汽車(chē)、Robotaxi、機(jī)器人、飛行汽車(chē)，將會(huì)為小鵬帶來(lái)更多“石油”。

作者 | 韋艷嬌

編輯 | 田 哲

那些天馬行空的科技暢想，都正在從夢(mèng)想變成現(xiàn)實(shí)。

11月5日，第七屆小鵬科技日如期進(jìn)行，活動(dòng)地在小鵬新搬遷的總部園區(qū)。從早期蝸居廣州城中村的創(chuàng)業(yè)團(tuán)隊(duì)，到如今擁有自建科技園區(qū)，辦公地點(diǎn)的變化背后，也藏著小鵬成立11周年后從站穩(wěn)到跑向世界的愿景。

小鵬汽車(chē)正變得更像一家AI公司。

它將業(yè)務(wù)聚焦在四個(gè)方向：智能汽車(chē)、機(jī)器人、Robotaxi與飛行汽車(chē)。這四個(gè)板塊并非簡(jiǎn)單并列，而是以智能駕駛為核心的不同演化路徑。汽車(chē)是商業(yè)化起點(diǎn)，Robotaxi是算法的城市化延伸，機(jī)器人與飛行汽車(chē)則是具身智能和空間智能的外溢結(jié)果。

其中，小鵬汽車(chē)推出了首個(gè)量產(chǎn)物理世界大模型即第二代VLA，這也是小鵬在物理AI領(lǐng)域探索的關(guān)鍵技術(shù)突破。在何小鵬看來(lái)，當(dāng)AI將進(jìn)一步進(jìn)化，AI將不再僅停留于應(yīng)答與生成，而是直接參與、引導(dǎo)甚至重塑物理世界的運(yùn)行，AI的能力要從數(shù)字世界延伸至物理世界。

相較于傳統(tǒng)的行業(yè)標(biāo)準(zhǔn)版的VLA，小鵬二代VLA去掉了語(yǔ)言這一中間轉(zhuǎn)譯環(huán)節(jié)。減少了語(yǔ)言轉(zhuǎn)譯的延遲后，視覺(jué)信號(hào)直達(dá)動(dòng)作指令，并且小鵬二代VLA使用大量的長(zhǎng)尾視頻數(shù)據(jù)，大模型從學(xué)習(xí)模仿變成更聰明的理解。

二代VLA帶來(lái)的機(jī)器逐步理解、交互和改變世界的能力，也是小鵬串聯(lián)起汽車(chē)、機(jī)器人、飛行汽車(chē)等多元業(yè)務(wù)線的信心來(lái)源，因?yàn)樗鼈兯鎸?duì)的都是同一個(gè)物理世界，所需要解決也都是基于物理世界信息進(jìn)行決策。

據(jù)小鵬汽車(chē)聯(lián)合創(chuàng)始人、執(zhí)行董事、董事長(zhǎng)兼CEO何小鵬透露，第二代VLA是在瀕臨放棄研發(fā)的絕望中突然實(shí)現(xiàn)的。

2024年，小鵬內(nèi)部同時(shí)研發(fā)兩代VLA，卻一直沒(méi)有取得突破，研發(fā)團(tuán)隊(duì)也逐漸失去信心，甚至有些高管逃避參與報(bào)告會(huì)。但是在不久后的一天，二代VLA突然呈現(xiàn)出驚喜的理解能力。小鵬內(nèi)部認(rèn)為，這種變化源于技術(shù)積累觸及某個(gè)臨界點(diǎn)后的自然爆發(fā)，沒(méi)有辦法確認(rèn)是什么量變觸發(fā)了這種質(zhì)變。

何小鵬表示，二代VLA所展現(xiàn)出的物理AI能力只是一個(gè)開(kāi)始。真正的難題不在于模型的涌現(xiàn)，而在于能否更快實(shí)現(xiàn)穩(wěn)定量產(chǎn)。那意味著不僅要讓“長(zhǎng)板”更長(zhǎng)，還要讓中板和短板被一并補(bǔ)齊。量產(chǎn)，是小鵬接下來(lái)必須跨過(guò)的門(mén)檻。

