作为中国新能源汽车制造商和造车新势力头部企业之一，理想汽车深耕智能驾驶领域。通过利用 NVIDIA 从云端到车端的全方位加速解决方案，理想汽车在采用系统 1 和系统 2 思维的融合策略下，加速模仿人类驾驶决策过程，提升了智能驾驶对复杂交通环境的适应性。同时，NVIDIA 利用云端训练和推理，助力理想汽车的 AI 助手“理想同学“在智能座舱中提供三维空间交互体验，打造了更加自然和个性化的车内空间。
未来交通运输业需要智能化的解决方案
智能驾驶技术正与人类的认知和决策过程相结合，开创未来交通运输业的新时代。通过端到端模型和大语言模型等先进技术的应用，智能驾驶系统能够更加精准地理解周围环境，做出快速而安全的决策。这些技术不仅提高了交通的智能化水平，还增强了车辆对复杂路况的适应能力，从而为用户带来更高效、安全的出行体验。
在探索智能驾驶技术的过程中，理想汽车对于结合直觉式快速反应（系统 1）与深度思考（系统 2）具有独特见解。为了应对未知和极端驾驶场景，理想引入了知识驱动的新范式，利用多模态视觉语言模型，开发了一套融合了基础世界知识和逻辑思维的认知模型（VLM）和一个能够自动进行新模型车端验证的开发系统，增强了智能驾驶的认知和决策能力，并加速了系统的迭代和优化。以此赋予智能驾驶系统更深层次的世界认知和常识推理能力。
在 NVIDIA 的帮助下，理想汽车能够在系统之上优化数据的使用及生成，提升智能驾驶技术的开发效率和性能表现。如对理想 L9 车型的数据进行重建和动态编辑，有效利用历史数据，提高了数据处理的效率和模型训练的泛化能力。
NVIDIA 的 TRT-LLM 框架为大模型提供了高效的推理能力，能支持在 DRIVE Orin 平台上运行复杂的神经网络模型。NVIDIA DRIVE Replicator 能够合成稀有场景数据，帮助智能驾驶系统更好地处理边缘情况。同时，NVIDIA NeMo 框架支持智能汽车的视觉语言模型应用，其提供了从数据处理到模型训练、模型验证的解决方案。在模型部署和优化方面，NVIDIA DRIVE 平台上可使用 NVIDIA DLA（Deep Learning Accelerator）和 GPU 进行高效推理，并通过结构化稀疏性等技术进一步提升模型的推理性能。
NVIDIA端到端解决方案助力理想汽车构建空间交互体验
在智能座舱领域，多模态感知技术和大语言模型的结合正在改变人车交互的方式。理想汽车由其多模态认知大模型 Mind GPT 构建的 AI 助手“理想同学”融合了语音、视觉和触控等多种感知信息，能够在强大的端和云算力支持下，充分理解语言和用户需求，并提供有价值的回复。
这一过程中，NVIDIA GPU 强大的计算能力支撑了大模型的训练和推理，使得“理想同学”能够快速、准确地处理和响应用户指令。另外，NVIDIA 在理想汽车大模型的工程实现方面也提供了强有力的支持。借助 NVIDIA GPU，理想的 LiPTM 训练平台和 LisaRT-LLM 推理引擎可以实现更快的训练和推理速度，推动大模型的高效迭代和应用。同时，LisaRT 里的加速算子接入使用了 NVIDIA TensorRT-LLM 的高性能算子，以帮助提升性能和降低成本，使得理想汽车能够在智能座舱领域取得显著的进展。
NVIDIA 从云端到边缘端加速汽车行业伙伴
NVIDIA 从云端到车端的加速解决方案，旨在提升智能汽车在智能驾驶和座舱技术的开发效率和性能表现。NVIDIA AI Enterprise 是一个端到端云原生软件平台，包括 DALI、CV-CUDA、TensorRT-LLM 和 Triton 等 SDK，提供企业级的软件和支持，帮助利用生成式 AI 进行创新的汽车行业合作伙伴加速开发。
NVIDIA 正在通过一系列解决方案，助力理想汽车并加速汽车行业客户和合作伙伴提高研发效率，缩短产品的迭代周期和上市时间，推动行业的技术进步与智能化提升。