這兩天英偉達(dá)創(chuàng)始人兼CEO黃仁勛受邀參加中國第三屆鏈博會(huì)，會(huì)后接受媒體采訪聊了很多有意思的話題，具體到自動(dòng)駕駛我們采取了一些片段，從老黃簡短的回答里我們能看到自動(dòng)駕駛當(dāng)前的路線和下一波趨勢，以及哪些公司在這方面已經(jīng)有超前意識(shí)在提前布局。

在回答AI相關(guān)的問題時(shí)，老黃把AI的發(fā)展分為4個(gè)階段，分別是感知，生成，推理，機(jī)器人。對照看來，4個(gè)階段恰好是自動(dòng)駕駛技術(shù)的演變軌跡。

早期的感知AI主要通過海量數(shù)據(jù)學(xué)習(xí)，比如識(shí)別文字、圖像，理解故事內(nèi)容，甚至區(qū)分貓狗等物體。

這個(gè)大家非常熟悉，也就是大家常說的模仿學(xué)習(xí)階段，行業(yè)稱之為“預(yù)訓(xùn)練”。認(rèn)真做，它怎么做，這一段的核心就是數(shù)據(jù)量。但是人類的駕駛習(xí)慣有好有壞，所以系統(tǒng)訓(xùn)練出來的效果也良莠不齊，時(shí)好時(shí)壞。

再往后就是生成式AI階段。比如早些年很多自動(dòng)駕駛公司提到過的合成數(shù)據(jù)的概念，對于常規(guī)場景數(shù)據(jù)舉一反三的能力，以及道路拓?fù)浣Y(jié)構(gòu)的分析能力等。比如在同一個(gè)路口，根據(jù)一段真實(shí)數(shù)據(jù)生成不同的云雪雨霧，甚至春夏秋冬不同天氣，季節(jié)下的場景還原；此外還有一段復(fù)雜的場景里，通過交規(guī)和車道線生成道路拓?fù)浣Y(jié)構(gòu)方便自車做路徑規(guī)劃，都屬于這一段的技術(shù)范疇。

當(dāng)下，AI處理推理學(xué)習(xí)階段，更像人類的學(xué)習(xí)方式——從被動(dòng)接受信息轉(zhuǎn)變?yōu)橹鲃?dòng)思考。當(dāng)你遇到一個(gè)從未經(jīng)歷過、從未讀過相關(guān)內(nèi)容、也從未見過的問題或場景時(shí)，你需要對其進(jìn)行拆解分析。

這里面的推理包含了2個(gè)步驟，首先是對現(xiàn)實(shí)場景進(jìn)行解析，判斷屬于什么情況，第二是采取什么策略，對應(yīng)自動(dòng)駕駛的認(rèn)知和執(zhí)行兩個(gè)階段。這兩個(gè)步驟的好壞直接決定了自動(dòng)駕駛行為策略。

具體到真實(shí)場景來看，比如與一輛大型公交車并列的自車看到公交車突然剎車時(shí)，雖然是視野盲區(qū)，如果自車具備很好的推理能力，它也會(huì)選擇剎車，因?yàn)樗评砉卉囈欢吹搅耸裁凑系K物才會(huì)選擇剎車，所以選擇跟進(jìn)這一動(dòng)作。這非常像人的駕駛風(fēng)格。在實(shí)際駕駛中，這樣的場景多如牛毛，無處不在。這個(gè)就是很多自動(dòng)駕駛公司在講的思維鏈。

這一階段的AI就像在家做數(shù)學(xué)題，通過多場景模擬訓(xùn)練，持續(xù)進(jìn)行推理思考，變得越來越聰明。這種學(xué)習(xí)方式稱為“后訓(xùn)練”。

老黃還說了一句話容易被大家忽略“后訓(xùn)練模式對算力要求很高，但對數(shù)據(jù)量的需求相對較少?！?/p>

這一階段的自動(dòng)駕駛對數(shù)據(jù)的依賴度沒有“預(yù)訓(xùn)練”階段那么高，我們能從里面摘出來2個(gè)關(guān)鍵詞：高算力和高質(zhì)量數(shù)據(jù)。更重要的是，系統(tǒng)自己能夠根據(jù)這些高質(zhì)量數(shù)據(jù)具備極強(qiáng)的推理能力，而推理的前提是具備更高的算力。

聯(lián)系最近一段時(shí)間國內(nèi)很多技術(shù)大佬的發(fā)言能夠跟這個(gè)階段呼應(yīng)上。小馬智行樓教主，地平線余凱也提到人類很多數(shù)據(jù)并不值得學(xué)習(xí)，數(shù)據(jù)在精不在多，甚至人類需要有一個(gè)更高維度的世界模型供系統(tǒng)去學(xué)習(xí)，根本原因就是技術(shù)范式發(fā)生了變化。

算力的要求到底有多大沒人給出量化答案，也有人說這是老黃刻意放大了算力的價(jià)值，因?yàn)樗龅木褪沁@個(gè)生意，DeepSeek用“蒸餾+推理”的方式擺脫了算力的依賴，我覺得大家應(yīng)該只是數(shù)據(jù)量沒有統(tǒng)一而已。

