易车讯 5月7日，梦想汽车推出“梦想AI Talk第二季——梦想VLA司机大模子，从动物进化到东谈主类”，梦想汽车董事长兼CEO李想要点共享了对于东谈主工智能的最新想考，VLA司机大模子的作用、考验秩序和挑战，以及对于创业和个东谈主成长的视力。

李想将AI器用分为三个层级，别离是信息器用、扶持器用和坐褥器用。目下，大多数东谈主将AI算作信息器用使用，但信息器用常跟随无数无效信息、无效收场和无效论断，仅具参考价值。成为扶持器用后，AI可以普及遵守，例如目下的扶持驾驶，但仍需东谈主类参与。改日，AI发展为坐褥器用后，将能独处完成专科任务，显耀普及遵守与质料。

李想暗示：“判断Agent(智能体)是否着实智能，谬误在于它是否成为坐褥器用。唯有当东谈主工智能变成坐褥器用，才是其着实爆发的时刻。就像东谈主类会雇佣司机，东谈主工智能时刻最终也会承担肖似职责，成为着实的坐褥器用。”

本年7月，梦想汽车将迎来配置十周年。李想暗示，创业路上苦多于甜，他聘请保留那些有价值的好意思好片断，用来激勉我方保合手正能量。“创业照实破损易，关联词没必要苦哈哈的。苦和甜是一个硬币的正反面，取决于看哪一面。”他将企业碰到的打击视为必须面对的挑战，也正是这些挑战，赋予了梦想汽车更多的才气。也正因这份积极乐不雅的创业心态，梦想汽车才能快速成长为千亿营收范畴、百万委派量的新势力企业。

谈及如何成为更有能量的东谈主，李想认为，谬误在于讲理自我，接受自身的优点和不及，并用成长替代改变——成长意味着增强才气。除此之外，李想强调亲密说契约样遑急，讲理他东谈主的成长也能带来能量，家东谈主和共事能够和他造成互补，互相复古。“我需要家东谈主和共事以至超越了他们需要我，起头是我需要他们，然后才是他们需要我，咱们在一齐能够造成至极强的脑力和心力。”李想暗示。

总结几次创业履历，李想暗示，从高中创办个东谈主网站于今，我方的想维方式莫得什么变化：遇到问题贬虚构题，贬责别东谈主不肯贬责的用功，贬责用户的痛点，继续向他东谈主学习。不同的是，如今面对的问题更复杂、工作的用户群体更多、公司范畴和组织也更弘大。“几次创业一齐走来，最难时有东谈主相助，遇坑也能赶紧爬出，一帮东谈主王人心合力变得更好，这是种庆幸，也没什么可后悔的。”

以下为采访原文：

Q：距离前次的 AI talk 曩昔了 130 天，你最大的进步是什么？你有成为一个更智能的李想吗？

李想：我合计这 130 天我合计我更忻悦看到的是扫数这个词中国的进步，对吧？我合计包括DeepSeek，包括千问在内的，可以让中国不管是基座模子，照旧 reasoning推理模子，照旧后边的多模态，依然跟好意思国的距离基本上拉近了，或者基本上在一个水平线上了。而且中国的企业作念出来这些模子遵守也更高，不管是在预考验上，在考验的层面，照旧在后边的扫数这个词推理层面，咱们作念了好多的深层的工程的改良。我合计也让扫数这个词的中国的东谈主工智能规模更有信心。也包含后边我看到一些相比惊喜的，在 Agent(智能体)上头的一些打破，不管是 Manus 照旧这个照旧 Genspark，我合计其实这些方面作念的都至极的好。

嗯，是以我说这个其实长短常惊喜的，那要是从咱们我方个东谈主而言，这也竖立了咱们把 AI 作念得更好的这个信心。今天民众在讲语言模子，但我照旧认为语言模子仅仅寰球的一个遑急的构成部分，但并不是全部，咱们要想去剖判物理寰球，咱们要想让一个结尾或者一个机器东谈主能够在物理寰球和数字寰球里运行，其实要作念的职责还有至极多。我合计这个其实是让咱们也愈加笃信，这条路走下去是对的。

Q：那你有变成一个更智能的李想吗？

李想：我合计莫得那么大的变化。要是从履行的角度而言，东谈主工智能发展这样好，但我每分内责时期并莫得减少，照旧在增加。

迷水商城

Q：是啊，这是为什么？

李想：大部分东谈主在使用，或者说我见到的险些扫数东谈主，其实照旧在把它当成一个信息器用来使用。那要是是信息器用的话，其实AI算作一个信息器用不是齐全的，因为它终末一定要给你个next token(下个词元)，一定要给你一个收场。而且民众今天神用的时候会先点上联网搜索，先去通过Rag(检索增强生成)联网搜索一些索引信息。但频频其实索引的信息源，就依然失真和不准确了，是以终末推理的历程，(诚然)很慎重地在作念推理，关联词你明显都看到这个历程和收场依然初始有问题了。是以某种程度而言，要是咱们分歧这套机制进行一个改良的话，它某种程度仍然是在作念熵增，在增加无数的无效信息、无效收场、无效论断。

我合计这是一个很大的挑战，我就在想考一个问题，照旧要站在着实用户价值的角度，要是民众在拚命地使用AI，民众在为AI作念投资，关联词我的职责时长并莫得减少，我的职责收场也莫得变好，那这个问题到底在何处？是以这亦然曩昔几个月我跟好多东谈主在聊，在想考，咱们里面在征询至极多的一个问题。我合计好多时候不要把东西缠绕到一齐，咱们可以先作念一个分类，因为东谈主类历史上也会有肖似这些的分类。今天，通过一个对话的方式，不管文本何等长，其实它都是个信息器用，我合计信息器用对民众而言更遑急的其实是参考作用。

再往下，AI 变好了以后，它会变成一些扶持器用。比如咱们今天作念的扶持驾驶，民众在车上用东谈主工智能的语音方式来进行导航，来查找好意思团，来调取音乐，它会让咱们的遵守更高，但它仍然离不开咱们。是以这时候，这种扮装相比像什么呢？它照实比蓝本的使用体验会更好了，但它是个扶持的一个器用。

