2022 年 3 月 30 日，理想汽车官方微博发布了全自研的智能驾驶系统理想 AD Max，其中，感知、决策、规划和控制软件都来自自研技术，AEB 自动紧急制动功能针对中国路况进行了优化。而即将发布的新车理想 L9 上将全系标配理想 AD Max。
当今的中国已经成为智能汽车行业的主战场，L2 级辅助驾驶的乘用车在 2021 年达到了 22.2% 的渗透率，突破高阶辅助驾驶的道路上，来自第一梯队的企业正在逐渐用实践证明量产车 + 全栈自研将是头部竞争的主旋律，与此同时近年来中国的新生力量已经走到了世界前列。而今年，理想希望凭借 L9 在其中更进一步。
不为人知的是，理想这套全自研的系统从 2021 年春节过后才正式开始启动研发，到上线仅用时一年不到。
刚刚开始全栈自研的理想汽车为何能如此迅速？
这是继「他们创造了理想 ONE」之后的理想创业故事续篇，一个讲述辅助驾驶自研的故事。
本篇文章 10,500 字，需要阅读时间 25 分钟。
我们要自研
2021 年，有一个电话是郎咸朋一定不会忘记的。
那是 2 月 11 日大年初一，来电人是李想。身为理想汽车智能驾驶副总裁的郎咸朋虽然略有诧异，但还是马上接起了电话。
电话刚接通，李想就问道：「郎博，咱们自研的事想好了没有？」
郎咸朋马上从过年的氛围里切换出来：「我已经想好了，我们要完全自研。」
「这事你们有信心吗？」李想接着问。
郎咸朋几乎是不假思索地回复：「当然有信心，没问题。」
「行，有信心那咱就干。」李想说完这句话，通话结束。
几分钟后，理想汽车董事长李想在公司内部一个合伙人级别的微信群里宣布了这件事：今年我们的智能驾驶要完全自研，大家全力配合郎博来做这个事情。
就这样，没开一个会，理想汽车自研智能驾驶的决策定了下来，而这个决策的落地对象就是 2021 年要发布的新款理想 ONE。
其实从一月底开始，郎咸朋在团队内部已经就自研的事情进行了相应的讨论，一番盘点过后，大家认为按公司现有的资源状态，这件事做起来是相当有难度的，首先人手太少，其次大家在经验上也缺少积累。
2021 款理想 ONE 定下来要换辅助驾驶硬件架构的时间是 2020 年 10 月，当时大家的思路比较保守，想保留原有供应商架构的基础辅助驾驶功能，同时再加上一套新的系统来做按导航辅助驾驶。这套辅助驾驶架构里有两个控制器，两套系统之间的连接通讯和切换相当复杂，当时公司内辅助驾驶研发团队只有不到 100 人，具备代码研发能力的只有不到一半。
于是团队内部有一波人当时主张的做法是继续找供应商，但要求算法代码开放，即所谓的「白盒模式」，有需求的时候公司就派人去供应商那边改动，这样的状态一直持续到 2021 年年初。
郎咸朋作为自动驾驶行业的过来人清楚地知道，如果采用供应商方案，各路流程的对接、沟通上一定会消耗大量的时间和精力，而以后更高阶的辅助驾驶几乎没有供应商能做，这条路是一定走不远的。
因此站在公司的战略角度，自研辅助驾驶有很强的必要性，不管是对产品的能力还是整体效率的提升都有重要意义，是理想成为一家真正的智能汽车企业所要具备的核心能力。
就在各种权衡中，到了 2021 年 2 月 1 日，李想忍不住在公司的智能驾驶研发群敲了以下这段话：
我再次强调一个清晰的决定，包含视觉泊车、NOA、L4 在内的辅助驾驶和自动驾驶功能，我们必须自研，不允许使用任何外部供应商，我们自己要真没本事做不出来，我宁愿把这家企业关闭了，我不希望自己创办一家既落后又没有出息的智能电动车企业。
郎咸朋紧接着在群里表了态：
自研项目一定要做出自己的能力来，否则我第一个辞职。
十天后的大年初一，随着李想在高管群里宣布 2021 款理想 ONE 的辅助驾驶确定全自研，郎咸朋和团队正式走上了起跑线。此时离 2021 款理想 ONE 的上市发布还有不到四个月，决定完全自研后，原来 Mobileye 系统下的东西全部归零，一切从第一行代码开始写。