當(dāng)然，老黃也不否認(rèn)新技術(shù)的進(jìn)步。這里我們來看看老黃的原話“DeepSeek R1采用的是一種極具創(chuàng)新性的高效架構(gòu)，其獨(dú)特之處在于：每個(gè)token所需的計(jì)算量和計(jì)算資源都大幅降低。這種設(shè)計(jì)創(chuàng)新是必然的——因?yàn)镈eepSeek R1本質(zhì)上是一個(gè)推理引擎，需要反復(fù)迭代運(yùn)算。這就要求每個(gè)生成的token都必須極致高效，才能保障整體推理過程的順暢運(yùn)行?！?/p>

現(xiàn)在系統(tǒng)所需的計(jì)算量大幅減少，可以進(jìn)行更長時(shí)間的思考，并得出多個(gè)優(yōu)質(zhì)答案。老黃認(rèn)為這實(shí)際上開辟了一個(gè)全新領(lǐng)域——溫和AI（Gentle AI）。簡單點(diǎn)說就是給系統(tǒng)“減負(fù)”，讓它有更多的時(shí)間和精力去自己思考。

這種推理能力不僅會(huì)用在云端，邊緣設(shè)備也將具備，可以搭載簡單的功能型AI，比如自動(dòng)開門，就是當(dāng)系統(tǒng)識(shí)別到人有進(jìn)入車內(nèi)的動(dòng)作時(shí)猜測他的需求然后自動(dòng)打開車門。

最后一個(gè)就是機(jī)器人，老黃沒有展開說，我理解應(yīng)該是VLA（視覺-語言-動(dòng)作）模型，就是自動(dòng)駕駛從平面智能到空間智能，從二維到四維。其實(shí)就是通用機(jī)器人的形態(tài)。

聯(lián)系到前兩天元戎啟行CEO周光在接受媒體采訪時(shí)也提到了的觀點(diǎn)，將來打敗他們的可能并不是自動(dòng)駕駛同行，而是大模型公司。這個(gè)信息基本就對上了，本質(zhì)上自動(dòng)駕駛是AI的一個(gè)分支，AI的技術(shù)怎么走自動(dòng)駕駛就怎么走。

目前小鵬、理想、元戎都在提推理（思維鏈）、VLA的概念。當(dāng)然，肯定還有很多公司也在儲(chǔ)備的能力，可能牽扯到商業(yè)機(jī)密沒有對外傳播而已。

有意思的是，老黃還提到AI的很多問題現(xiàn)在也在被不斷攻克。例如人類反饋強(qiáng)化學(xué)習(xí)（RLHF）確保AI執(zhí)行符合人類價(jià)值的任務(wù)，檢索增強(qiáng)生成（RAG）減少幻覺。這對自動(dòng)駕駛的提升非常大。強(qiáng)化學(xué)習(xí)已經(jīng)被用在自動(dòng)駕駛中，不少企業(yè)也叫獎(jiǎng)勵(lì)機(jī)制。檢索增強(qiáng)生成就是對過往數(shù)據(jù)的調(diào)用，對比，減少自車幻覺，比如系統(tǒng)看到一個(gè)塑料袋，不確定是石頭還是塑料袋，如果此前碰到過這種情況，就會(huì)調(diào)用過往數(shù)據(jù)，然后對比，避免“誤觸發(fā)”，也就是業(yè)內(nèi)俗稱的“幻覺”，這在AEB上比較常見。

最后，老黃也不忘自夸一句，“我們是全球少數(shù)幾家能夠?qū)崿F(xiàn)從算法架構(gòu)、系統(tǒng)軟件、硬件系統(tǒng)、網(wǎng)絡(luò)技術(shù)直至芯片設(shè)計(jì)的全棧創(chuàng)新的企業(yè)?！?/p>

老黃認(rèn)為這種全棧技術(shù)整合能力是人類科技史上所罕見的。因?yàn)橥ǔ＼浖惴?、系統(tǒng)集成、芯片設(shè)計(jì)、網(wǎng)絡(luò)技術(shù)等專長都會(huì)分散在不同企業(yè)，而英偉達(dá)將這些能力有機(jī)整合在一起——從基礎(chǔ)架構(gòu)到語言模型算法，從機(jī)器人技術(shù)到計(jì)算機(jī)圖形學(xué)，乃至量子化學(xué)和5G射頻技術(shù)。

這里我們其實(shí)也可以聯(lián)想另一個(gè)問題，車企自研芯片也必須具備這樣的能力，否則成功的難度非常大。對應(yīng)看來，蔚小理3家自研芯片挑戰(zhàn)巨大。

按照老黃的說法下一階段AI將會(huì)向著推理，機(jī)器人的方向發(fā)展，自動(dòng)駕駛也必將是這個(gè)路線，對照一下看看哪些公司壓中了技術(shù)趨勢。