我合计什么时候才能着实改变咱们的职责的效果以及减少咱们的职责时长，我合计它必须变成坐褥器用。我我方认为Agent(智能体)最遑急的评判条款是它是否是个坐褥器用、它是否着实能替代我去完成专科的职责、它是否确切在产生灵验的坐褥力、它是否确切在贬责我职责中那最遑急的 8 小时的时期。对，我合计这个是我接下来对Agent(智能体)最遑急的意想，亦然我合计Agent(智能体)的道理所在。

迷水商城

Q：这是你对于器用的三个分级，信息器用、扶持器用和坐褥器用。

李想：对，我合计东谈主工智能变成坐褥器用，然后才是着实东谈主工智能爆发的时刻。

360家庭摄像头破解ID购买

Q：是以最曩昔130天其实最大的变化是外部的环境。

迷水商城迷水商城

李想：对，国际环境在发生紧要的变化。然后时刻也在发生变化，但时刻最大的变化照旧中国在东谈主工智能方面带来的变化。好意思国的变化反而没那么大。

Q：你从DeepSeek身上学到了什么？

李想：我合计DeepSeek我能学到最好的一个方式是DeepSeek诳骗了东谈主类的最好实践，它极简的诳骗了东谈主的最好实践。比如说其实他在作念DeepSeek V3的时候，其实 V3 是一个MoE(羼杂行家模子)的，671B的一个模子。我合计MoE(羼杂行家模子)是个至极好的架构。它相配于把一堆行家组合在一齐，然后每一个是一个行家才气。它作念这个行家才气是何如来构建的？其实挺明显的，就当咱们想去构建才气的时候，DeepSeek给你展示了一个最好实践，第一步一定要先搞研究。我合计这长短常遑急的。即是任何的时候，当咱们想去改变才气和普及才气的时候，第一步一定是搞研究，搞完研究以后其实才搞研发。然后搞完研发以后，我合计第三步是要把才气抒发出来。然后第四步是才气变成业务的价值。

这四个才略是个极简的东谈主类最好实践，但咱们普通作念着就忘掉了，看到什么东西就径直去启动研发，而莫得去搞研究。咱们我方也很受益，其实不管咱们是在端到端和VLM(视觉语言模子)上，照旧今天作念VLA(视觉语言行径模子)的时候，咱们的研究团队其实施展得至极好。

包括你可以看海外的像李飞飞，其实她在援用扶持驾驶的时候，也普通会援用咱们的对于扶持驾驶方面的这些研究的论文。那我合计这个其实挺遑急。那研究跑通了以后，研发遵守会变得至极的高。关联词研发又至极留神价值，他能够把价值抒发出来，然后变成业务，那我合计这是一个很遑急的历程。

Q：我很酷爱在即是DeepSeek全球爆火的时候，你这个春节是何如过的？

李想：春节过得挺好的，还带着孩子去看哪吒2。那其实我印象应该是1月20号然后DeepSeek R1上线的，然后到后边开源，咱们也在对DeepSeek作念了好多的这个扫数这个词的研究，即是咱们也在研究DeepSeek好多东西为什么作念得好。包括扫数这个词的考验和推理的遵守，也包括这些一个MoE(羼杂行家模子)模子部署上去对内存占用的这些挑战。

其实咱们我方依然初始在芯片上来写FP8(8 位浮点数时势)的扫数这个词的工程的优化了。因为咱们我方有编译团队。那相比故真理的少许是，我莫得上来敢跟模子团队径直聊，我先跟谢炎(梦想汽车CTO)聊了一下，我说咱们本人要作念VLA(视觉语言行径模子)，然后VLA一个很遑急的议论是到本年的这个9月份的时候能够作念一个至极好的语言模子出来，才能再往下去考验VLA(视觉语言行径模子)。

关联词今天看的话说咱们我方意想的咱们到9月份作念的模子，才气是否比DeepSeek V3加R1更强？我说至少我听到你们说的东西，我说不如阿谁强，对吧？而且它开源开得如斯的绝对。然后咱们是否应该基于它的开源，去作念咱们的 VLA(视觉语言行径模子)的L(language 语言)的部分，而且咱们基于这个L(language 语言)的部分，比如说其实我在梦想同学用的话可能即是个VL(视觉和语言)，它莫得A(action 行径)，对吧？就把(视觉)和language(语言)其实放在一齐，包括要作念成端到端的，然后语音的这样的一个方式。

我合计咱们蓝本本来应该是9月份以后才能作念这些职责，咱们是否应该站在巨东谈主的肩膀上就去作念了？然后谢炎(梦想汽车CTO)说肯定应该这样作念。

那时候咱们相比悲悼陈伟(梦想汽车基座模子负责东谈主)会何如想，对吧？因为这个压力是挺大的。然后咱们发现陈伟比咱们还坚贞。他说这个会加快咱们往下一步的这个职责，咱们应该以这个为基础，加快VLA(视觉语言行径模子)，加快端到端的多模态这样的一个进展，然后研究团队也都在研究咱们如安在芯片上也跑到同样的考验和推理的遵守，民众都在同时势进行职责。

我跟谢炎(梦想汽车CTO)打的最多的电话，咱们还有一个专门的东谈主工智能的战术小组，咱们就在里边不停地聊，发现民众并不纠结，因为咱们知谈咱们家企业的基因，照旧要为用户推出最好的家具和工作。

扫数这个词拥抱DeepSeek的这个历程比咱们联想得要快，是以这是今天其实咱们VLA(视觉语言行径模子)推出的速率也会比蓝本的预期的要快。

Q：你何如看梁文锋(DeepSeek创举东谈主)啊？你合计他是何如找到你说的这个东谈主类最好实践呢？

李想：我只跟他聊过一次，是旧年的9月份，印象迥殊深，应该是ChatGPT的o1发布前的几天。我我方个东谈主嗅觉，两个特质，第一他是个迥殊自律的东谈主。明显你跟他雷同的历程中其实能够看到，第二个是我个东谈主认为其实他是会在全寰球范围之内去研究和学习最好实践和最好的秩序论的这样一个东谈主。