新年第一天，郎咸朋就已经进入了自己亲自定下的「辞职倒计时」。
与发布会赛跑
2021 年 2 月 26 日，理想汽车内部召开了誓师大会，会议中再次强调了辅助驾驶自研项目的重要性。辅助驾驶的自研包括基础辅助驾驶、按导航辅助驾驶和 AEB 自动紧急制动系统三个项目，对于理想汽车来说，一切几乎从零开始。
最难的不仅是项目本身的研发难度，还有紧迫的时间。2021 款理想 ONE 的发布日期是 5 月 25 日，在此之前包含 ACC、LCC、自动泊车等功能在内的基础辅助驾驶环节要完成自研并上线。
由此倒推，功能路测的最晚时间为 4 月 15 日，在此之前软件性能需要半个月的时间调试，所以在 3 月 30 日前所有基础辅助驾驶功能必须上线。
3 月 30 日！大家推算出这个时间，倒吸一口凉气。从 2 月 26 日到 3 月 30 日，只剩下一个月的时间了。一旦项目发生延期，21 款理想 ONE 就无法按期交付，郎咸朋给自己绑上的「定时炸弹」也会随之爆炸。
在这样的条件下仓促开始，可想而知的是开发并不顺利，各种各样的未知和意外在整个 3 月层出不穷，比如当时的四台测试车里有一台车道保持状态下往左偏，同样的软件版本下另外三台车完全正常，一开始所有环节的检查都没发现问题。为了解决这个奇怪的 bug，团队花了两周的时间。
到 3 月 29 日第一阶段的功能才跌跌撞撞踩点做完，第二天理想整车研发负责人刘立国参与了验证测试，随后他给郎咸朋泼了一盆冷水：「郎博，我觉得就现在这个状态，你们至少还要四个月才能搞定。」
团队听到这句话倍感压力，但是郎咸朋却表现出了特有的冷静。他对于刘立国的「严苛」风格十分了解，既然刘立国并没有说目前的状态是做不到的，那么接下来只需想方设法把四个月的工作量压缩在 55 天内完成即可。
时间固然不够用，但交付更不可延误，所谓破釜沉舟莫过于此。在这剩下的 55 天里，为了按期交付基础辅助驾驶功能，团队几乎把效率发挥到了极致。终于，在发布会当天的 5 月 25 日上午十点，郎咸朋在公司高层群里发了一条消息：「经整车和质量部门确认，基础辅助驾驶已经达到交付状态，晚上发布会可以正常进行。」
至此，理想 2021 自研项目的阶段一结束，郎咸朋身上的第一颗「定时炸弹」就此拆除，团队内的压力一下释放了不少。在破釜沉舟的氛围里，郎咸朋顶住压力将自己对于自研三年多的等待化为了坚实的第一步，然而此时的郎咸朋并不认为现在到了庆祝的时候，他清楚地明白自己的紧张来自于何处。
不可或缺的必要条件
2021 年 1 月 28 日是郎咸朋记忆犹新的一天，那天小鹏正式推送 NGP 按导航辅助驾驶功能，当晚郎咸朋就借了一台车体验。郎咸朋回家的路程中有几处上下匝道的场景，晚上环境光照的干扰不小，但一路上 NGP 表现稳定，途中没有出现一次人工接管。
友商产品的优异表现让郎咸朋思绪万千，与之形成鲜明对比的是 2020 款理想 ONE 因为系统限制无法实现 NOA 按导航辅助驾驶功能。
当晚郎咸朋一夜未眠。20多天前公司内部还在为 2020 年 32,624 台的销量感到开心，当时大家认为 2021 年卖 5 万台就很好了，定 6 万台目标的时候都觉得非常极限。但在分析完市场形势以后，大家发现如果销量到不了 10 万台，可能活下去都成问题。
如果 2021 年理想在 NOA 上依然是缺位状态，那么产品力缺失的情况下，销量肯定也会受到影响。
NOA 体现的是企业对于辅助驾驶技术的核心研发能力，想成为真正的智能车企，赢得市场的认可，NOA 必须要做而且必须要做好，但当时业内已经没有供应商能提供这种级别的辅助驾驶方案，所以 NOA 功能也是当时第一梯队智能车企的「认证标签」。
