一凡 發(fā)自 副駕寺
智能車參考 | 公眾號(hào) AI4Auto

做了10年Robotaxi后，小馬這次把舞臺(tái)C位留給了一輛無(wú)人輕卡。

△左為小馬智行創(chuàng)始人、CEO彭軍，右為小馬智行創(chuàng)始人、CTO樓天城

這是小馬智行在北京車展上發(fā)布的RoboVan，意味著其正式殺入萬(wàn)億級(jí)城配市場(chǎng)。

最近兩年，無(wú)人城配賽道持續(xù)火爆，以此起家的九識(shí)、新石器和白犀牛，吸金數(shù)十億。但這些玩家，打造的產(chǎn)品都是無(wú)人小車，一般長(zhǎng)這樣：

△圖片由AI生成

這種小車沒(méi)有駕駛艙，體積不大，1輛車的裝貨量和咱們常見(jiàn)的面包車差不多。而小馬的輕卡，容積更大，官方估計(jì)是小車的3倍多。同時(shí)可以看到，這款輕卡還保留了駕駛艙。

所以在外界看來(lái)，小馬入局城配的方式，多少有些特別。

為什么小馬智行要選擇用輕卡入局城配市場(chǎng)？

又為什么是此時(shí)此刻？

小馬新十年：Robotaxi成本下探，打通物流閉環(huán)

小馬發(fā)布新業(yè)務(wù)的前提，是其基本盤有了新突破。

小馬透露，其最新版Robotaxi的整車成本，已下探至23萬(wàn)元以內(nèi)，低于1輛Model 3的售價(jià)。

要知道，去年小馬七代車投入運(yùn)營(yíng)后，就已在廣州和深圳，實(shí)現(xiàn)了單車盈利轉(zhuǎn)正，如今成本進(jìn)一步下探，意味著向商業(yè)化閉環(huán)，又邁了一步。

這也說(shuō)明，小馬Robotaxi的軟硬件方案基本成熟，進(jìn)入可復(fù)制階段，甚至有了進(jìn)一步向其他場(chǎng)景外溢的可能，比如無(wú)人城配。

貨運(yùn)其實(shí)也是小馬的專長(zhǎng)，早就在西北運(yùn)營(yíng)了卡車編隊(duì)，最新四代車實(shí)現(xiàn)了“一拖四”——即一個(gè)司機(jī)，后面跟著4輛無(wú)人重卡。

不過(guò)該業(yè)務(wù)，更多地是服務(wù)物流網(wǎng)絡(luò)的大動(dòng)脈，運(yùn)輸大宗商品。而現(xiàn)在，小馬進(jìn)一步深入到城區(qū)的毛細(xì)血管中，打通物流閉環(huán)。

不過(guò)前面提到，小馬做城配沒(méi)有小車，而是基于寧德時(shí)代的坤勢(shì)商用車底盤，用車規(guī)級(jí)自動(dòng)駕駛套件，打造了一輛無(wú)人輕卡，載貨量是18立方米，相當(dāng)于30臺(tái)雙開(kāi)門大冰箱的體積，*貨運(yùn)成本是傳統(tǒng)貨運(yùn)方式的一半，目前計(jì)劃落地的場(chǎng)景有商超、冷鏈和快遞。

據(jù)小馬智行創(chuàng)始人、CTO樓天城表示，小馬此時(shí)入局城配，既是因?yàn)檫@個(gè)賽道的商業(yè)化成熟了，同時(shí)也是因?yàn)榧夹g(shù)上做輕卡和重卡，沒(méi)有本質(zhì)區(qū)別：

Robotruck和Robotaxi的技術(shù)，有80%左右共享，輕卡只會(huì)更多，一些極端場(chǎng)景，其實(shí)都是共享的。

那為什么要用輕卡而不是小車？這其實(shí)是市場(chǎng)現(xiàn)狀決定的。

樓天城透露，小馬此前統(tǒng)計(jì)過(guò)城配市場(chǎng)不同車型的數(shù)量，其中輕卡占據(jù)的市場(chǎng)份額最大，所以小馬選擇以輕卡入局，將自動(dòng)駕駛技術(shù)，引入新的場(chǎng)景。輕卡的軟件和運(yùn)營(yíng)網(wǎng)絡(luò)，直接就能復(fù)用Robotaxi的能力。

所以說(shuō)，小馬做城配、造輕卡，其實(shí)是過(guò)去的積累，向另一個(gè)場(chǎng)景遷移，技術(shù)底座更加通用。這也是最近的行業(yè)趨勢(shì)，一個(gè)自動(dòng)駕駛玩家，不再局限于單個(gè)商業(yè)化場(chǎng)景，而是邁向了多元化。

