2022年從華為轉(zhuǎn)投地平線的蘇箐，這幾年少有公開言論。12月9日，他作為首席架構(gòu)師，在首屆地平線技術(shù)生態(tài)大會上的講演，相當(dāng)罕見。與總是“贏贏贏”相比，講出當(dāng)前的技術(shù)困難，并從技術(shù)發(fā)展脈絡(luò)的角度，對未來進(jìn)行一番預(yù)測（對不對另說），還是很有含金量的。這場講演里面，他的高管身份淡了，項(xiàng)目工程師的色彩更濃厚。大家可能都更想聽點(diǎn)業(yè)內(nèi)對于自動駕駛的真話，盡管這些話里“贏”的成分太少。

芯片公司開始做算法

事后有很多人認(rèn)定蘇箐的講演底色是悲觀的。更準(zhǔn)確地說，他在技術(shù)必然性的樂觀和“工程地獄”的悲觀之間搖擺。其樂觀在于，技術(shù)路徑已經(jīng)非常確定，暫時找不到比Transformer注意力機(jī)制更好的標(biāo)準(zhǔn)算子（因此他將特斯拉 FSD V12稱之為“奧本海默時刻”）；悲觀性在于，還要做那么多苦工。發(fā)現(xiàn)“端到端”的喜悅，很可能是這幾年工程創(chuàng)新的頂峰。接下來要不斷收斂定義，做技巧性優(yōu)化。

看上去“優(yōu)化”似乎沒什么技術(shù)含量。其實(shí)不然，如何設(shè)計高效的注意力機(jī)制，處理傳感器（主要是攝像頭）產(chǎn)生的海量Token，考慮到處理Token的目標(biāo)，都是捕獲時空長距離依賴關(guān)系，在端到端的旗幟下，視頻流轉(zhuǎn)化為最適合Transformer理解的連續(xù)向量，技術(shù)挑戰(zhàn)性一直被低估。

光學(xué)畸變、光線變化、陰影估算、多相機(jī)時空戳精確同步、將視頻流編碼為空間和語義的神經(jīng)表達(dá)，都是非常考校技術(shù)實(shí)力的部分。蘇箐所謂“做苦工”，不僅是要處理這些技術(shù)問題，更主要是在SOP期限壓力下，做出堪用的、可供商業(yè)化部署的一攬子解決方案。這些工作現(xiàn)在屬于Soc公司的“菜”，因?yàn)橥ㄟ^定制化計算單元（NPU、ISP），可能比純軟件方案更高效地解決以上難點(diǎn)。

這恰恰是以前屬于華為、Momenta這類供應(yīng)商，以及蔚小理等新勢力的技術(shù)護(hù)城河范圍。但現(xiàn)在芯片公司開始做算法，業(yè)內(nèi)的智駕供應(yīng)鏈，又開始發(fā)生微妙且重要的變化。

地平線就做了HSD（Horizon SuperDrive），對應(yīng)特斯拉的FSD。這意味著芯片公司從Tier2，升級為Tier1，與其他方案解決商（比如博世、大陸、電裝等）結(jié)成生態(tài)伙伴，由他們基于芯片公司的芯片和感知算法開發(fā)標(biāo)準(zhǔn)軟件，對車企交付。

可以預(yù)料，芯片公司成為完整的智駕方案Tier1，只是時間問題。芯片公司自己就成為智駕生態(tài)的中堅(jiān)?？鐕鳷ier1高興沒多久，就將迎來更多的對手。

對于那些不愿意投入上千人做算法的中小車企、跨國車企，則是空前的利好。他們也有可能做出與巨無霸型智駕供應(yīng)商掰手腕的產(chǎn)品了，如果后者不能再領(lǐng)先一步的話。

到頭來，可能會導(dǎo)致所有的智駕供應(yīng)商，都致力于垂直整合智駕供應(yīng)鏈，從Soc到軟件，從傳感器到執(zhí)行機(jī)構(gòu)一把抓。那么，會不會出現(xiàn)智駕供應(yīng)商與車企搶著當(dāng)“鏈主”的局面？大概率不會，因?yàn)橛心芰ψ约捍怪闭系能嚻?，往往不會直接采購整體智駕方案。

這是蘇箐在演講中并未明言、但反復(fù)暗示的最大的觀點(diǎn)。地平線在產(chǎn)業(yè)中的野心，絕不是解決好車載算力就完事的。

世界模型可能是L4的必要但不充分條件

一段式端到端的特點(diǎn)，就是從感知到輸出控制信號之間是黑盒子，大家不放心。加交通規(guī)則約束兜底是普遍做法。但只要使用規(guī)則，就有寫不完的規(guī)則。有人提議“軟約束”，即給推理出來的行車方案，在訓(xùn)練中引入評估模型（基于物理規(guī)則），這就更像人類的“因果關(guān)系”思考模式，比粗暴裁剪輸出優(yōu)雅多了。但這部分算法，大概尚未閉環(huán)。而且這樣造成一些VLA方式的“慢思維鏈”變得更慢了。

