北京
“世界模型和強化學習正在改寫研發范式，AI 不只是在開車，也開始訓練模型、評估模型，甚至參與研發決策。”
作者|王蕊
編輯|西子
“L2跨越L4沒有捷徑可走。至少L2很多已有的積累，在L4上沒有提供任何幫助。”
2026 北京車展上，小馬智行透露一個重磅信息：2027 款小馬智行 L4 級 Robotaxi 整車成本，包括整車、電池和自動駕駛套件在內，將降至 23 萬元以內，低于 L2 級特斯拉 Model 3 最低配車型。
目前，小馬智行擁有超 1400 輛 Robotaxi，已經在北上廣深四大核心城市，實現 Robotaxi 規模化商業運營，并于 2025 年底跑通單車盈利模型。其中，廣州、深圳率先實現單車盈利轉正。
與此同時，小馬智行還聯合寧德時代首發全車規、全冗余 L4 級無人輕卡。加上此前已經量產下線的第四代無人重卡，小馬智行正式覆蓋“干線物流+城市配送”兩大貨運核心場景。
△小馬智行創始人兼CEO彭軍
在與智車星球等媒體的采訪交流中，小馬智行聯合創始人、CTO 樓天城深度分析了 L4 自動駕駛和 AI 正在發生的底層變化。
在他看來，自動駕駛領域的圖靈測試已失效，“差的是人，好的是AI”；世界模型和強化學習正在改寫研發范式，但是L2 跨越到 L4 依舊沒有捷徑可走；AI 不只是在開車，也開始訓練模型、評估模型，甚至參與研發決策。
核心觀點速覽：
基礎模型（大模型）對自動駕駛不會“降維打擊”，自動駕駛不只是一個模型而是一整套的東西。基礎模型越來越好，確實會幫助到其他公司的進步，這個我們也得到了好處，大家更多是合作的關系。
這么多年，大家并沒有接受AI很多方面能超過人，沒有想到自動駕駛過去10年，很多人接受了這件事情，這個還是非常感激，大家非常開放的心態。（自動駕駛領域）圖靈測試今天是失效的，因為好的是AI，差的是人。
我們很多研發的關鍵部分是 AI 驅動的，他給我安排任務。至少它（世界模型）證明了它超過了由人來研發能達到的上限。
新玩家做Robotaxi，大家也都走的傳統Robotaxi公司相同的路徑，換句話說，至少L2很多已有的積累，在L4上沒有提供任何幫助。L4 公司從 0 走到 1000要走過的所有步驟，L2 公司也都得走一遍。
L4 到后期的數據是靠虛擬數據，靠合成數據。而在這個狀態下，過度依賴真實數據甚至是負面的，這導致L2積累的最關鍵優勢幫不到L4真實的進展。
輕卡和Robotaxi實際運營的場景都是正常道路，從集散地到集散地的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，所有的問題都是一樣的。這是我們找到的Robotaxi這個技術場景最好的延伸方向。
世界模型精度最直接的表現，就是它訓練出來的 AI 司機表現的好壞，它的本質確實是跟世界越接近越好。但是這個接近不光是極端場景能夠跟真實世界一樣，更多的是概率分布，就是一件事情出現的概率要和真實世界很接近，還有大家的交互。
自動駕駛本身來說，如果說模型大小差3-5倍，其實完全可以通過最頂尖的蒸餾技術想辦法，我能夠讓它基本上看不出差別。如果說差三五倍的算力，你是愿意把錢花在買芯片上還是愿意花在蒸餾上的考慮，就是你是選擇多招一些工程師大家把模型蒸餾好，還是說索性把錢省下來去買芯片，是這樣一個選擇。
以下為訪談全紀錄，建議感興趣的朋友收藏仔細研讀：
Q：關于世界模型，有沒有一個夠用的精度，或者說是不是和真實世界越接近越好？它有沒有什么限制？