Q：何如剖判自律？

李想：我合计自律的最大特质即是能够死守这些你信赖的东西，能够死守这些最好实践，能跟东谈主性的一些懒惰、走捷径，这些方面作念叛逆。

我合计让咱们愈加敬佩他，包括咱们的开源。我合计DeepSeek的出现对咱们加快作念VLA(视觉语言行径模子)是巨大的匡助。曩昔咱们诡计要到本年年底才能作念出一个像样的，能够倨傲咱们需求的语言模子，但DeepSeek一开源，咱们就加快了 9 个月的时期，是以给咱们带来了巨大的收益和匡助，咱们受到了那么大的匡助，是以咱们在想咱们能对社会作念点什么孝顺，是以咱们就把自研的整车操作系统梦想星环OS给开源了。莫得民众想的那么复杂，我我方内心，包括谢炎(梦想汽车CTO)的内心即是DeepSeek给咱们带来那么大的匡助，咱们应该给对社会孝顺点什么。不让行业那么卷。说白了纯正是感谢DeepSeek。

Q：自研了四年吗？

李想：对，那确切是作念得好，明显得好。要是你作念的不好的东西出去开源不就丢东谈主吗？

Q：是以这是一种情愫，而不是一个公司战术，对吗？

李想：不是公司战术。

Q：这很故真理。 DeepSeek嗅觉带来了更多的和煦祥和意。

李想：是的。

迷水商城

Q：你有莫得想过DeepSeek为什么不是你作念的？

李想：我合计我只可作念最好的我方。我的东谈主生履历，我进入了汽车行业，我作念汽车的网站，我其实一直在我方的长板的蔓延线上接续来作念。从最初始作念个东谈主网站，到作念家具的IT网站，到作念汽车网站，终末但愿能够改变汽车行业，推出更好的家具，汽车重迭下一代的信息时刻。这个其实是我的一个蔓延线。他(梁文锋 DeepSeek创举东谈主)的蔓延线其实即是从东谈主工智能初始的，他在浙大学的即是东谈主工智能，那是他的蔓延线，本人我也信赖，量化往还的公司，对于扫数这个词模子的才气，对模子的剖判，对于本人工程的才气，不会比任何互联网公司差，以至可能还要更强。

Q：在春节之后好多东谈主都来问我这个问题，就说梦想还作念基座模子。既然都有DeepSeek，为什么还要作念基座模子？

李想：因为咱们的业务，意味着其实咱们并不是说仅仅作念好语言模子就够了，咱们车上其实要有对话，然后又有多模态，那这个仍然其实需要咱们我方去考验一个凭证咱们我方需要的一个基座模子，包括我要去作念VLA(视觉语言行径模子)，因为这个VLA里边，哪怕V(vision 视觉)和L(language 语言)都和闲居的是不一样的，即是这个我需要3D的vision(视觉)，还有高清的2D的vision(视觉)的，然后token(词元)要用预考验，必须得触及到更专科的车规模的语义语料，交通规模的语义语料，咱们面向的家庭用户的语义语料，然其后作念考验，还有也包含其实还有好多的时候，一个遑急的是说民众在作念VLA(视觉语言行径模子)考验的时候，好多时候在作念基座的时候说我要把VL(视觉和语言)也要连在一齐，然后把VL(视觉和语言)的组合语料放进去，那这些不管是OpenAI照旧DeepSeek，它都莫得这样的数据，它也莫得这样的场景和需求，也不去贬责这样的问题，那只可我我方来作念了。仅仅克己是说VLA(视觉语言行径模子)里边的这个language(语言)，我可以站在巨东谈主的肩膀上，关联词它仅仅我其中的一部分。

Q：是以一方面是拥抱了DeepSeek，另一方面你们把基座模子的团队还拆出去了，而且加大了参预，是吗？加大了参预？增多大？

李想：我合计起头考验卡比他们本年的预期咱们应该多买了 3 倍。

Q：你要训多大的模子？

李想：并不是一个固定的，即是咱们目下的话，作念出来的一个不同的版块，比如说咱们给梦想同学用的，会是一个300B的模子，就粗略是个3000亿(参数)的一个模子，咱们给扶持驾驶诳骗的VLA(视觉语言行径模子)的，其实VL(视觉和语言)的部分，是个32B的模子。那包含其实咱们着实职责顶用的也会去用阿谁3000亿的这个模子，就粗略目下是这样的两个版块。

Q：咱们来聊聊你们最近在作念的VLA(视觉语言行径模子)的架构。今天的扶持驾驶其实走到了一个新的十字街头上，有的东谈主说以至合计扶持驾驶应该被叫停。你何如想？

李想：我觉着咱们这样多年，从律例算法，作念到了端到端+VLM，然后今无邪正的迈入到了VLA(视觉语言行径模子)的阶段，我合计相比像什么？相比像朝晨前的昏暗吧。我合计朝晨立时就要来了。关联词会先履历一个昏暗的历程，之是以有昏暗是因为要迎来朝晨。我合计这是今天这样一个阶段。

正因为扶持驾驶行业遇到了问题，我最可爱、最兴奋的方式，即是去贬责行业贬责不了的问题，我合计这是咱们我方坚贞信赖的。就跟咱们推出增程，即是为了贬责电板资本高、充电难的问题。咱们推出5C亦然为了贬责充电慢、恭候时期长这样的问题。咱们倨傲去贬责多样行业遇到的问题，包括咱们作念操作系统，亦然因为曩昔的时候，传统的那种车控和智控的操作系统性能差，开发慢慢，芯片匹配周期长的这些问题。我合计这些问题(存在)恰正是咱们的价值所在。

Q：为什么东谈主类一定需要扶持驾驶呢？为什么科技不成就此停步呢？

李想：只须东谈主类会雇佣专科司机。我合计东谈主工智能时刻其实即是把肖似这样的一些功能和扮装，去变成着实的坐褥力、坐褥器用，然后去进行替代。

Q：什么是VLA(视觉语言行径模子)？你能从用户语言来讲，不要用时刻语言。

迷水商城

李想：我合计VLA(视觉语言行径模子)咱们界说的一个方式是叫，因为VLA(视觉语言行径模子)机器东谈主规模也在讲，对于咱们梦想汽车而言， VLA是一个司机大模子，像东谈主类的司机一样去职责的一个模子。那我合计到达 VLA (司机大模子)它不是一个突变的历程，其实它是一个进化的历程。

