理想AD Max在城区跟车场景中，经过多个大版本迭代，到2026年已实现高度拟人化的加减速、积极的变道博弈以及细腻的人机交互，但在低速拥堵、极端路况下的平顺性和策略稳健性上仍存在可感知的优化空间。
一、版本演进：从“能用”到“好用”的加速迭代
理想AD Max的城区跟车能力伴随着软件OTA经历了多轮质变。
早期阶段（2024年）：AD Max 3.0版本首次实现全国无图城区NOA，在城中村、无划线道路等复杂场景展现出惊艳的绕行能力，但跟车时红绿灯刹停“点头”问题被用户普遍诟病。
端到端模型阶段（2025年）：V13.0版本引入端到端大模型，城区跟车效率显著提升，百公里接管降至4次左右，策略偏激进，偶尔会因过于积极而让驾驶员感到紧张。
VLA强化版（2026年）：OTA 8.2推送的VLA强化版通过行为强化学习，重点优化了横纵向舒适性，在拥堵跟车、人车混行等场景下加减速更自然，体感接近老司机。
二、核心表现：平顺性、效率与交互的三维进化
1. 跟车平顺性：从点头到丝滑
2024年的短板：红绿灯前制动常伴随明显的点头现象，被视为系统调校的明显瑕疵。
2025年改善：V13.0版本跟车轨迹更稳定，但仍有用户反馈在电瓶车频繁穿行的路面，系统过于礼让导致频繁刹停。
2026年突破：VLA强化版加入“行为强化学习”后，车辆在拥堵路段能更早预判前车动态，加减速曲线更平滑，车身俯仰控制大幅提升。用户实测反馈，在80%的城区场景中愿意主动开启AD Max。
2. 效率与博弈：积极但偶有莽撞
变道积极：系统会主动选择车流量较少的车道排队，甚至会在短距离内横跨多车道，效率导向明显。
博弈能力提升：面对加塞车辆，系统展现出类似人类司机的“思考”过程——如果后车加速抢位，它会稍退让，待对方通过后再变道。
激进风险：在处理黄灯时策略过于激进，容易让新手紧张；偶发路口乱变道、可变车道识别失败等行为。
3. 人机交互：安心感的“心智占领”
理想AD Max非常擅长通过交互建立用户信任，这一点在跟车场景中尤为关键。
语音提示：在施工、绕行等特殊工况，系统会主动用语音告知“识别前方施工，车辆将发起绕行”。
AI推理视图：大屏幕上实时显示车辆决策逻辑（如“按交规”“提效率”等分类），让用户明确理解每个操作的目的。
对比FSD体验：有媒体在广州晚高峰对比测试中表示，理想AD Max的交互细致程度远胜于特斯拉FSD，能快速帮助用户建立安心感，尽管其控车细腻度略逊于FSD。
三、主要待改进点
- 问题表现
- 版本关联
- 典型场景
- 红绿灯路口制动仍偶有轻微点头早期版本遗留，最新版已明显改善但未根除跟车等红灯时
- 低速拥堵场景下策略偏保守面对电瓶车穿行时会过度礼让，导致后车鸣笛人车混行、窄路街区
- 大路口的路径规划偶尔会中途要求接管系统对非常规路口的识别能力还存瓶颈复杂多岔路、无灯控路口
- 黄灯及对向穿行行为处理激进影响用户舒适感与安全感黄灯闪烁时、对向车辆借道超车时
上述问题在新发布的OTA 8.2中已有一定程度缓解，但完全解决仍需后续数据迭代。
四、结论：当前城区跟车的标杆之一，但仍需人机共驾
截至2026年7月，理想AD Max的城区跟车表现已稳居行业第一梯队，在最高频的跟车、绕行、变道场景中可用性极高，人机交互设计更是独树一织。它更擅长“带着用户开”，而非“替用户开”——当路况复杂时，系统的激进/保守风格切换依然不够丝滑，需要驾驶员保持适度干预。对追求“省心省力”的通勤用户而言，这套系统已能覆盖90%以上的日常场景，但距离完全的“零接管”还有一段路要走。
