理想超充网络建设进展 - 超充建成总数从2436座增至2441座后回落至2440座，净增4座 [1] - 基于i8车型发布日（假设7月31日）的2500+座目标，当前完成进度从91.72%提升至92.24%，剩余49天需日均建设1.22座 [1] - 2025年底4000+座目标当前完成31.37%，剩余202天需日均建设7.72座以达成目标 [1] 新增超充站详情 - 北京市门头沟区西长安壹号南区：城市4C站，配备8个4C充电桩 [1] - 广东省深圳市嶂背郊野公园：城市2C站，配备8个2C充电桩 [1] - 海南省海口湖城大境：城市4C站，配备6个4C充电桩 [1] - 内蒙古G65包茂高速阿镇收费站：高速出入口4C站，配备6个4C充电桩 [1] - 成都市郫都百草路：城市5C站（原文标注规格为4C×6，存在数据矛盾） [1] 超充站变动情况 - 上海市浦东新区滨江天地站减少，原因未明确（可能为暂时离网或永久关闭） [1]

增程电动技术理念 - 公司采用大电池增程电动方案，将电池用于体验和性能需求，燃油用于续航需求，融合电池和燃油优点[1] - 技术架构整合功率、能耗、NVH、预测四个层面，算法复杂度远超传统增程式[1] - 研发历时四年，突破传统增程式仅用燃油"续命"的局限[1] 技术类比与创新 - 增程系统设计灵感源于苹果Fusion Drive技术，类比SSD与HDD的优势融合[1] - 区别于Fisker/宝马的小电池方案（类似小容量SSD缓存），采用大电池作为主工作区，增程作为后备[5] - 混合动力系统通过电池作为"能源蓄水池"，使发动机持续保持最高效率区间[5] 行业技术对比 - 丰田THS结构简单但高速工况电机效率受限，本田i-MMD取消机械变速箱更先进[6][7] - 理想在i-MMD基础上取消高速直驱，扩大电池容量，优化系统架构[7] - 传统混动方案存在过度复杂化问题，违背奥卡姆剃刀原则[7] 用户技术讨论 - 用户反馈增程模式切换无感，类比计算机多级缓存机制[2] - 技术派用户指出存储系统与动力系统的设计哲学差异（缓存冗余vs资源整合）[3][4] - 行业爱好者分析发动机效率瓶颈，验证电池缓冲对热效率提升的关键作用[5]

来源： 北北自律机 25年06月11日星期三 理想超充 4 新增。 超充建成数：2428→2432座 基于i8发布日期 2500+座目标 新增数进度值：90.69%→91.20% i8发布剩余50天（按7月31假设） i8发布剩余时间进度值：76.30% 需每日 1.36 座，达到 i8发布 目标值 基于2025年底4000+座目标 今年新增数进度值：30.84%→31.02% 今年剩余203天 今年时间进度值：44.38% 需每日 7.72 座，达到年底目标值 【附】4 座新增建成 广东省 佛山市 佛山佛罗伦萨小镇 为城市4C站，规格：4C × 6 广东省 惠州 惠州惠阳丽景国际花园酒店旁停车场 为城市4C站，规格：4C × 6 广东省 珠海市 珠海金冠假日酒店 为城市4C站，规格：4C × 4 湖南省 怀化市 荆州北收费站 靖州和侬民族民族酒店 为高速出入口4C站，规格：4C × 6 加微信，进群深度交流理想长期基本面。不是车友群。 ———————————————————— ...

