駛環節要完成自研並上線。

由此倒推，功能路測的最晚時間為 4 月 15 日，在此之前軟件性能需要半個月的時間調試，所以在 3 月 30 日前所有基礎輔助駕駛功能必須上線。

3 月 30 日！大家推算出這個時間，倒吸一口涼氣。從 2 月 26 日到 3 月 30 日，只剩下一個月的時間了。一旦項目發生延期，21 款理想 ONE 就無法按期交付，郎咸朋給自己綁上的「定時炸彈」也會隨之爆炸。

在這樣的條件下倉促開始，可想而知的是開發並不順利，各種各樣的未知和意外在整個 3 月層出不窮，比如當時的四台測試車裡有一台車道保持狀態下往左偏，同樣的軟件版本下另外三台車完全正常，一開始所有環節的檢查都沒發現問題。為了解決這個奇怪的 bug，團隊花了兩周的時間。

到 3 月 29 日第一階段的功能才跌跌撞撞踩點做完，第二天理想整車研發負責人劉立國參與了驗證測試，隨後他給郎咸朋潑了一盆冷水：「郎博，我覺得就現在這個狀態，你們至少還要四個月才能搞定。」

團隊聽到這句話倍感壓力，但是郎咸朋卻表現出了特有的冷靜。他對於劉立國的「嚴苛」風格十分了解，既然劉立國並沒有說目前的狀態是做不到的，那麼接下來只需想方設法把四個月的工作量壓縮在 55 天內完成即可。

時間固然不夠用，但交付更不可延誤，所謂破釜沉舟莫過於此。在這剩下的 55 天裡，為了按期交付基礎輔助駕駛功能，團隊幾乎把效率發揮到了極致。終於，在發布會當天的 5 月 25 日上午十點，郎咸朋在公司高層群里發了一條消息：「經整車和質量部門確認，基礎輔助駕駛已經達到交付狀態，晚上發布會可以正常進行。」

至此，理想 2021 自研項目的階段一結束，郎咸朋身上的第一顆「定時炸彈」就此拆除，團隊內的壓力一下釋放了不少。在破釜沉舟的氛圍里，郎咸朋頂住壓力將自己對於自研三年多的等待化為了堅實的第一步，然而此時的郎咸朋並不認為現在到了慶祝的時候，他清楚地明白自己的緊張來自於何處。

不可或缺的必要條件

2021 年 1 月 28 日是郎咸朋記憶猶新的一天，那天小鵬正式推送 NGP 按導航輔助駕駛功能，當晚郎咸朋就借了一台車體驗。郎咸朋回家的路程中有幾處上下匝道的場景，晚上環境光照的干擾不小，但一路上 NGP 表現穩定，途中沒有出現一次人工接管。

友商產品的優異表現讓郎咸朋思緒萬千，與之形成鮮明對比的是 2020 款理想 ONE 因為系統限制無法實現 NOA 按導航輔助駕駛功能。

當晚郎咸朋一夜未眠。20多天前公司內部還在為 2020 年 32,624 台的銷量感到開心，當時大家認為 2021 年賣 5 萬台就很好了，定 6 萬台目標的時候都覺得非常極限。但在分析完市場形勢以後，大家發現如果銷量到不了 10 萬台，可能活下去都成問題。

如果 2021 年理想在 NOA 上依然是缺位狀態，那麼產品力缺失的情況下，銷量肯定也會受到影響。

NOA 體現的是企業對於輔助駕駛技術的核心研發能力，想成為真正的智能車企，贏得市場的認可，NOA 必須要做而且必須要做好，但當時業內已經沒有供應商能提供這種級別的輔助駕駛方案，所以 NOA 功能也是當時第一梯隊智能車企的「認證標籤」。

對於供應商做不了高階輔助駕駛，主機廠只能靠自己的情況，其實印證了郎咸朋在三年前的預判。

2017 年底，郎咸朋就碰到了李想，當時的郎咸朋是百度智能汽車事業部高精地圖與自動駕駛技術總監，機緣巧合之中郎咸朋和李想建立了聯繫，兩人在有關自動駕駛行業的話題上心有靈犀，交談甚歡。那時大家共識了一個觀點：想做好自動駕駛必須搭建起完整的閉環系統。