在他看來(lái)，物理AI將成為未來(lái)科技公司新的競(jìng)爭(zhēng)。在物理AI時(shí)代，數(shù)據(jù)是新的石油，誰(shuí)能先獲得大量高質(zhì)量數(shù)據(jù)并形成“數(shù)據(jù)-體驗(yàn)-更多數(shù)據(jù)”的閉環(huán)，誰(shuí)就能取得優(yōu)勢(shì)。而這一循環(huán)的起點(diǎn)與關(guān)鍵環(huán)節(jié)，都取決于企業(yè)在硬件和工程化能力上的深度投入，最終構(gòu)成軟硬件協(xié)同演進(jìn)的閉環(huán)。

在這種思考下，小鵬將硬件業(yè)務(wù)從汽車(chē)延伸至機(jī)器人、飛行汽車(chē)、Robotaxi等板塊，或許會(huì)帶來(lái)更多數(shù)據(jù)，形成更大的軟硬件循環(huán)能力。

小鵬推出Robotaxi業(yè)務(wù)，則更多基于對(duì)未來(lái)出行的思考。何小鵬堅(jiān)信，未來(lái)的4個(gè)輪子交通一定是“共享”和“私享”的組合。

與此同時(shí)，第二代VLA大模型的成熟，也為小鵬切入這一市場(chǎng)提供了優(yōu)勢(shì)。二代VLA已具備擺脫高精地圖依賴的能力，可直接支持前裝量產(chǎn)方案，而非事后改造。同時(shí)，通過(guò)與量產(chǎn)車(chē)型共享研發(fā)體系，小鵬得以在保證性能的前提下分?jǐn)偝杀緣毫?，將單?chē)成本控制在更具經(jīng)濟(jì)性的區(qū)間。

在趨勢(shì)和條件都有利的邏輯下，小鵬基于現(xiàn)有的汽車(chē)業(yè)務(wù)去布局Robotaxi也非常合理。

何小鵬也明確，小鵬汽車(chē)的定位將切換為“面向全球的具身智能企業(yè)”，而不再只是一家中國(guó)車(chē)企。

除了更多業(yè)務(wù)面向更大市場(chǎng)的動(dòng)作外，小鵬正將其部分核心技術(shù)以開(kāi)源形式開(kāi)放。其第二代VLA大模型面向全球商業(yè)伙伴開(kāi)源，大眾汽車(chē)成為該技術(shù)的首發(fā)客戶，后續(xù)將推動(dòng)第二代小鵬 VLA 和圖靈芯片，在大眾品牌車(chē)型上落地。

在商業(yè)化落地規(guī)劃中，何小鵬表示科技日上公布的多項(xiàng)技術(shù)將在2026年進(jìn)入爆發(fā)周期：第二代 VLA 端到端輔助駕駛、小路 NGP、無(wú)需導(dǎo)航漫游的 Super LCC、第二代人形機(jī)器人 IRON、前裝量產(chǎn) Robotaxi。

在科技日后，小鵬被稱為是最像特斯拉的企業(yè)，小鵬汽車(chē)的市值回到220億美元，特斯拉的市值約為1.5萬(wàn)億美元。

二者之間仍然有著巨大的差距，但從另一個(gè)角度看，小鵬在機(jī)器人、自動(dòng)駕駛領(lǐng)域開(kāi)放SDK，挖掘物理AI的數(shù)據(jù)石油，也在助其搶占物理AI高地。

在物理AI這條路徑上，小鵬有了更廣闊的向上空間。

圍繞物理AI、機(jī)器人、業(yè)務(wù)發(fā)展等內(nèi)容，雷峰網(wǎng)《新智駕》等與小鵬汽車(chē)董事長(zhǎng)何小鵬、小鵬汽車(chē)副董事長(zhǎng)兼聯(lián)席總裁顧宏地、小鵬汽車(chē)自動(dòng)駕駛中心組織負(fù)責(zé)人劉先明、小鵬汽車(chē)機(jī)器人副總裁及AI技術(shù)委員會(huì)負(fù)責(zé)人米良川進(jìn)行了多場(chǎng)交流。

以下是編輯后的內(nèi)容節(jié)選：

Q：小鵬為什么堅(jiān)持機(jī)器人“高度擬人化”？如果做高度擬人化，對(duì)應(yīng)非常高的投入成本，怎么做權(quán)衡和取舍？

何小鵬：未來(lái)高等級(jí)的機(jī)器人有各種各樣的形態(tài)，有像人的，也有不像人的。

更擬人的機(jī)器人，有三大好處：第一，今天機(jī)器人想做到聰明，不能用規(guī)則，要用AI來(lái)驅(qū)動(dòng)，只有從人類(lèi)世界才可以學(xué)到最多的數(shù)據(jù)。