对于供应商做不了高阶辅助驾驶，主机厂只能靠自己的情况，其实印证了郎咸朋在三年前的预判。
2017 年底，郎咸朋就碰到了李想，当时的郎咸朋是百度智能汽车事业部高精地图与自动驾驶技术总监，机缘巧合之中郎咸朋和李想建立了联系，两人在有关自动驾驶行业的话题上心有灵犀，交谈甚欢。那时大家共识了一个观点：想做好自动驾驶必须搭建起完整的闭环系统。
这套闭环系统里除了有智能汽车，还需要强大的算法训练系统以及大量的道路数据。相比自动驾驶供应商，拥有用户和量产车能力的主机厂在最为关键的数据环节有着先天优势，更有希望在将来实现自动驾驶。
次年 1 月，郎咸朋加入理想汽车，但 2018 年的理想汽车正处于创业生死期，融资屡屡碰壁，资金极其有限，根本无法支持辅助驾驶自研项目的展开。郎咸朋明白，等公司资金好转以后一定会自研辅助驾驶，一切只是时间问题。
窘境面前，郎咸朋和公司的自研项目就这样进入了蛰伏期，直到 2021 大年初一接到李想的那个电话，这段长达三年的漫长等待才终于结束。
而在这三年间，理想汽车也开始着手搭建闭环系统所需的训练和数据平台，并在国内首个应用影子测试，所以智能驾驶自研项目的启动看似武断，实际上是条件具备下的当机立断。
2021 的自研项目里，基础辅助驾驶只是热身环节，随着 21 款理想 ONE 交付，接下来 NOA 和 AEB 的自研才是真正的挑战。
自研的目标
变形的性能指标
2013 年，辅助驾驶行业远没有今天这般火热，由于偶然的契机王佳佳踏入了这个赛道，加入了知名的 Tier1 供应商博世中国。
随后几年时间里王佳佳成为这个领域的精英，期间也开始注意到国内几家头部新势力的发展，在业务交流的机会中他与李想等人建立了联系，在加入理想之前王佳佳已经是博世中国最年轻的总监。
2021 年 5 月王佳佳以智能驾驶研发高级总监的身份加入理想汽车，随后郎咸朋就把余下的辅助驾驶自研的任务交到了他手上，包括继续优化的基础辅助驾驶以及最重要的 NOA 和 AEB 的开发工作。
当时定完 9 月份 NOA 要交付，而已经上车的基础辅助驾驶软件还有很多 bug 需要解决，才刚加入公司的王佳佳看着眼前只有个位数的软件规控团队，感受到了前所未有的压迫感。
但是他没有时间后悔，他必须快速招揽兵力，快速练兵，还要和大家尽快拉齐目标。
王佳佳按照自己以前的成熟经验进行研发规划和管理。他通过时间节点来拆解项目，上游部门先做开发，下游部门等上一步完成了再去验证。一切按部就班就行。
然而项目的第一个交付节点就没能达成，随后第二个，第三个也都丢了。此时的王佳佳渐渐感觉透不过气，他看到曾经骄傲自信的自己几乎走到了干不下去的边缘。
从结果上看，问题似乎出在了效率上，但真正的问题藏得比这更深。
5 月车辆交付以后，基础辅助驾驶性能优化的工作仍在继续进行。针对自动泊车这一块当时定的性能指标就是 OTA 以后泊入成功率不能比 5 月 25 日的版本低，OTA 计划在 6 月推送。
推送之前，郎咸朋一如既往地刷了新版软件来测试，回去以后发现地库的车位泊不进去了，郎咸朋随后就反馈了这个事情，但泊车团队的同事回复说这不太可能，一定是极低概率的问题。
郎咸朋跟团队说：「之前我每天都能泊进去，刚刚更新完，我的车位就泊不进去了，一定不是小概率事件，你们自己来判断这个事情应该怎么做。」
让郎咸朋没想到的是，后来泊车团队真的没管这个问题就把软件上线了。刚推送出去没多久，整个用户社区里马上传来了大量的抱怨，纷纷表示系统更新完以后自动泊车泊不进车位了。
已经提醒过的事情依旧出问题最让人恼火，然而郎咸朋发现，泊车优化起初定的性能指标是车位的泊入成功率不能低于优化前的水平，如果单纯从这版 OTA 的泊车数据表现来看，泊车团队实际上达成了泊车性能指标。因为在总的泊入成功率里面，新车位的成功率提升了，老车位的泊入成功率下降了，而加权平均之后的成功率确实做到了和原来持平。
