前车在高速上向左变道，开起辅助驾驶的后车直接撞了上去，这种事故如果发生在其他车型上，大家可能会比较吃惊，如此大的目标车辆，系统竟然没有反应，可是这种事故发生在理想L9车型上，大家可能会更觉得差异了。

事后，交通执法部门认定变道的货车负主要责任，而根据理想L9的行车数据显示，理想L9在开启NOA后，没有主动制动，而且驾驶者也没有采取接管制动，加重了事故后果，负次要责任。

但是大家的疑问还是和之前一样，车辆为什么在辅助驾驶NOA开启后，没有触发自动的制动或者减速，而是直接撞上去，理想在这次事故后也给出了答复：理想L9在距离大车很久的时候就提醒了用户要接管，但是用户都忽略了，可以推测用户注意力不集中。对于移动的货车和小车，自动紧急制动功能在车速8—100km/h工作。涉案事故发生时，车辆行驶速度已经超出车辆辅助驾驶自动紧急制动的工作范围，驾驶员因未按告知内容操作引起交通事故。

这下我们明白了，系统要求人为接管，可是人为不接管那么系统就躺平了。而且事发之前这台理想L9一直保持120km/h的速度开启辅助驾驶，碰撞时的速度也达到了117km/h，超过了理想自动紧急制动100km/h的上限，所以车辆只会报警，没有其他反应。

这可能就是系统自身的感知逻辑还是存在一定的缺陷，上一次理想L9高速NOA的事故，很多专业人士把事故的原因归咎于理想在多传感器的感知决策方面可能存在不足或者是遇到了“边角案例”，一瞬间系统可能不知所措，导致碰撞事故的发生。这一次事故的发生又能赖谁呢，只能怪再强的NOA功能，也只是辅助驾驶，驾驶者不应该分心，车企对于NOA等事故不负责任。

理想的NOA也将进城，技术路线更像特斯拉？

理想即将落地的这套辅助驾驶系统，将通过大模型 AI 算法，摆脱对高精地图依赖，目标是在今年年底覆盖100座城市的目标。当然，我们也要明确一点，能够实现城市NOA功能的车型，是理想L系中搭载激光雷达，使用AD Max系统的车型，也就是对应着使用双英伟达Orin的这套系统，这套系统在“进城”之后，将使用基于BEV架构的车端感知模型，这个架构已经可以在绝大多数路段实时生成稳定的道路结构信息，不再需要依赖地图数据包。

而在城市路段，人车混行，还有不规则行驶的电动车构成的复杂路口环境，会是所有辅助驾驶系统都要面对的大麻烦，而且城区中还会有公交车、广告屏，树木等遮挡视线的因素，人类驾驶者在面对这些复杂场景时，都不能做到万无一失，而到了辅助驾驶系统这里，传统的视觉感知基本上无法应对，理想引入了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，功能生效时，系统会不断地建模，而且在与BEV架构进行融合，使得车辆自身的感知可以变得更为具体，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。

另外，理想的系统也会学习人类司机在真实道路环境，比如应对信号灯变化时的行为，通过收集到的人为处理数据，可以训练TIN信号灯意图模型，这个模型可以更好地参与到对于复杂路况的应对之中，同时它的存在也是为了摆脱高精地图，甚至是车路协同系统，在总结出一些规律性的内容后，通过在单一城市的训练，可以把类似的场景应对方式复刻到更多城市的场景中。

在算法方面，理想的AD Max 3.0已经开始使用AI大模型的技术，深度学习人类驾驶员的决策，因为从目前一些开通的城市辅助驾驶系统表现来看，车企们的策略还是比较保守，一些有违章风险的跨线躲避，其实是成立的，正常的人类驾驶者就会这样去决策，理想的大模型正是要让城市NOA在保证安全、符合交规的前提下，做出类似人类驾驶者的决策。

理想城市目前的NOA功能，背后使用了NPN特征、TIN网络增强，以及BEV架构的支持，它的出发点就是无图NOA，并不像是小鹏、华为它们在初期依靠高精地图，逐步再去脱离高精地图，有些像特斯拉FSD的操作。

在城市NOA落地的同时，理想还发布了通勤NOA，这个系统可以让用户自己设定路线、自车学习NPN特征，车辆在自学习之后，可以完成车主一些固定路线的NOA功能，这属于是定制化的NOA了，这一步目前还没有其他新势力来涉足，我们只是在贾老板的FF 91那里听说过定制化的辅助驾驶。

总结：