理想汽车10月全量推送的端到端+VLM双系统智驾技术架构，就是采用了快系统＋慢系统的思路构建。“端到端模型”就是“快系统”，用来对日常驾驶进行快速处理，传感器输入的信息，直接输出行驶轨迹。而在应对复杂路况时，理想汽车通过视觉语言模型（VLM），也就是“慢系统”，给“端到端模型”输出建议。
通过端到端模型和VLM模型，理想汽车的最终目标是能够覆盖全部的驾驶场景，对任何情形都能够像人类司机那样老练。而要实现这一目标，光靠两个系统还不够，理想引入了“重建＋生成式世界模型”，它就像一个“考官”，帮助这两个系统在一次次“真题试炼”中持续迭代升级。
世界模型的“考题”来自于两个部分：一个是测试人员和内测用户帮忙收集的“错题集”，这些在实车测试中出现过问题的场景都会被重建成考题；同时，理想还会用生成模型将考题进行泛化形成模拟题，比如改变了天气、光照、背景环境、障碍物的行为等等，使得模型能够举一反三。
最后通过“错题”+“模拟题”的考试方式，经过自动化的模型评分体系，给出最后模型的得分,用来筛选合格的端到端模型，并且指导下一次的迭代方向。
事实上，理想汽车的智能驾驶系统在实现One Model一体化端到端之前，经历了三个进化阶段。
第一阶段时，其采用了NPN架构，从传感器输入到行驶轨迹输出，需要经历感知、定位、规划等过程。这一阶段支撑了理想百城NOA的布局。
第二阶段，理想采用了分段式端到端架构，模块更少，过程更短，从传感器输入到路径输出，只剩下感知和规划，有导航就能开，效率更高，该架构能够实现理想“无图NOA全国都能开”的目标。
而第三阶段，就是一体化端到端。相比无图NOA有感知和规划两个模型，中间还有大量的规划，而一体化模型信息传递不再需要人来设定规则，信息损失能够最小，具有更高上限。在用户角度看来，驾驶会更聪明和拟人。一体化模型中间无需规划、验证，直接传感器输入，通过端到端模块输出行驶轨迹。
由此，智能驾驶技术不再局限于传统的模块化架构，而是向着一体化大模型的方向大步迈进。端到端大模型通过大规模数据训练与深度学习算法，实现了从原始传感器数据直接输出驾驶指令的跨越，极大地提升了智能驾驶的响应速度与决策精度。