看似没什么问题，但对于用户来说，大家得到的实际体验就是我的老车位原来能搞定现在更新完反而停不进了。
在郎咸朋看来，这是机械化执行 KPI 的结果。理想内部一直倡导并推行 OKR 工作理念，两者最大的区别就是对于目标的理解。项目的目标是给用户交付高质量、高性能产品，但是很多人却只顾完成像泊入成功率这样具体的指标。
这就是就为什么大家明明看上去那么那么努力了，但却还是在犯一些错误，目标和节点都是一起商量好的，但事情经常做着做着发现不对劲了。
研发工作的难点看上去好像在工程和技术层面，但实际开展起来问题却落到了管理上。郎咸朋在复盘会试图用 OKR 理念与团队沟通，效果并不显著。
NOA 项目的前几个月，由于团队进入大量新人，所以很多人还未真正应用公司提倡的 OKR 体系，这些有着世界名校名企华丽背景的人才起初更愿意用自己熟悉的经验和方法在项目上推进和执行，发现这个现象的时候郎咸朋并没有急于制止，多年来的管理经验告诉他，人在没碰壁之前是很难意识到问题的。
随后经历了几次节点上的延期，时间已经来到 9 月，这几个月之间团队以每周新增十几个人的速度在快速扩张。最初计划 9 月 30 日交付的 NOA 已经延期到了 10 月 30 日，但当时持续的高压和接二连三的负面反馈让整体的气氛又进入到了非常压抑和沮丧的状态。
郎咸朋此时终于出手了。在问题充分暴露的关键阶段，2021 年的中秋节，9 月 21 日，自研团队终于坐到了一起。输出方法论之前郎咸朋先狠狠地批评了一番团队，你们个个不是都很牛逼吗，怎么 OTA 出问题了？怎么团队协调不到一起去了？怎么 9 月 30 日交不了了？
气氛到位以后大家接着开始认真讨论目标到底是什么。郎咸朋用理想的 LSA 框架把事情梳理了一遍，花了三天时间和大家共同讨论出了目标，要高质量、高性能并且按时交付，剩下的就是围绕这个目标制定 KR（Key Result 关键结果）。三个关键结果排在第一的是安全，第二是产品力，第三是交付节点，并确认了每个关键结果的负责人。
王佳佳正是在这次会议中充分吸收了公司的战略目标管理体系，他把团队的 OKR 总结为一道哲学题加一道数学题，目标 O 是哲学题，统一大家的方向感和价值观，关键结果 KR 是数学题，大家一起来拆解一套评价体系里的数值和权重。
只有当每个环节上的人都有自主且统一的目标和行动时，团队才得以摆脱工业时代以时间为轴的线性系统，不再因为节点耽误而全盘等待，大家可以有节奏地进行网状协作，当一个环节出现问题时，另外一个环节可以及时调度并提前安排。王佳佳领悟到研发管理真正要控制的是节奏，而不是时间。
会后，质量团队、研发团队、路测团队、项目管理团队在项目的 OKR 之下做了自己团队的 OKR ，统一目标并拆解了具体的数值，往后的事情就顺利了很多。真正意义上的战略共创才能建立起共识，而有共识才会有执行上的高效率。
尽管王佳佳一直游走崩溃边缘，但他对软件产品力的追求并没有因此懈怠，按期交付之外项目的另外两个指标高性能、高质量依然是他开发的准则。他对自研项目第一阶段交付的软件版本下的算法和框架拓展性并不满意，NOA 项目开始后 5 月到 7 月的时间里团队断断续续为之前的软件打了不少补丁。
随着项目继续进行，王佳佳越来越觉得原有的软件架构给后续开发带来限制，在这套架构上做出来的 NOA 很难做到高水准，一直这么进行下去是不行的。于是在 7 月份王佳佳有了重构软件代码的计划，当时距离既定的交付时间只剩两个月，而光是重构代码就需要花费一个月，时间极其紧张，一旦出了岔子，项目将会受到很大的影响。