這套閉環系統里除了有智能汽車，還需要強大的算法訓練系統以及大量的道路數據。相比自動駕駛供應商，擁有用戶和量產車能力的主機廠在最為關鍵的數據環節有着先天優勢，更有希望在將來實現自動駕駛。

次年 1 月，郎咸朋加入理想汽車，但 2018 年的理想汽車正處於創業生死期，融資屢屢碰壁，資金極其有限，根本無法支持輔助駕駛自研項目的展開。郎咸朋明白，等公司資金好轉以後一定會自研輔助駕駛，一切只是時間問題。

窘境面前，郎咸朋和公司的自研項目就這樣進入了蟄伏期，直到 2021 大年初一接到李想的那個電話，這段長達三年的漫長等待才終於結束。

而在這三年間，理想汽車也開始着手搭建閉環系統所需的訓練和數據平台，並在國內首個應用影子測試，所以智能駕駛自研項目的啟動看似武斷，實際上是條件具備下的當機立斷。

2021 的自研項目里，基礎輔助駕駛只是熱身環節，隨着 21 款理想 ONE 交付，接下來 NOA 和 AEB 的自研才是真正的挑戰。

自研的目標

變形的性能指標

2013 年，輔助駕駛行業遠沒有今天這般火熱，由於偶然的契機王佳佳踏入了這個賽道，加入了知名的 Tier1 供應商博世中國。

隨後幾年時間裡王佳佳成為這個領域的精英，期間也開始注意到國內幾家頭部新勢力的發展，在業務交流的機會中他與李想等人建立了聯繫，在加入理想之前王佳佳已經是博世中國最年輕的總監。

2021 年 5 月王佳佳以智能駕駛研發高級總監的身份加入理想汽車，隨後郎咸朋就把餘下的輔助駕駛自研的任務交到了他手上，包括繼續優化的基礎輔助駕駛以及最重要的 NOA 和 AEB 的開發工作。

當時定完 9 月份 NOA 要交付，而已經上車的基礎輔助駕駛軟件還有很多 bug 需要解決，才剛加入公司的王佳佳看着眼前只有個位數的軟件規控團隊，感受到了前所未有的壓迫感。

但是他沒有時間後悔，他必須快速招攬兵力，快速練兵，還要和大家儘快拉齊目標。

王佳佳按照自己以前的成熟經驗進行研發規劃和管理。他通過時間節點來拆解項目，上游部門先做開發，下游部門等上一步完成了再去驗證。一切按部就班就行。

然而項目的第一個交付節點就沒能達成，隨後第二個，第三個也都丟了。此時的王佳佳漸漸感覺透不過氣，他看到曾經驕傲自信的自己幾乎走到了干不下去的邊緣。

從結果上看，問題似乎出在了效率上，但真正的問題藏得比這更深。

5 月車輛交付以後，基礎輔助駕駛性能優化的工作仍在繼續進行。針對自動泊車這一塊當時定的性能指標就是 OTA 以後泊入成功率不能比 5 月 25 日的版本低，OTA 計劃在 6 月推送。

推送之前，郎咸朋一如既往地刷了新版軟件來測試，回去以後發現地庫的車位泊不進去了，郎咸朋隨後就反饋了這個事情，但泊車團隊的同事回覆說這不太可能，一定是極低概率的問題。

郎咸朋跟團隊說：「之前我每天都能泊進去，剛剛更新完，我的車位就泊不進去了，一定不是小概率事件，你們自己來判斷這個事情應該怎麼做。」

讓郎咸朋沒想到的是，後來泊車團隊真的沒管這個問題就把軟件上線了。剛推送出去沒多久，整個用戶社區里馬上傳來了大量的抱怨，紛紛表示系統更新完以後自動泊車泊不進車位了。

已經提醒過的事情依舊出問題最讓人惱火，然而郎咸朋發現，泊車優化起初定的性能指標是車位的泊入成功率不能低於優化前的水平，如果單純從這版 OTA 的泊車數據表現來看，泊車團隊實際上達成了泊車性能指標。因為在總的泊入成功率裡面，新車位的成功率提升了，老車位的泊入成功率下降了，而加權平均之後的成功率確實做到了和原來持平。