在輕卡發(fā)布會(huì)后，智能車參考等還對(duì)話了小馬智行創(chuàng)始人、CTO樓天城。

對(duì)話樓天城：AI下一階段發(fā)展的兩個(gè)方向

Q：世界模型有沒(méi)有一個(gè)夠用的精度，或者說(shuō)是不是和真實(shí)世界越接近越好？

樓天城：首先是世界模型精度，它最直接的表現(xiàn)就是它訓(xùn)練出來(lái)的AI司機(jī)表現(xiàn)的好壞，其實(shí)就是形容他精度的標(biāo)準(zhǔn)，它的本質(zhì)確實(shí)是跟世界越接近越好。但是這個(gè)接近不光是極端場(chǎng)景能夠跟真實(shí)世界一樣，更多的是概率分布，就是一件事情出現(xiàn)的概率要和真實(shí)世界很接近，還有大家的交互。開(kāi)車是一個(gè)交互行為，互相之間擠一下車這種行為也要和真實(shí)世界很接近，這個(gè)我們叫精度高，是一個(gè)非常全面的定義。這是為什么人有的時(shí)候慢慢對(duì)精度到底高不高失去判斷力了，這也是今天2.0的核心。

其實(shí)2.0的本質(zhì)是說(shuō)這個(gè)世界模型精度有一些不太好的地方，人有的時(shí)候判斷不出來(lái)，但是AI可以做準(zhǔn)確的判斷。比如說(shuō)你的世界模型里其他車變道都太激進(jìn)了，你應(yīng)該稍微收一點(diǎn)，它能做出這樣的判斷，這是2.0日常工作的一部分，就是它自我判斷出哪里不好，然后改進(jìn)。

Q:世界模型2.0有沒(méi)有什么限制？

樓天城：它的限制其實(shí)也很明顯，比如說(shuō)他說(shuō)我要收集一下這個(gè)版本路上的情況，這件事情必須要人來(lái)做，因?yàn)樗约簺](méi)有辦法擁有這個(gè)車，不掌握車鑰匙，我拿著車鑰匙，我要幫他做好這些測(cè)試，包括收集反饋的過(guò)程，他自己并沒(méi)有辦法完全完成，他是在人的輔助之下，比如說(shuō)他會(huì)說(shuō)我要這么做，但是這些工作需要人來(lái)完成，我通過(guò)這個(gè)動(dòng)作把這件事情做好。這里其實(shí)也是一個(gè)一開(kāi)始對(duì)我有沖擊，但我已經(jīng)接受很久了，各位可能還會(huì)有沖擊的一個(gè)點(diǎn)，我們很多研發(fā)的關(guān)鍵部分是AI驅(qū)動(dòng)的，他給我安排任務(wù)。當(dāng)然這個(gè)更多只是在研發(fā)上，今天我說(shuō)什么不是他安排的，都是我自己想的。

因?yàn)樗枰说膸椭�，在人的幫助下能夠非常接近的解決各種case，讓case跟實(shí)際情況完全一樣。它的上限至少我還沒(méi)有完全看到，它的上限是非常高的。

Q：小馬世界模型2.0的意圖層是怎么實(shí)現(xiàn)的？

樓天城：我解釋一下意圖層這件事情。意圖層指的是訓(xùn)練過(guò)程當(dāng)中的意圖層，而不是開(kāi)車過(guò)程當(dāng)中的意圖層，開(kāi)車過(guò)程當(dāng)中有在線強(qiáng)化學(xué)習(xí)，這也是新的技術(shù)，但是這個(gè)各家都會(huì)用一些，不是我們宣傳的主要內(nèi)容，簡(jiǎn)單來(lái)說(shuō)是有的，但是亮點(diǎn)不在里。

我們的意圖層是一個(gè)生成型的意圖，因?yàn)樵谀承﹫?chǎng)景上，有很多其他的車甚至是其他的人，我先強(qiáng)制說(shuō)這些人、這些車是什么意圖，然后開(kāi)始開(kāi)。在這個(gè)場(chǎng)景當(dāng)中，我可以窮舉所有其他物體的意圖組合，讓車在所有組合當(dāng)中一個(gè)判斷，這個(gè)是我們世界模型做意圖層的關(guān)鍵。

這個(gè)好處有點(diǎn)像多元宇宙，就是人開(kāi)車的時(shí)候我會(huì)對(duì)人周圍每個(gè)物體的意圖做一個(gè)判斷。但是其實(shí)我們自動(dòng)駕駛車不是這樣開(kāi)的，而是對(duì)所有的意圖組合做一個(gè)綜合評(píng)價(jià)，然后判斷怎么開(kāi)。他腦子里會(huì)做左右的組合，然后看哪些組合是我需要小心的，然后它去開(kāi)，這也是它開(kāi)的比人安全的另外一個(gè)表示。