在巨大的压力之下，王佳佳还是坚持做出了重构软件的决定，与此同时他也做好了搞砸就卷铺盖走人的心理准备。8 月底，新版软件重构基本完成，然而此时的王佳佳却感受到了更大的压力。因为老版本软件的很多东西在当时重构版的软件上还处于缺失状态，如果说原来是修修补补还能用，那么现在直接变成了毛坯，于是大家的感受是初期的重构软件整体表现甚至还不如老版软件，大家多忙活了一个月，情况反而更糟了。
王佳佳的决策因此遭到了不少质疑，他相信重构的软件会在后续的功能开发里逐渐展现出价值，但在此之前他只能在质疑声中带领团队中加快开发，让重构版软件尽快达到超越老版软件的拐点。在王佳佳的回忆里，这是整个自研项目里最艰难的一段时光。
9 月初的时候，NOA 表现里还有很多的小问题，测试时车还总是晃来晃去，但随着新版软件的继续开发，这些问题随后就得到了解决，与此同时大家也发现新版软件架构下的 BUG 比以往少了很多，功能更丰富，拓展性也更好了，NOA 后续的开发也因此变得更高效。随着重构版软件的优点在后续开发中逐渐显现，王佳佳当初坚持重构软件的用意也开始被大家所理解。
10 月底 NOA 已经是可推送状态，但团队当时把安全目标提到了更高的水准，为此理想在全国范围内进行了一整个月的全覆盖路测，最后跑了 300 多万公里，把全国范围的每个高速每个都跑了七八遍，对于测试中所有存在问题的路段都进行了相应调整。
NOA 项目最终在 12 月交付，与 NOA 同期交付的，还有理想此次自研的主动安全系统。
不起眼的全天候 ADAS
小功能，大任务
AEB 全称为 Autonomous Emergency Braking，即自动紧急制动系统，其作用是在危险情况下让车辆自动制动，从而避免或减轻车辆可能发生的碰撞。AEB 在汽车行业的应用已经有一段历史，2014 年欧洲 E-NCAP 开始将 AEB 作为主动安全功能纳入车辆的整体安全考核，随后几年美国与中国的碰撞测试也陆续跟进，目前已经有较为广泛的应用。
相比 NOA 这样的前沿功能，AEB 并不新鲜，在用户日常使用里存在感也很低，此前整个汽车行业里基本都是采用供应商方案，很少有厂商自研。但 AEB 只是看上去不起眼，在所有的 ADAS 功能里它是唯一一个全天候、全场景下都在工作的功能，想把 AEB 这样一个场景覆盖率极高的功能真正做好其实是一件门槛很高的事情。而且AEB供应商都来自欧美，其研发很少针对中国道路交通特有的行人横穿、外卖小哥电瓶车、横向车辆等场景开展优化，这也让中国车企自研AEB的需求显得更为迫切。
自研项目启动前，2020 款理想 ONE 上采用了供应商的 AEB 方案，但这套方案表现一般，为了提升系统的安全性，理想与供应商提出过很多改进需求。但站在供应商的立场，他们的目标是按期交付项目，改动系统需要时间，项目一旦延期会引发很多争端，这是供应商不想看到的。很多合理的需求因此遭到供应商拒绝，整个过程中理想十分被动。
为了提升 AEB 性能同时加快系统迭代效率，理想决定在 2021 款理想 ONE 上开始自研 AEB。
AEB 项目的正式启动差不多也是在 4 月份，当时这边的情况和基础辅助驾驶自研项目启动时非常类似——一无所有，算法、代码、工具链、开发环境，一切从零开始。
行业初期阶段一个 AEB 项目的周期大概有两到三年，随着主机厂对于功能的知识贮备增加以及推动力提高，项目周期就到了一年多，而公司这次留给大家的项目时间竟然只有半年不到。
在整个 AEB 研发里，前期的功能上线属于工作量大但难度相对不大的事情，相比之下真正难做好的一件事情，是做好 AEB 的触发准确性，说得通俗一点，就是让 AEB 实现「只在真正需要的时候才触发」。要做好这件事情，需要解决的问题就包括「有危险不触发」和「无危险误触发」，而这个过程中的优化关键就是郎咸朋之前提到的闭环数据系统。