看似沒什麼問題，但對於用戶來說，大家得到的實際體驗就是我的老車位原來能搞定現在更新完反而停不進了。

在郎咸朋看來，這是機械化執行 KPI 的結果。理想內部一直倡導並推行 OKR 工作理念，兩者最大的區別就是對於目標的理解。項目的目標是給用戶交付高質量、高性能產品，但是很多人卻只顧完成像泊入成功率這樣具體的指標。

這就是就為什麼大家明明看上去那麼那麼努力了，但卻還是在犯一些錯誤，目標和節點都是一起商量好的，但事情經常做着做着發現不對勁了。

研發工作的難點看上去好像在工程和技術層面，但實際開展起來問題卻落到了管理上。郎咸朋在復盤會試圖用 OKR 理念與團隊溝通，效果並不顯著。

NOA 項目的前幾個月，由於團隊進入大量新人，所以很多人還未真正應用公司提倡的 OKR 體系，這些有着世界名校名企華麗背景的人才起初更願意用自己熟悉的經驗和方法在項目上推進和執行，發現這個現象的時候郎咸朋並沒有急於制止，多年來的管理經驗告訴他，人在沒碰壁之前是很難意識到問題的。

隨後經歷了幾次節點上的延期，時間已經來到 9 月，這幾個月之間團隊以每周新增十幾個人的速度在快速擴張。最初計劃 9 月 30 日交付的 NOA 已經延期到了 10 月 30 日，但當時持續的高壓和接二連三的負面反饋讓整體的氣氛又進入到了非常壓抑和沮喪的狀態。

郎咸朋此時終於出手了。在問題充分暴露的關鍵階段，2021 年的中秋節，9 月 21 日，自研團隊終於坐到了一起。輸出方法論之前郎咸朋先狠狠地批評了一番團隊，你們個個不是都很牛逼嗎，怎麼 OTA 出問題了？怎麼團隊協調不到一起去了？怎麼 9 月 30 日交不了了？

氣氛到位以後大家接着開始認真討論目標到底是什麼。郎咸朋用理想的 LSA 框架把事情梳理了一遍，花了三天時間和大家共同討論出了目標，要高質量、高性能並且按時交付，剩下的就是圍繞這個目標制定 KR（Key Result 關鍵結果）。三個關鍵結果排在第一的是安全，第二是產品力，第三是交付節點，並確認了每個關鍵結果的負責人。

王佳佳正是在這次會議中充分吸收了公司的戰略目標管理體系，他把團隊的 OKR 總結為一道哲學題加一道數學題，目標 O 是哲學題，統一大家的方向感和價值觀，關鍵結果 KR 是數學題，大家一起來拆解一套評價體系里的數值和權重。

只有當每個環節上的人都有自主且統一的目標和行動時，團隊才得以擺脫工業時代以時間為軸的線性系統，不再因為節點耽誤而全盤等待，大家可以有節奏地進行網狀協作，當一個環節出現問題時，另外一個環節可以及時調度並提前安排。王佳佳領悟到研發管理真正要控制的是節奏，而不是時間。

會後，質量團隊、研發團隊、路測團隊、項目管理團隊在項目的 OKR 之下做了自己團隊的 OKR ，統一目標並拆解了具體的數值，往後的事情就順利了很多。真正意義上的戰略共創才能建立起共識，而有共識才會有執行上的高效率。

儘管王佳佳一直遊走崩潰邊緣，但他對軟件產品力的追求並沒有因此懈怠，按期交付之外項目的另外兩個指標高性能、高質量依然是他開發的準則。他對自研項目第一階段交付的軟件版本下的算法和框架拓展性並不滿意，NOA 項目開始後 5 月到 7 月的時間裡團隊斷斷續續為之前的軟件打了不少補丁。

隨着項目繼續進行，王佳佳越來越覺得原有的軟件架構給後續開發帶來限制，在這套架構上做出來的 NOA 很難做到高水準，一直這麼進行下去是不行的。於是在 7 月份王佳佳有了重構軟件代碼的計劃，當時距離既定的交付時間只剩兩個月，而光是重構代碼就需要花費一個月，時間極其緊張，一旦出了岔子，項目將會受到很大的影響。

在巨大的壓力之下，王佳佳還是堅持做出了重構軟件的決定，與此同時他也做好了搞砸就捲鋪蓋走人的心理準備。8 月底，新版軟件重構基本完成，然而此時的王佳佳卻感受到了更大的壓力。因為老版本軟件的很多東西在當時重構版的軟件上還處於缺失狀態，如果說原來是修修補補還能用，那麼現在直接變成了毛坯，於是大家的感受是初期的重構軟件整體表現甚至還不如老版軟件，大家多忙活了一個月，情況反而更糟了。