第二，我們的家庭、工廠，實(shí)際上大部分都是為了方便人類(lèi)去使用而設(shè)計(jì)、建造、運(yùn)營(yíng)的，所以如果它越像人，越容易適應(yīng)這個(gè)世界。

第三，從商業(yè)角度看，像人更容易讓大家有親和感，更有購(gòu)買(mǎi)欲。賣(mài)得多帶來(lái)規(guī)模效應(yīng)，成本更低，成本更低就可以賣(mài)得更多，會(huì)形成正向循環(huán)。

Q：為什么小鵬Robotaxi首個(gè)全球生態(tài)合作伙伴選擇了高德？第二個(gè)問(wèn)題，明年要發(fā)布三款無(wú)人駕駛出租車(chē)，這三款車(chē)的差異在哪兒？

何小鵬：高德是中國(guó)非常大的出行生態(tài)平臺(tái)，小鵬跟很多Robotaxi公司不一樣，無(wú)論是在中國(guó)還是全球，都不追求自己的全力運(yùn)營(yíng)。希望小鵬做Robotaxi就像一個(gè)“工具箱”一樣，有車(chē)、有軟件、有SDK接口，開(kāi)放出來(lái)給合作伙伴，他拿著“工具箱”就能做本地Robotaxi的運(yùn)營(yíng)。

高德是一個(gè)出行運(yùn)營(yíng)商，所以它來(lái)運(yùn)營(yíng)，我們提供“工具箱”，這是符合兩家戰(zhàn)略定位的。三款Robotaxi是不同價(jià)位的，提供5、6、7座，滿足不同用戶的需求。

Q：許多中國(guó)大公司常被拿來(lái)和特斯拉比較，但估值卻遠(yuǎn)低于特斯拉。在未來(lái)，我們應(yīng)當(dāng)如何讓資本市場(chǎng)更好地提升小鵬汽車(chē)的估值？

顧宏地：我們目前在追求的，其實(shí)更多的是科技和產(chǎn)品，確實(shí)其中有些和特斯拉比較類(lèi)似。都聚焦于物理AI，同時(shí)聚焦打造智能汽車(chē)、自動(dòng)駕駛、人形機(jī)器人等等。我們?cè)诓糠诸I(lǐng)域甚至比特斯拉開(kāi)始得更早，比如飛行汽車(chē)，人形機(jī)器人。某種程度上，我們是聚焦于使用技術(shù)和AI去打造更多物理世界的場(chǎng)景。

關(guān)于資本市場(chǎng)的估值，小鵬和特斯拉的現(xiàn)狀是非常不一樣的，其中有很多變量。

首先，中國(guó)和美國(guó)不同，在市場(chǎng)、科技公司、資本市場(chǎng)，有一些情況有所不同。第二，特斯拉是有一些優(yōu)勢(shì)的，尤其是他們?cè)陔妱?dòng)車(chē)領(lǐng)域開(kāi)啟得更早，并且媒體曝光度也非常高。

特斯拉有不同的產(chǎn)品，電車(chē)只是一部分，同時(shí)他們也有AI模型、FSD，以及很多生態(tài)企業(yè)，種種加起來(lái)可以組成他們的估值，小鵬也在不斷推出各種產(chǎn)品及技術(shù)，希望小鵬在未來(lái)可以獲得一樣的國(guó)際聲望。

Q：小鵬的新一代機(jī)器人與汽車(chē)在零部件上的復(fù)用比例達(dá)到多少？

何小鵬：我沒(méi)有精確的答案，但是很多工藝是一樣的，比如說(shuō)感知、域控制器，AI 軟件有70%是一樣的，但機(jī)器人的關(guān)節(jié)、皮膚在汽車(chē)零部件上是沒(méi)有的。