业内误触发率做得最低的供应商是 Mobileye，这是公认的世界第一，在制定 OKR 的时候，当时团队在误触发率上的要求就是看齐 Mobileye，其中的 KR 之一是把平均误触发率降低到 1 次/10 万公里。
到 7 月底，场地测试下的正向调参部分工作完成，8 月份 AEB 团队开始规划降低误触发率的种种工作和节点，与此同时，路测团队开始准备数据场景的收集和测试，后台也开始上线数据标签。
理想的质量部门也会反馈不少用户使用AEB的时候遇到的问题。对于 AEB 团队，这些用户反馈上来的工单都是经过人工筛选后的宝贵数据场景，是优化系统感知准确率的关键所在。
系统层面，理想的「影子测试」也帮了大忙，影子测试下测试版的软件在车辆后台运行，车辆的真实行驶数据会给到测试版软件，但测试软件的运算结果并不会被车辆执行，而是回传给研发总部。
所以在完全不影响用户体验和安全的情况下，AEB 测试软件就凭借数据闭环完成了无感知的实车路测并得到了结果。
这些系统层面的高效闭环设定，与从前的工作对比效率提高了很多。在徐志涛印象中，以前传统汽车AEB误触发了，客户就会投诉，然后研发人员跑到 4S 店，到用户车上去读数据，可能需要花费三天获得一组案例，效率无法相提并论。
从 8 月到 10 月，后台回传的 AEB 误触发率已经降低到了 1 次/1 万公里，而接下来通往 1 次/10 万公里的道路上却几乎都是各种稀奇古怪的 Corner Case，这些问题的难度和之前相比已经完全不在同一个维度。
徐志涛表示，从万分之一到十万分之一的过程是痛苦的，因为之前的模式到这个阶段以后已经行不通了。不少案例涉及到的问题都是极度有挑战性的。
「例如弱势道路群体的属性判断，单个的考试场景很容易，但投放到市场后，会遇到很多有挑战的场景，例如早、晚高峰，有很多骑着电瓶车的市民在车辆周边穿过的时候，走到城市小巷，或小区内部道路，两边停满了车，当行人突然从车辆之间走出的时候，这类场景困扰了我们很长时间。」
徐志涛进一步细说其中的难点所在：「这类场景对于目标的属性计算要求一定要准确。比如说上下班的时候，自车周边信息复杂且目标很多如果感知算法和逻辑不专门优化这种场景，很容易出现两个不同的目标属性会发生迁移，导致输出的目标的物理属性不准，甚至错误。像在小巷子里边，行人本来准备横穿，看到车过来了，行人只要腿稍微一动，就可以从横穿变成静止，或者说变成纵向移动，此时行人明明不再横穿了，但是因为感知算法未优化，导致行人的属性仍然保持横穿的状态，最终导致功能误工作。这对于终端驾驶员来说就是一次误制动，是很吓人的。」
行人的运动状态变化很快，就意味着算法一定要有很强的收敛性。
这个过程中大家也意识到要解决这些问题，在 5 月之前理想 AEB 的感知还用的是供应商的技术，而现在自建感知团队之后，需要有更深度的团队融合。于是公司就在北京找了一个大的会议室，让本来在上海办公的规控团队在 9 月下旬搬到北京，和感知团队直接坐一起面对面办公。
探索性的工作往往没有捷径，要解决问题都是靠聪明人加笨办法。前期两个团队大家坐在一起讨论的时候很头疼，因为不知道怎么做，大家就在那边试边想着解决方案。在 AEB 项目的瓶颈期，随着感知团队和规控团队的持续探索攻坚，大家逐渐摸索出了解决问题的方法，而感知和规控团队之间的相互反馈优化起到了关键作用。
例如，感知团队对于算法收敛的问题有方法，但不知道做到什么程度，也不知道要不要做，这个时候下游会从自己的专业角度给出优化的方向和指标，告诉感知团队在多少毫秒内就应该做出反应，把属性变成正确的。
同样的，当遇到某个问题从感知端修改需要花费大量的时间和精力的时候，下游也会和感知讨论是否可以从下游加上逻辑进行优化。