省流版:当初用电容是因为视觉检测能力不够强，够强后就决定取消电容了，理想认为因为更强的视 觉检测可以适应更高的速度域，实际体验较过去的电容版本更强了。 以下为理想第一产品线负责人老汤哥原文： 看样子又可以来写个小故事了，写一写理想汽车方向盘监测的进化史了。 最早在2019年的理想ONE的时代，这是我们开发的第一款带辅助驾驶的车型，当时方向盘的监测到 底用什么方式就经历过了讨论，（其实方向盘监测是法规要求，并不是一个功能配置）。 当时技术路线有2条： 第一条，特斯拉的扭矩方案，方向盘需要轻轻的掰一下，给一个相对还不小的力。 第二条，用电容，说是电容，其实很多时候需要 手"捏"一下方向盘，因为需要比较大的"手"接触面 积。 最后大家讨论下来，还是选择了电容方式（其实扭矩也具备，只是主要用电容）。 因为当时特斯拉的体验并不好，需要用力的"掰"一下方向盘。 其实我们当时用这个方式，还是蛮大的挑战，因为和特斯拉的方式不太一样，和行业常规方案都不太 一样。 不过还好，可能也因为当时理想ONE的辅助驾驶就是一个ME的外包方案，也不是行业的头部，也没 有什么风浪。 到了理想ONE的2021款，我们辅助驾驶切换成了自研的方案， ...

核心观点 - GeoDrive是由北京大学、伯克利人工智能研究院与理想汽车联合开发的自动驾驶世界模型系统，首创性地将三维点云渲染过程纳入生成范式，显著提升空间一致性与可控性 [11] - 模型在轨迹跟踪误差上降低42%，视频质量指标(LPIPS/PSNR/SSIM/FID/FVD)全面超越Vista等基线模型，且仅需5小时训练数据(对比基线1740小时) [19][34] - 首次实现实时视觉输入与预测建模的融合，构建支持VLA(视觉-语言-动作)协同规划的交互式仿真环境 [9][10] 技术创新 几何驱动架构 - 采用MonST3R网络从单帧RGB图像精准估计点云和相机位姿，在动态城市场景中减少38%姿态误差 [26][27] - 通过投影几何技术将3D点云沿用户指定轨迹渲染，使用z-buffering处理遮挡，生成几何引导信号 [28][29] 动态编辑机制 - 突破静态渲染局限，通过2D边界框注释调整可移动物体位置，增强多车交互场景的动态合理性 [12][31] - 设计物理引导编辑模块，在明确运动约束下变换代理外观，确保物理合理的交互 [18][31] 训练优化 - 采用冻结主干模型+轻量化适配器架构，仅需5小时训练数据即达到SOTA性能(对比DriveDreamer等模型需1740小时) [8][34][37] - 双分支控制策略：条件编码器提取渲染潜变量特征，以结构化方式选择性融合进冻结DiT主干，保持3D结构保真度 [33] 性能表现 定量指标 - 在NuScenes数据集上，FID指标达4.1(对比Vista 6.6/GEM 10.5)，FVD指标61.6(对比Vista 167.7) [37] - 新视角合成任务中，左移3米轨迹的FID 67.13/FVD 1245.23，显著优于StreetGaussian的63.84/1438.89 [40] 定性优势 - 生成视频的光流误差(ADE)仅1.62×10²，较Vista(2.77×10²)降低41.5% [34] - 在遮挡处理和动态物体交互合理性上优于基线，避免Vista模型出现的轨迹错位和碰撞问题 [35][36] 行业意义 - 首次实现驾驶世界模型中实时场景编辑与VLA协同规划，支持动态物体插入/替换/运动控制等交互功能 [9][10] - 为自动驾驶仿真测试提供高保真环境生成方案，解决传统方法在3D几何一致性和遮挡处理上的缺陷 [14][17] - 验证了轻量化适配器+冻结主干的训练范式在数据效率上的突破，降低行业研发门槛 [8][34]