但是有一點(diǎn)，這個(gè)意圖必須要在虛擬世界生成，因?yàn)槲铱梢韵壬梢鈭D，然后反向說(shuō)這個(gè)意圖下其他車要怎么開(kāi)。

Q：這個(gè)意圖是在訓(xùn)練層，如果說(shuō)落到車端的執(zhí)行層，中間會(huì)有很大的延遲，這個(gè)怎么去解決？

樓天城：車在執(zhí)行的時(shí)候只有車輛模型，它會(huì)以在他訓(xùn)練時(shí)的方式，估計(jì)一個(gè)其他車意圖的分布，然后它做一個(gè)它的判斷。因?yàn)樗谟?xùn)練的時(shí)候也是這樣的，因?yàn)橛?xùn)練的時(shí)候也不會(huì)告訴它說(shuō)是哪一個(gè)意圖，它也是根據(jù)意圖分布做一個(gè)判斷，其實(shí)兩者是一樣的狀態(tài)。

我們覺(jué)得開(kāi)車中的意圖是更核心的層面，人開(kāi)車是通過(guò)意圖來(lái)決定怎么開(kāi)的，這個(gè)大家都有開(kāi)車習(xí)慣，都會(huì)了解這一點(diǎn)。比如說(shuō)相比語(yǔ)言，語(yǔ)言并不是開(kāi)車當(dāng)中很核心的東西。我相信很多年以后再看，如果真能留下一個(gè)layer，肯定留下的是意圖層而不是語(yǔ)言。因?yàn)槿碎_(kāi)車的時(shí)候不會(huì)想著語(yǔ)言的，這也是意圖的一個(gè)點(diǎn)。非常感謝您提到意圖層這個(gè)點(diǎn)，意圖其實(shí)是一個(gè)多元宇宙的概念。

Q：有一些Robotaxi的用戶反饋，比如說(shuō)在高峰時(shí)段，Robotaxi的效率相對(duì)低一些。您認(rèn)為這是一個(gè)技術(shù)問(wèn)題還是什么問(wèn)題？

樓天城：這正是我們過(guò)去半年、一年主要提升的方面。在上個(gè)季度財(cái)報(bào)的時(shí)候我們也說(shuō)過(guò)，比如說(shuō)我們?cè)趶V州、深圳已經(jīng)達(dá)到了單車盈利模型轉(zhuǎn)正，這個(gè)最關(guān)鍵的就是能在高峰期、市中心讓大家滿意我們的車，就愿意打我們的車。其實(shí)車的滿意度是非常關(guān)鍵的，因?yàn)闈M意度直接影響到單量，大家愿不愿意打這個(gè)車，這是我們最近提升的最重要的幾個(gè)方向。

簡(jiǎn)單來(lái)說(shuō)，這確實(shí)是一個(gè)需要技術(shù)攻克的點(diǎn)。最終通行效率這件事情不可能說(shuō)像安全那樣比人高很多，只是說(shuō)大家達(dá)到差不多的狀態(tài)，甚至有的時(shí)候稍微差一點(diǎn)的狀態(tài)，這是因?yàn)橛幸粋�(gè)因素。正常路上的人，對(duì)無(wú)人車和有人車之間是存在雙標(biāo)的，他更不愿意接受無(wú)人車犯錯(cuò)誤。這個(gè)時(shí)候總要稍微謹(jǐn)慎一點(diǎn)，但是這個(gè)謹(jǐn)慎可能會(huì)影響到你的效率。就是同樣這樣開(kāi)，人開(kāi)可以的，但是自動(dòng)駕駛他會(huì)罵你的。所以會(huì)稍微差一點(diǎn)，但是不會(huì)差到讓大家不滿意。這也是大家都說(shuō)我能做自動(dòng)駕駛，我有幾輛車，我能運(yùn)營(yíng)，但是這個(gè)差別到商業(yè)上就是巨大的差別。