樓天城：首先是世界模型精度，它最直接的表現就是它訓練出來的AI司機表現的好壞，其實就是形容他精度的標準，它的本質確實是跟世界越接近越好。但是這個接近不光是極端場景能夠跟真實世界一樣，更多的是概率分布，就是一件事情出現的概率要和真實世界很接近，還有大家的交互。開車是一個交互行為，互相之間擠一下車這種行為也要和真實世界很接近，這個我們叫精度高，是一個非常全面的定義。這是為什么人有的時候慢慢對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2.0的本質是說這個世界模型精度有一些不太好的地方，人有的時候判斷不出來，但是AI可以做準確的判斷。比如說你的世界模型里其他車變道都太激進了，你應該稍微收一點，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。
另一方面，它的限制其實也很明顯，比如說他說我要收集一下這個版本路上的情況，這件事情必須要人來做，因為它自己沒有辦法擁有這個車，不掌握車鑰匙，我拿著車鑰匙，我要幫他做好這些測試，包括收集反饋的過程，他自己并沒有辦法完全完成，他是在人的輔助之下，比如說他會說我要這么做，但是這些工作需要人來完成，我通過這個動作把這件事情做好。這里其實也是一個一開始對我有沖擊，但我已經接受很久了，各位可能還會有沖擊的一個點，我們很多研發的關鍵部分是AI驅動的，他給我安排任務。當然這個更多只是在研發上，今天我說什么不是他安排的，都是我自己想的。
因為它需要人的幫助，在人的幫助下能夠非常接近的解決各種case，讓case跟實際情況完全一樣。它的上限至少我還沒有完全看到，它的上限是非常高的。
Q：咱們在車的模型上是加了一個意圖層的東西，這個意圖層我看到有一些其他的個別車企也有類似的做法，但是他們的做法是往這個架構里加了一個影式的世界模型放進去，這個有可能就是結構壓縮的一個世界模型放在車端，然后去做這樣的一個類似于預測的判斷，也就是所謂的意圖層。我想在架構方面咱們是怎么做到的。
第二個問題，一些友商做Robotaxi L4的，他們正在向L2去做一些動作，比如說提供一些解決方案。咱們這一塊有沒有去做一些相應的動作或者是布局。
樓天城：非常感謝，首先我解釋一下意圖層這件事情。意圖層指的是訓練過程當中的意圖層，而不是開車過程當中的意圖層，開車過程當中有在線強化學習，這也是新的技術，但是這個各家都會用一些，不是我們宣傳的主要內容，簡單來說是有的，但是亮點不在里。
我們的意圖層是一個生成型的意圖，因為在某些場景上，有很多其他的車甚至是其他的人，我先強制說這些人、這些車是什么意圖，然后開始開。在這個場景當中，我可以窮舉所有其他物體的意圖組合，讓車在所有組合當中一個判斷，這個是我們世界模型做意圖層的關鍵。
這個好處有點像多元宇宙，就是人開車的時候我會對人周圍每個物體的意圖做一個判斷。但是其實我們自動駕駛車不是這樣開的，而是對所有的意圖組合做一個綜合評價，然后判斷怎么開。他腦子里會做左右的組合，然后看哪些組合是我需要小心的，然后它去開，這也是它開的比人安全的另外一個表示。
但是有一點，這個意圖必須要在虛擬世界生成，因為我可以先生成意圖，然后反向說這個意圖下其他車要怎么開。
Q：這個意圖是在訓練層，如果說落到車端的執行層，中間會有很大的延遲，這個怎么去解決？
樓天城：車在執行的時候只有車輛模型，它會以在他訓練時的方式，估計一個其他車意圖的分布，然后它做一個它的判斷。因為它在訓練的時候也是這樣的，因為訓練的時候也不會告訴它說是哪一個意圖，它也是根據意圖分布做一個判斷，其實兩者是一樣的狀態。
我們覺得開車中的意圖是更核心的層面，人開車是通過意圖來決定怎么開的，這個大家都有開車習慣，都會了解這一點。比如說相比語言，語言并不是開車當中很核心的東西。我相信很多年以后再看，如果真能留下一個layer，肯定留下的是意圖層而不是語言。因為人開車的時候不會想著語言的，這也是意圖的一個點。非常感謝您提到意圖層這個點，意圖其實是一個多元宇宙的概念。
