省流版来自微博用户有理想的Chan 25款焕新版确实取消了电容方向盘 回答一下大家特别关注的关于「电容方向盘」的问题。 Q：25款焕新版是否取消了电容方向盘？ A：是的。 Q：什么是电容方向盘？电 容方向盘的作用是什么？ A：在方向盘上布置了电容传感器，当人手接触方向盘时会产生电容 变化。通过电容变化判断是否手握方向盘，作为驾驶员使用辅助驾驶时注意力是否集中的依据，也就 是DMS（驾驶员监测系统）的重要信息输入。 Q：为什么需要驾驶员注意力检测系统？ A：避免使用辅助驾驶时出现滥用情况，引发安全问题。历史经验表明总有滥用辅助驾驶的同学，在 开启辅助驾驶后开始了睡觉、玩儿手机等一系列不安全的驾驶行为，这时候有一个系统来检测不安全 行为就显得格外重要了，如果开车不认真就禁止使用辅助驾驶，即是保护车主自己安全也是保护道路 上其他交通参与者安全。 Q：驾驶员注意力监测的技术方案有哪些？ A： ①扭矩检测，通过转动方向盘，系统检测到有力产生。 ②电容检测，通过触摸方向盘方式，系统检测到电容变化。 电容方向盘是通过电容变化来判断咱们有没有手握方向盘的，算是驾驶员监测系统 （DMS）的重要 "小眼睛"~ 为啥需要监测注意力 ...

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。 ...

独立摄像头是800万像素的，"片源"清晰。 LCD屏幕也是高清的，分辨率和我们中控屏一样， PPI达到了212。 刷新帧率也达到了50帧每秒。 第二：视场角特别大， 120度，其他70度 80度的摄像头能看到3车道的时候，这块后视镜可以看到5车道，几乎没有视野盲区了。 而且120°视野 角与人眼的主要视野一致，就跟最好的FPS游戏也必须采用120°一样，当人眼的视线在内后视镜和车风挡前方 道路切换，不会造成人眼的不适应。 第三：防眩目，防反光。 双重防眩目，摄像头防曝光，LCD 屏幕防眩目。 同时屏幕还专门做了防反光的设计，避免把车内的场景反光到LCD屏幕上。 但其 实，我们也不是一开始就是做出了这么一个流媒体后视镜的，中间也经历了无数的波折。有不少小故事，好 的产品其实并不是一蹴而就。 最开始,第一个问题是，到底要不要给L9单独做一块流媒体后视镜？ 由于21寸屏幕的引入，当二排观影的时候，屏幕放下，物理后视镜就被全部遮挡了。 这个是真实的场 景，但是，到底要不要为此而就单独来做一块流媒体后视镜呢？因为毕竟要背很高的成本，到底有没有足够 的用户价值？ 这里面其实是有很多不同意见的，很抱歉，我当时属于智能焕新版 ...

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]

从刻板印象维度，有可能女性和小孩会更容易喜欢。 根据李想 AI Talk 第一季的表态来看，李想可能有很大意愿学习泡泡玛特的精髓。 张小珺: 你是不是经常跟那泡泡玛特的王宁学做IP？你有学到什么方法论？ 最近一段时间，在群里/线下交流过程中，TOP2留意到对理想同学玩偶IP好评率在快速提升，TOP2接 触到的大多数人是京津冀/长三角/珠三角/成渝地区28-50岁左右的男性，最近接触到了多位35-45年龄 段的男性对理想同学玩偶IP好评。 张小珺: 你多久见他一次？ 李想: 嗯，没准。有的时候很长时间不见，有的时候两三个月见一次。 从这段对话里，可以看出李想至少有过多次和王宁交流泡泡玛特本质，李想认为 很多人想在书包上 挂一个拉布布，实际是想 通过这些东西来证明我是社群的一部分。 理想同学玩偶IP，有可能可以通过实体/车机/手机等形式共同塑造成一个社群认同共同体。 李想: 它每个阶段都是不一样的，它的每个阶段东西都会反映在它的产品品牌牌的升级方面。其实泡玛特做 的东西应该是给大家带来庆祝的，这那是它疫情发展的一个阶段，其实对我们的帮助其实也很大，其 实我们很多人不懂得分享，举个例子，我们发了不少年终奖，我们的同 ...

加微信，进群深度交流理想长期基本面。不是车友群。 来源： 北北自律机 25年06月07日星期六 理想超充 3 新增。 超充建成数：2424→2427座 ———————————————————— 基于i8发布日期 2500+座目标 新增数进度值：90.17%→90.56% i8发布剩余54天（按7月31假 设） i8发布剩余时间进度值：74.41% 需每日 1.35 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：30.66%→30.80% 今年剩余207天今年时间进度值：43.29% 需每日 7.60 座，达到年底目标值 【附】3 座新增建成 海南省 琼海市 琼海高铁站停车场 为城市枢纽4C站，规格：4C × 6 福建省 泉州市 泉州丰泽刺桐北拓 为城市4C站，规格：4C × 8 浙江省 杭州市 杭州千岛湖诺富特酒店 为城市景区4C站，规格：4C × 6 ...