王佳佳的決策因此遭到了不少質疑，他相信重構的軟件會在後續的功能開發里逐漸展現出價值，但在此之前他只能在質疑聲中帶領團隊中加快開發，讓重構版軟件儘快達到超越老版軟件的拐點。在王佳佳的回憶里，這是整個自研項目里最艱難的一段時光。

9 月初的時候，NOA 表現里還有很多的小問題，測試時車還總是晃來晃去，但隨着新版軟件的繼續開發，這些問題隨後就得到了解決，與此同時大家也發現新版軟件架構下的 BUG 比以往少了很多，功能更豐富，拓展性也更好了，NOA 後續的開發也因此變得更高效。隨着重構版軟件的優點在後續開發中逐漸顯現，王佳佳當初堅持重構軟件的用意也開始被大家所理解。

10 月底 NOA 已經是可推送狀態，但團隊當時把安全目標提到了更高的水準，為此理想在全國範圍內進行了一整個月的全覆蓋路測，最後跑了 300 多萬公里，把全國範圍的每個高速每個都跑了七八遍，對於測試中所有存在問題的路段都進行了相應調整。

NOA 項目最終在 12 月交付，與 NOA 同期交付的，還有理想此次自研的主動安全系統。

不起眼的全天候 ADAS

小功能，大任務

AEB 全稱為 Autonomous Emergency Braking，即自動緊急制動系統，其作用是在危險情況下讓車輛自動制動，從而避免或減輕車輛可能發生的碰撞。AEB 在汽車行業的應用已經有一段歷史，2014 年歐洲 E-NCAP 開始將 AEB 作為主動安全功能納入車輛的整體安全考核，隨後幾年美國與中國的碰撞測試也陸續跟進，目前已經有較為廣泛的應用。

相比 NOA 這樣的前沿功能，AEB 並不新鮮，在用戶日常使用里存在感也很低，此前整個汽車行業里基本都是採用供應商方案，很少有廠商自研。但 AEB 只是看上去不起眼，在所有的 ADAS 功能里它是唯一一個全天候、全場景下都在工作的功能，想把 AEB 這樣一個場景覆蓋率極高的功能真正做好其實是一件門檻很高的事情。而且AEB供應商都來自歐美，其研發很少針對中國道路交通特有的行人橫穿、外賣小哥電瓶車、橫向車輛等場景開展優化，這也讓中國車企自研AEB的需求顯得更為迫切。

自研項目啟動前，2020 款理想 ONE 上採用了供應商的 AEB 方案，但這套方案表現一般，為了提升系統的安全性，理想與供應商提出過很多改進需求。但站在供應商的立場，他們的目標是按期交付項目，改動系統需要時間，項目一旦延期會引發很多爭端，這是供應商不想看到的。很多合理的需求因此遭到供應商拒絕，整個過程中理想十分被動。

為了提升 AEB 性能同時加快系統迭代效率，理想決定在 2021 款理想 ONE 上開始自研 AEB。

AEB 項目的正式啟動差不多也是在 4 月份，當時這邊的情況和基礎輔助駕駛自研項目啟動時非常類似——一無所有，算法、代碼、工具鏈、開發環境，一切從零開始。

行業初期階段一個 AEB 項目的周期大概有兩到三年，隨着主機廠對於功能的知識貯備增加以及推動力提高，項目周期就到了一年多，而公司這次留給大家的項目時間竟然只有半年不到。

在整個 AEB 研發里，前期的功能上線屬於工作量大但難度相對不大的事情，相比之下真正難做好的一件事情，是做好 AEB 的觸發準確性，說得通俗一點，就是讓 AEB 實現「只在真正需要的時候才觸發」。要做好這件事情，需要解決的問題就包括「有危險不觸發」和「無危險誤觸發」，而這個過程中的優化關鍵就是郎咸朋之前提到的閉環數據系統。

業內誤觸發率做得最低的供應商是 Mobileye，這是公認的世界第一，在制定 OKR 的時候，當時團隊在誤觸發率上的要求就是看齊 Mobileye，其中的 KR 之一是把平均誤觸發率降低到 1 次/10 萬公里。