履历了三个阶段。我合计第一个阶段是咱们从2021年头始，通过机器学习的感知，联结后边的律例算法，包括运筹帷幄、限度、实践这些律例算法分段式的。我合计第一个阶段相比像什么？相比像虫豸动物的智能。它有既定的律例，还要依赖于高精舆图，就相比像蚂蚁的行径和完成任务的一个方式。

Q：它能剖判的寰球也很有限。

李想：至极之有限，我合计这是第一个阶段，而且遵守相比低，亦然个很用功的事情。它(律例算法)就这样一个范畴的脑子，包括它的扫数这个词模子范畴粗略就唯有几百万的一个参数，它就那么小的一个脑子，你让它去完成复杂的事情，险些不可能的。是以你就不停地限度、限度，险些把它作念成了一个有轨交通的方式。这跟蚂蚁至极相似。

第二个阶段即是咱们从2023年头始搞研究，2024年推出的端到端。端到端视比像什么呢？端到端视比像哺动物的智能，比如像马戏团里的一些动物，向东谈主类学习何如骑自行车。它学了东谈主类的这些步履，东谈主类何如去作念出多样的步履的开车。关联词它对物理寰球并不睬解，它仅仅看到了一个什么样的三维的图像，知谈自身的速率，并给出了一个什么样的轨迹，是以它搪塞大部分的泛化是莫得问题的，去面对它从来莫得学到的、迥殊复杂的，其实就会遇到问题。是以这时候咱们也会联结，视觉语言模子 VLM，然后放进来。关联词咱们能够用到的视觉语言模子这些开源的，用在交通上的才气都至极的有限，是以只可起到一些至极有限的扶持的一个作用。我合计第二个阶段即是哺乳动物智能运作的一个方式。

我合计到了VLA(司机大模子)，即是王人备东谈主类的运作方式了。它会像东谈主类一样的，用3D的vision(视觉)和2D的组合，去看扫数这个词真实的物理寰球，也包含它能够去看懂导航软件，这样的软件是何如在运行的，而不是像VLM(视觉语言模子)那样只可看到一张图片。另外一方面，它有我方的扫数这个词脑系统，不但要看到物理寰球，还能够剖判这个物理寰球。它有它的language(语言)，然后它也有它的CoT(想维链)，有推理的一个才气。我合计第三个，它能够像东谈主类一样的，着实地去实践这样的行径。我合计这个其实是VLA(视觉语言行径模子)产生的一个，放在咱们的汽车，扶持驾驶规模，咱们把它称之为VLA的司机大模子。

Q：你也可以讲讲VLA(司机大模子)这三个它的说合是什么，以及何如训的。

李想：我照旧讲一下何如训的，并把这个说合抒发明晰了。我合计第一个其实是考验的要津。考验要津第一个部分是什么呢？要训出来一个VL(视觉和语言)的基座，就vision(视觉)和language(语言)的基座。咱们目下在训的，刻下的这个版块，是一个32B的，即是320亿云表的一个基座模子，是以先训这个。这里边的话，跟曩昔的时候这些语言模子的互异在于什么呢？第一在于我要放入更多vision(视觉)的语料，放入vision(视觉)的token(词元)。vision(视觉) 里面包含两个部分，一部分是 3D上的vision(视觉)，物理寰球 3D 的 vision(视觉) 要放进去，第二个是高清的、2D的vision(视觉)。因为今天的话，民众看到多样多模态的开源 VLM(视觉语言模子) 里边，它扫数这个词 2D vision(视觉)的线路度太低，是以看的距离不够。那咱们放进去的基本上图像分辨率普及了10倍。我合计这长短常之遑急的。这是一个部分，是vision(视觉)的token(词元)和语料。

迷水商城

第二个是要放入language(语言)，跟交通、驾驶有关的富饶多的这方面的语料。这是language(语言)的部分。

第三个还有一个很遑急的，是民众可能容易忽略的，就咱们必须放入好多VL(视觉和语言)王人集的语料，即是三维图像和对寰球的剖判语义要同期产生的。比如我举一个例子，我要把导航的舆图和车辆对导航舆图的剖判一齐放进去。

Q：这是你们我方的？

李想：比如我要放入一个，看到导航以后东谈主类作念了一个什么判断，然后这个判断咱们的车辆是何如纪录的。把这个语料放进去。其实扫数这个词 VL (视觉和语言)基座模子考验的时候，包含了三个部分，数据是vision(视觉)的数据，language(语言)的数据和VL(视觉和语言)王人集的数据。然后它造成一个VL(视觉和语言)的一个基座。同期我要把这个基座干什么呢？我要蒸馏下来，然后变成一个 3.2B 端侧的蒸馏模子。因为我要保证它运行速率富饶得快，然后不管是两个Orin-X照旧Thor-U上能够运动地运行。蒸馏下来是一个3.2B，8个行家构成的MoE(羼杂行家模子)模子。要是径直跑3.2B一个完整模子的话，双Orin-X和Thor-U的帧率是够不上的，token(词元)的扫数这个词输出率是够不上的这是第一个才略，这是预考验的要津。

第二个才略是什么？第二个才略是作念后考验。后考验是什么呢？后考验其实是我把它变成VLA(司机大模子)。我要把action(行径)放进来。action(行径)的部分后考验什么呢？其实仍然是一种师法学习。迥殊像你去驾校学开车，就相配于我考验VLA(司机大模子)，把它组合成一个VLA(司机大模子)的端到端的一个方式，这是第二个部分。这个时候粗略模子范畴就会从3.2B粗略扩大到接近4B，粗略这样一个范畴。

同期，它一方面是个VLA(司机大模子)，能够径直从视觉，到剖判，到终末的输出。关联词咱们的CoT(想维链)就会很短，我不会作念超长的CoT(想维链)，我的CoT(想维链)链条一般两步到三步，我不会再作念更多的，不然延时太长，莫得见地倨傲交通或者机器东谈主的安全。另外当我 action(行径)作念完以后，我还会作念一个diffusion(扩散模子)的意想，即是下边会发生什么样的时长的一个场景。这个主要凭证性能会作念出来4到8秒的一个diffusion(扩散模子)的轨迹和环境的意想。我合计这是第二个部分，相比像东谈主去驾校学开车这样的一个要津。