世界模型被看成是與VLA對立的的方案。其實(shí)兩者并不沖突。世界模型（WM）本質(zhì)上是短時（大概2、3秒）預(yù)測模型。在L2向L4過渡階段，WM的作用是存疑的。

現(xiàn)在看，在L2階段，WM的核心價值在于減少誤剎、提升舒適性。其關(guān)鍵在于，通過對物理世界的模擬，預(yù)測出多個交通參與者意圖活動的可能結(jié)果。這就又回到因果預(yù)測，模型需要理解場景中的因果關(guān)系。有些是概率極高、甚至確定的（比如綠燈會催動車流、車輛行人看見紅燈會停），但無法預(yù)測不理智的莽撞行為。后者才是發(fā)生事故的主要誘因。

在L3/L4中，WM必須升級為可長時程推演和“反事實(shí)思考”的認(rèn)知模型。蘇箐的“自動泛化”夢想，大概依賴于此。真正的瓶頸在于，WM與后續(xù)的決策規(guī)劃模塊仍是“兩張皮”。在很多架構(gòu)中，WM預(yù)測了結(jié)果，端到端再進(jìn)行代價計算，這里面存在信息延誤和誤差積累。有人主張，讓W(xué)M多干點(diǎn)活，不僅預(yù)測，還要評估各個行為分支的好與壞。這樣做可能產(chǎn)生更多的代價。

蘇箐與業(yè)內(nèi)有些公司的看法一致，即沒有WM，L4沒有可能。但僅有WM，仍然解決不了極端場景下的安全降級策略、實(shí)時性與穩(wěn)定性的平衡。WM看上去更適合當(dāng)一個訓(xùn)練“引擎”，安全駕駛不應(yīng)該由其兜底。

L4缺工具，L3需要設(shè)定新規(guī)則

在中美科技與產(chǎn)業(yè)界，大家一股腦地都去投資大模型，“玩命堆算力，不要問有沒有用”。這種瘋狂投入在商業(yè)上是否劃算，取決于一個規(guī)律——算力成本增加，與性能提升，存在大致的線性比值。但大家有點(diǎn)隱約覺得，快觸碰到“天花板”了，即投資效能在下降。

這其實(shí)也正常，算力可以堆，但是高質(zhì)量數(shù)據(jù)并非無限。獲取極端場景數(shù)據(jù)越來越困難，意味著訓(xùn)練效果也下來了。雖然訓(xùn)練的“規(guī)?；币恢庇行?，但追求訓(xùn)練效率，就必須設(shè)計更好芯片與協(xié)同算法。這就又回到了芯片公司的強(qiáng)項(xiàng)。

現(xiàn)在監(jiān)管批準(zhǔn)了少數(shù)L3量產(chǎn)車型上路，但要在特定路線和特定工況下使用。L3與L2最大的區(qū)別，是誰來兜底。而廠家兜底的前提，仍然是用戶有效接管（依靠數(shù)據(jù)盒子判斷）。但如果不清晰劃定接管條件。L3和L2又有什么區(qū)別。

目前，L2強(qiáng)調(diào)的是統(tǒng)計意義上的安全（多少億公里的事故率），L4必須追求邏輯意義上的安全（證明通常意義上的場景都安全），后者必須要有新的驗(yàn)證、測試和仿真技術(shù)。而L3則需要智駕系統(tǒng)證明自己的安全邊界。蘇箐所謂“平滑過渡”，大概率是從體驗(yàn)出發(fā)的，但在L3階段，如果無法逾越責(zé)任歸屬問題，那么過渡到L4，就成了空話。

當(dāng)然，相比技術(shù)上責(zé)任歸屬，用戶同樣在意商業(yè)責(zé)任歸屬。保險公司推出“技術(shù)責(zé)任險”，由主機(jī)廠買單。而智駕方案供應(yīng)商則將算法、芯片與安全里程承諾打包出售給主機(jī)廠，從而實(shí)現(xiàn)層層承諾，將用戶從兜底責(zé)任中解脫出來。

這樣做的結(jié)果，就是實(shí)力強(qiáng)且規(guī)模大的智駕供應(yīng)商，迅速瓜分掉主機(jī)廠訂單。即更具垂直整合能力、掌握大筆資源（投資云算力、組建超大算法研發(fā)團(tuán)隊(duì)和芯片硬件研發(fā)團(tuán)隊(duì)）的供應(yīng)商，將毫無懸念地拿到少數(shù)幾張幸存者資格證。

這樣一來，自動駕駛商業(yè)模式收斂，經(jīng)歷的時間將很短，甚至遠(yuǎn)比L2到L4過渡時間要短得多。至于是否“平滑”，只能由幸存者負(fù)責(zé)闡釋。

注:圖片部分來源網(wǎng)絡(luò)，如有侵權(quán)，聯(lián)系刪除。

大廠的共同生存指南 寶馬高翔：在變革中保持謹(jǐn)慎的創(chuàng)新

馬斯克萬億薪酬背后