如此一来，感知与规控团队又形成了一套闭环反馈的协作模式，后来大家就是这样一个问题点，一条条数据梳理攻克下了一个又一个的 Corner Case。
工作的目的与价值
其实，在自研项目进行的过程中大家也会去思考，AEB 工程师的目标到底是什么？
在供应商工作的时候，这个目标很简单，就是给主机厂交付一个大家定下来的产品，产品力主要考验的是性价比。
而在理想工作，包含 AEB 在内的整个智能驾驶团队的目标之一是为用户交付高质量、高性能的产品，产品力考验的是产品价值、研发效率和供给关系，更看重的是一些非常细致的运营指标。
在早期的一次 OKR 例会中，当时徐志涛给行人横穿场景定了一个比较容易实现的性能指标，郎咸朋看到以后当场提问，志涛，车里的乘客和驾驶员要保护，车外的行人要不要保护？当时徐志涛直觉上觉得在时间和资源有限的情况下，应该把主要的优化项体现在车内乘客相关的部分，保护车内用户才是核心目标。
郎博就说你这个回答我不满意，你再想想。然后对旁边会议主持人说，给志涛记个 OPL（Open Problem List），明天我还要问他，他这个目标定得到底有没有什么问题。
这件事情让徐志涛觉得比较难堪，尤其是会议结束后还有人来跟进这个事情，问他郎博留的问题想好了没。
其实没过多久他也想明白了，车外行人一样是生命，同样需要保护。但他担心的是自己定下的横穿性能指标一旦要往上提，还会牵涉到上下游部门的任务制定，给大家增加额外的工作量，那时每个团队已经有很多事情要做了，这一出打乱了别人的原定计划肯定会不开心。
第二天，徐志涛被再次提问的时候，提出把行人横穿场景的 AEB 覆盖速度从 40 km/h 提到了 50 km/h，这次郎博没有再继续「为难」徐志涛。
但对于这样的事情一开始小团队里还是有抱怨的，虽然场景的速度只提升了 10 km/h，但难度的增加却远远不止 1/4，后来为达成这一性能指标，团队在开发和测试上多用了一个月的时间。
自研项目中还有另一件事情让大家十分触动，公司后台系统有一套案例场景素材库，这个素材库本来的想法是收集失效场景，让大家更好的针对场景来优化迭代软件。
这套素材库同样给了AEB 的工程师们一个从来没有过的视角来重新审视自己的产品。案例素材库里有一些重大事故的片段，当这些 AEB 工程师们第一次看到真实世界中发生的碰撞，尤其是撞人事故时，内心其实很不好受。
这些事故都有一个共同点，就是驾驶员要么没有发现，要么来不及反应，但如果借助 AEB 系统，或许能有所挽回。看完这些事故以后，大家的心情久久难以平复，因为当时有一些场景的研发已经在进行中了，他们心中做出这样的假设：如果大家效率能再高一点，再快一点把软件上线，说不定这起事故就可以避免。
从那时起，他们开始感觉到自己像是一个医生，拯救的是尚未发生的事故。到后来 AEB 上线交付以后，大家去看后台统计的 AEB 触发数据，也会有很不一样的满足感：屏幕上的每一个数字都是一次被成功规避的潜在事故。而那只由代码编写而成、把用户从死神面前拽回来的无形之手，正是由 AEB 团队的努力和心血创造而成。
这群人更深刻地意识到了自己所做工作的意义和价值，并把这种理解和认知转化为了工作的驱动力，大家确实把 AEB 开发当做一份崇高的事业在奋斗。
王佳佳想得更加朴素，他认为 AEB 是这个行业里最能体现基本功的项目。每 300 万公里的里程能避免 15 次碰撞，但是这样救人性命的东西需要大量靠人在实验室里堆砌起来的数据样本。除了基础的软件、算法技能以外，在实验场中一次又一次的实验才是真正考验人韧性的地方。
然而项目作出成果以后的满足感还是最让人兴奋的，AEB 项目在懂车帝登顶之后，理想成为了友商的研究对象，王佳佳略带自豪地表示，友商的 AEB 团队现在已经在问询他们了。
