作者 |豹变张力

作者 |豹变张力

近期，李想带着他的VLA司机大模型再谈AI，距离上一次他开诚布公地谈AI和理想的未来，已往了整整130天。

130天没有长，但足以让自动驾驶和AI领域改天换地。1月下旬，DeepSeek公布开源推理大模型DeepSeek-R1，连续破圈，在国内引爆新一轮人工智能高潮。上一次理想AI talk中，李想着重夸大自研基座大模型的重要性，“未来几年必须得保证，我们大说话模型的基座模型要做行业前三”。

而随着DeepSeek-R1横空出世，理想转而基于DeepSeek的开源去做VLA（视觉说话行动模型）的L（language说话）部分，也就是说话模型开发。选择站在巨人的肩膀上，理想汽车在VLA司机大模型的说话能力研发上提速显著，俭省了近9个月的时候和数亿元本钱。

同一时候里，智能驾驶由于事故频发，遭受平安可靠性质疑，迎来至暗时候，没有过，在李想看来，现阶段对照像黎明前的黑暗，正由于辅助驾驶行业遇到了问题，解决问题才更有价值。

AI的潜力在解决问题的过程中正变得具象化。没有止理想，小鹏、蔚来这两家与理想差没有多同期创业的造车新势力也在押注AI。

展开盈余 88 %

李想称“AI意味着理想未来的全部”，蔚来首创人李斌断言“一家成功的智能电动车公司，也肯定是一家成功的AI公司”，小鹏汽车首创人何小鹏喊出“All in AI”，打造面向全球的AI汽车公司。

实际上，这面前争夺的是下一代汽车、甚至产品的定义权，以及与此相伴的技术、用户与商业模式的全面重构。

造车迈入“AI新疆场”

蔚小理对AI的决心，要追溯到特斯拉的FSD（Full Self-Driving）V12的冲破性进展。

2024岁首年月，特斯拉智驾团队担任人在X（前推特）上介绍，FSD V12仅训练几个月，就已完全超越经过量年积存的FSDV11。FSD突然变强，是由于他们采纳了一种新的端到端（end to end）的神经网络技术，把传统的感知、决策、控制融会到一个模型中，通过输入信息直接发生执行行动，就跟人在开车时，根据路况做出即时反应一样。

如许冲破性的进展，属于自动驾驶领域的“涌现”时候，与ChatGPT 3.5横空出世对大说话模型的意义势均力敌。 纵然没有停跟特斯拉硬刚的何小鹏，在体验过FSD V12之后，也没有得没有服，大赞“FSD V12.3.6表现极好，要向其进修”。

在端到端大模型流行之前，自动驾驶的支流是模块化计划，包含感知、决策、执行三大模块，信息是逐级传导的，车上的传感器（如雷达、摄像头等），相当于人的眼睛和耳朵，把感知到的环境信息，传导到决策模块，雷同于人的大脑，这个大脑里写满了各式百般的规则，决策模块根据这些规则计划出最佳的行驶门路，最终告知给执行模块，相当于人的手和脚，执行转向、加快、刹车等行动。

模块化计划的一个最大缺陷是，驾驶场景变化多端，决策模块中的规则代码只能越写越多，FSD 11的代码就多达30多万行，大大影响执行服从，更要命的是遇到没有被规则写入的场景，自动驾驶模块就会没有知所措。

端到端的计划则完满是另一种思绪，外部信息输入自动驾驶大模型，然后直接输出执行行动，整个决策的过程没有工资规则去干涉干与，纯靠模型自己去进修试探如何驾驶才是更好的。以是FSDV12的代码从30多万行缩减到只剩3000行，而且一级一级的信息传输变成端到端的传输，信息传递变得更加准确，且没有损耗，也可以让大模型更正确地掌握全局状况。

特斯拉把大批真实的驾驶数据投喂给端到端大模型，它就像一个无意识会主动进修的小学生一样，通过模仿观察人类的驾驶视频，涌现出跟老司机一样的智慧。

在特斯拉影响下，国内智驾门路也因此开始技术转向，2024年端到端大模型开始加快上车。

但这个进修过程必要较长的时候，而且有可能会出错，就像你必要给小学天生长的时候和空间，而且它是如何进修的，完满是黑箱的状态，这种弗成表明性会严峻影响研发和问题解决的进度，由于涌现问题，研讨人员没有晓得可以从那里提升。