Q：小鵬希望在物理AI業(yè)務(wù)上，與汽車(chē)營(yíng)收的占比是如何的？

何小鵬：未來(lái)，我對(duì)機(jī)器人的看法可能更樂(lè)觀。汽車(chē)在全球是10萬(wàn)億美金的市場(chǎng)，一年生產(chǎn)9000萬(wàn)臺(tái)車(chē)；而機(jī)器人是20萬(wàn)億美金的市場(chǎng)。當(dāng)然它不會(huì)這么快（實(shí)現(xiàn)），可能需要10～20年的時(shí)間，在這個(gè)時(shí)候可能會(huì)有2億或者更多的人形機(jī)器人。

我沒(méi)有想過(guò)10年以后，一年能賣(mài)多少機(jī)器人，但肯定會(huì)超過(guò)汽車(chē)，超過(guò)100萬(wàn)，這是從10年的角度來(lái)看。從短期的角度來(lái)看，機(jī)器人的量產(chǎn)還要過(guò)很多很多關(guān)。

Q：很多Robotaxi公司還沒(méi)有取得盈利，請(qǐng)問(wèn)你們?cè)谕七M(jìn)Robotaxi計(jì)劃時(shí)怎么確保有盈利？

何小鵬：小鵬可能是一個(gè)不一樣的Robotaxi公司，因?yàn)槲覀冏隽饲把b的車(chē)，做了量產(chǎn)的車(chē)。小鵬Robotaxi、同時(shí)還有一個(gè)Robo（私人L4），可以To C銷(xiāo)售，可以大幅度分?jǐn)侭OM和研發(fā)費(fèi)用。

另外，基于二代VLA，小鵬Robotaxi不需要高精地圖，不需要掃街，不需要激光雷達(dá)，更像一個(gè)物理世界的人去思考，所以更廣度、更泛化，不需要部署費(fèi)用。小鵬汽車(chē)在Robotaxi領(lǐng)域，研發(fā)費(fèi)和BOM比其他公司天然擁有百分之幾十，甚至幾倍的優(yōu)勢(shì)。

Q：小鵬把VLA的“L”去掉了，是真的消除了嗎?如果真的消除了，你們現(xiàn)在還叫VLA，不應(yīng)該是叫VA嗎？

何小鵬：我們說(shuō)V+L，轉(zhuǎn)譯環(huán)節(jié)沒(méi)有變成人類(lèi)的語(yǔ)言跟格式，而是變成了一個(gè)物理世界的新語(yǔ)言，所以它不是人類(lèi)可見(jiàn)、可認(rèn)知的語(yǔ)言，效率很好，更豐富。

Q：發(fā)布會(huì)現(xiàn)場(chǎng)沒(méi)有提到L3，直接面向L4，L3產(chǎn)品的進(jìn)展是不是也卡在這個(gè)法律法規(guī)上？

何小鵬：我認(rèn)為，將來(lái)一個(gè)是L2，一個(gè)是L4，沒(méi)有L3，跳躍了L3。

Q：小鵬把固態(tài)電池裝在人形機(jī)器人，這款固態(tài)電池是來(lái)自外部供應(yīng)商嗎？

何小鵬：我們不研發(fā)電芯，都用合作伙伴的，我們固態(tài)電池的電芯來(lái)自于兩家，一家來(lái)自海外，一家來(lái)自中國(guó)。

Q：為什么小鵬在這個(gè)時(shí)候啟動(dòng)Robotaxi？目前有什么樣的策略？

何小鵬：因?yàn)槲覀兒芏郃I技術(shù)的開(kāi)發(fā)、目前算力的提升，已經(jīng)能夠很好地去催生Robotaxi的機(jī)遇，和半年前、兩年前完全不一樣。

此外我們也看到，L4智駕越來(lái)越成熟。在過(guò)去6個(gè)月到一年當(dāng)中，很多公司以及行業(yè)合作都聚焦于L4級(jí)自動(dòng)駕駛。當(dāng)我們?nèi)マD(zhuǎn)向L4、轉(zhuǎn)向Robotaxi的時(shí)候，目前的情況和半年甚至一年前是完全不一樣的。

對(duì)于小鵬來(lái)說(shuō)，也想要提供更加經(jīng)濟(jì)的解決方案，來(lái)更好地幫助客戶享受到L4的便利性。目前，在Robotaxi領(lǐng)域，我們和很多生態(tài)合作伙伴合作。