第三个部分是什么？是强化，是要作念强化的考验，相比像东谈主到社会上开车了。是以强化咱们分红两个部分，第一个部分先作念RLHF(基于东谈主类响应的强化学习学习)，带有东谈主类响应的，是以咱们有好多东谈主类数据。即是当它这样的话，东谈主类就会承袭，当它那样的话，东谈主类不会承袭。包括东谈主类的一些俗例，是以拿这块来作念一个带有东谈主类响应的强化考验。包括咱们安全的对王人都是在这个强化的要津完成的，你除了要遵照交通律例之外，你要遵照比如中国的，民众的驾驶俗例。你的开车俗例能够融入社会，起头要开得跟扫数这个词社会环境上的民众一样好，不成给别东谈主带来用功，对吧？而不是个外行在路上的时候，你变成一个装潢。第二个部分是纯正的RL(强化学习)，是(拿RL模子放到)咱们的寰球模子来作念考验。这块儿的主见什么呢？即是开得比东谈主类更好。这块儿的话，咱们中间不会给东谈主类的响应，只会给一个收场，即是从a点到b点要开曩昔。关联词会有三类的考验要求，第一个是咱们可以通过G 值(加快度数值)来判断它的舒畅性，给舒畅性的响应。第二个是作念碰撞的响应，它碰撞了这个强化就莫得完成。第三个是交通律例的响应，要是它违背交通律例就莫得完成。是以是舒畅、交通律例和碰撞事故，让它我方来作念扫数这个词强化的考验。当这三个才略完成了以后，VLA(司机大模子)能够跑在车端的模子其实就产生了。

粗略是这样一个方式。跟东谈主至极像，先学习寰球、交通和东谈主类的这些学问，这是预考验的要津。后考验的要津相配于去驾校，慎重地去学开车。第三个要津相配于到社会上来开车，亦然咱们考验的一个历程，要通过东谈主类的RLHF(基于东谈主类响应的强化学习学习)跟东谈主类作念对王人，然后跟社会的环境来对王人。另外一方面，通过纯RL(强化学习)的强化，以及咱们我方辞寰球模子里生成的数据拿它作念强化考验，从而开得比东谈主类更好，能够贬责更复杂的问题，或者说，比东谈主类的平均值要好得多，粗略是这样一个历程。

这还莫得完，这时有了VLA(司机大模子)。但东谈主类是何如跟VLA(司机大模子)职责的时候，其实我要搭建一个司机的Agent(智能体)。司机的Agent(智能体)是什么呢？是东谈主类以天然语言的方式，即是你跟一个司机何如话语，你跟一个闲居的驾驶员，假定你有男一又友，你男一又友在开车，你何如跟他说，你就何如跟司机Agent来说。或者一个代驾，你何如跟他说就说了。这里边的话，要是是一些短领导，通用的短领导VLA(司机大模子)径直就处理了，不需要再经过云表。要是是一些复杂的领导，其实先要到云表的 32B那里，VL(视觉和语言)处理完以后，(因为它剖判交通的一切) ，扫数这个词交给VLA(司机大模子)来进行处理，粗略这样运行的一个历程。

说白了它终末的一个克己是说它能够像东谈主类司机一样去剖判物理寰球，能够像东谈主类司机一样去开车，去向理复杂的问题，也能像东谈主类司机一样跟其他东谈主类进行雷同。这是终末咱们委派到用户那里的家具。

Q：这其中这些才略里面哪个是最难的呀？

李想：没法意想，我合计莫得见地意想。因为这些东西咱们前边莫得任何东谈主走过这条路。DeepSeek也没走过这条路，然后OpenAI也莫得走过这条路，谷歌、Waymo也莫得走过这条路。咱们其实走的是一个无东谈主区。

Q：那你们为什么就bet(下注)，为什么就押注了这条路呢？因为我最近作念了一个时刻播客，即是讲 VLA(视觉语言行径模子)，我就嗅觉这个时刻阶梯还莫得不休。为什么你们合计你们可以？

李想：我合计交通规模应该是VLA(视觉语言行径模子)最早完结的。因为车……

Q：律例线路？

李想：因为一是律例明晰，包括你说作念强化长短常容易的。按照每个来讲，交通的寰球，一个车会跑到何处？其实是有的，诚然它很复杂，关联词细主见，对吧？车又不成开到水里，车也不成开到空中，车只可开到有路的场所，是以它是复杂但具备细目性，对吧？我合计这是少许。

第二其实车的限度，其实车是个3 DoF(解放度)，车有三个解放度，对吧？傍边是一个解放度，前后是个解放度，某种程度上还有少许微细的旋转，是个解放度，对吧？以至扶持驾驶某种程度就限度两个多，撑死就三个解放度。要是这个都不成完结，机器东谈主的上来即是40多个解放度，阿谁挑战就更大了。

是以这时候，咱们进行师法学习是迥殊容易的。是以车看到的即是东谈主看到的，东谈主操作的其实即是车操作的，是以我合计第二个它能作念迥殊好的师法学习。

第三个它还能作念迥殊好的强化，对吧？即是民众在使用的历程中不温暖的时候就承袭了，其实这个即是跟东谈主类莫得对王人，对吧？它就告诉你不应该这样作念，以及告诉你该何如作念，这长短常线路的主见，对吧？包含哪怕其实不作念，包括后边我不作念东谈主类监督，我靠生成数据来作念考验的时候也至极线路。因为什么是舒畅，G值(加快度数值)是可以抒发的。什么是稳妥交通律例是能够抒发出来的，交通律例是个线路的律例。第三个是否发生碰撞是可以抒发的。要是它很舒畅，又不违背交通律例，然后第三个，又莫得发生碰撞，a点到b点它就会开得越来越好。我合计它是一个最好的 VLA(视觉语言行径模子)的，第一个遑急的实验场。

Q： VLA(视觉语言行径模子)还有包括VL，它的哪个数据获取难度是最大的？

李想：vision(视觉)和action(行径)。

 vision(视觉)和action(行径)的数据是因为车，咱们装满传感器是可以鸠合物理寰球数据的，还有东谈主在车上开车是咱们可以鸠合到action(行径)的数据的，这两个其实是最难的，而且也莫得任何公司可以替代。