以是特斯拉在面临复杂路况或者极端情况时，表现的其实没有如意，比如极端大雾、大雨天无法识别妨碍物，但短时候内又难以解决，目前已知的途径就是没有断提升数据质量和数量，但真实且有价值的数据必要时候来积存。

国内的端到端大模型与特斯拉也并非完全一致。小鹏采纳了分段式“端到端”，把大模型分别引入感知、计划等模块，两头通过人工编写的规则连接。这是一个相对折中的计划。然则连接仍由人工定义，这意味着信息肯定程度的丧失，也晦气于自动化。

理想在2024年的技术途径取名为端到端+VLM（Vision-Language Model） 双模型分立，理想表明为快系统和慢系统。

前者如同前提反射，可以处理绝大部分常见场景，而后者则是像老司机的大脑，实时阐明路况，给出最佳的驾驶计划，仍旧没有是真正意义上的端到端。

模型：端到端2.0的进化

与此同时，在端到端1.0上显得滞后的蔚来选择了更保守的门路，直接进入智驾行业新方法论——世界模型阶段。

2024年7月，蔚来创新科技日上公布了中国首个智能驾驶世界模型NWM（NIO WorldModel）。世界模型的核心能力是基于信息的明白，进行想象推演，从而计划轨迹。

实际上世界模型的概念最早也是在人工智能领域涌现。

简朴明白，这是一种天生式框架，通过明白实际世界的物理动态（如运动、力和空间关系），来模拟真实环境。这种模型利用多模态输入（文本、图像、视频、传感器数据）展望未来场景，并为自动驾驶端到端大模型天生合成数据，作为训练底子。

中国的驾驶环境要比美国复杂的多，但市场又弗成能等自动驾驶大模型慢慢进修，达到一个老司机的水平再上线。将世界模型引入到自动驾驶领域，有助于解决数据数量和质量的问题，更无效的处理无量无尽的Corner case。

蔚来的世界模型NWM（NIO WorldModel）上车表现如何，尚未可知，原本估计本年4月推送，但李斌透露，由于工信部新规窜改，必要等公告后能力进行推送。

与此同时，理想、小鹏等也在加紧向端到端2.0进化，他们将重心放在搭建更为高阶的VLA（视觉-说话-行动）端到端大模型。

这一次AI talk中，理想推出司机VLA（视觉-说话-行动端到端）大模型。李想表明，他把智能辅助驾驶分为三个阶段，分别是虫豸植物智能、哺乳植物智能以及人类智能。模块化属于虫豸植物智能，端到端属于虫豸植物智能，而VLA则属于人类智能。

李想介绍，在VLA阶段，智能辅助驾驶可以像人一样观察世界，世界模型利用3D视觉和2D的组合构建更真实的物理世界，而非VLM阶段仅能看到一张图。此外，VLA具有自己的脑系统，没有仅能看到物理世界，更能进一步明白物理世界，具有自己的说话和头脑链系统，有推理能力，可以像人类一样去执行一些复杂行动。

小鹏也正在搭建一个LVA基座模型，据介绍这是720亿参数的超大范围自动驾驶大模型，以大说话模型为骨架网络、利用海量优良驾驶数据训练的多模态大模型，具有视觉明白能力、长头脑链式推理能力（CoT）和行动天生能力，从而在充足明白实际世界的底子上，可以或许像人类一样进行复杂的知识推理，并将推理效果转化为行动。

VLA侧重于多模态输入到行动的映照，而世界模型侧重于环境展望和模拟。两条途径也可以彼此辅助，比如世界模型可以为VLA提供长时间环境展望。

李想在对谈中表示，理想选择用大批真实数据配合世界模型天生数据，来解决模型的黑盒问题，简朴来说就是给VLA司机大模型创建了一个测验的模型。

算力：芯片比赛

完成VLA大模型的训练，算法、算力和数据缺一弗成，ChatGPT的成功，激发全球AI比赛，致使全球算力紧缺，而算力完全仰赖芯片，蔚小理中最先结构芯片的是蔚来。

李斌进军芯片最后的目的是省钱，市场上高阶辅助驾驶普遍利用的是英伟达Orin X，单颗售价在500美元左右，约合3600元群众币，以蔚来标配4颗Orin X的车型较量争论，光芯片一项的本钱就接近1.5万元。

