理想在这个月的销量很有可能突破3万台，势头依然很猛，接连发布新产品的蔚来和小鹏，在销量表现方面也有起色，头部新势力蔚小理在下半年很有可能再次回到同一水平线上。产品和销量只是一方面，从新势力们公布的数据来看，它们都在研发方面有着巨额投入，而高阶辅助驾驶功能的落地，正是大家都在努力的方向。
小鹏的NGP功能已经正式落地在北京的城区快速路中；华为的NCA功能也将迅速落地更多城市场景；蔚来的NOP+也将在下半年进入城市道路；理想的AD Max最近已经开始了在城区道路的测试，通勤NOA功能很快就会正式上线；另外还有特斯拉的FSD，FSD真正落地国内已经就是时间问题了，测试车已经上路了，海外FSD的表现大家有目共睹，特斯拉这条鲇鱼可能还会用FSD技术再次搅动中国市场。
而大家也都注意到了，国内蔚小理以及华为的辅助驾驶技术，都在不同程度上受到了特斯拉FSD的影响，特别是如今在进入城市辅助驾驶技术的竞争后，几乎各家都在向特斯拉FSD的技术路线上靠拢，而其中谁的技术最像特斯拉FSD，大家心中有答案吗？
从目前各家公布的技术路线来看，理想目前开发的AD Max 3.0系统可能是最像特斯拉FSD的，此前还发生过一个小插曲，就是李想本人晒出城市NOA的车机界面，有人把图片发到了推特上，成功引来了马斯克，马斯克说“这看起来很熟悉”，用过特斯拉Autopilot的用户估计看这个界面也会很熟悉。
如今的理想AD Max已经发展到了3.0阶段，在可以实现高速NOA功能的同时，还将开通城区的辅助驾驶NOA功能，整体已经切换到了BEV架构，城区的NOA功能将不再需要依靠高精地图，同时还加入了占用网络技术。
提到这些技术名词其实大家已经想到了特斯拉的FSD，FSD在2021年加入了BEV技术，能够让平面的视觉感知有了鸟瞰图的效果，而2022年加入的占用网络技术则是进一步巩固了2D变3D的效果，另外特斯拉一直以来就不依赖高精地图。当然说到这里，其实还不能说理想的AD Max最像特斯拉，因为蔚来、小鹏和华为它们多多少少也都在使用这些技术。
而理想还引入了NeuralPriorNet（NPN神经先验网络），这类空间网络技术通过云端实时建立的大模型，对复杂的路口特征进行实时的提取，功能生效的时候，系统会不断地建模，与车端感知大模型的 BEV 特征层相融合，最终得到完美的感知结果，由于后台的AI人工智能大模型随时在线，能让整套系统变得更为高效。
特斯拉从2018年开始，使用主干网络backbone为特征提取网络，主要用于识别图像中的众多目标，另外neck还会进行精细化的提取，而后还会有专用的系统进行图像分割。在2019年，特斯拉构建了全新的多任务学习神经网络架构HydraNet，也就是九头蛇网络，并使用了BiFPN作为特征提取网络。
理想目前的AD Max 3.0已经开始介入AI大模型，可以进行深度的自学习，以及对于图像目标进行自动标注，这些内容我们在特斯拉训练FSD的过程中一样可以见到，特斯拉目前正准备量产超级计算机Dojo，特斯拉的这个可能是汽车行业内最大的AI大模型正在被制造的过程中。
通过已有的神经网络进行深度并且快速的自学习，很多海外用户在测试FSD的过程中发现，FSD在一些如何绕行抉择的场景中会突然罢工，需要人为接管，而只要人类接管一次之后，如果在重复当前的场景，特斯拉就已经学会了如何应对了，一教就会的感觉确实很让人省心。而理想最新的AD Max 3.0也有类似的表现，理想还运用了TIN技术，它可以学习路口行人和车辆的行为，进而做出自己的判断，同时在学习其他车辆的行为之后，它也能够去快速模仿，只是目前还不能保证车辆会不会“学坏”，因为特斯拉的不排队加塞并线已经学坏了。
实际表现来看，理想到底有没有学到精髓呢？从技术架构，到感知、决策、规划，理想的AD Max整体都会很类似特斯拉FSD，那么理想目前的AD Max 3.0在城市NOA过程中的表现到底怎么样呢？
从目前的一些实测视频来看，虽然还没有正式推送，但是功能的成熟度已经做得不错了，可以看到这套系统已经可以轻松地应对绝大部分的工况，特别是一些难度比较大的带有桩桶的施工路段，开启NOA后的理想L9可以自动沿着桩桶的导向去行驶。另外对于路面上突然出现的障碍物，它都可以进行识别和躲避，特别是已经可以完成自主的跨线跨车道的绕行，而且基本不需要驾驶者去踩脚油门“给点信心”。
在工程界面上，我们可以看到车辆实时生成的路面实况，对于一些有交汇可能，或者对于驾驶有风险物体的移动轨迹会做出预测和标记，另外也能看到车辆实时生成的占用网络图像，对于有激光雷达的理想L9车型，制作2D变3D的占用网络图像是有一定优势的。
当然我们也会看到一些这套系统目前还做得不足的地方，比如在出现双车或者多车“博弈”的场景中。当有车辆跨线行驶，并且还有其他车辆干扰的时候，理想这套系统目前还不能设计出完美的应对方案，需要人为来进行控制，系统会表现得有一些保守。
另外就是系统还有可能会被自己给“吓到”，因为它能够预测一些物体的轨迹，在预测到一些它认为可能发生危险的场景时，比如当前车道能够左转也能直行，有车辆卡在前方的待转区域要左转，理想的右后方向又不断有车驶过，此时系统还没法找到以一个时机去实现直行，那么车辆会原地等待，或者会把控制权交还给驾驶者。
当然还会有一些“边角案例”，比如当理想L9已经在红灯路口停下，而后车却从理想L9后部超越还闯了红灯，理想此时可能是受到了后车的影响，在红灯路口也要加速通过路口，这应该就是TIN网络学习并且模仿了后车的行为，这也就是我们上面提到车辆会有“学坏”的可能。
总结今年下半年的城市NOA大战一定会非常激烈，新势力和供应商们已经憋了这么多年，就在等这么一个时机，理想的城市NOA功能从目前来看已经符合一个中等偏上的水平，接下俩就要看这些细节问题了。
特斯拉的FSD很快就将摆脱Beta，端到端技术会很快让FSD真正进入L3级或者以上的自动驾驶，而与FSD技术路线很像的理想AD Max，在接下来也会面对更多对手的挑战，究竟理想有没有学到精髓，就要等城市NOA完全落地以后再来看了。
【本文来自易车号作者路咖汽车，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】