Q：去年開始，大家在車端的算力上有分歧，有一種是把稍微大一點的模型放在車端上，用一個幾千TOPS的算力芯片。還有一種是反過來，用一個參數小一點的模型，用云端的算力芯片。我們怎么來看待這一點，我們現在車端的算力其實也不小。
樓天城：首先我先拋開L4和L2的差別，我先說一下模型，自動駕駛本身來說，如果說模型大小差3-5倍，其實完全可以通過最頂尖的蒸餾技術想辦法，我能夠讓它基本上看不出差別。大家認為DeepSeek是一個極端，DeepSeek減少了20倍。意思是說，如果說差三五倍的算力，你是愿意把錢花在買芯片上還是愿意花在蒸餾上的考慮，就是你是選擇多招一些工程師大家把模型蒸餾好，還是說索性把錢省下來去買芯片，是這樣一個選擇。
如果說真有100倍的差別，那肯定是有區別的，因為蒸餾沒有辦法蒸100倍。如果說算力能差100倍有本質差別，但是三五倍的話，就是錢花在哪里的區別這個在各個領域都是如此，希望這個能回答你的問題，也許跟你想的不一樣，但是事實就是如此，就是錢放在哪個地方的問題。
Q：有一些Robotaxi的用戶反饋，比如說在高峰時段，Robotaxi的效率相對低一些。您認為這是一個技術問題還是什么問題？
樓天城：這正是我們過去半年、一年主要提升的方面。在上個季度財報的時候我們也說過，比如說我們在廣州、深圳已經達到了單車盈利模型轉正，這個最關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。其實車的滿意度是非常關鍵的，因為滿意度直接影響到單量，大家愿不愿意打這個車，這是我們最近提升的最重要的幾個方向。
簡單來說，這確實是一個需要技術攻克的點。最終通行效率這件事情不可能說像安全那樣比人高很多，只是說大家達到差不多的狀態，甚至有的時候稍微差一點的狀態，這是因為有一個因素。正常路上的人，對無人車和有人車之間是存在雙標的，他更不愿意接受無人車犯錯誤。這個時候總要稍微謹慎一點，但是這個謹慎可能會影響到你的效率。就是同樣這樣開，人開可以的，但是自動駕駛他會罵你的。所以會稍微差一點，但是不會差到讓大家不滿意。這也是大家都說我能做自動駕駛，我有幾輛車，我能運營，但是這個差別到商業上就是巨大的差別。
Q：物理AI跟汽車的虛擬模型，或者說他們兩個的世界模型同樣去做物理世界賦能的時候，有什么關鍵性的區別和差異？
樓天城：我猜想你問的問題是物理AI和自動駕駛的差別。物理AI就是訓練具身的環境。具身今天很多應用還在早期，大家看到很多機器人還在DEMO狀態，如果說有一天走到應用的時候，具身也需要一個物理世界模型做訓練，也會走到這一天的。你可以認為自動駕駛是一個最早期的具身應用，他更早的走到應用世界模型的狀態。但是具身的世界模型需要更多的物理定律。大家知道自動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，這個維度指的是除了視覺之外，還會有聽覺以及其他的感覺，所以它需要更長的時間，這也符合現在具身發展的階段。
Q：英偉達年初開源了一個世界模型，有一些人直接就說沒有用，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，以交互訓練為主和物理世界為主的，英偉達是生成為主的世界模型，而我們應用是用于訓練，所以我們不會直接買來用，但是有其他用于生成的人還是很有用的，還是因為它有不同的用途，它不是我們這一支的用途。