到 7 月底，場地測試下的正向調參部分工作完成，8 月份 AEB 團隊開始規劃降低誤觸發率的種種工作和節點，與此同時，路測團隊開始準備數據場景的收集和測試，後台也開始上線數據標籤。

理想的質量部門也會反饋不少用戶使用AEB的時候遇到的問題。對於 AEB 團隊，這些用戶反饋上來的工單都是經過人工篩選後的寶貴數據場景，是優化系統感知準確率的關鍵所在。

系統層面，理想的「影子測試」也幫了大忙，影子測試下測試版的軟件在車輛後台運行，車輛的真實行駛數據會給到測試版軟件，但測試軟件的運算結果並不會被車輛執行，而是回傳給研發總部。

所以在完全不影響用戶體驗和安全的情況下，AEB 測試軟件就憑藉數據閉環完成了無感知的實車路測並得到了結果。

這些系統層面的高效閉環設定，與從前的工作對比效率提高了很多。在徐志濤印象中，以前傳統汽車AEB誤觸發了，客戶就會投訴，然後研發人員跑到 4S 店，到用戶車上去讀數據，可能需要花費三天獲得一組案例，效率無法相提並論。

從 8 月到 10 月，後台回傳的 AEB 誤觸發率已經降低到了 1 次/1 萬公里，而接下來通往 1 次/10 萬公里的道路上卻幾乎都是各種稀奇古怪的 Corner Case，這些問題的難度和之前相比已經完全不在同一個維度。

徐志濤表示，從萬分之一到十萬分之一的過程是痛苦的，因為之前的模式到這個階段以後已經行不通了。不少案例涉及到的問題都是極度有挑戰性的。

「例如弱勢道路群體的屬性判斷，單個的考試場景很容易，但投放到市場後，會遇到很多有挑戰的場景，例如早、晚高峰，有很多騎着電瓶車的市民在車輛周邊穿過的時候，走到城市小巷，或小區內部道路，兩邊停滿了車，當行人突然從車輛之間走出的時候，這類場景困擾了我們很長時間。」

徐志濤進一步細說其中的難點所在：「這類場景對於目標的屬性計算要求一定要準確。比如說上下班的時候，自車周邊信息複雜且目標很多如果感知算法和邏輯不專門優化這種場景，很容易出現兩個不同的目標屬性會發生遷移，導致輸出的目標的物理屬性不准，甚至錯誤。像在小巷子裡邊，行人本來準備橫穿，看到車過來了，行人只要腿稍微一動，就可以從橫穿變成靜止，或者說變成縱向移動，此時行人明明不再橫穿了，但是因為感知算法未優化，導致行人的屬性仍然保持橫穿的狀態，最終導致功能誤工作。這對於終端駕駛員來說就是一次誤制動，是很嚇人的。」

行人的運動狀態變化很快，就意味着算法一定要有很強的收斂性。

這個過程中大家也意識到要解決這些問題，在 5 月之前理想 AEB 的感知還用的是供應商的技術，而現在自建感知團隊之後，需要有更深度的團隊融合。於是公司就在北京找了一個大的會議室，讓本來在上海辦公的規控團隊在 9 月下旬搬到北京，和感知團隊直接坐一起面對面辦公。

探索性的工作往往沒有捷徑，要解決問題都是靠聰明人加笨辦法。前期兩個團隊大家坐在一起討論的時候很頭疼，因為不知道怎麼做，大家就在那邊試邊想着解決方案。在 AEB 項目的瓶頸期，隨着感知團隊和規控團隊的持續探索攻堅，大家逐漸摸索出了解決問題的方法，而感知和規控團隊之間的相互反饋優化起到了關鍵作用。

例如，感知團隊對於算法收斂的問題有方法，但不知道做到什麼程度，也不知道要不要做，這個時候下游會從自己的專業角度給出優化的方向和指標，告訴感知團隊在多少毫秒內就應該做出反應，把屬性變成正確的。