电容方向盘技术变更 - 25款焕新版取消了电容方向盘功能 该功能原通过电容传感器检测手握方向盘状态作为驾驶员监测系统(DMS)输入 [1][2] - 电容方向盘作用在于防止辅助驾驶滥用 如睡觉或玩手机等危险行为 属于安全冗余设计 [1][2][4] 驾驶员监测技术方案演进 - 主流检测技术包括扭矩检测(方向盘转动)、电容检测(触摸感应)和摄像头检测(眼球追踪) 单一技术均存在漏洞 [1][3][4] - 扭矩检测可能被配重物欺骗 电容检测可用湿纸巾模拟 摄像头检测受墨镜遮挡影响 [3][4] - 行业趋势采用组合方案：理想ONE使用「扭矩+电容」 特斯拉采用「扭矩+摄像头」 理想L系列/MEGA曾用「扭矩+电容+摄像头」 [5] 技术迭代逻辑 - 取消电容方向盘源于视觉算法进步 早期摄像头误报率高需硬件辅助 现视觉检测可靠性提升 [1][6] - 类似技术替代案例：视觉+激光雷达方案减少对角毫米波雷达依赖 [6] - 老款车型需"摸/扭/看"解除告警 焕新版仅需"扭/看" 扭矩检测标定优化至轻微转动即可触发 [6] 行业安全动态 - 电商平台已限制辅助驾驶欺骗装置销售 主流平台搜索结果显示商品数量显著减少 [6] - 组合检测方案通过提高欺骗门槛增强安全性 覆盖更多用户场景 [4][5]

25年06月08日星期日 理想超充 1 新增。 超充建成数：2427→2428座 ———————————————————— 基于i8发布日期 2500+座目标 新增数进度值：90.56%→90.69% i8发布剩余53天（按7月31假 设） i8发布剩余时间进度值：74.88% 需每日 1.36 座，达到 i8发布 目标值 基于2025年底4000+座 目标 今年新增数进度值：30.80%→30.84% 今年剩余206天 今年时间进度值：43.56% 需每日 7.63 座，达到年底目标值 【附】1 座新增建成 上海市 浦东新区 上海浦东新源路 为城市4C 站，规格：4C × 4 加微信，进群深度交流理想长期基本面。不是车友群。 ...

流媒体后视镜技术升级 - 采用独立800万像素摄像头 分辨率远超行业常见的200-300万像素 提供更清晰的"片源" [1][3] - LCD屏幕达到212 PPI 与中控屏同规格 刷新率50帧/秒 远超法规要求的30帧标准 [1][3] - 120度超大视场角设计 相比行业70-80度方案可多覆盖2条车道 消除视野盲区 [1][3] 产品开发决策过程 - 初始争议点在于是否值得为二排屏幕使用场景单独开发高成本流媒体后视镜 部分观点认为可通过中控屏复用AD摄像头解决 [1] - 最终决策基于两点核心考量：保持用户传统后视镜使用习惯 避免物理后视镜被遮挡造成的压抑感 [1] - 摄像头方案经历三次迭代：AD摄像头复用（帧率不足/偏色）→360环视复用（畸变/分辨率过低）→最终选定独立专用摄像头 [2][3] 硬件集成优化 - 放弃成本更低的"刘海式"外挂方案 投入超1000万模具费重新设计高位刹车灯集成结构 提升整体美观度 [3][4] - 采用LC偏振光技术解决屏幕反光问题 实现双重防眩目（摄像头+LCD）和防反光设计 [1][3] - MEGA车型同步升级800万像素摄像头方案 保持产品线技术标准统一 [4] 产品价值观体现 - 技术指标追求超越法规基准 如帧率从30帧提升至50帧 分辨率从200万升级至800万像素 [1][3] - 拒绝妥协方案 即使360环视摄像头经裁剪可满足基本法规要求 仍因显示效果不符标准放弃采用 [3] - 设计优先级排序为"更安全 更舒适 更便捷 更精致" 高位刹车灯重设计体现对精致度的追求 [4]

