6月8日，在2024中国汽车重庆论坛终结会议上， 设想汽车董事长兼CEO 李想发表了关联自动驾驶的关节演讲。

他共享了我方在想考自动驾驶方面获取的一些启发，以及由此取得的技能进展——畴昔3年完了无监督L4级自动驾驶。

李想在演讲中展示了惊东说念主的学习智商，尤其是从身边小事细察复杂事物（比如自动驾驶）的智商。

这也许便是李想最让东说念主称说念的所在之一——他造的车最懂家庭需求，他对自动驾驶的顿悟相通来倨傲东说念主学车的启发。

李想的演讲额外平实，天然莫得什么金句，但他能把深邃技能讲得阳春白雪。

以下是设想汽车官方整理的李想演讲稿——

感谢王侠会长（注:中国国外生意促进委员会汽车行业委员会会长王侠）和重庆市，给我一个和民众交流和学习的契机，因为好久莫得出来（发言）了。

我今天想要跟民众共享的是咱们在曩昔半年多时辰作念的一个膺惩的破损，是对于自动驾驶技能的膺惩破损。

我这里强调一下， 我讲的破损是对于“自动驾驶”的，不是智能驾驶，也不是接济驾驶，这是一个关节。

咱们里面从昨年9月份开动想考一个问题，并为此专诚修复了一个用于自动驾驶盘考的团队。

这个问题是东说念主类开车为什么不波及学习corner case（顶点情况）？

要是咱们不行惩处这个问题，所有的自动驾驶团队每天干的活，齐是靠东说念主工去调试多样种种的corner case，况且放的东说念主越多，corner case越多，和真确的自动驾驶就越远方。

这里最中枢的一个原因是， 当东说念主工智能技能在继续发展的时候，咱们会发现其实东说念主类开车的样子，和咱们曩昔这样多年用的自动驾驶研发的样子，有根蒂上的不同。

因为东说念主开车没那么空匮，没那么累，不需要养几千东说念主的团队，去搞corner case，况且团队越多，corner case就越多。

那么这时候咱们就从表面和技能这两个角度去盘考，东说念主类到底怎样开车的，新的技能如何惩处自动驾驶开车的问题。

当先从表面的角度，咱们先是从一册书《想考，快与慢》里得到了启示。

《想考，快与慢》申报了咱们的大脑日常在责任的时候，分为系调解和系统二。

系调解来处理一些需要直观、快速反馈的事情。

就像好多时候咱们在开车，开了10分钟、20分钟、30分钟，脑子里在想别的事情，关联词咱们仍然能够处理路上的多样路况。

开到家的时候健忘了曩昔这半个小时咱们是怎样责任的，这时候意味着咱们用系调解在责任，并不是咱们的大脑不在责任，而是咱们大脑以一种它特有的样子，顽劣耗的样子在责任。

当咱们去到一个复杂路况，比如一个十字街头，或者开车的时候际遇一个水坑，这时候咱们的大脑就会调用系统二来责任，用它来处理这种相比复杂的逻辑推演的智商，关联词它对大脑虚耗相比大，是以不会一直用系统二的样子进行开车。

惩处多样复杂路况、泛化问题和未知问题，大脑会启用系统二来进行责任。

闲居情况咱们开车的时候基本上95%的时辰在使用系调解，5%的时辰使用来系统二，是以东说念主脑每天并不需要好多的功耗天博官网网页，东说念主也不需要学习corner case，就能学会开车。

这时候咱们在想，要是东说念主类是这样的责任样子，那么自动驾驶应该怎样责任呢？

什么是自动驾驶的系调解？什么是自动驾驶的系统二？

咱们跟着对多样技能盘考，自动驾驶的系调解其实是目下好多自动驾驶团队齐在作念的端到端的技能。

端到端意味着把好意思满的教师片断放进来，临了产生的禁止是，输入奏凯产生输出，而不是像过往的要分红一个感知模块、一个推敲模块、一个有推敲的模块、一个履行的模块。

（端到端）这样的后果更高，关联词挑战也来了，多样东说念主类的端正不会发扬作用。

它的挑战主要来自于三个方面： 第一个是需要有真确会作念端到端，包含端到端数据教师的东说念主才；第二个需要真确高质料的数据；第三个需要有满盈多的算力。

因为端到端对于算力的需乞降以往比，变得全齐不一样了。

咱们曩昔在端到端方面作念的盘考测试中，放了草率100万的clips（预教师模子），用于端到端的教师。

草率一个月只需要作念10轮傍边的教师，教师卡（Training GPU ）要满盈多，基本上不错完成一个无图NOA疏导上限的水平。

关联词 面对中国复杂路况，惟有端到端不够， 是以咱们想考什么是系统二。

系统二的一个启发是，东说念主类惩处多样种种的corner case和多样泛化问题，并不是通过学习corner case。

（我身边的）一个明显案例和启发是开始于我的爱东说念主。

我爱东说念主刚学会开车后在很长一段时辰以致贯串好多年，握住地剐蹭。

我和她分析下一次怎样不再剐蹭，其实莫得用，下一次如故剐蹭。

我就在想，是不是因为买的车个头太大了，一辆良马X6，是以我换辆小车，换一辆高尔夫GTI，她仍然会刮蹭。

这时候咱们会发现学习corner case莫得用，咱们能不行通过普及智商的样子来惩处，是以那时给我爱东说念主报了良马驾驶培训低级班。

良马驾驶培训低级班一整天通过多样种种的样子只教了两个（内容），第一个是赛说念过弯、绕桩、处理环形路面的时候、打转向之前，眼睛看往那里，不是看行将通过的路口而是看接下来要去的所在；另外一个智商，便是在多样复杂的场景里如何把刹车踩到底，包含在湿滑路面，转弯路面、一半钢板一半说念路的路面，如何把刹车踩到底，从而普及一个东说念主对于整车刹车智商的融会。