同樣的，當遇到某個問題從感知端修改需要花費大量的時間和精力的時候，下游也會和感知討論是否可以從下游加上邏輯進行優化。

如此一來，感知與規控團隊又形成了一套閉環反饋的協作模式，後來大家就是這樣一個問題點，一條條數據梳理攻克下了一個又一個的 Corner Case。

工作的目的與價值

其實，在自研項目進行的過程中大家也會去思考，AEB 工程師的目標到底是什麼？

在供應商工作的時候，這個目標很簡單，就是給主機廠交付一個大家定下來的產品，產品力主要考驗的是性價比。

而在理想工作，包含 AEB 在內的整個智能駕駛團隊的目標之一是為用戶交付高質量、高性能的產品，產品力考驗的是產品價值、研發效率和供給關係，更看重的是一些非常細緻的運營指標。

在早期的一次 OKR 例會中，當時徐志濤給行人橫穿場景定了一個比較容易實現的性能指標，郎咸朋看到以後當場提問，志濤，車裡的乘客和駕駛員要保護，車外的行人要不要保護？當時徐志濤直覺上覺得在時間和資源有限的情況下，應該把主要的優化項體現在車內乘客相關的部分，保護車內用戶才是核心目標。

郎博就說你這個回答我不滿意，你再想想。然後對旁邊會議主持人說，給志濤記個 OPL（Open Problem List），明天我還要問他，他這個目標定得到底有沒有什麼問題。

這件事情讓徐志濤覺得比較難堪，尤其是會議結束後還有人來跟進這個事情，問他郎博留的問題想好了沒。

其實沒過多久他也想明白了，車外行人一樣是生命，同樣需要保護。但他擔心的是自己定下的橫穿性能指標一旦要往上提，還會牽涉到上下游部門的任務制定，給大家增加額外的工作量，那時每個團隊已經有很多事情要做了，這一出打亂了別人的原定計劃肯定會不開心。

第二天，徐志濤被再次提問的時候，提出把行人橫穿場景的 AEB 覆蓋速度從 40 km/h 提到了 50 km/h，這次郎博沒有再繼續「為難」徐志濤。

但對於這樣的事情一開始小團隊裡還是有抱怨的，雖然場景的速度只提升了 10 km/h，但難度的增加卻遠遠不止 1/4，後來為達成這一性能指標，團隊在開發和測試上多用了一個月的時間。

自研項目中還有另一件事情讓大家十分觸動，公司後台系統有一套案例場景素材庫，這個素材庫本來的想法是收集失效場景，讓大家更好的針對場景來優化迭代軟件。

這套素材庫同樣給了AEB 的工程師們一個從來沒有過的視角來重新審視自己的產品。案例素材庫里有一些重大事故的片段，當這些 AEB 工程師們第一次看到真實世界中發生的碰撞，尤其是撞人事故時，內心其實很不好受。

這些事故都有一個共同點，就是駕駛員要麼沒有發現，要麼來不及反應，但如果藉助 AEB 系統，或許能有所挽回。看完這些事故以後，大家的心情久久難以平復，因為當時有一些場景的研發已經在進行中了，他們心中做出這樣的假設：如果大家效率能再高一點，再快一點把軟件上線，說不定這起事故就可以避免。

從那時起，他們開始感覺到自己像是一個醫生，拯救的是尚未發生的事故。到後來 AEB 上線交付以後，大家去看後台統計的 AEB 觸發數據，也會有很不一樣的滿足感：屏幕上的每一個數字都是一次被成功規避的潛在事故。而那隻由代碼編寫而成、把用戶從死神面前拽回來的無形之手，正是由 AEB 團隊的努力和心血創造而成。

這群人更深刻地意識到了自己所做工作的意義和價值，並把這種理解和認知轉化為了工作的驅動力，大家確實把 AEB 開發當做一份崇高的事業在奮鬥。

王佳佳想得更加樸素，他認為 AEB 是這個行業里最能體現基本功的項目。每 300 萬公里的里程能避免 15 次碰撞，但是這樣救人性命的東西需要大量靠人在實驗室里堆砌起來的數據樣本。除了基礎的軟件、算法技能以外，在實驗場中一次又一次的實驗才是真正考驗人韌性的地方。

然而項目作出成果以後的滿足感還是最讓人興奮的，AEB 項目在懂車帝登頂之後，理想成為了友商的研究對象，王佳佳略帶自豪地表示，友商的 AEB 團隊現在已經在問詢他們了。

其實在小鵬 NGP 剛推出的時候，曾為小鵬供應商的王佳佳也深深為之震撼，當時小鵬的全棧自研項目已經建立起了數百人的團隊，各個自研環節的技術已經取得了建設性的進展。