其实在小鹏 NGP 刚推出的时候，曾为小鹏供应商的王佳佳也深深为之震撼，当时小鹏的全栈自研项目已经建立起了数百人的团队，各个自研环节的技术已经取得了建设性的进展。
在起初的 OKR 共创会议上，提起跟小鹏去比拼大家都没什么信心，毕竟当小鹏的自研经过多年的积累开始大步向前的时候，理想这边才刚刚起步。
到项目最终交付以后，气氛变得不一样了。在所有人的不懈努力下，大家将原以为不可能的事情亲手实现了，而年初不到 100 人的团队此时已经达到了 300 多人。这个过程里来自不同工作背景的团队起先在配合上是重大难题，在实现目标的过程中很多人真正感受到了组织的力量，也理解了数据闭环系统在智能驾驶发展中的重要性。
那些出自大公司，一贯保守行事的工程师们在这之后再去谈争第一的事情也开始有信心了。
写在最后
随着 NOA 和 AEB 的正式上线，郎咸朋亲手装的「离职定时炸弹」终于又被他自己亲手拆除，理想智能驾驶的大团队也终于完成了从 0 到 1 的过程。
郎咸朋说，这就是战略，战略不讲能不能，只讲必要性。当公司需要你站出来的时候，你不论如何都要把它做成，战略确定后，接下来拼的就是执行。
为了实现必要性的战略目标，自研大项目从 0 到 1 的这一年也经历了很多挑战，压力从年头一直持续到了年尾。不过战场之下，伤痕遍野。团队里有人成长，也有人无法忍受失控的生活和情绪，选择了离开，其中不乏郎咸朋非常器重的几位核心员工。
项目中执行强硬到近乎残忍的郎咸朋，此时流露出他富有同理心的一面：「承受与年龄不相符的责任，对大多数人是灾难，但他们还是承受了自己不应该承受的那些东西。我们现在看到的优秀案例，只不过是幸存者偏差，我们现在看这个人很牛逼，年纪轻轻的就特别棒，那只是幸存者。」
理想 2021 自研项目尾声阶段，郎咸朋对团队说，项目初期离开的很多人对公司没有信心，觉得公司只是在吹牛逼，喊口号，理想做不成这个事情，但好在多数人还是选择留下，项目最后也做成了。参与过去年这一年交付的人，经历的是一次非常重要的战斗，这团队里一定有人会在将来的 10 到 20 年成为全世界自动驾驶领域最顶尖的人才。
随着交付的新车增加，理想ONE辅助驾驶目前超过了 2.4 亿公里。其中，2021 款贡献了超过 6,000 万公里。NOA 超过了 1,500 万公里，平均每个月约为 400 万公里，随着销量增加，预计今年 NOA 总里程突破 1 亿公里。而其他友商的公开数据为一年 2,000 万公里。
这一年，帮助理想自研成功的关键因素里有高层的果断决策，有内外压力带来的双向推动，有闭环数据迭代系统的提前布局，也有目标驱动下的网状组织管理以及为达成目标全力以赴的团队。众多因素融合在一起让理想在一年时间里挑战自身极限，实现了 NOA 功能的及时补位，并且也成为业内唯一实现 AEB 自研的企业。
2022 年中国电动汽车百人会期间，李想在一场闭门会议中提议让把 AEB 作为车辆标配，这一提议得到了全国政协经济委员会副主任苗圩的支持。
随着 4 月份 L9 上市 ，坚持标配辅助的理想汽车将让更多的消费者用上更安全的智能驾驶产品，并进一步扩充全栈自研闭环体系的规模。
在新势力的第一梯队里，理想在产品定义和车型销量数据上都有着明显的优势，但是由于先天资源的不足，理想在智能上的发力其实处于追赶者的位置。而正是优秀的国产汽车品牌在用尽全力你追我赶的状态里，将国产汽车在智能驾驶里的自主研发水平往上拉了很高一步。彼此竞争又合作的品牌，有着亦敌亦友的关系。在公司级别，大家互相之间是竞争对手，但是在国产汽车这个赛道里，和全球最优秀的汽车品牌 PK，大家又在不断地相互学习和进步。
对于中国的自动驾驶历史来说，新势力异军突起的这几年只是开端，从 1 到 10 再到 100 的过程仍然充满变数，但同时也蕴含着改写中国汽车在全球地位的巨大机遇。