：基于2D/3D 信息编码整合进模型后，Agent 具备理解道路标牌【例如，出口，上下坡道，左右 转，电梯口，不允许通行，区域B12345，ABCDEFGG区 etc】的能力，和语音交互感知【左右转，靠边停 车，掉个头，快点慢点，甚至给出先去A区再靠边，或者掉头后再去C区】的能力。简单指令场景依赖的是 本地的多模态LLM，复杂指令是Token化后上云大参量的LLM，将任务拆解后转换成顺序任务后在本地LLM 执行。 ：具备自建关联点的能力【我这里为什么不说建地图而是建关联点】有就几个原因：首先更多的 是行车的关联结构，而并非记忆了精准的道路结构。因此车辆在调用这个关联点记忆很像人在地下车库开 车【大概要往哪个地方开，而并非是像Hd map 具有严格的驾驶轨迹限定】，换句话说，关联点建好后。理 论上，给Agent 需求后，会直接进行关联点分析，规划出一条最近的【可以符合通行逻辑】的地下/园区驾 驶轨迹。 当然现在他能力还有限，还是偶尔会出现开错路，然后触发掉头再开【对因为行车模型化 后，理论上可以触发无限制掉头，几乎不会卡死】 ：具备感知推理能力，而且怀疑整个AD Max Agent 场景是将行车感知摄像头和泊车 ...

理想实时语音对话大模型MindGPT-4o-Audio上线，作为全模态基座模型MindGPT-4o的预览preview版 本，MindGPT-4o-Audio是一款全双工、低延迟的语音端到端模型，可实现像人类一样"边听边说"的自 然对话，并在语音知识问答、多角色高表现力语音生成、多样风格控制、外部工具调用等方面表现突 出，达到了媲美人人对话的自然交互水平。 核心功能 目前，基于MindGPT-4o-Audio的理想同学已在理想车机及理想同学手机App全量上线。 1. 模型能力 1.1 整体算法方案 MindGPT-4o-Audio是一款级联式的语音端到端大模型，我们提出了感知-理解-生成的一体化端到端流式 生成架构实现全双工、低延迟的语音对话。其中： 在各项权威音频基准测试以及语言理解、逻辑推理、指令遵循等语言理解任务上，MindGPT-4o-Audio 已达到行业领先水平，在语音交互评测基准VoiceBench多类评测中均显著领先行业领先的同类模型。此 外，我们实验发现，业内主流的语音端到端模型一般会在提升语音交互能力的同时，造成语言交互能力 的大幅下降，MindGPT-4o-Audio通过训练策略的优化保 ...

基于i8发布日期 2500+座目标 新增数进度值：89.65%→90.17% i8发布剩余55天（按7月31假设） i8发布剩余时间进度值：73.93% 需每日 1.38 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：30.49%→30.66% 今年剩余208天 今年时间进度值：43.01% 需每日 7.58 座， 达到年底目标值 【附】4 座新增建成 广东省 汕尾市 汕尾豪通车行北侧停车场 为城市4C站， 规格：4C × 6 山东省 济南市 济南槐荫汽车西站整备基地 为城市4C站，规格：4C × 6 天津市 东丽区 天津海月道 为城市4C站，规格：4C × 6 浙江省 宁波市 宁波新府银座 为城市4C 站，规格：4C × 8 加微信，进群深度交流理想长期基本面。不是车友群。 来源： 北北自律机 25年06月06日星期五 理想超充 4 新增。 超充建成数：2420→2424座 ———————————————————— ...

原文来自微博用户许政_ECC 原文链接： https://weibo.com/7794521325/Pv8Aj8Ug8 理想的SiC论文发布了。大家有兴趣的话可以看下，难度有点高。 @朱玉龙-YL 已经帮大家总结了。 实验结果，含凹坑芯片的UIS失败率明显更高，25片样品中9片失效， 而且烧毁点和凹坑位置完全 匹配。基本确认了UIS检测的有效性。 这个检测不是破坏性的，可以加入芯片制造的下线检测工艺。 这篇文章大概就说了这些东西。同时，论文的细节图里，也展示了理想采用了六边形的SiC元胞 （图7是唐伯发给我的）。六边形元胞SiC的导通电阻更小，导通面积更大，可靠性更好。但缺点是开关 损失增加（就是效率变低了）。一般来说大家用SiC追求的核心指标就是效率，所以以前SiC产品很少采 用六边形元胞的。但据说理想基于车用开关频率需求不高这个特点，定制化开发了SiC，可以解决效率的 问题。我相信理想面向全新纯电动产品的SiC，效率绝对绝对是核心指标。但是他们是如何解决效率问题 的，只能下个月到理想的工厂，去问 @唐伯伯--唐华寅 本人了。 最后还有个有趣的细节，理想派去日本和各路功率半导体大佬交流的，这篇文章一作Jin ...