车企|不想卡脖子，握紧白盒子( 二 ) 门店|农产品|预制菜|洗牌|菜品

比如在去年9月知乎拆车实验室的一次AEB测试中，2021款理想ONE的AEB翻了车。
面对用户和媒体的质疑，理想也没狡辩，乖乖承认当时的理想ONE的AEB功能还在测试中，还没有推给用户。可以想见，喜提新款理想ONE的车主们心里有多苦。
在2021款理想ONE上市后的7个月，理想ONE为自己正了名。
理想ONE在懂车帝组织的AEB测试中成为冠军，也是进入决赛组里唯一有能力准确识别横向车辆和两轮车的车型。为此，李想还专门在微博上写了一篇小作文。

文章插图
其中的核心观点就是理想对全栈自研的坚持终于见到了成果。
当然，2021款理想ONE的车主们在去年12月底已经通过OTA完成了新功能升级。
一场艰难的抉择AEB，自动紧急制动系统，在美国颇受重视，早在2015年，美国高速公路管理局就推动包括大众、通用、丰田等车企签协议，到2022年前，将AEB作为标准配置，此后加入这一协议的车企达到20家。
美国的这一推动，引起多国效仿，欧盟甚至将AEB列为新车标配。
虽然美国推动了AEB的普及，但是从AEB的标准来看，我们却没法借鉴美国。美国定义AEB的背景，主要是避免追尾，重点关注前方车辆，是根据美国的道路交通状况定制的。但是相较美国，中国道路交通环境复杂，行人、外卖车等两轮车不规范上路，如何识别出这些道路交通参与者，成为了难题。
决定全栈自研的理想，在AEB的开发上，需要针对中国交通的复杂路况，快速提出“中国策略”。
去年5月立项，成立AEB自研作战小组，12月完成AEB全部功能上线，在短短几个月的时间里完成AEB开发和上线，对于理想来说堪称一场效率之战。
技术开发的最大难度就是如何适应中国，这需要大量的数据积累。2021款理想ONE之所以能做到在7个月时间完成AEB全部功能上线，主要依赖大量的行驶数据。
在车辆行驶数据中，系统可以针对某一种事故的所有案例进行筛选并学习，不断去识别这一事故中的各种障碍物，系统在学习中不断进化，判断力和决策力也就更强。
然而，AEB识别的障碍物越多，误触发的风险也越大。关于误触发的场景，也要依靠数据来做具体诊断。理想的工程师分享过一个案例。去年国庆节的时候，理想的工程师正在公司加班，看到了系统上报误触发。经过仔细查看才发现，用户拿理想ONE当作婚车，并在上面摆设了假人，造成了系统的误判端。
工程师也很无奈：“我从业这么多年，从来没有想到这个场景下会有AEB误触发。“类似的场景，如果工程师只是坐在办公室写写程序，是无法想象到这样的误触发场景的。
这也印证了真实行驶数据的重要性。
如今，2021款理想ONE的误触发已经在数据的帮助下，被优化到了最低。

文章插图
另一方面，自研避开了与供应商的博弈，对用户提出问题的响应速度可以更快。
理想AEB工程师告诉我们一个理想内部的“311原则”：
客户提了一个工单，报告一次行驶中AEB误刹了或者刹车刹晚了，类似于这种工单会先提交到整车用户质量与安全部门，他们在提交到AEB项目组，然后按照“311原则”，必须三小时反应响应，一天内出解决方案，一周长期方案。
这种响应机制在过去的传统主机厂甚至是Tier1中都是不存在的。
自研能力才是车企最大的竞争力自研的快乐，车主当然也是感受得到的。比如动不动不定期的OTA，频率之高不但能让车主总是在不经意间收到惊喜，车主们的意见也能快速得到反馈。