Q：物理AI跟汽車的虛擬模型，或者說(shuō)他們兩個(gè)的世界模型同樣去做物理世界賦能的時(shí)候，有什么關(guān)鍵性的區(qū)別和差異？

樓天城：我猜想你問(wèn)的問(wèn)題是物理AI和自動(dòng)駕駛的差別。物理AI就是訓(xùn)練具身的環(huán)境。具身今天很多應(yīng)用還在早期，大家看到很多機(jī)器人還在DEMO狀態(tài)，如果說(shuō)有一天走到應(yīng)用的時(shí)候，具身也需要一個(gè)物理世界模型做訓(xùn)練，也會(huì)走到這一天的。你可以認(rèn)為自動(dòng)駕駛是一個(gè)最早期的具身應(yīng)用，他更早的走到應(yīng)用世界模型的狀態(tài)。但是具身的世界模型需要更多的物理定律。大家知道自動(dòng)駕駛只要車不撞就可以，我根本不用管太多撞了怎么樣。但是具身中的物理接觸是更多的，而且它是明顯有多維度，這個(gè)維度指的是除了視覺(jué)之外，還會(huì)有聽(tīng)覺(jué)以及其他的感覺(jué)，所以它需要更長(zhǎng)的時(shí)間，這也符合現(xiàn)在具身發(fā)展的階段。

Q：英偉達(dá)年初開(kāi)源了一個(gè)世界模型，有一些人直接就說(shuō)沒(méi)有用，您有什么看法？

樓天城：世界模型也是不同的意思，世界模型也分為以生成為主的，以交互訓(xùn)練為主和物理世界為主的，英偉達(dá)是生成為主的世界模型，而我們應(yīng)用是用于訓(xùn)練，所以我們不會(huì)直接買來(lái)用，但是有其他用于生成的人還是很有用的，還是因?yàn)樗胁煌挠猛�，它不是我們這一支的用途。

Q：關(guān)于Robotaxi，今年我們看到越來(lái)越多了車企，尤其是L2的廠商現(xiàn)在都開(kāi)始在談，這個(gè)會(huì)影響到小馬的全球化，你們會(huì)不會(huì)在量產(chǎn)上加快？是不是會(huì)有更多量產(chǎn)車出來(lái)？

樓天城：首先我們擁有多款車型也是我們平臺(tái)的優(yōu)勢(shì)，我們同一款方案可以放在多個(gè)車型之上，大家知道Robotaxi也有一些本地的特點(diǎn)，比如說(shuō)本地更想打本地的車，這也有這方面的考慮，是我們主要的點(diǎn)。

關(guān)于量這件事情，確實(shí)現(xiàn)在有很多玩家開(kāi)始進(jìn)入Robotaxi市場(chǎng)，但是另一方面也看到，大家的技術(shù)路線，大家都在提基于世界模型的強(qiáng)化學(xué)習(xí)，相信各位聽(tīng)過(guò)很多這樣的消息。其實(shí)從路徑上來(lái)說(shuō)，大家也都走的傳統(tǒng)Robotaxi公司相同的路徑，換句話說(shuō)，至少L2很多已有的積累，在他L4上沒(méi)有提供任何幫助。比如說(shuō)L2說(shuō)我有更多真實(shí)數(shù)據(jù)，其實(shí)大家都在真正按照L4的發(fā)展走這條路，換句話說(shuō)不做L4的公司也可以走這條路。

另外一個(gè)維度，在今天L4當(dāng)中，車的駕駛能力，AI能力，安全性是真正影響它能不能鋪開(kāi)的關(guān)鍵，造車的能力我不是說(shuō)它很容易，這個(gè)Knowhow相對(duì)是一個(gè)更廣的范圍，所以我認(rèn)為造車本身是可以通過(guò)合作來(lái)做到的，造車本身并不是影響你車隊(duì)規(guī)模能做多大的關(guān)鍵因素。

Q：那關(guān)鍵因素是什么？

樓天城：車的AI駕駛能力和它的安全性，才能決定有沒(méi)有能力上很多的車，而提升安全駕駛能力需要走的是L4整個(gè)強(qiáng)化學(xué)習(xí)或者是世界模型這條道路。大家都愿意走，說(shuō)明這個(gè)行業(yè)得到了很多關(guān)注，另一方面，所有玩家已有的積累幫不到走這條路，所以大家要按照這條路慢慢走下去，這是我們看到的趨勢(shì)。就是說(shuō)他沒(méi)有任何道理比L4從0做到1000少任何一個(gè)步驟，任何一家L4公司從0走到1000，要走過(guò)的所有步驟，L2公司也都得走一遍。

Q：我有兩個(gè)小問(wèn)題想問(wèn)一下，您怎么看現(xiàn)在小鵬也開(kāi)始做Robotaxi，以及Robotaxi這個(gè)賽道現(xiàn)在小馬已經(jīng)看到了盈虧平衡點(diǎn)，但是我們還沒(méi)有在這個(gè)領(lǐng)域找到很可靠的商業(yè)化軌道，您怎么看待這個(gè)領(lǐng)域未來(lái)的趨勢(shì)以及什么時(shí)候Robotaxi能夠走進(jìn)我們?nèi)粘＃?/strong>

