电动知士大雨

亏电油耗5.32L/100km，这是什么水平？哪家比这个更低？

乐道L90发布会的几个猜想： 1、慵长的两组家庭采访，让现场冷的要死，沙溢胡可暖场，再到斌哥发布价格，气氛被瞬间引爆，场内场外都沸腾了。 这个节奏是V曲线，如果是有意为之，有点牛批。 2、L90 Pro版本，售价26.58万，租电17.98万；Max版本，27.98万，租电19.38万，Ultra版本 29.98万，租电21.38万。 这是用9系车，吃20-30万的所有对手，包括大型、中大型、中型SUV，是要吃别人的6-7-8-9系，野心好大。 BaaS租电在乐道L90身上，达到了前所未有的价格震撼。 3、接下来的走势是L90带动L60，乐道根本不着急出L80了。如果90销量火爆，接下来的三代ES8，蔚来会倾向于保利润。 4、现在大家都关心交车，9月1号首月交付量定生死，我目前持谨慎乐观态度，祝乐道蔚来大麦。

#乐道l90# 发布会的户外场地，竟然对所有人是开放的。

刚才跟同行的媒体老师聊天，这次乐道的点，真踩的很准，发布会如果早1-2天，就会赶上台风。这叫什么，这叫尽人事、听天命。 势头上升的时候，就真会顺顺顺。

理想One老用户的复购权益：2020款两万元现金减免、2021款一万元，你们觉得怎么样？之前鸿蒙智行老车主的复购政策还是很有用的，我们就用这个政策把S7换成了M8。 #理想i8#

