是的，我们公司买了理想L9。
提车的流程和一系列后续的测试环节已经安排好了，预计从本周开始就可以陆续和大家见面了。
今天要讲的是上车的开胃菜:做题。
来自理想应用
不知从何时起，新势力对用户的培养从线下言传身教变成了线上复试。
陶林曾在接受新华社采访时表示，“在车辆的使用上，可能需要加强对消费者的教育，比如与驾校或交通部门合作。让大家都知道新车怎么用”现在已经用一种黑色幽默的方式变成了现实。
其实陶林还有后半段的解释，只是当时舆论沸腾，无人问津。她说:“这样可以避免使用过程中的误操作，或者对功能不了解导致的其他问题。总的来说，智能汽车肯定比以前的传统汽车更安全。”
去年，特斯拉官方还推送了关于驾驶的笔记和插图，意在不断培养用户的安全驾驶意识。
在培训车主方面，新的国内品牌也纷纷效仿。比如这次Ideal L9就制作了一个Ideal AD Max的驾驶功能的教学视频。有理想的车主一定要在李App里仔细看完这段视频，完成考题，才能在车内启动辅助驾驶。
李表示，虽然智能辅助驾驶系统可以让司机更放松，但无论辅助驾驶多么强大，体验与老司机多么接近，仍然不是自动驾驶。它无法应对所有路况，尤其是紧急情况。它仍然要求驾驶员始终握着方向盘，时刻关注路况，随时准备接管车辆。
李还特别强调，如果车主将车交给他人，请提醒他人完整观看此视频，并确认对方已经了解并掌握理想AD Max的正确使用方法和注意事项。
李如此谨慎自然是有原因的。
首先是刚刚踏上自研之路的理想L9。虽然涉及到各种功能，包括导航辅助驾驶、车道保持辅助、智能泊车和召唤、短距离堵车识别、异常事故车辆识别等，但并没有像友商那样形成功能上的统筹或全场景覆盖。
其次，理想的AD Max智能驾驶采用“BEV融合算法”。简单来说，它最大程度上模拟了一个人类的操作过程，即几乎完全分析了眼睛提供的视觉信息。
不过这种上限极高的操作，自然风险也有点高。毕竟系统和人一样，都要先了解一些东西，然后通过“近大、远小”等实时变化来描述自己的运动轨迹。
然而，世界上的物体太多了，很难用穷举的方法列出来。更何况，即使是已经进入的物体，在事故发生后，车辆掉下来的姿态也可能千奇百怪，很难通过原始数据图像进行分析。
更别说一些强光或者黑暗的环境，相机本身的能力也会大打折扣。
这导致现阶段这种BEV视觉算法存在很多不确定性。即使理想的AD Max增加了激光雷达和高精度地图的输入作为辅助，并创建了BEV融合算法，但归根结底，它只是修补了BEV，而不是改变了结构。
但是这些在宣传引导车主买车的时候并不会被广泛宣传。他们只能等车主下单提车后再来撇清。
只能说，像NOA高速导航辅助驾驶这种涉及驾驶员安全的功能，并不能保证百分百绝对可靠。个人觉得就是普通用户用不了。
李自然知道这一点，他们针对用户频繁使用的城市封闭道路和高速公路这两个智能驾驶场景中的高频事故进行优化。
但是，如前所述，即使增加了激光雷达，希望车辆能够提高对静止和异常障碍物的识别，但在匝道、养护路段等地方仍然会失去决策能力。
来源:理想应用@丮丮丮丮丮丮丮丮
来源:理想APP@木匠欧米茄
来源:理想APP @布莱恩剑
后续我们还会针对这些场景对理想L9的智能辅助驾驶能力进行详细评测，这里就不赘述了。
总的来说，李是想让用户意识到，智能辅助驾驶系统的辅助大于智能，这是好事，也是新势力的必须。
只是“安全不绝对等于绝对不安全”。你总是把试玩版扔给用户，把所有的希望都寄托在OTA上，然后告诉用户:“如果你出事了，那是因为你没有考好我们分配的科目四。”
这是不是也违背了用户企业的初衷？
我知道你在看