樓天城：其實(shí)這也是Robotaxi最有意義的特點(diǎn)，比如說(shuō)它跟傳統(tǒng)的APP，跟ChatGPT最大的不同，大家的體驗(yàn)需要物理接觸體驗(yàn)。我跟你說(shuō)這個(gè)APP很好用，去聊聊天，你打開(kāi)一個(gè)網(wǎng)頁(yè)就可以看了。但是我說(shuō)這臺(tái)車開(kāi)得怎么樣，你需要真正體驗(yàn)一下，這是所有物理世界應(yīng)用的特性，這個(gè)并不會(huì)因?yàn)樽詣?dòng)駕駛而特殊，所有物理世界都有這個(gè)特性。

它帶來(lái)的特點(diǎn)其實(shí)您提到了，它占領(lǐng)用戶心智需要非常長(zhǎng)的時(shí)間，不是說(shuō)一鋪開(kāi)所有人都開(kāi)使用了，所以我們?yōu)槭裁匆粋�(gè)個(gè)城市去鋪，一步一步去接觸用戶，是這個(gè)過(guò)程。還有一個(gè)好處，后來(lái)者如果想要去進(jìn)入也需要這個(gè)過(guò)程，他沒(méi)有辦法像互聯(lián)網(wǎng)那樣，一夜之間傳播到所有人。這是物理AI應(yīng)用的特色，需要更長(zhǎng)的時(shí)間，達(dá)到更大的規(guī)模，優(yōu)點(diǎn)是它一旦達(dá)到了，它的護(hù)城河會(huì)更強(qiáng)，這其實(shí)也是它的一個(gè)特點(diǎn)。

我們說(shuō)的都是Robotaxi，都是指無(wú)人的，究竟有沒(méi)有本事做到幾百輛、幾千輛，不是說(shuō)你能不能生產(chǎn)出1000輛車，根本還是說(shuō)你的車安全性夠不夠，你放這么多車路上不會(huì)出事故，不會(huì)被人罵，這才是關(guān)鍵。

Q：我的問(wèn)題是現(xiàn)在技術(shù)路線好像都是向世界模型強(qiáng)化學(xué)習(xí)去收斂，有很多家車企都表示他們是通過(guò)同一個(gè)架構(gòu)由L2進(jìn)化到L4，在這個(gè)階段您還認(rèn)為從底層技術(shù)來(lái)說(shuō)L2和L4是不同的物種嗎？

樓天城：剛剛我的解釋是從產(chǎn)品角度來(lái)說(shuō)的，就是L2和L4在產(chǎn)品上有區(qū)別，L2做的好了之后會(huì)出問(wèn)題。下面我從技術(shù)上來(lái)說(shuō)這兩者之間的差別。

技術(shù)上，只要關(guān)注一點(diǎn)，L2其實(shí)技術(shù)上大家經(jīng)常腦子中想的給L4的幫助，進(jìn)化的說(shuō)法更多是指數(shù)據(jù)，就是說(shuō)我車能采集很多數(shù)據(jù)來(lái)幫助L4。但是其實(shí)問(wèn)題也很明顯，L4到后期的數(shù)據(jù)是靠虛擬數(shù)據(jù)，靠合成數(shù)據(jù)。而在這個(gè)狀態(tài)下，過(guò)度依賴真實(shí)數(shù)據(jù)甚至是負(fù)面的。這導(dǎo)致L2積累的最關(guān)鍵優(yōu)勢(shì)幫不到L4真實(shí)的進(jìn)展。如果說(shuō)你要做L4，也是要按照L4的方式，比如說(shuō)做世界模型，做強(qiáng)化學(xué)習(xí)全部走過(guò)一遍，這個(gè)任何一家公司做并沒(méi)有明顯的差別。

我是從這個(gè)角度來(lái)說(shuō)，我不是說(shuō)L2公司進(jìn)不到L4，而是說(shuō)這個(gè)路線本身。

Q：小馬智行成立業(yè)有10年了，您覺(jué)得10年間自動(dòng)駕駛行業(yè)最大的認(rèn)知糾偏是什么？

樓天城：我覺(jué)得可能就是世界模型這件事。我們是2020年開(kāi)始做的世界模型，我們最早對(duì)外宣傳是到了2024年，因?yàn)橹皫啄甏蠹以谝咔橹�，我們就沒(méi)有說(shuō)那么多。應(yīng)該說(shuō)在我剛說(shuō)的時(shí)候，很多人會(huì)覺(jué)得我是一個(gè)另類，大家都是用采集真實(shí)數(shù)據(jù)來(lái)做模仿的，什么時(shí)候不用模仿開(kāi)始用仿真了，開(kāi)始用模仿學(xué)習(xí)，開(kāi)始用自學(xué)的方式了。但是今天已經(jīng)沒(méi)有人這么說(shuō)了，今天所有人都在說(shuō)世界模型。其實(shí)這也是更多行業(yè)外的同事愿意接受的過(guò)程，這也給了他很大的幫助。