2024年NIO IN大会上，李斌从兜里取出已流片成功的神玑NX9031，打出的口号是全球首颗车规5nm高性能智驾芯片，而且一颗顶Orin X 4颗，在AI算力和ISP等首要目标上，至少有4倍以上的性能提升。神玑NX9031集成超过500亿颗晶体管，采纳32核心CPU架构，每秒可处理超过6万亿条指令。

目前，这颗神玑NX9031已搭载到蔚来ET9，是蔚小理中最早正式量产上车的自研芯片。

抛弃英伟达，转战自研芯片也是特斯拉淌过的路，由于随着算法的没有断演进，端到端大模型的进化，英伟达的芯片没有能满意自动驾驶公司本性化的需求，特斯拉第一代的FSD芯片早在2019年就量产了。

小鹏的芯片团队在FSD芯片量产次年搭建，自研图灵芯片，业内以为小鹏选择了性价比更高的7nm制程芯片。据小鹏介绍，图灵芯片具有40核处理器，两个神经网络处理单位（NPU），支撑运转300亿参数的模型，其AI算力接近三颗英伟达Orin X芯片，综合性能上比蔚来的芯片低一些，但造价也会比神玑NX9031低。

蔚小理中芯片还没出面的是理想，据说理想内部也在推进自研芯片项目，代号“舒马赫”，项目启动比蔚来、小鹏晚，且流片效果没有及预期，目前理想还是继续在英伟达的Thor-U MAX上做开发。

泛化：从AI到呆板人

集齐算法、算力再叠加纯AI公司难以获取的真执行车数据，蔚小理在发展AI上占得一些先机，而无论芯片，还是AI算法都可以泛化到汽车之外的行业，李想更是直接预言，“未来任何一家公司都是AI公司”。

跟智能驾驶汽车最为接近的AI行业就是人形呆板人，由于他们都必要感知复杂的环境，做复杂且即时的决策交互，技术上也相通，都涉及自然说话处理、较量争论机视觉、呆板进修等。

特斯拉仍旧是最先入局人形呆板人的汽车公司，2021年推出Optimus，马斯克也对人形呆板人寄予厚望，他估计Optimus将超过特斯拉其他业务的总和，这句话有几分可托度必要时候来考证。

没有过，何小鹏明显是信的。小鹏是蔚小理中最早投入人形呆板人研发的，2023年推出第一代人形呆板人PX5，2024年又推出人形呆板人Iron，估计2026年开始产业化量产，追平特斯拉人形呆板人的量产时候。

据小鹏介绍，Iron采纳1:1仿生计划，更有高度的人形化特征。具有178厘米的身高和70公斤的体重，全身配备62个主动自由度，手部则具有22个可动自由度，而且Iron已进入小鹏的汽车工厂打工了。

蔚离开2025年才入局呆板人，已组建了约20人的团队，筹备开发呆板狗。

李想则相对审慎，他觉得未来肯定会做人形呆板人，但没有是现在，当下的任务是攻克自动驾驶的技术难题。根据李想对AI的最终设想是硅基家人，人形呆板人也只是早晚的事。

站在技术乐观主义的角度，AI技术无论如何泛化都没有为过，而且商业前景对照明朗，但所要面临的问题也是实际存在的，抛开人才、技术难关等远期难关没有谈，蔚小理最迫切必要解决的是资金问题。

自动驾驶、AI、芯片、呆板人，每个都是“噬金兽”，何小鹏曾坦言500亿投资仅仅是呆板人的入门，李斌说一颗芯片研发投入可以布1000个换电站，约等于15亿元。而实际是2024年小鹏还没盈利，蔚来吃亏继续扩大，理想盈利80亿元，但增速下落。

资金掣肘最终会影响资本的分配，而资本决意了以自动驾驶为起点的AI泛化可以或许走多远或者跌多惨，随着AI的摊子越铺越大，可能像马斯克一样创建起他的X帝国，也可能如贾跃亭那般被“生态化反”所吞噬，这其中微妙平衡将连续磨练蔚小理。

公布于：北京市