是以 良马驾驶培训低级班一整天时辰只教了两个事情，第一个是教看路的智商，第二个是教刹车的智商，莫得教任何的corner case。

过程一天的教师，我爱东说念主绝对和剐蹭告别了，在接下来十几年里莫得出现任何剐蹭。

这是东说念主类学习开车的一个样子，咱们研究如何把这样的一套智商给到车上。

咱们看到一个很膺惩的技能是VLM的视觉话语模子。

为什么不是视觉假话语模子，而是视觉话语模子，是因为莫得见识把一个大模子放在云表让车使用，因为反馈速率会有相比大的风险。

是以如何把视觉假话语模子进行满盈压缩，临了能够放到车上，能够面对莫得红绿灯的左转路口提前作念出预判，知说念这个路口如何进行突出处理，进行复杂的处理。

它还有另外一个膺惩功能，便是告别高精舆图，告别所有轻图在内的样子。

为什么？

因为视觉话语模子还有一个最膺惩的功能，便是能够像东说念主类一样去读懂导航舆图，导航舆图的横向、纵向、速率、时辰，包含红绿灯，哪怕有车辆讳饰红绿灯也不会再成为问题。

咱们发现不错有用地通过视觉话语模子来惩处系统二的问题。

一方面为端到端进行兜底，另外一方面能惩处多样种种的泛化问题。

咱们发现额外成心料，咱们AD max有两颗Orin-X芯片，正值一个Orin-X芯片跑端到端，另外一颗Orin-X芯片不错运行一个压缩到草率20亿范围的VLM模子。

咱们考据的禁止其实是令东说念主额外昂扬的，咱们认为最早在本年年底，最晚在来岁上半年，真确的L3我对L3的界说是有监督的自动驾驶，就不错批量向用户录用了，而不是只用于作念实验。

惩处这两个问题以后，其实还有第三个问题。

因为端到端是黑盒子，VLM其实亦然黑盒子，它跟曩昔咱们在作念智能驾驶、接济驾驶的一个最大不同是，它不再是功能而是智商。

我以为 AI最大的判袂是智商，而曩昔的编程体系，最膺惩的是功能，因为功能在曩昔是要通过测试和实验来考据的。

关联词智商，一个黑盒子怎样拿测试和实验来考据？

这是不可能的。

是以这时候濒临的一个新的挑战是，咱们用什么样的技能样子来考据智商？

这时候咱们又找到了一个新的样子，主要的旨趣是来自于Sora，咱们用Diffusion Transformers (DiTs）的样子来构建一个膺惩的、微型的世界模子，拿这个世界模子，让咱们的车在里面教师。

是以，咱们模拟东说念主的一套真确的责任旨趣就开动呈现了。

用端到端来承载东说念主的系调解，VLM来承载东说念主的系统二。

系调解来惩处所有自动驾驶的，这些闲居的反应和驾驶的智商，系统二来惩处兜底和泛化的智商，并垄断生成式的小的世界模子来进行教师。

这是咱们在曩昔的一段时辰里，作念的最膺惩的一个技能性的破损，况且咱们的盘考团队如故通过了闲居的盘锻练证。

接下来咱们会在第三季度向所有用户认真推送寰宇无图NOA的时候，也会向咱们的测试用户推送咱们草率通过300万clips（预教师模子）教师出来的端到端+VLM（视觉话语模子）这样一套咱们认为是监督型自动驾驶的体系。

最早会在本年年底，最晚来岁年头， 咱们会推出草率通过跳跃1,000万clips教师出来的端到端+VLM，通盘带有监督的自动驾驶的体系，咱们认为这套体系会是畴昔通盘物理世界机器东说念主最膺惩的技能架构和技能体系。

接下来的一段时辰里，在AI方面的几个关节的技能论坛，咱们的技能盘考团队也会向通盘行业来共享咱们对这方面的所有的盘考，包括这里的旨趣和内容禁止，把咱们进行的一些探索与同业们进行共享。

另外一方面，咱们会在Q3推基于300万clips的内测，最早年底最晚来岁年头把这样的技能带给更普通的用户。

通过这样的技能天博官网网页，咱们笃定地信赖一件事情：在现存的诡计平台上，带有监督的L3级别的自动驾驶是一定不错完了的。况且 跟着这套技能赓续演进、算力的增强、模子的加大，我认为无监督的L4级自动驾驶也会在至少三年内不错完了。

corner模子李想端到端case发布于：北京市声明：该文不雅点仅代表作家本东说念主，搜狐号系信息发布平台，搜狐仅提供信息存储空间劳动。