#理想i8上市# Pro版本32.18万，Max版本34.98万，Ultra版本36.98万。你猜对了吗？

理想VLA司机智能体验日，部分问题速记。 理想汽车自动驾驶研发高级副总裁 郎咸朋博士 理想汽车自动驾驶高级算法专家 詹锟 Q：从无图NOA到端到端生命周期都比较短，VLA会是一个长期架构么？是否能支持到城区自动驾驶？ 郎咸朋：我们认为VLA有很强的技术潜力，虽然端到端是让自动驾驶从人工变成AI（智能），但端到端这一代，我们认为只有V和A是不够的，所以我们开始了VLM架构，但现在看来依然要合成一体，我们也研究了很多先进技术框架，VLA的架构思路来源于机器人和具身智能，是一个长期架构。 从某种程度上看，自动驾驶也是一个机器人，是四轮或驾驶机器人，我认为VLA架构会延续到机器人繁荣之后，才可能被其它技术替代，它是一个相对长期的架构，技术潜力非常大，也更像人类的智能发展规律。 Q：VLA在Thor-U芯片上的运转速度能到多少？目前的10Hz应该只是一个起点，是否可以做到更高？特斯拉最新的FSD运转速度是多少？ 詹锟：目前Thor-U的架构是最先进的，它支持的推理精度和混合精度已经是最强的了，我们现在使用的INT8和FP8是业界主流的或最先进的大模型推理方式，目前我们已经做到了。另外，Thor-U芯片支持FP4，FP4比FP8多一倍的算力，比如FP8是700算力，FP4可以做到1400算力，这样的话算力的推理时延长会从10Hz变成20Hz。 同时，我们后面可以再进一步提升。 在大模型领域，这一年的时间里，在保持同等性能的前提下，主流大模型的推理成本平均下降了约 1 个数量级（≈10 倍），我们通过更好底层数据、更好的算法架构，做了一些硬件适配的算法，都能够保证在不降低性能的前提下提高计算速度。所以我们可以再用几个月的时间迭代出一些更好、更高效的算法来适配当前的算力架构，推理帧率有可能达到20Hz，30Hz。 Q：VLA在双Orin平台能部署到什么情况？Thor平台上能做到10Hz的推理帧率，在双Orin平台上能做到多少？ 郎咸朋：无论是公司要求，还是我们自己团队的决策，从VLA模型研发之初我们就决定要支持每个平台，并且要做到无差别支持。我们会重点关注模型部署帧率和模型部署的差异，两个平台我们是在同步推进的。从功能表现和模型表现上，我们会在两个平台同步且无差别的推进，请所有AD Max车主放心。帧率问题也是同样的，目前我们内部在进行一些模型优化，每天都会迭代出新的版本，我们最终交付的时候大家会看到比现在还要好的帧率。 Q：有些友商在自研芯片，未来理想汽车会不会自研芯片？是否自研芯片是基于什么去决策和判断的？ 郎咸朋：现在已经有些企业在推进自研芯片，但是VLA的技术架构和模型还没有最终定型。自研芯片的好处是对于自己的模型支持成都会更好，而英伟达的通用芯片对于各种模型和算子的通用性会更强，我们一直用英伟达的芯片来进行模型部署和探索，希望能够通用性更强，不会把自己锁死在一些算子和模型架构上，等到模型架构的通用性解决后，我们可能会考虑其他的可能性。 Q：VLA里的L对行车的体验是锦上添花还是雪中送炭？用新的方式或新的架构带来的收益或提升会是怎样的？这个变化会很明显吗？ 郎咸朋：第一，语言的智能或语言理解能力是必要的，除非使用先验地图信息或者其他信息提供这方面的知识。 第二，如果真的未来实现了L4或纯无人，像今天在MEGA Home上其实是没法操作这个车的，只能用语言去指挥，如果没有语言能力，车都开不了。 但最底层的本质是有了L之后，CoT能力才会增强。像防御性驾驶，别的车也会有，它可能看到这个东西也会有反应，但如果将来没有这种思维能力，它遇到更加复杂或没见过的场景的话还会出问题，我相信我们VLA对这块的解决能力会非常强。所以，有没有L，实际上是这个模型本身也没有很好的深度思考能力的一个关键，这不是锦上添花、雪中送炭。 Q：扩散模型的出轨迹的时延问题，理想在做VLA如何快速去噪并实现一个比较稳定收敛的轨迹？ 詹锟：大模型迭代周期分为两种，一种是重新训练预训练，也就是改变了基座；另一种是通过后训练微调一些特性，比如加入一些新的一些小的特性，以及修正了一些小的Feature或者Bug这是两种。 第一种要从头训基座需要以一个月这种级别来更新，理想对AI非常重视，我们会跟基座模型团队一起合作，我们的基座数据来自陈伟老师那边的基座模型。 包括3.2B也是完全定制的一个基座，而且它对英伟达的芯片是有定制化的提升，并且会以月级别进行更新，这个月更新反馈给下一个月要“迭代什么样的特性，加入哪些知识，提升哪方面能力”，届时“空间理解，语言理解，文字识别”这些能力就会提上去，所以我们每个月会有一个基座的更新。 其次，关于后训练的更新，主要取决于我们需要解决什么问题，有的问题只是引入一些相关数据就可以直接解决，有的问题需要加一些新的prompt，需要加一些新的鲜艳的描述，我们会把数据做在数据集里面做一次后训练，这其实跟现在大模型的迭代思路是非常一致的。 我们Diffusion为什么能快？其实是这样的Diffusion已经发展了很多时候，从最早的生成图片，最原始的Diffusion，DDPM的那种方式去做Diffusion它可能要五十步、一百步甚至两百步这样的形式。 