理想VLA与DeepSeek MoE技术类比 - VLA和MoE均为首次完整落地到新领域并取得良好结果 均包含大量创新 但两者在具体实现方式上存在显著差异 [2] - DeepSeek MoE通过细粒度专家划分将单个专家隐藏层维度缩小至1/4 专家数量增至4倍 使激活组合可能性从120种提升至44亿种量级 [2] - 采用共享专家隔离机制 设置占总专家数1/8的固定共享专家处理公共知识 显著减少不同专家间的知识冗余 [2] 理想VLA核心技术突破 - 需攻克6大关键技术点：MindVLA设计/训练流程 3D空间理解能力获取 驾驶知识语言模型构建 Diffusion融合 车端实时推理实现 [4] - 3D高斯技术通过RGB图像自监督训练 实现多尺度几何表达与丰富语义承载 为3D表征提供核心支持 [4] - 基座模型采用MoE架构和稀疏注意力机制 在扩容参数量的同时控制推理负担 训练数据配比优化减少文史类数据 增加3D及自动驾驶图文数据 [6][7] 模型训练与推理优化 - 引入未来帧预测和稠密深度预测任务 通过快慢思考双系统设计（快思考直接输出action token 慢思考采用固定简短CoT模板）提升实时性 [8] - 创新并行解码机制：语言逻辑采用因果注意力逐字输出 action token通过双向注意力一次性全输出 [8] - 使用小词表和投机推理技术 使CoT效率提升44亿倍量级 实现参数规模与推理性能平衡 [8] Diffusion技术应用 - 将action token解码为驾驶轨迹 同步生成自车轨迹与周边交通参与者轨迹 复杂环境博弈能力提升120% [9] - 采用多层Dit结构支持条件输入改变生成结果（如"开快点"指令响应） 类比图像多风格生成技术 [10] - 使用ODE采样器将Diffusion生成步骤压缩至2-3步 解决传统方法效率低下问题 [11] 强化学习突破 - 构建端到端可训架构 解决早期强化学习中信息传递低效问题 [12] - 通过多视角噪声训练生成模型 联合3D重建优化 创建真实度达标的训练环境 场景建设效率提升20倍 [12] 技术路线演进 - V10-11阶段确实跟随特斯拉技术路线 但V12后自主创新比例显著提升 仅在快系统部分保留特斯拉框架 [13][14] - 慢系统为完全自主创新 特斯拉未涉及该领域 整体技术路线类比"增程式"方案：在算力/数据资源不足条件下实现可用性 [14] - VLM到VLA的演进为公司独立提出的技术路径 非跟随策略 获王兴评价为"真正实现Think Different"的典型案例 [15]

理想同学玩偶IP的市场反馈 - 理想同学玩偶IP在28-50岁男性群体中好评率快速提升 主要覆盖京津冀/长三角/珠三角/成渝地区 [1] - 35-45岁年龄段男性对IP表现出特别偏好 与刻板印象中女性和儿童为主要受众形成对比 [1] - 用户反馈显示儿童对理想同学对话体验评价高于小爱同学 部分成年用户也表现出持续互动兴趣 [7] 泡泡玛特对理想IP策略的影响 - 公司创始人李想多次与泡泡玛特创始人王宁交流IP运营方法论 学习周期跨度数月 [5][6] - 借鉴泡泡玛特"不做功能"的核心原则 理想同学盲盒成功采用纯情绪价值设计 由00后团队主导开发 [4] - 吸收"社群认同"概念 理解用户通过IP产品表达群体归属感 如书包挂件现象 [3][6] IP产品开发理念 - 强调精致工艺和材质的重要性 认为泡泡玛特产品已领先日本同类玩具4-5年 [3] - 确认IP开发需避免功能性设计 功能添加会削弱情绪价值 不同代际用户对此有显著认知差异 [4] - 通过实体玩偶/车机系统/手机应用等多触点强化社群认同感 构建用户情感连接 [7] 企业文化与IP关联 - 将企业里程碑(如5万辆交付)与员工奖励结合 鼓励与家人分享成功 强化正向情感循环 [2] - 奢侈品概念被引入员工激励体系 通过精致物品传递价值认可 间接影响IP开发品质标准 [2][3]