Q：關于Robotaxi，今年我們看到越來越多了車企，尤其是L2的廠商現在都開始在談，這個會影響到小馬的全球化，你們會不會在量產上加快？是不是會有更多量產車出來？
樓天城：首先我們擁有多款車型也是我們平臺的優勢，我們同一款方案可以放在多個車型之上，大家知道Robotaxi也有一些本地的特點，比如說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。
關于量這件事情，確實現在有很多玩家開始進入Robotaxi市場，但是另一方面也看到，大家的技術路線，大家都在提基于世界模型的強化學習，相信各位聽過很多這樣的消息。其實從路徑上來說，大家也都走的傳統Robotaxi公司相同的路徑，換句話說，至少L2很多已有的積累，在他L4上沒有提供任何幫助。比如說L2說我有更多真實數據，其實大家都在真正按照L4的發展走這條路，換句話說不做L4的公司也可以走這條路。
另外一個維度，在今天L4當中，車的駕駛能力，AI能力，安全性是真正影響它能不能鋪開的關鍵，造車的能力我不是說它很容易，這個Knowhow相對是一個更廣的范圍，所以我認為造車本身是可以通過合作來做到的，造車本身并不是影響你車隊規模能做多大的關鍵因素。
Q：它的關鍵因素是什么？
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整個強化學習或者是世界模型這條道路。大家都愿意走，說明這個行業得到了很多關注，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。就是說他沒有任何道理比L4從0做到1000少任何一個步驟，任何一家L4公司從0走到1000，要走過的所有步驟，L2公司也都得走一遍。
Q：怎么看現在小鵬也開始做Robotaxi，以及Robotaxi這個賽道還沒有找到很可靠的商業化軌道，您怎么看待這個領域未來的趨勢以及什么時候Robotaxi能夠走進我們日常？
樓天城：其實這也是Robotaxi最有意義的特點，比如說它跟傳統的APP，跟ChatGPT最大的不同，大家的體驗需要物理接觸體驗。我跟你說這個APP很好用，去聊聊天，你打開一個網頁就可以看了。但是我說這臺車開得怎么樣，你需要真正體驗一下，這是所有物理世界應用的特性，這個并不會因為自動駕駛而特殊，所有物理世界都有這個特性。
它帶來的特點其實您提到了，它占領用戶心智需要非常長的時間，不是說一鋪開所有人都開使用了，所以我們為什么要一個個城市去鋪，一步一步去接觸用戶，是這個過程。還有一個好處，后來者如果想要去進入也需要這個過程，他沒有辦法像互聯網那樣，一夜之間傳播到所有人。這是物理AI應用的特色，需要更長的時間，達到更大的規模，優點是它一旦達到了，它的護城河會更強，這其實也是它的一個特點。
我們說的都是Robotaxi，都是指無人的，究竟有沒有本事做到幾百輛、幾千輛，不是說你能不能生產出1000輛車，根本還是說你的車安全性夠不夠，你放這么多車路上不會出事故，不會被人罵，這才是關鍵。
Q：現在技術路線好像都是向世界模型強化學習去收斂，有很多家車企都表示他們是通過同一個架構由L2進化到L4，在這個階段您還認為從底層技術來說L2和L4是不同的物種嗎？
樓天城：剛剛我的解釋是從產品角度來說的，就是L2和L4在產品上有區別，L2做的好了之后會出問題。下面我從技術上來說這兩者之間的差別。
技術上，只要關注一點，L2其實技術上大家經常腦子中想的給L4的幫助，進化的說法更多是指數據，就是說我車能采集很多數據來幫助L4。但是其實問題也很明顯，L4到后期的數據是靠虛擬數據，靠合成數據。而在這個狀態下，過度依賴真實數據甚至是負面的。這導致L2積累的最關鍵優勢幫不到L4真實的進展。如果說你要做L4，也是要按照L4的方式，比如說做世界模型，做強化學習全部走過一遍，這個任何一家公司做并沒有明顯的差別。