Q：小鵬就展出了一個(gè)女性的人形機(jī)器人，為什么會(huì)是女性？這方面是出于哪些考量？

何小鵬：人形機(jī)器人是男是女不重要，就像你可以買(mǎi)黑顏色的車(chē)，也可以買(mǎi)白顏色的車(chē)。在第一代機(jī)器人里面，我希望完成一個(gè)男性、一個(gè)女性的機(jī)器人，我認(rèn)為都是需要的。

Q：特斯拉和小鵬是全球、全世界業(yè)務(wù)重合度最高的兩家公司，如果用一個(gè)詞概括，小鵬和特斯拉最不同的地方在哪里？

顧宏地：特斯拉和小鵬的對(duì)比中，有兩個(gè)特別的點(diǎn)。第一是我們相同的地方，我們都注重規(guī)模，做事時(shí)不希望只針對(duì)一個(gè)很小的細(xì)分市場(chǎng)，而是希望達(dá)到量產(chǎn)和規(guī)模化，這是我們相同的地方。第二是我們不同的地方，小鵬是一個(gè)非常開(kāi)放的生態(tài)。

更加開(kāi)放的生態(tài)系統(tǒng)和更加封閉的系統(tǒng)，都有自己的優(yōu)劣勢(shì)，比如封閉的可能更容易去獲得經(jīng)濟(jì)效益，開(kāi)放的可能更容易和合作伙伴合作。

目前小鵬更加開(kāi)放，因?yàn)槲覀兪且粋€(gè)年輕的公司，我們有自己的局限性，沒(méi)有資源去做很多事情。我們?cè)跈C(jī)器人、在自動(dòng)駕駛車(chē)上開(kāi)放SDK，可以讓我們和更多人合作實(shí)現(xiàn)很多技術(shù)，這樣也可以更好地去幫助我們的產(chǎn)品和技術(shù)成熟。

Q：發(fā)布會(huì)提到了機(jī)器人的一些場(chǎng)景，比如說(shuō)擰螺絲、做家務(wù)，這些可能都不是立刻會(huì)實(shí)現(xiàn)的場(chǎng)景，在你們看來(lái)，如果實(shí)現(xiàn)這些場(chǎng)景可能需要多少年？

何小鵬：在人形機(jī)器人上，不同的公司會(huì)選擇不同的商業(yè)化方案，在我們公司有一些規(guī)則，讓機(jī)器人不要有太多用手的操作，以及我們也想在機(jī)器人的智慧或者是智力方面，循序漸進(jìn)地發(fā)展。

目前我們還是在商業(yè)化早期階段，可能在3～5年之內(nèi)可以實(shí)現(xiàn)你剛剛提到的場(chǎng)景，可以做更多不同的事情。但如果我們想要機(jī)器人在家里去照顧老人、照顧小孩，那可能需要更久的時(shí)間，甚至可能需要5～10年。有些人說(shuō)，5～10年之后，人類(lèi)可能在很多場(chǎng)景下會(huì)被機(jī)器人取代，但在我看來(lái)，這是不可能實(shí)現(xiàn)的。

Q：業(yè)務(wù)線上，包括機(jī)器人、低空飛行器乃至Robotaxi，小鵬是如何看待它的國(guó)際化市場(chǎng)潛力？

何小鵬：小鵬的目標(biāo)是，接下來(lái)十年有一半產(chǎn)品在中國(guó)以外銷(xiāo)售。所有產(chǎn)品線和大部分的產(chǎn)品，我們都會(huì)考慮如何全球化。實(shí)際上，有部分的產(chǎn)品比如飛行汽車(chē)在全球的使用場(chǎng)景，可能比中國(guó)還多一點(diǎn)、還快一點(diǎn)。

Q：在智駕方面，小鵬在國(guó)外XNGP有沒(méi)有一些規(guī)劃？

何小鵬：在海外市場(chǎng)方面，小鵬也在積極推進(jìn)XNGP的落地進(jìn)程。目前，公司已對(duì)多個(gè)國(guó)家和地區(qū)進(jìn)行了前期考察，其中部分市場(chǎng)的法律法規(guī)已允許部署更高階的智能駕駛功能，例如高速NGP等。

預(yù)計(jì)明年將在歐洲率先實(shí)現(xiàn)相關(guān)功能的落地。同時(shí)，公司也在持續(xù)跟進(jìn)香港及東南亞市場(chǎng)的政策進(jìn)展。需要強(qiáng)調(diào)的是，海外XNGP的落地不僅取決于技術(shù)成熟度，也與各地的法律法規(guī)密切相關(guān)，小鵬正在與當(dāng)?shù)卣氨O(jiān)管機(jī)構(gòu)保持溝通，以推動(dòng)技術(shù)合規(guī)化應(yīng)用。