现在我们有很多新的去噪方法，包括DPIM或者flow matching流匹配类似于这样的方法，是可以大幅度降低迭代步骤。我们现在用流匹配基本上2-3步就可以出一次轨迹，2-3步并不会特别时延，并不会有特别大的压力，同时我们出多轨迹也是一个并行出发的过程，毕竟芯片的算力足够大的，2-3步迭代是完全可以承受住的，时延相对还是比较低的。 Q：方便说一下时延是在多久吗？ 詹锟：现在时延大概在15毫秒左右。 Q：三步对吗？ 詹锟：对，三步。 Q：VLA本身是具备思维链的过程，在VLA阶段超级对齐这件事儿还有意义吗？思维链本身就是在做一次对齐，人类规则包括现实的一种对齐，VLA还需要做吗？ 詹锟：还是需要的，CoT是VLA或者VLM模型的一个特性，比如在做一个决定、一个决策前，可以用一些Token来做思考，这里面思考可能为什么这样想，甚至隐式Token都是可以做的，它只是一种思考的模式。 超级对齐指的是思考出来的模式，是否符合人类价值观，是否符合大部分用户希望的驾驶行为。超级对齐也分用“RLHF的模型对齐”或“人类偏好对齐”，甚至可以用一些其他的后处理兜底的方式去做一些对齐，这两种在VLA里面还是会继续存在，我们先用超级对齐RLHF重新优化COT。 比如说我让模型先采样出来8种CoT的逻辑，筛选出符合人类价值观的，做出对应的偏好选择，我们有Preference model（偏好模型）可以进行对应的选择。 Q: VLA上车以后，行车、泊车和AEB三个模块是不是都在一体训练了？ 第二个问题，特斯拉目前做的Robotaxi、FSD、Grok4等，这一系列动作对咱们有什么可以参考的？或者换个角度说，理想正在做的努力，跟特斯拉有什么差别，或者有哪些相同的地方？ 詹锟：我先回答一下第一个问题，我们这次VLA推送的时候，行、泊、AEB都会在里面，而且现在的版本，其实都已经在了，我们也可以到时候再体验一下。 第二个问题，关于特斯拉，我们也非常关注，无论在中国，还是在美国，我们也专门有在北美的调研团队，我们自己在北美开了非常长时间的特斯拉，从12版本一直到现在，非常关注它的进展，并且一些动作细节有很多都是我们值得去学习、跟进的。它最近在做Robotaxi，也可以看到会存在一些不同的问题，刚上线可能就20台车，这个范围内其实也出了很多的情况。我们也可以看到，作为一个跟L4公司强运营的高传感器配置不同的路线，往Robotaxi走，其实还是要更加谨慎或一些细致研发的。 对理想来说，我们的目标肯定也是往那个级别自动驾驶去做的，我们一如既往通过技术的迭代一步一步做到全场景的自动驾驶能力，我们其实在Robotaxi上看到了他们可能的一些机会点和目前的一些曲线。 刚才郎博介绍的远程接管，特斯拉也做了很多样的运营，包括先采路线，把那些不行的先去掉，也包括随时都有远程接管的人，还有副驾驶的安全员等，他们在这方面也在推进，对理想来说，我们也会往这个方向逐步开始探索和尝试。 我们的技术栈、我们的能力，是瞄着这个最高的目标前进的。 Q：刚才郎博说一年内能实现，从技术能力上讲，是不是一年内实现L4？ 郎咸朋：技术能力我们肯定是希望这么来做的。现在主要还是因为技术的先进性和技术的差异度没有提升上来，很多的宣传等会被别人认为是不实的，即使有人做的对，有人做的不对，可能都会认为是有问题的。 对我们而言，VLA这套架构有三个观点：第一，我们认为它与人类思维和思考能力是相似的，是最有可能实现L4级别的架构；第二，我们会沿着这一方向推进，目前有同事正与国家相关政策法规机构、单位开展L4方面的讨论，并将深度参与国家在此领域的政策法规建设；第三，在内部我们有两方面目标：一方面会给大家提供一个自己开的时候使用辅助驾驶的安全的司机，另一方面，也会及时把VLA的能力再往上探索更高的可实施性，VLA能力迭代会非常快。 去年讨论端到端时，大家可能对一年后的发展预期还不明确，但现在回头看，可以发现发展速度确实很快，VLA的发展速度我觉得会更快，至少我们彻底摒弃了人工测试方式，因为只要有人参与闭环，效率就会受限，且容易出现各种问题。 但前提是具备无人仿真测试能力，且测试一致性与实车完全一致，这也是我们过去一年多在端到端、超级对齐中积累的大量这方面的经验。 我们也积累了大量评测场景。过去用实车测试辅助驾驶功能时，可能只覆盖人开车时常见的场景（比如上下匝道、高速、城市道路、路口等），但今年上半年的超级对齐让我们发现，模型更容易出问题的场景并不完全等同于人类驾驶的经验。 这样就给我们VLA积累了很多模型会出错的场景，有些场景人开可能没问题，但模型却可能出错，甚至是一些看似简单的地方，这就是我们积累的一些数据背后的场景故事。 所以，我们可以用这些去很好的评测现在VLA的模型。还是那句话，大家看到的今天的VLA模型或产品真的就是我们第一版能上路的产品，大家可以多试一试，它可能有一些极限的场景，该接管接管，该干预干预，但我想它的发展迭代速度会非常快。 到明年我相信1000MPI只是一个量级，现在是百公里量级，明年具体数据不好说，但肯定是千公里量级，我相信到今年年底也应该能比现在高一倍，差不多400-500MPI量级，这是我今年的一个目标。