我是從這個角度來說，我不是說L2公司進不到L4，而是說這個路線本身。
Q：小馬智行成立業有10年了，您覺得10年間自動駕駛行業最大的認知糾偏是什么？
樓天城：我覺得可能就是世界模型這件事。我們是2020年開始做的世界模型，我們最早對外宣傳是到了2024年，因為之前幾年大家在疫情中，我們就沒有說那么多。應該說在我剛說的時候，很多人會覺得我是一個另類，大家都是用采集真實數據來做模仿的，什么時候不用模仿開始用仿真了，開始用模仿學習，開始用自學的方式了。但是今天已經沒有人這么說了，今天所有人都在說世界模型。其實這也是更多行業外的同事愿意接受的過程，這也給了他很大的幫助。
但是這個對人沖擊是很大的，你需要接受一個事情，就是你作為一個老師教學生，教著教著學生比你強了，你就不要再下手教了，最好給學生創造環境，創造條件讓學生自己變好。這種對人有的時候是有沖擊的。但是這個行業很好，大家都接受了這種沖擊，意識到人的不足，意識到了人跟AI的配合應該怎么做。
這里我也有點感慨，AI剛剛出現的時候有一個圖靈測試很著名，圖靈測試是什么意思？就是說我一個人坐在中間，左右兩個，一個是AI，一個是人，我能不能區別哪一個是人，哪一個是AI。圖靈測試的意識是AI要像人，但是我反問，如果說AI超越人了，圖靈測試是應該能夠區分AI和人的，因為好的那個是AI，差的是人。這么多年，大家大家并沒有接受AI很多方面能超過人，沒有想到自動駕駛過去10年，很多人接受了這件事情，這個還是非常感激，大家非常開放的心態。（自動駕駛領域）圖靈測試今天是失效的，因為好的是AI，差的是人，這個可能可以回答你的問題。
Q：那就不能反過來嗎？
樓天城：人可以反過來判斷，就是說話突然之間會腦抽的是人，一直很有邏輯的是AI。今天大家跟聊天工具聊就會有感受，我問你一個什么問題，還不如問AI工具，這個現象很明顯。
Q：了解到像今年很多無人駕駛公司會推出一些無人前裝量車的車，今年我們也發布了全車規、全冗余L4級無人駕駛輕卡。咱們是怎么做到這一點的，其中的難點是什么？
樓天城：從根本點來說，我們意識到了輕卡和Robotaxi之間的相同之處。大家知道輕卡是2-5噸的，不是非常小的那個車。它實際運營的場景都是正常道路，從集散地到集散地的道路，這個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，所有的問題都是一樣的。應該說這是我們找到的Robotaxi這個技術場景最好的延伸方向。它的難點和關鍵點和Robotaxi是一樣的。
至于說車規和冗余這件事情，是因為我們從Robotaxi的經驗知道，這臺車既然在路上跑，大家對它的安全要求肯定是很高的，應做的事情都需要做到。所以我們決定一步到位。我們沒有說一步一步，先做沒有冗余的，先試錯。我們就想按照它應有的安全標準設計這款車。所以它是最好的沿襲小馬智行已有的優勢，做的直接的商業拓展，主要是從這方面考慮。
Q：關于物流車，今天我們發布的輕卡，包括京東也在做24方的無人車，是沒有車頭的。咱們為什么做這樣的設計，咱們準備怎么去做輕卡的無人駕駛？
樓天城：提到無人物流車，我還是從監管說起，今天對物流車現在也有更標準化的監管出來了，最近也出臺了對物流車的監管，對什么樣的人能上什么樣的道路，有了更加明確的規定。你看物流行業，特別是城際的物流，其實能夠上一定的快速路是非常重要的，不是通過羊腸小道過不去的，他是一路上40、60、80的時速在跑的，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的車。這說明它在各方面的穩定性、安全驗證是通過標準的。