Q：奧地利麥格納工廠的生產(chǎn)情況，明年預(yù)期或者計(jì)劃的年產(chǎn)量？未來(lái)，是否會(huì)去海外更多地方設(shè)廠？

顧宏地：今年8月份，奧地利工廠正式開(kāi)始投產(chǎn)，今年的產(chǎn)能規(guī)模大概是幾千到大幾千輛，明年我覺(jué)得是幾萬(wàn)輛的規(guī)模。

在其他地方建設(shè)本地化工廠，我覺(jué)得是絕對(duì)需要的。一個(gè)希望達(dá)到全球領(lǐng)先的企業(yè)，沒(méi)有一家是只靠出口能達(dá)到的，一定要有當(dāng)?shù)氐牟季帧a(chǎn)、研發(fā)、銷(xiāo)售服務(wù)、品牌建設(shè)，這些都是我們必須要做的。所以我認(rèn)為將來(lái)在主要的銷(xiāo)售地區(qū)，我們都會(huì)有本地化生產(chǎn)和本地化運(yùn)營(yíng)的能力。

Q： 物理AI有哪些難點(diǎn)？

劉先明： 難點(diǎn)在于模型的做法。模型是通過(guò)語(yǔ)言建模做離散化token（字符單位），然后經(jīng)過(guò)一個(gè)架構(gòu)，最終輸出。

Q： 這套技術(shù)背后的核心原理是什么？

劉先明： 就是把大模型、大算力、大數(shù)據(jù)堆到一塊，模型邏輯非常簡(jiǎn)單，背后的原理也很簡(jiǎn)單，沒(méi)有什么復(fù)雜的故事。但想把它做好難度很大，非常大的數(shù)據(jù)要一口氣讀進(jìn)來(lái)，還要在千卡、萬(wàn)卡級(jí)別訓(xùn)練得非常穩(wěn)定保證不崩掉。

Q：無(wú)數(shù)據(jù)標(biāo)注具體能帶來(lái)什么商業(yè)優(yōu)勢(shì)？

劉先明： 舉個(gè)例子，我要去歐洲等海外市場(chǎng)、去一個(gè)新的地方落地當(dāng)?shù)氐腞obotaxi，其實(shí)不需要數(shù)據(jù)標(biāo)注，只要這個(gè)地方有小鵬的車(chē)可以采集數(shù)據(jù)，就可以把這件事搞定。不需要再定向采集很多數(shù)據(jù)，不需要雇很多人去標(biāo)注數(shù)據(jù)，成本會(huì)下降很多。

Q：小鵬的數(shù)據(jù)為什么可以做到無(wú)需標(biāo)注？你們是如何通過(guò)infra采集到大量長(zhǎng)尾數(shù)據(jù)的？

劉先明： 我們最大的優(yōu)勢(shì)就在數(shù)據(jù)。采集長(zhǎng)尾數(shù)據(jù)有兩個(gè)方面：一是車(chē)端的infra，我們做了很重要的工作——識(shí)別哪些數(shù)據(jù)是要的，哪些是不要的。一輛車(chē)平均每天開(kāi)1.7個(gè)小時(shí)，能遇到很多好駕駛場(chǎng)景和極限場(chǎng)景，只要有辦法識(shí)別出來(lái)就可以。二是云端有比較大的數(shù)據(jù)閉環(huán)，也在調(diào)優(yōu)數(shù)據(jù)質(zhì)量、分布，避免同一場(chǎng)景下太多重復(fù)數(shù)據(jù)。

Q： 你們?nèi)绾沃匦滤伎甲詣?dòng)駕駛的本質(zhì)？

劉先明： 我們退回去想，自動(dòng)駕駛本質(zhì)上它是一個(gè)物理AI的問(wèn)題，你要嘗試去理解這個(gè)世界，為它做三維建模，然后推演什么事情要發(fā)生、做預(yù)測(cè)，再根據(jù)這些做出最安全、最符合人類(lèi)意識(shí)的一種選擇。這就是物理AI的本質(zhì)。