Q：其他的车企不行吗？其他车企也可以啊。

李想：关联词我合计其他车企你有莫得诱导扫数这个词基座模子的、预考验的才气，后考验的才气，以及后边强化的才气，因为强化还需要寰球模子的才气，我合计这是不一样的，对吧？包括我刚才讲的说，其实本人咱们何如去贬责好多的问题，比如说我讲一个问题，第一个如何普及才气刚才证实晰了，第二个是说我如何向东谈主类安全对王人，我要是让它像一个奇迹司机一样富饶的安全，富饶的舒畅，是以咱们本人能够要诱导强化学习的体系，对吧？咱们的RLHF(基于东谈主类响应的强化学习学习)是很遑急的，咱们其实有一个成范畴的团队了。

因为好多时候一家公司要是模子才气不彊的时候，根蒂不知谈何如去作念对王人，对吧？因为你模子才气强的时候，你才发现对王人的遑急性，春药商城你才知谈Ilya(伊尔亚·苏茨克维，OpenAI王人集创举东谈主)蓝本想得那么远。Ilya把好多事情想得那么远。

Q：何如说？

李想：因为模子才气越强，也就意味着它胡来的可能性越高，就跟一个东谈主才气越强，其实我要需要他的奇迹性越强。公司范畴越大，越需要奇迹性。公司小时候不需要奇迹性，对吧？然后因为一个东谈主才气强的时候，他干功德也很强，他干赖事才气也很强，是以这时候就需要奇迹性来不休。

比如举个例子，我不可能雇用一个奇迹赛车手来每天给我开车，但我要雇一个奇迹司机，是以他除了开车才气可以之外，他有至极强的奇迹性，保证舒畅、保证安全，保证像东谈主类开车的，价值不雅能够对王人，是以这个其实是很遑急的职责，咱们就能作念得至极好。

我合计第三个还有最大的一个挑战，即是模子是一个黑盒子。何如贬责？是以咱们作念了寰球模子，对吧？然后咱们把VLA(司机大模子)放辞寰球模子里，一个交通寰球模子，它是一个要是不跟你说的话，你看的跟一个真实寰球是一样的。

Q：模子是一个黑盒，何如贬责它？

李想：咱们很早的时候在作念端到端的时候就坚毅到，然后模子的黑盒子问题必须得一齐贬责。是以咱们那时然后作念的寰球模子，或者说是叫交通寰球模子，即是咱们用重建加生成的一个方式，借助咱们的数据，然其后构建了一个确切、交通的一个物理寰球，包含有扫数的参与者、参与物，扫数的固定的这些物体，我合计这长短常遑急的。

是以咱们就可以让不管是最初始的这个端到端照旧今天的VLA(司机大模子)，在模子里边进行磨砺，它会模拟真实的交通的参与，包括真实的这些城市，来进行磨砺，而且磨砺有点像我刚才，跟我刚才讲的然后强化考验其实至极肖似。它考什么呢？考a点到b点。然后考什么呢？考这个它的舒畅性、它的交通的合规性和它的安全性。

我合计这是咱们要一直在作念的这方面的一个职责。那这时候就能够至极好的复原了，而且基于这样的一个 咱们的模子或者真实的物理寰球的仿确切才气。咱们还把扫数这个词的考证的资本大幅的下落，曩昔的时候咱们靠东谈主类司机来作念一万公里的考证，这个每一万公里的资本粗略在17万到18万东谈主民币，算上车的多样用度，今天的话咱们粗略只需要花 4000 多块钱东谈主民币，就每一万公里。那这4000多块钱基本上都是算力为主的资本，而且贬虚构题的遵守还普及的多得多。

为什么呢？比如说其实今天的时候，咱们要贬责一个问题的时候，这个问题产生的时候，是咱们自身的车辆跟多个交通参与物在不同的位置上，还有不同的谈路上，出现了一个问题，关联词要是你靠东谈主类去考证我有莫得贬责这个问题？要把这几个交通参与物，雷同的位置、雷同的速率，其实凑在一齐，险些莫得可能，是以只可拖拉的考证。但今天，然后咱们有了寰球模子以后，咱们可以至极准确地考证。咱们修正以后的模子有莫得贬责这方面的问题，可以100%复原一模一样的、真实的场景，辞寰球模子里，进行考证。

Q： 咱们在说司机Agent(智能体)的时候，它其实是触及到action(行径)进入了外部寰球，进入了物理寰球。那何如贬责安全问题呢？这个至极遑急。

李想：是以咱们其实从旧年年底配置了超等对王人的团队，比如说模子才气很强，但不遵照交通律例，然后模子才气很强，但模子普通去加塞，去在交通拥挤中去加塞，对吧？它作念出来一些让东谈主类坐在车上嗅觉到不安全的步履，对吧？那我合计这个其实，至于是否让它碰撞，是模子才气的问题，是否产生这些问题，其实是这个价值不雅，是这个模子要去作念的对王人的这方面的。

是以这亦然刚才我讲的，即是说咱们要在作念强化，考验的第一个要津，是咱们必须把东谈主类的这些律例、习俗、驾驶俗例，对于好多东西的判断，其实变成它扫数这个词的要考验的响应。我合计这个其实咱们必须要作念的，是以咱们有一个挺大范畴的，咱们有一个 100 多东谈主的超等对王人团队。

因为你才气越强、包袱越大，我合计这是包袱，或者你还可以用另外一种方式，咱们把超等对王人要是拿一个东谈主例如子的话，模子相配于是这个东谈主的专科才气，然后超等对王人，是这个东谈主的奇迹性。

Q：谈德？

李想：对，是他的详细奇迹性。然后司机Agent(智能体)，包括司机背后的这种顾虑才气是如何和使用者诱导信任的，是以咱们比如说我招一个职工，或者我是否定可一个职工，同样是看他三个，第一个，是看他的专科才气，然后第二是看他的奇迹性，然后我合计第三个是看他其实对别东谈主剖判和构建信任的才气，比如这三个都很好，我合计即是最超卓的职工。