所以我們希望從有車規或者說標準的方式來進入這個市場。而且我們也相信隨著監管以后變得越來越嚴格或者是越來越標準化之后，我們能夠開上這樣道路的車，在整個運輸中應該能夠有更大的發揮空間。
Q：為什么沒有做更小的車，比如5-6個立方的無人配送車輛？
樓天城：我們認為輕卡是最大的市場，我們也做過統計不同車型的數量，這個車其實是市場上運載量最大的，而且明顯比第二大很多。可能唯一能跟它比的就是卡車和Robotaxi。
Q：做輕卡有沒有一些特殊的技術問題需要去解決？小馬智行新一代Robotaxi是用4顆Orin來等效1000TOPS的算力，現在有的Robotaxi是用單顆的Thor-X等效1000TOPS，這個我們會不會跟他們生產生一些差距，為什么？
樓天城：第一個問題很簡單，我們的Robotaxi、Robotruck技術上有80%左右的共享。自動駕駛物流覆蓋的只會更高，甚至我敢說，絕大部分真正最難的部分都是共享的。最難是什么呢？路上有一些極端情況，突然的加塞，跟一些人的博弈，一些非常危險狀態的發生，這些都是共享的。這個跟我是一個轎車，還是一個大貨車并沒有本質區別，最難的部分是共享的。正是我們看到技術上的空間，所以我們這樣做了。
另外從商業上也有更多人開始相信這個故事了，在兩年前很多很多人沒有怎么相信這個故事，或者說相信它能帶來效率提升，這也是雙方互相推動共同存在的過程。
關于算力芯片的問題，其實非常簡單，因為我們需要有冗余系統，如果說它真的是單顆的Thor，我會懷疑它是不是完整的系統。自動駕駛是需要冗余系統的，我們是分成兩組的，其實不是“2+2”而是“3+1”，有一顆Orin專門的任務是做冗余。它的任務是在元件失效的時候能保證基本安全，這個基本安全是比如說能夠穿過危險區域靠邊停車的過程。所以系統上本身的獨立是很重要的，如果說是一顆Thor，整個芯片出問題，那他就沒有辦法做了。如果說真的是一顆Thor-X的話，那是另外一回事。但如果說它是一顆Thor加上一顆Orin，只是沒有說Orin，這樣可以。但是如果說大家懂技術的話，不會這樣做的，我也沒有聽說過任何一家能用一顆Thor加一顆Orin，這個技術有點深。
Q：我想表達的是大家都是1000TOPS，但是我們是四顆獨立芯片，他們是一整顆芯片，芯片之間的通訊會不會受影響？
樓天城：這個很多工作能做好的話，能夠彌補這個缺陷。但是對方也不可能是一顆Thor，至少是兩顆Thor，但是如果說是兩顆Thor的話，那成本就非常高了。
Q：我感覺小馬一直在強調的是云端的世界模型訓練環境，從第一代到第二代，我不知道是不是對你們來講，車端是什么架構，什么方案沒有那么重要？
樓天城：首先我相信車端各家都是已經是端到端的狀態了，不是端到端的話，也不好意思說自己是L4了。單從highlevel的不同其實已經不太明顯了，所以更多的不同點是在訓練范式1.0和開發范式2.0，這是主要的差別，所以我更多把重點放在能體現出差別的地方。
說到車端的問題，剛剛講到的意圖也是車端的一個特色，但是它也是因為訓練范式1.0不同給到它的一個優勢。回答你的問題，如果說車端的話，單從highlevel，其實大家基本都已經是端到端的狀態了。
Q：這個端到端是CNN的還是Transformer的？
樓天城：肯定早就以Transformer為主了。但是它的很多訓練的決定是由模型決定的，這個結構很多東西需要人去確認，但是它的很多優化部分是靠模型來做的。這個叫模型訓練模型，我先整一個世界模型它來訓練，這個里面的很多結構是AI參與決定的，所以并不是人來做的。但是簡單來說，肯定不可能是在CNN，而是偏Transformer為主。