自動(dòng)駕駛本身就是物理AI或Robotaxi里面最簡(jiǎn)單的一種問(wèn)題，它只有兩個(gè)自由度：向前的加速度以及方向盤(pán)的轉(zhuǎn)角，相比于正常的機(jī)器人來(lái)說(shuō)自由度小很多，數(shù)據(jù)空間小，數(shù)據(jù)也更容易獲取。所以物理AI的第一件事就是去做自動(dòng)駕駛。

Q： 為什么扔掉語(yǔ)言？

劉先明： 這幾年AI發(fā)展最大的原動(dòng)力來(lái)自于scaling和data scaling，即不停地用更大規(guī)模的數(shù)據(jù)來(lái)訓(xùn)練，我們?cè)谡Z(yǔ)言模型看到了非常好的效果。

物理模型也有同樣的問(wèn)題：如果想要更大規(guī)模地使用數(shù)據(jù)，一定要拆掉所有的separation（模塊界限），讓它變成一種自監(jiān)督的模式，不需要人工標(biāo)注。只要有語(yǔ)言存在，就一定涉及到人工的篩選或標(biāo)注，于是我把它拆掉，讓它變成一種非常極致的數(shù)據(jù)驅(qū)動(dòng)模式。

Q:現(xiàn)有的VLA架構(gòu)存在什么問(wèn)題？

劉先明： 很多VLA架構(gòu)基本都是圖像進(jìn)來(lái)，通過(guò)一個(gè)大語(yǔ)言模型最終輸出一Meta action（高級(jí)抽象的動(dòng)作指令），Meta action一般是文字，然后再通過(guò)文字的方式處理后輸出。這種方式最大的好處是你有很多開(kāi)源模型可以用，可以直接拿開(kāi)源的NLP模型來(lái)做推理。

但它帶來(lái)的問(wèn)題是，你引入了中間一個(gè)離散化的語(yǔ)言輸出，成為了瓶頸，這樣會(huì)讓數(shù)據(jù)使用的規(guī)模受到限制。一個(gè)系統(tǒng)沒(méi)有任何中間瓶頸，才可能大規(guī)模地做起來(lái)。

Q： 物理世界交互的本質(zhì)是什么？

劉先明： 物理世界交互的本質(zhì)其實(shí)是直接輸出控制信號(hào)。為什么這種基于端到端的視頻輸入、動(dòng)作輸出的大模型能工作？因?yàn)楫?dāng)人類(lèi)做任何動(dòng)作時(shí)，需要經(jīng)歷幾個(gè)過(guò)程：先要理解這個(gè)場(chǎng)景的3D是怎么構(gòu)建的，然后根據(jù)過(guò)去的歷史信息做出對(duì)未來(lái)的判斷，最后根據(jù)自己的指令做出最終行動(dòng)。

如果我最終的輸出信號(hào)直接是行為的話，那它其實(shí)包含了重建、理解、生成和最后推進(jìn)的所有過(guò)程。只要用更大規(guī)模的數(shù)據(jù)、更大的模型把這個(gè)事做下來(lái)，理論上就可以解決這個(gè)問(wèn)題。

Q： 從模型到量產(chǎn)，部署方面面臨什么挑戰(zhàn)？

劉先明：這只是一個(gè)demo、一個(gè)模型。從模型到最終量產(chǎn)涉及部署問(wèn)題。除了傳統(tǒng)剪枝量化方法外，更重要的是要把它放在端上、放在芯片上，所以需要低延時(shí)、高幀率、本地化的部署方案。我們做了從模型到軟件到編譯器到硬件的聯(lián)合優(yōu)化和協(xié)同設(shè)計(jì)。

Q： 你們選擇的是世界模型還是VLA路徑？

劉先明：一直有人拿這事問(wèn)我們選的是哪條路徑。其實(shí)本質(zhì)上這兩個(gè)沒(méi)什么太多區(qū)別，都是一種極致的端到端系統(tǒng)。我們更多還是要回歸基礎(chǔ)本質(zhì)，去解決基礎(chǔ)本身的問(wèn)題。