迷水商城

Q：超等对王人，是什么时候初始作念的呀？

李想：是咱们作念到了1000万Clips(视频片断)以后初始来作念的，因为我发现这时候何如去灵验的诳骗模子的才气就很谬误了，比如就举个例子，它普通一拥挤就去加塞，然后这个包括它作念的好多步履，诚然遵守很高，关联词东谈主坐在车上是很不舒心的，因为跟东谈主类的一些处理方式或者跟闲居东谈主类处理方式不一样，它可能学到了一些不该学的司机的步履。

Q：我听你说我有一个感受，即是刚初始大模子火的时候，民众都说创业要作念AI是造东谈主，你们这个其实即是在造司机。

李想：对，是的。我一个很遑急的嗅觉即是，咱们唯有让它变成一个着实的司机，它才是一个坐褥力器用，不仅仅一个扶持器用，对吧？今天L2，L2+其实是个扶持器用，扶持器用其实还需要东谈主无数的参与。关联词我合计要是想变成一个坐褥器用，我个东谈主认为并不会出现通用的 Agent(智能体)，而是每个专科规模作念专科的Agent(智能体)。就我刚才讲的一样，其实要想开好车，它扫数的vision(视觉)的语料， language(语言)的语料，和action(行径)其实都是不一样的。你想作念好一个医师，你想作念好一个讼师，其实背后的扫数这个词想维链，扫数的数据其实都是王人备不同的。是以我合计这是判断。

另外一方面，要是你想变成一个坐褥器用，这时候就会和专科的东谈主进行相比，比如说你是否比一个专科的司机开得更好？你是否比一个专科的医师施展得更好？你是否比一个专科的讼师施展得更好？你是否比一个专科的法度员施展得更好？因为你会影响到它的扫数这个词坐褥，它的扫数这个词功绩，它的职责收场，以至它的财产和生命安全。我合计这是咱们看到的这个至极，是以这亦然为什么咱们必须很耐烦、很深入地去贬责，哪怕一个司机的问题。它并不可能通过一个泛化的大基座模子，或者一个大语言模子，这些东西都能完结了，我合计这是不现实。

迷水商城

Q： 什么是一个好的司机大模子的北极星主见(终极主见)？

李想：我合计照旧把司机大模子和Agent(智能体)放在一齐，这才是一个着实用户能够使用的一个家具，那要是是一个，我合计要是是一个司机大模子，好的，我合计跟东谈主的判断是一样，就我判断一个司机，就咱们家雇用了一个司机，第一是他开车水平好不好？其实是他模子才气强不彊？第二个照旧说他是否奇迹？然后我合计那他是否奇迹，很遑急的少许其实即是咱们的超等对王人这方面的职责，包括强化考验，是否作念得富饶的好？然后我合计第三个，是否安全，对吧？、我合计第三个是他跟我之间的信任的说合，我是跟他说什么他都听不解白？照旧我说上半句他就知谈下半句，以至我好多东西不说，他依然对我的顾虑里边都可以独自去完成了。

其实就咱们如何去通过Agent(智能体)和顾虑来构建一个更好的信任的一个说合和剖判的一个说合。要是我什么都不说，他都知谈我要干什么了，这个司隐私同期又倨傲了他开车可以，又很奇迹，他又对我迥殊了解，迥殊剖判，我就会一直雇佣他。对，我合计终末咱们对司机的Agent(智能体)，对扫数这个词的这一个司机大模子，司机Agent(智能体)的判断亦然一样的。我合计以后扫数的AI的或者Agent(智能体)的判断都应该是这样的，它的专科才气，它的奇迹才气，然后以及它给你构建信任的这个才气。

Q：你合计这个Agent(智能体)应该何如订价呢？

李想：咱们雇用东谈主类用度的几分之一，至于几分之一终末照旧看把资本都算出来以后，我合计比如说我一个月，我雇一个司机，1万块钱，我是否倨傲？2千到3千雇佣一个司机。然后我合计这个其实是一个，可能是一个相比遑急的一个判断，天然它也会带来其他买卖模式的不同。比如说你花2千到3千块钱雇佣一个司机，那可能你对车而言，你可能也不需要付保障费了，保障费也包在这里边了，保障的用度就财产的保障，这个财产险的用度也包含在里边了。也可能一定的这种，因为它可能会自动去充电，可能一定的充电的金额，对应一定里程的充电金额也放在里面了。是以可能到终末算下来，还可能是个更合算的一个事情。

Q：咱们刚刚在聊 VLA(视觉语言行径模子) 嘛，那是不是意味着端到端才出来一年，你们就要换架构了？这个是不是太快了？旧年端到端就被淹没了吗？

李想：我合计也莫得淹没，照旧我刚才讲的，其实端到端是VLA(视觉语言行径模子)的一部分基础。要是你把端到端联想成一个一个具身智能实践的要津，那它其实即是咱们VLA(视觉语言行径模子)的A(action 行径)的部分，就我 A(action 行径)的部分其实仍然是在拿这个数据在作念考验的。其实它就构成了我的A(action 行径)的部分了。仅仅我要多语言的部分，还要多更强的3D vision(视觉)和高清2D vision(视觉)的部分。

Q：有可能一步直达 VLA(视觉语言行径模子) 吗？就比如说旧年不推出端到端加VLM(视觉语言模子)阿谁版块，然后径直推 VLA，径直研发VLA。

李想：莫得可能，至少从咱们我方的体验上其实莫得可能。我说不太悦耳的话，即是莫得见地径直吃第十个包子。诚然可能民众合计第十个包子吃饱了，但前边每个包子其实都跳不外去。我合计频频好多时候，要是民众不想作念前边任何包子的积攒，只想吃第十个包子，好多时候至极像练葵花宝典。我合计今天包括DeepSeek的出现并不是练葵花宝典练出来的，曩昔的时候它很早就构建这种集群的才气去作念这些链路、基建的优化，我合计都长短常之遑急的。是以才有了它的低资本和遵守啊。是以我说其实咱们迥殊可爱讲这种，有一个东谈主很聪惠径直吃到了第 10 个包子，但现实中其实，至少今天这个社会扫数这个词的学问娴雅发展得越来越好了，不是胆大大于一切，我看不到什么捷径。包括今天好多企业作念端到端都很吃力，因为在律例算法时候都没作念好。