看得出你關心這個方面，但是這個在L4領域，好幾年前就是這個狀態了。
Q：但是圈內也有人把車端的模型叫做世界模型，這個怎么理解？
樓天城：我覺得是誤解。或者說有一種在線的做法，但是這個做法嚴格來說那個東西算不算世界模型，你可以硬那么叫，但是里面更是一個Smart Agent的表現。因為世界模型除了Smart Agent交互之外還有評價，但是評價本身很難想象會在車端，這是很奇怪的。
Q：小馬推出世界模型構建精度飛輪，目前咱們世界模型的能力邊界在哪里？會對咱們未來的路線選擇會有什么影響？
樓天城：技術路線本身就是拿一個模型來開發，這件事情已經是接下來的技術路線了，而且這件事情不僅出現在自動駕駛領域，這個叫Agent，現在很多領域用一些Agent去做研發這件事情已經存在了，所以用Agent去做研發就是自動駕駛接下來更常見的技術路線了。
但是能力邊界這件事，至少它證明了它超過了由人來研發能達到的上限，但是它自己上限是什么，現在AI還沒有辦法回答這個問題，我也只能問它。如果說有一天它能做到虛擬世界和真實世界非常接近，它利用所有AI的能力做訓練，但是究竟它能超越人類多少這件事情，特別是在復雜場景，比人類高出很多這是一定能做到的，但是上限在那里其實是AI回答的問題。
Q：您認為下一步發展是什么，從AI開車到現在AI評估開車，您認為下一步會是AI來干什么？
樓天城：兩個方向，第一是物理，物理很多AI還沒有被攻克，真正理解物理世界的很多東西，今天我不知道AI能不能在短時間內做成這件事，這個甚至有機會我也愿意contribute，就是通過AI的方式理解物理世界究竟是如何運作的，這是很有挑戰的一件事。
還有一個，AI已經從訓練模型開始驅動研發了，接下來是不是能夠run一個更大的團隊或者是run一個公司，由AI來制定策略。再往后它可以做一個社區。從AI發展角度來說，有一個另外一個分級標準，這個Agent是說開始是輔助人類完成工作，到獨立完成事情，到能夠自主創新，其實今天AI已經有自主創新能力了，下一個就是能不能運行Community的問題，它開始擁有社會性能力，這是AI發揮的趨勢。如果說大家會擔心人類有一天要學會AI共存這件事情，其實是在那個階段，人確實需要思考人和AI是什么關系。
Q：其實在前一段間卓馭和元戎都說有可能自動駕駛這個行業面臨著大模型公司的降維打擊，或者說他們可能會殺進來，帶來不一樣的打法，您怎么看待這個問題？
樓天城：大模型公司如果你指的是OpenAI這種大模型公司的話，這個東西的標準叫法叫基礎模型，英文就沒有大模型這個詞，只有基礎模型這個詞。其實它們都是自動駕駛公司進步的基礎，大家是一個合作關系。但是另外一個維度，真正做到自動駕駛不是說只要有一個模型就夠了。首先基礎模型本身就是Token之間的成語接龍，基于這個成語接龍的基礎模型我們會做很多后面的工作，比如說要做Agent，Agent做出產品，硬件的適配，運營的很多東西，其實是基于他們的工作做了很多的東西，所以大家是合作的關系。
就算你有一個非常完美的基礎模型，后面這些工作也都需要做。簡單來說，如果說只是一個模型，甚至任何新玩家進入這個市場影響都不是很大，或者說進入門檻一樣會很高。但是如果你說基礎模型越來越好，確實會幫助到其他公司的進步，這個我們也得到了好處，所以大家更多是合作的關系。自動駕駛不只是一個模型而是一整套的東西。
最真誠的智能汽車報道
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