Q："涌現(xiàn)"這個(gè)概念在機(jī)器人領(lǐng)域怎么體現(xiàn)？

米良川：古語(yǔ)講"量變引起質(zhì)變"。我們?nèi)ツ臧l(fā)布之后，采用了最艱難的生成式方式去做控制器。從去年10月份一直到今年3月份都在迭代優(yōu)化。在這個(gè)過(guò)程中整個(gè)團(tuán)隊(duì)包括我自己都經(jīng)常，持續(xù)優(yōu)化數(shù)據(jù)、優(yōu)化各種東西，但總看不到質(zhì)變。3月26號(hào)那天晚上，團(tuán)隊(duì)測(cè)試倒著走的時(shí)候，在監(jiān)控器視頻里看發(fā)現(xiàn)倒著走好像有點(diǎn)意思，那一天就是我們控制器的拐點(diǎn)。

到底哪個(gè)優(yōu)化帶來(lái)這個(gè)變化，說(shuō)不清楚，堅(jiān)持以后突然的飛躍。

Q： 機(jī)器人展示的跳舞和貓步行走，背后是什么技術(shù)？

米良川： 大家看到的貓步行走，用的是我們第三代控制器；剛才大家看到的太極，實(shí)際上是第四代。

Q： 能介紹一下控制器的代際演進(jìn)嗎？

米良川： 最開(kāi)始是model base，大概在2023年左右使用，但實(shí)際上我們?cè)?024年就已經(jīng)把它拋棄了。我們也支持MPCC（模型預(yù)測(cè)控制），這是業(yè)界用得比較多的技術(shù)路線。我們第三代選擇了一個(gè)比較難的路，就是真人模擬——你們看到的貓步也好，自然行走也好，它的步態(tài)和風(fēng)格實(shí)際上是嵌在控制模型里面的。它邁步子本身不是軌跡跟隨或姿態(tài)跟隨，而是生成式的。比如說(shuō)貓步的那個(gè)姿態(tài)，怎么走都是貓步，包括左拐右拐。

Q： 你們?yōu)楹芜x擇導(dǎo)覽、導(dǎo)購(gòu)、接待這類(lèi)場(chǎng)景作為切入點(diǎn)？

米良川： 我們判斷以機(jī)器人當(dāng)前的能力狀態(tài)，在這些場(chǎng)景能夠產(chǎn)生有效的價(jià)值。同時(shí)在實(shí)際場(chǎng)景中一定會(huì)發(fā)現(xiàn)新問(wèn)題，只有在這種"知行合一"的實(shí)踐過(guò)程中，才可能真正促進(jìn)能力提升。當(dāng)能力提升到一定程度，自然就會(huì)發(fā)現(xiàn)新的應(yīng)用。

Q： 您提到現(xiàn)在的運(yùn)動(dòng)完全是生成式的，是否可以理解為機(jī)器人自主上下臺(tái)，背后已經(jīng)沒(méi)有遙控器，已經(jīng)有一個(gè)激活的大模型在工作？

米良川： 機(jī)器人現(xiàn)在的控制原理，包括控制器，是整體支持的。人要操作它，基本上還是要告訴它方向和速度，它只需要這兩個(gè)東西。

方向和速度可以來(lái)自于上層的模型生成，比如我們的導(dǎo)航模型就是方向和它直接對(duì)接的。如果是遙控，實(shí)際上就是一個(gè)人在搖桿操作；如果是既定的編排軌跡，也是這樣的方式。

Q：機(jī)器人量產(chǎn)時(shí)不得不考慮成本問(wèn)題，這一代相比上一代成本有什么變化？

米良川：成本問(wèn)題分成兩部分，一部分是我們能做的，一部分是需要依托整個(gè)行業(yè)的。

我們機(jī)器人的所有螺絲基本都是自研。這給了我們迭代的效率，也給了我們技術(shù)降本的機(jī)會(huì)。但另外一部分，最有效的降本還是等到產(chǎn)業(yè)比較成熟，供應(yīng)鏈能夠共享沉淀下來(lái)。

Q：小鵬機(jī)器人與一些機(jī)器人公司有沒(méi)有合作關(guān)系？

米良川：我們也在努力希望跟更多同行合作，但當(dāng)前階段還是以自研為主。我們的戰(zhàn)略合作伙伴更多是在一些硬件上，包括一些局部技術(shù)上進(jìn)行合作。

本文作者長(zhǎng)期關(guān)注小鵬汽車(chē)動(dòng)態(tài)，感興趣的行業(yè)人士歡迎添加作者微信（XY8899672）交流。

近期熱門(mén)文章