你们想知道上周六，在理想研发总部VLA的Workshop里讲了什么吗？就是你们正在看的直播内容。区别是，你们不知道Q&A里讲了什么？

一个细节，直播枪击测试画面的时候，直播镜头切到了观众席，合规很重要

超短篇：懂车帝测试，经过一段时间的沉淀，可以聊聊了。 我之前说过：这是三场“大逃杀”。表面上，是品牌车型的PK；背后是辅助驾驶“脱管”后的生存战；而最终则是行业风向、消费者认知的买单。 几乎所有矛盾，都集中在品牌间的PK。懂车帝的测试标准、变量控制，过程完整性，操作手法，不断被网友截屏挑战、逐帧分析和质疑…… 我们的横评去年做了：天津、武汉、驻马店、再战武汉、重庆、呼和浩特、北京，共7站的节目。因为涉及PK、排名，团队会尽最大的努力做好三件事： 1、更完整、更清楚的画面展示。 2、争议部分，操作有瑕疵的地方，会两次、甚至多次复现，并把结果展示出来。 3、如果当时不具备条件，我们会间隔时间再测。 这些“过程”，越清楚、越好，但受交通流量、各家系统标定不同。叠加我们的能力和资源有限，也不敢说能做好，只能尽力而为。 还有争议，也只能受着。 由于考点和路线连在一起，复现要花很多时间，有时候为了控制流量，我们只能在凌晨复现： 重庆站、考点1的无保护路口，某台车的减速可能被行人影响，复现在凌晨1点，路上没人的时候。 北京站、施工路夜考，晚上10点车流量依旧很大，无法判断减速是因为车流，还是障碍物，最后只能凌晨1-3点重拍的。 尽管如此，小鹏P7+的测试过程依旧有瑕疵，样片出来后才发现。 解决方案是：小鹏时隔三周后再去复现，本来是漆黑一片，再去的时候，路灯装好了。 怎么办呢？只能节目里实话实说，希望观众谅解，如果被喷，就受着，谁让你当时不够严谨呢？ 好在我们的测试规模小，暂时还能吃得消。 而如果不是车型PK，比如今年4月点到点横评，讲车位到车位的差异部分，各台车的场景展示就没有刻意控制变量。 所以目标，会影响操作与呈现。 从懂车帝的节目呈现、结果来看、我理解的目标：是辅助驾驶“脱管”下的表现，是不接管的风险问题，是讨论边界问题。 我思考了一下，如果我做，大概率会展现边界“线”的上下两面。 既：什么情况下能过，什么情况下过不了；不会只放“过的”，也不会只放“挂的”。 但按照之前的经验，这种节目太理性，不会有大流量，这也是我们目前的现状——“没流量”。 内容为目标服务，不同人会有不同选择，受众和消费者，会有各自偏好，这就是社交平台的现状。 单看辅助驾驶的生存之战，这期节目输得很惨，有人会说：某款车表现很好啊。 你怎么知道，如果改变某个设定，某个因素，某款车还会好呢？ 我不是说测试作假。而是整场考试，对考题的设定，对临界点的选择非常专业，我猜主创团队里，有做过量产和测试的人，知道临界点在哪，知道它一定会撞。 辅助驾驶不是自动驾驶，系统有ODD边界、有临界值。你了解它的临界点，结果展示的也全是临界点。结果是错的吗？不是。但总感觉怪怪的。 这就好比：学的是C1驾照，考试的时候，用的是加长的公交车，挂科是一定的。 让我五味杂陈的是：这些边界问题，现阶段就是辅助驾驶的命门，行业在努力解决，长尾问题在减少，但依旧有，还需要更多时间。 所以这个测试好的一点，是给滥用辅助驾驶的人浇了一盆冷水；它不好的一点，是否定了这个行业，为安全所做的努力。 拿“消失的前车”举例，它是最难的，它并不简单。 多数情况下，当前车发现静止障碍物和故障车时，只要条件允许，发现就是发起变道的节点。没有前车会那么极限变道，故意陷害后车。 我知道有人会杠，所以请注意，说的是静止物体。如果是缓慢减速的故障车辆，对后车来说，反应窗口就要好很多。 所以这是一个极限的、长尾的场景，也就是所谓的corner case。 行业为了解决这个极限场景，开发了一个叫AES的功能，在安全前提下，通过紧急转向，控制车身运动，来解决突破物理极限，无法避免的碰撞。 但这个功能执行有一个前提：叫“让速不让道”，在左右都没有变道条件的情况下，功能不会触发。 在懂车帝的测试里，左侧是连续、高速、小间距通行的车队。 即便车队中的司机发现，右侧有故障车，他车需要变道避免风险时，也没有任何同理心，没有让出丝毫的空间，没人减速。 所以，AES在这个假设的场景里，被直接BAN掉了。 我特别怕某个不懂自动驾驶的老板，看完这个测试后，会痛骂花了百万预算，占用大量工程和数据闭环资源，主张开发AES功能的负责人： “你们这群废物，懂车帝的测试都过不了！” 这是在用1%的长尾场景，否定一个有价值的主动安全功能。 我觉得更好的处理方式，是展示AES能够解决的场景，同样展示它搞不定的场景，就比如：这个连续车流。 告诉大家AES概率，辅助驾驶不是自动驾驶，该接管要果断接管，别去赌。 但这样的节目谁愿意看呢？ 或许只有更惨痛的失败，才会让人警醒？ 只是，那些在滥用辅助驾驶，开车睡觉的人，会相信这期节目吗？ 他们可能还会睡觉。 而那些本来就很守规矩的， 会不用辅助驾驶吗？ 他们会更认可自己的做法。 而没用过辅助驾驶，打算尝试的新用户，会怎么看待这个功能呢？ 尤其是长辈，会跟他们怎么说？ 我不知道。 如果你是这类用户，来评论区里聊两句吧。 最近几天，我问了很多做产品和技术研发的朋友：如果是L4，是萝卜快跑、是小马智行、是文远知行的Robotaxi，跑同样的测试，结果会是什么呢？ 每个人的回答会不同，但大家都认可一点，“菜”只能多练。 因为自动驾驶人、自动驾驶行业所为之追求的：就是让我们的汽车更安全，在这个终极目标到来之前，任何测试都是渺小和苍白的。