但是這個(gè)對(duì)人沖擊是很大的，你需要接受一個(gè)事情，就是你作為一個(gè)老師教學(xué)生，教著教著學(xué)生比你強(qiáng)了，你就不要再下手教了，最好給學(xué)生創(chuàng)造環(huán)境，創(chuàng)造條件讓學(xué)生自己變好。這種對(duì)人有的時(shí)候是有沖擊的。但是這個(gè)行業(yè)很好，大家都接受了這種沖擊，意識(shí)到人的不足，意識(shí)到了人跟AI的配合應(yīng)該怎么做。

這里我也有點(diǎn)感慨，AI剛剛出現(xiàn)的時(shí)候有一個(gè)圖靈測(cè)試很著名，圖靈測(cè)試是什么意思？就是說(shuō)我一個(gè)人坐在中間，左右兩個(gè)，一個(gè)是AI，一個(gè)是人，我能不能區(qū)別哪一個(gè)是人，哪一個(gè)是AI。圖靈測(cè)試的意識(shí)是AI要像人，但是我反問(wèn)，如果說(shuō)AI超越人了，圖靈測(cè)試是應(yīng)該能夠區(qū)分AI和人的，因?yàn)楹玫哪莻�(gè)是AI，差的是人。這么多年，大家大家并沒(méi)有接受AI很多方面能超過(guò)人，沒(méi)有想到自動(dòng)駕駛過(guò)去10年，很多人接受了這件事情，這個(gè)還是非常感激，大家非常開(kāi)放的心態(tài)。圖靈測(cè)試今天是失效的，因?yàn)楹玫氖茿I，差的是人，這個(gè)可能可以回答你的問(wèn)題。

Q：那不是可以進(jìn)行反向圖靈測(cè)試？

樓天城：人可以反過(guò)來(lái)判斷，就是說(shuō)話突然之間會(huì)腦抽的是人，一直很有邏輯的是AI。今天大家跟聊天工具聊就會(huì)有感受，我問(wèn)你一個(gè)什么問(wèn)題，還不如問(wèn)AI工具，這個(gè)現(xiàn)象很明顯。

Q：了解到像今年很多無(wú)人駕駛公司會(huì)推出一些無(wú)人前裝量車的車，今年我們也發(fā)布了全車規(guī)、全冗余L4級(jí)無(wú)人駕駛輕卡。咱們是怎么做到這一點(diǎn)的，其中的難點(diǎn)是什么？

樓天城：從根本點(diǎn)來(lái)說(shuō)，我們意識(shí)到了輕卡和Robotaxi之間的相同之處。大家知道輕卡是2-5噸的，不是非常小的那個(gè)車。它實(shí)際運(yùn)營(yíng)的場(chǎng)景都是正常道路，從集散地到集散地的道路，這個(gè)道路和路上打車是非常接近的，大家走的是一樣的路，一樣的要求，一樣的車，一樣下雨，所有的問(wèn)題都是一樣的。應(yīng)該說(shuō)這是我們找到的Robotaxi這個(gè)技術(shù)場(chǎng)景最好的延伸方向。它的難點(diǎn)和關(guān)鍵點(diǎn)和Robotaxi是一樣的。

至于說(shuō)車規(guī)和冗余這件事情，是因?yàn)槲覀儚腞obotaxi的經(jīng)驗(yàn)知道，這臺(tái)車既然在路上跑，大家對(duì)它的安全要求肯定是很高的，應(yīng)做的事情都需要做到。所以我們決定一步到位。我們沒(méi)有說(shuō)一步一步，先做沒(méi)有冗余的，先試錯(cuò)。我們就想按照它應(yīng)有的安全標(biāo)準(zhǔn)設(shè)計(jì)這款車。所以它是最好的沿襲小馬智行已有的優(yōu)勢(shì)，做的直接的商業(yè)拓展，主要是從這方面考慮。

Q：關(guān)于物流車，今天我們發(fā)布的輕卡，包括京東也在做24方的無(wú)人車，是沒(méi)有車頭的。咱們?yōu)槭裁醋鲞@樣的設(shè)計(jì)，咱們準(zhǔn)備怎么去做輕卡的無(wú)人駕駛？

