理想汽车CEO李想披露核心安全数据：接近50%的智驾事故发生在系统退出交由人工接管的瞬间，现行“合规退出”机制虽满足法规要求，却构成了实际驾驶中的最大风险敞口，标志着行业安全评价体系正从“功能合规”向“实质安全”进行结构性切换。
| 核心指标 | 数值/表现 | 同比/环比/参照系 | 数据说明 |
|---|---|---|---|
| 接管瞬间事故占比 | ≈50.0% | 行业痛点基准值 | 智驾事故高发时段，传统功能安全设计盲区 |
| 马赫VLA系统响应 | 0.28秒 | 较人类平均0.45秒快37.8% | 120km/h下等效增加约6米安全制动距离 |
| 自研芯片算力利用率 | >82.0% | 传统架构普遍<60% | 数据流架构消除指令调度开销，实测对标Thor-U |
| 端到端时延优化 | -40.0% | 较上一代模型大幅降低 | 视觉-47%/推理-43%/底盘-38%/OS调度-28% |
| 累计规避安全风险 | 1727.3万次 | 截至2026年6月14日 | 其中重大避险5.6万次，验证主动安全基线 |
| 强化学习数据规模 | +15倍 | 较前代模型显著提升 | 配合5倍训练算力提升，支撑复杂场景泛化 |
从数据形态看，智驾安全正经历从“离散规则”到“连续智能”的结构性变化。过去三年，理想辅助驾驶安全演进呈现明显的阶梯式特征：2022年激光雷达落地、2023年AEB全速段覆盖、2024年首发AES、2025年多车连续避让、2026年夜间极速刹停上限提升至130km/h。这一时间线表明，安全能力的CAGR（复合年均增长率）远超硬件迭代周期。更关键的趋势信号是，系统响应速度0.28秒已突破人类生理极限0.45秒，这意味着在高速场景下，机器接管的安全冗余度开始反超人类驾驶员。当“机器比人快”成为可量化事实，以“人类接管”为兜底的传统L2级安全范式便失去了物理基础，行业必须重新定义“安全退出”的触发阈值与执行逻辑。
归因拆解显示，“合规但不安全”的根源在于量、价、结构三维度的错配。在“量”的层面，传统智驾依赖规则驱动，面对未见过的长尾场景（Corner Case）时，系统置信度骤降只能选择退出；而马赫VLA采用原生多模态MoE统一框架，模仿学习数据提升50%、模型参数量提升10倍，使系统从“识别障碍物”进化为“理解场景”，从根本上减少了被动退出的频次。在“结构”层面，传统冯·诺依曼架构在处理AI张量计算时存在大量缓存与调度开销，导致算力浪费；马赫M100采用数据流架构，将超50%晶圆面积分配给NPU，实现82%以上的有效算力利用率，解决了“纸面算力高、实际响应慢”的行业通病。在“价”的维度，全栈自研芯片+编译器+OS+算法的垂直整合，降低了对外部供应商的黑盒依赖，使安全策略可从底层重写，而非仅在应用层打补丁。
这一数据变化对行业的映射意义深远。首先，它揭示了L2级辅助驾驶的“责任灰色地带”：现行法规仅要求系统发出接管提示即视为合规，但未量化“人类有效接管所需的最小时间窗口”。当50%的事故集中于此环节，说明行业标准滞后于技术现实，未来或需引入“人机共驾安全裕度”等新指标。其次，竞争维度正在升维。特斯拉FSD V14、华为ADS等头部玩家均在推进端到端大模型，理想提出Q4对齐FSD V14能力，实质上是将智驾竞争从“传感器数量/算力大小”的硬件军备赛，转向“数据闭环效率/模型泛化能力”的软件生态战。最后，具身智能概念的提出，意味着汽车产品定义正从“交通工具+功能模块”转向“独立完成任务的智能体”。当车辆能自主理解交警手势、规划多点接送路线、甚至在雷达遮挡时主动靠边停车，其商业价值将不再局限于卖车本身，而是延伸至出行服务、保险定价、数据资产等衍生领域。
下期关注要点：7月OTA推送后，辅助驾驶效率提升30%的实际用户接管率变化；Q4马赫VLA对齐FSD V14的实测对比数据；以及《智能网联汽车自动驾驶数据记录系统》在L2级车辆中的扩展适用进展。