超短篇：懂车帝测试，经过一段时间的沉淀，可以聊聊了。 我之前说过：这是三场“大逃杀”，表面上，是品牌车型的PK；背后是辅助驾驶“脱管”后的生存战；而最终则是行业风向、消费者认知的买单。 几乎所有矛盾，都集中在品牌间的PK。懂车帝的测试标准、变量控制，过程完整性，操作手法，不断被网友截屏挑战、逐帧分析和质疑…… 我们的横评去年做了：天津、武汉、驻马店、再战武汉、重庆、呼和浩特、北京，共7站的节目。因为涉及PK、排名，团队会尽最大的努力做好三件事： 1、更完整、更清楚的画面展示。 2、争议部分，操作有瑕疵的地方，会两次、甚至多次复现，并把结果展示出来。 3、如果当时不具备条件，我们会间隔时间再测。 这些“过程”，越清楚、越好，但受交通流量、各家系统标定不同。叠加我们的能力和资源有限，也不敢说能做好，只能尽力而为。 还有争议，也只能受着。 由于考点和路线连在一起，复现要花很多时间，有时候为了控制流量，我们只能在凌晨复现： 重庆站、考点1的无保护路口，某台车的减速可能被行人影响，复现在凌晨1点，路上没人的时候。 北京站、施工路夜考，晚上10点车流量依旧很大，无法判断减速是因为车流，还是障碍物，最后只能凌晨1-3点重拍的。 尽管如此，小鹏P7+在测试过程依旧有瑕疵，样片出来后才发现。 解决方案是：小鹏时隔三周后再去复现，本来是漆黑一片，再去的时候，路灯装好了。 怎么办呢？只能节目里实话实说，希望观众谅解，如果被喷，就受着，谁让你当时不够严谨呢？ 好在我们的测试规模小，暂时还能吃得消。 而如果不是车型PK，比如今年4月点到点横评，讲车位到车位的差异部分，各台车的场景展示就没有刻意控制变量。 所以目标，会影响操作与呈现。 从懂车帝的节目呈现、结果来看、我理解的目标：是辅助驾驶“脱管”下的表现，是不接管的风险问题，是讨论边界问题。 我思考了一下，如果我做，大概率会展现边界“线”的上下两面。 既：什么情况下能过，什么情况下过不了；不会只放“过的”，也不会只放“挂的”。 但按照之前的经验，这种节目太理性，不会有大流量，这也是我们目前的现状——“没流量”。 内容为目标服务，不同人会有不同选择，受众和消费者，会有各自偏好，这就是社交平台的现状。 单看辅助驾驶的生存之战，这期节目输得很惨，有人会说：某款车表现很好啊。 你怎么知道，如果改变某个设定，某个因素，某款车还会好呢？ 我不是说测试作假。而是整场考试，对考题的设定，对临界点的选择非常专业的，我猜主创团队里，有做过量产和测试的人，知道临界点在哪，知道它一定会撞。 辅助驾驶不是自动驾驶，系统有ODD边界、是有临界值。你了解它的临界带点，结果展示的也全是临界点。结果是错的吗？不是。但总感觉怪怪的。 这就好比：学的是C1驾照，考试的时候，用的是加长的公交车，挂科是一定的。 让我五味杂陈的是：这些边界问题，现阶段就是辅助驾驶的命门，行业在努力解决，长尾问题在减少，但依旧有，还需要更多时间。 所以这个测试好的一点，是给滥用辅助驾驶的人浇了一盆冷水；它不好的一点，是否定了这个行业，为安全所做的努力。 拿“消失的前车”举例，它是最难的，它并不简单。 多数情况下，当前车发现静止障碍物和故障车时，只要条件允许，发现就是发起变道的借点。 我知道有人会杠，所以请注意，说的是静止物体。如果是缓慢减速的故障车辆，对后车来说，反应窗口就要好很多。 所以这是一个极限的、长尾的场景，也就是所谓的corner case。 行业为了解决这个极限场景，开发了一个叫AES的功能，在安全前提下，通过紧急转向，控制车身运动，来避免突破物理极限，无法避免的碰撞。 但这个功能执行有一个前提：叫“让速不让道”，在左右都没有变道条件的情况下，功能不会触发。 在懂车帝的测试里，左侧是连续、高速、小间距通行的车队。 即便车队中的司机发现，右侧有故障车，他车需要变道避免风险时，也没有任何同理心，没有让出丝毫的空间，没人减速。 所以，AES在这个假设的场景里，被直接BAN掉了。 我特别怕某个不懂自动驾驶的老板，看完这个测试后，会痛骂花了百万预算，占用大量工程和数据闭环资源，主张开发AES功能的负责人： “你们这群废物，懂车帝的测试都过不了！” 这是在用1%的长尾场景，否定一个有价值的主动安全功能。 我觉得更好的处理方式，是AES能够解决的场景，同样展示它搞不懂的场景，就比如这个连续车流。 告诉大家AES概率，辅助驾驶不是自动驾驶，该接管要果断接管，别去赌。 但这样的节目谁愿意看呢？ 或许只有更惨痛的失败，才会让人警醒？ 只是，那些在滥用辅助驾驶，开车睡觉的人，会相信这期节目吗？ 他们可能还会睡觉。 而那些本来就很守规矩的， 会不用辅助驾驶吗？ 他们会更认可自己的做法。 而没用过辅助驾驶，打算尝试的心用户，会怎么看待这个功能呢？ 尤其是那些长辈。 我不知道，如果你是这类用户，来评论区里聊两句吧。 最近几天，我问了很多做产品和技术研发的朋友：如果是L4，是萝卜快跑、是小马智行、是文远知行的Robotaxi，跑同样的测试，结果会是什么呢？ 每个人的回答会不同，但大家都认可一点，“菜”只能多练。 因为自动驾驶人、自动驾驶行业所为之追求的：就是让我们的汽车更安全，在这个终极目标到来之前，任何测试都是渺小和苍白的。