樓天城：提到無(wú)人物流車，我還是從監(jiān)管說(shuō)起，今天對(duì)物流車現(xiàn)在也有更標(biāo)準(zhǔn)化的監(jiān)管出來(lái)了，最近也出臺(tái)了對(duì)物流車的監(jiān)管，對(duì)什么樣的人能上什么樣的道路，有了更加明確的規(guī)定。你看物流行業(yè)，特別是城際的物流，其實(shí)能夠上一定的快速路是非常重要的，不是通過(guò)羊腸小道過(guò)不去的，他是一路上40、60、80的時(shí)速在跑的，這種情況下，我們要的是一輛能夠很好的車，它是一輛正常人能開(kāi)的車。這說(shuō)明它在各方面的穩(wěn)定性、安全驗(yàn)證是通過(guò)標(biāo)準(zhǔn)的。

所以我們希望從有車規(guī)或者說(shuō)標(biāo)準(zhǔn)的方式來(lái)進(jìn)入這個(gè)市場(chǎng)。而且我們也相信隨著監(jiān)管以后變得越來(lái)越嚴(yán)格或者是越來(lái)越標(biāo)準(zhǔn)化之后，我們能夠開(kāi)上這樣道路的車，在整個(gè)運(yùn)輸中應(yīng)該能夠有更大的發(fā)揮空間。

Q：為什么沒(méi)有做更小的車？

樓天城：我們認(rèn)為輕卡是最大的市場(chǎng)，我們也做過(guò)統(tǒng)計(jì)不同車型的數(shù)量，這個(gè)車其實(shí)是市場(chǎng)上運(yùn)載量最大的，而且明顯比第二大很多�？赡芪ㄒ荒芨鹊木褪强ㄜ嚭蚏obotaxi。

Q：我感覺(jué)小馬一直在強(qiáng)調(diào)的是云端的世界模型訓(xùn)練環(huán)境，從第一代到第二代，我不知道是不是對(duì)你們來(lái)講，車端是什么架構(gòu)，什么方案沒(méi)有那么重要？

樓天城：首先我相信車端各家都是已經(jīng)是端到端的狀態(tài)了，不是端到端的話，也不好意思說(shuō)自己是L4了。單從highlevel的不同其實(shí)已經(jīng)不太明顯了，所以更多的不同點(diǎn)是在訓(xùn)練范式1.0和開(kāi)發(fā)范式2.0，這是主要的差別，所以我更多把重點(diǎn)放在能體現(xiàn)出差別的地方。

說(shuō)到車端的問(wèn)題，剛剛講到的意圖也是車端的一個(gè)特色，但是它也是因?yàn)橛?xùn)練范式1.0不同給到它的一個(gè)優(yōu)勢(shì)�；卮鹉愕膯�(wèn)題，如果說(shuō)車端的話，單從highlevel，其實(shí)大家基本都已經(jīng)是端到端的狀態(tài)了。

Q：這個(gè)端到端是CNN的還是Transformer的？

樓天城：肯定早就以Transformer為主了。但是它的很多訓(xùn)練的決定是由模型決定的，這個(gè)結(jié)構(gòu)很多東西需要人去確認(rèn)，但是它的很多優(yōu)化部分是靠模型來(lái)做的。這個(gè)叫模型訓(xùn)練模型，我先整一個(gè)世界模型它來(lái)訓(xùn)練，這個(gè)里面的很多結(jié)構(gòu)是AI參與決定的，所以并不是人來(lái)做的。但是簡(jiǎn)單來(lái)說(shuō)，肯定不可能是在CNN，而是偏Transformer為主。
看得出你關(guān)心這個(gè)方面，但是這個(gè)在L4領(lǐng)域，好幾年前就是這個(gè)狀態(tài)了。

Q：但是圈內(nèi)也有人把車端的模型叫做世界模型，這個(gè)怎么理解？

樓天城：我覺(jué)得是誤解�；蛘哒f(shuō)有一種在線的做法，但是這個(gè)做法嚴(yán)格來(lái)說(shuō)那個(gè)東西算不算世界模型，你可以硬那么叫，但是里面更是一個(gè)Smart Agent的表現(xiàn)。因?yàn)槭澜缒Ｐ统薙mart Agent交互之外還有評(píng)價(jià)，但是評(píng)價(jià)本身很難想象會(huì)在車端，這是很奇怪的。