在起初的 OKR 共創會議上，提起跟小鵬去比拼大家都沒什麼信心，畢竟當小鵬的自研經過多年的積累開始大步向前的時候，理想這邊才剛剛起步。

到項目最終交付以後，氣氛變得不一樣了。在所有人的不懈努力下，大家將原以為不可能的事情親手實現了，而年初不到 100 人的團隊此時已經達到了 300 多人。這個過程里來自不同工作背景的團隊起先在配合上是重大難題，在實現目標的過程中很多人真正感受到了組織的力量，也理解了數據閉環系統在智能駕駛發展中的重要性。

那些出自大公司，一貫保守行事的工程師們在這之後再去談爭第一的事情也開始有信心了。

寫在最後

隨着 NOA 和 AEB 的正式上線，郎咸朋親手裝的「離職定時炸彈」終於又被他自己親手拆除，理想智能駕駛的大團隊也終於完成了從 0 到 1 的過程。

郎咸朋說，這就是戰略，戰略不講能不能，只講必要性。當公司需要你站出來的時候，你不論如何都要把它做成，戰略確定後，接下來拼的就是執行。

為了實現必要性的戰略目標，自研大項目從 0 到 1 的這一年也經歷了很多挑戰，壓力從年頭一直持續到了年尾。不過戰場之下，傷痕遍野。團隊裡有人成長，也有人無法忍受失控的生活和情緒，選擇了離開，其中不乏郎咸朋非常器重的幾位核心員工。

項目中執行強硬到近乎殘忍的郎咸朋，此時流露出他富有同理心的一面：「承受與年齡不相符的責任，對大多數人是災難，但他們還是承受了自己不應該承受的那些東西。我們現在看到的優秀案例，只不過是倖存者偏差，我們現在看這個人很牛逼，年紀輕輕的就特別棒，那只是倖存者。」

理想 2021 自研項目尾聲階段，郎咸朋對團隊說，項目初期離開的很多人對公司沒有信心，覺得公司只是在吹牛逼，喊口號，理想做不成這個事情，但好在多數人還是選擇留下，項目最後也做成了。參與過去年這一年交付的人，經歷的是一次非常重要的戰鬥，這團隊裡一定有人會在將來的 10 到 20 年成為全世界自動駕駛領域最頂尖的人才。

隨着交付的新車增加，理想ONE輔助駕駛目前超過了 2.4 億公里。其中，2021 款貢獻了超過 6,000 萬公里。NOA 超過了 1,500 萬公里，平均每個月約為 400 萬公里，隨着銷量增加，預計今年 NOA 總里程突破 1 億公里。而其他友商的公開數據為一年 2,000 萬公里。

這一年，幫助理想自研成功的關鍵因素里有高層的果斷決策，有內外壓力帶來的雙向推動，有閉環數據迭代系統的提前布局，也有目標驅動下的網狀組織管理以及為達成目標全力以赴的團隊。眾多因素融合在一起讓理想在一年時間裡挑戰自身極限，實現了 NOA 功能的及時補位，並且也成為業內唯一實現 AEB 自研的企業。

2022 年中國電動汽車百人會期間，李想在一場閉門會議中提議讓把 AEB 作為車輛標配，這一提議得到了全國政協經濟委員會副主任苗圩的支持。

隨着 4 月份 L9 上市 ，堅持標配輔助的理想汽車將讓更多的消費者用上更安全的智能駕駛產品，並進一步擴充全棧自研閉環體系的規模。

在新勢力的第一梯隊裡，理想在產品定義和車型銷量數據上都有着明顯的優勢，但是由於先天資源的不足，理想在智能上的發力其實處於追趕者的位置。而正是優秀的國產汽車品牌在用盡全力你追我趕的狀態里，將國產汽車在智能駕駛里的自主研發水平往上拉了很高一步。彼此競爭又合作的品牌，有着亦敵亦友的關係。在公司級別，大家互相之間是競爭對手，但是在國產汽車這個賽道里，和全球最優秀的汽車品牌 PK，大家又在不斷地相互學習和進步。

對於中國的自動駕駛歷史來說，新勢力異軍突起的這幾年只是開端，從 1 到 10 再到 100 的過程仍然充滿變數，但同時也蘊含着改寫中國汽車在全球地位的巨大機遇。