上周五，带电动知士小伙伴们去门店体验了下乐道L90，因为动态试驾我没去，所以这也是我第一次开L90。 我们5个人里面：有两位蔚来车主、一位理想车主，大家试完之后挺感慨的，市场的激烈竞争，让这么好的产品，在20-30万价位就能买到，L90虽然叫乐道，但在蔚来的产品序列里并不低，新技术的使用，加上一流的工程能力，即便与其他9系对比，也是可圈可点，不落下风的。 我的个人感受，L90的动态取向也是家庭化的，底盘滤震一流，俯仰和横向控制很好，我专门坐了第三排感受了一下，无论是震动的过滤，颠簸路段的处理，还是NVH的静音性、都要比我的1代ES8（二排）、陈师傅的2代ES6、吉吉的理想L7好太多、太多了。 在舒适模式下，加速踏板的动力输出极为线性和丝滑，这点我不意外，让我意外的是：动能回收的调教，即便在强回收模式下，我全抬加速踏板，不踩刹车，回收也是线性减速的。这不是回收动力弱，而是回收风格参考了燃油车的全松油门，有一段过渡，这能极大的缓解乘客的晕车感。 图片中，我在三排左侧，小妹的二排是一个超大的女王空间，她没有往前调整，我的乘坐舒适性（左侧）也是有保障的（我183cm），空间部分，我也建议你带着全家人去体验。很巧合的时，排在我们后面的试驾用户，也是一家六口过去的。 这次体验，我们也拍了一期VLOG，想看更详细的分享，可以等本周的节目。