Q：小馬推出世界模型構(gòu)建精度飛輪，目前咱們世界模型的能力邊界在哪里？會(huì)對(duì)咱們未來(lái)的路線選擇會(huì)有什么影響？

樓天城：技術(shù)路線本身就是拿一個(gè)模型來(lái)開(kāi)發(fā)，這件事情已經(jīng)是接下來(lái)的技術(shù)路線了，而且這件事情不僅出現(xiàn)在自動(dòng)駕駛領(lǐng)域，這個(gè)叫Agent，現(xiàn)在很多領(lǐng)域用一些Agent去做研發(fā)這件事情已經(jīng)存在了，所以用Agent去做研發(fā)就是自動(dòng)駕駛接下來(lái)更常見(jiàn)的技術(shù)路線了。
但是能力邊界這件事，至少它證明了它超過(guò)了由人來(lái)研發(fā)能達(dá)到的上限，但是它自己上限是什么，現(xiàn)在AI還沒(méi)有辦法回答這個(gè)問(wèn)題，我也只能問(wèn)它。如果說(shuō)有一天它能做到虛擬世界和真實(shí)世界非常接近，它利用所有AI的能力做訓(xùn)練，但是究竟它能超越人類多少這件事情，特別是在復(fù)雜場(chǎng)景，比人類高出很多這是一定能做到的，但是上限在那里其實(shí)是AI回答的問(wèn)題。

Q：其實(shí)在前一段間卓馭和元戎都說(shuō)有可能自動(dòng)駕駛這個(gè)行業(yè)面臨著大模型公司的降維打擊，或者說(shuō)他們可能會(huì)殺進(jìn)來(lái)，帶來(lái)不一樣的打法，您怎么看待這個(gè)問(wèn)題？

樓天城：大模型公司如果你指的是OpenAI這種大模型公司的話，這個(gè)東西的標(biāo)準(zhǔn)叫法叫基礎(chǔ)模型，英文就沒(méi)有大模型這個(gè)詞，只有基礎(chǔ)模型這個(gè)詞。其實(shí)它們都是自動(dòng)駕駛公司進(jìn)步的基礎(chǔ)，大家是一個(gè)合作關(guān)系。但是另外一個(gè)維度，真正做到自動(dòng)駕駛不是說(shuō)只要有一個(gè)模型就夠了。首先基礎(chǔ)模型本身就是Token之間的成語(yǔ)接龍，基于這個(gè)成語(yǔ)接龍的基礎(chǔ)模型我們會(huì)做很多后面的工作，比如說(shuō)要做Agent，Agent做出產(chǎn)品，硬件的適配，運(yùn)營(yíng)的很多東西，其實(shí)是基于他們的工作做了很多的東西，所以大家是合作的關(guān)系。

就算你有一個(gè)非常完美的基礎(chǔ)模型，后面這些工作也都需要做。簡(jiǎn)單來(lái)說(shuō)，如果說(shuō)只是一個(gè)模型，甚至任何新玩家進(jìn)入這個(gè)市場(chǎng)影響都不是很大，或者說(shuō)進(jìn)入門檻一樣會(huì)很高。但是如果你說(shuō)基礎(chǔ)模型越來(lái)越好，確實(shí)會(huì)幫助到其他公司的進(jìn)步，這個(gè)我們也得到了好處，所以大家更多是合作的關(guān)系。自動(dòng)駕駛不只是一個(gè)模型而是一整套的東西。

Q：從AI開(kāi)車到AI評(píng)估開(kāi)車，你認(rèn)為下一步會(huì)是AI來(lái)干什么？

樓天城：兩個(gè)方向，第一是物理AI，物理AI很多問(wèn)題還沒(méi)有被攻克，真正理解物理世界的很多東西，今天我不知道AI能不能在短時(shí)間內(nèi)做成這件事，這個(gè)甚至有機(jī)會(huì)我也愿意contribute，就是通過(guò)AI的方式理解物理世界究竟是如何運(yùn)作的，這是很有挑戰(zhàn)的一件事。

還有一個(gè)，AI已經(jīng)從訓(xùn)練模型開(kāi)始驅(qū)動(dòng)研發(fā)了，接下來(lái)是不是能夠run一個(gè)更大的團(tuán)隊(duì)或者是run一個(gè)公司，由AI來(lái)制定策略。再往后它可以做一個(gè)社區(qū)。從AI發(fā)展角度來(lái)說(shuō)，有一個(gè)另外一個(gè)分級(jí)標(biāo)準(zhǔn)，這個(gè)Agent是說(shuō)開(kāi)始是輔助人類完成工作，到獨(dú)立完成事情，到能夠自主創(chuàng)新，其實(shí)今天AI已經(jīng)有自主創(chuàng)新能力了，下一個(gè)就是能不能運(yùn)行Community的問(wèn)題，它開(kāi)始擁有社會(huì)性能力，這是AI發(fā)揮的趨勢(shì)。如果說(shuō)大家會(huì)擔(dān)心人類有一天要學(xué)會(huì)AI共存這件事情，其實(shí)是在那個(gè)階段，人確實(shí)需要思考人和AI是什么關(guān)系。