Q：关联词民众就合计李想才是摘第10个包子的东谈主，因为你们作念扶持驾驶的时期比别东谈主晚。

李想：但咱们自研的时期并不短啊。咱们从2021年，上地平线征途Journey3芯片的时候就初始作念自研。然后咱们研究作念得也很塌实。我合计中国的扫数企业里边，对于扶持驾驶的论文咱们应该是发表，以及被大的会议，大的社区考中和援用的其实应该亦然最多的。我合计这个阶段咱们照旧作念的挺塌实。

因为咱们是个用户导向的公司，咱们认为时刻是一种才气，是以咱们更多的时候讲的是用户的价值，今天民众讲咱们是雪柜、彩电、大沙发，对吧？关联词背后的话，咱们的这个雪柜、彩电、大沙发的智能化背后的基础，今天民众看仍然长短常强的，体验起来是王人备不一样。

Q：背后的基础是什么？

李想：即是大型软件的才气。咱们后边好多才气其实照旧很塌实的。比如举一个例子，就为什么今天民众作念端到端和VLM(视觉语言模子)很难？是因为这个Orin芯片并不支合手径直跑语言模子。咱们是我方的编译团队，是以咱们迥殊剖判DeepSeek，一看就看明白了，比如它作念FP8(8位浮点数时势)的优化，能够跑它的扫数这个词考验的一个架构。咱们作念雷同的事情，咱们径直然后是写了 Orin-X底层，因为英伟达没时期，咱们我方写的底层(推理引擎)，让它用 INT4量化的方式来跑 VLM(视觉语言模子)。那这跟谁(DeepSeek)作念 FP8(8位浮点数时势) 的考验其实一个道理。包括今天的话，咱们为什么能作念到双Orin-X跟Thor-U 都能跑VLA(司机大模子)，可能对好多团队是个至极大的挑战，为什么呢？因为咱们我方有至极强的才气，咱们有编译团队，然后咱们有芯片的才气，然后咱们有板子遐想才气，有操作系统才气，是以咱们是能够把两个 Orin-X带宽富饶的大，它同样可以跑同等范畴的VLA的模子。我合计咱们这方面的时刻都长短常之塌实的。因为我我方照旧认为，其实即是你范畴小的时候无所谓，你范畴大的时候基本功和才气恒久是无法逾越的。

Q：背后的基础是什么？

李想：即是大型软件的才气。咱们后边好多才气其实照旧很塌实的。比如举一个例子，就为什么今天民众作念端到端和VLM(视觉语言模子)很难？是因为这个Orin芯片并不支合手径直跑语言模子。咱们是我方的编译团队，是以咱们迥殊剖判DeepSeek，一看就看明白了，比如它作念FP8(8位浮点数时势)的优化，能够跑它的扫数这个词考验的一个架构。咱们作念雷同的事情，咱们径直然后是写了 Orin-X底层，因为英伟达没时期，咱们我方写的底层(推理引擎)，让它用 INT4量化的方式来跑 VLM(视觉语言模子)。那这跟谁(DeepSeek)作念 FP8(8位浮点数时势) 的考验其实一个道理。包括今天的话，咱们为什么能作念到双Orin-X跟Thor-U 都能跑VLA(司机大模子)，可能对好多团队是个至极大的挑战，为什么呢？因为咱们我方有至极强的才气，咱们有编译团队，然后咱们有芯片的才气，然后咱们有板子遐想才气，有操作系统才气，是以咱们是能够把两个 Orin-X带宽富饶的大，它同样可以跑同等范畴的VLA的模子。我合计咱们这方面的时刻都长短常之塌实的。因为我我方照旧认为，其实即是你范畴小的时候无所谓，你范畴大的时候基本功和才气恒久是无法逾越的。

Q：是以什么样的corner case(长尾案例)是可能端到端加VLM(视觉语言模子)架构无法贬责，而VLA(视觉语言行径模子)是可以贬责的。能不成给民众举个例子。

李想：我合计有两个。曩昔的时候端到端有两个用功的问题。第一个问题是它对复杂东西的剖判，比如这有一个复杂的修路，要是是律例算法可能就会撞上了，要是是端到端可能停驻来，但它不知谈该何如干了。要是是VLA(司机大模子)就能粗陋贬责了，而且这些我不需要有真实的场景，以至我可以径直生成，然其后数据来进行考验，对吧？因为它能够有剖判才气了，它并不是仅仅看到一个风物，就作念出一个收场。律例算法其实频频可能就会出现，遇到一个复杂路况，复杂的、没见过的，或者律例之外的它就会出现事故。要是是端到端的，它可能停驻来，但它不知谈该何如办了，咱们普通遇到修路景况，它在那不知谈犹游移豫，不知谈该何如办，对吧？关联词要是VLA(司机大模子)，它其实就能够灵验地去向理了，而且不需要通过海量的数据考验。哪怕最初始这个场景莫得见地处理，但我保证三天之内有关的这种场景都能处理，因为我可以拿这东西来生成数据，生成让数据来进行考验。我合计这是一方面。

另外一方面其实还有很难的少许是跟东谈主雷同。今天端到端何如作念？就跟山公一样，你影响不了它，对吧？比如说咱们会普通遇到一个什么样的景况，即是在一条路上三条谈，最右侧的车谈是公交车谈，然后又是限行，关联词公交车谈永恒莫得爱戴了，阿谁印刷依然不明晰了，是以它就会在那跑，诚然你可以通过一个休养说，回到中间车谈，但它过一阵又跑到那条车谈上去了。要是是东谈主类有了Agent(智能体)以后，因为有了VLA(司机大模子)才有Agent(智能体)能跟VLA雷同，对吧？是以我可以跟一个Agent(智能体)讲说，接下来这条谈路一直在中间行驶，直到它在导航的时候走了下一个。包含要是跟导航错失了以后，端到端就不知该何如办了，关联词VLA(司机大模子)在小区里可以漫游。在一个灵通空间里，它可以先处理完以后，终末再跟导航休养以后的进行汇合，它跟东谈主类王人备一样的了。仅仅今天可能它算作一个东谈主类，才气还没那么强，算作一个东谈主类才气还有一个成长的历程，比如它今天像一个刚从驾校学完的外行司机，有可能是这样一个景况。

Q：本年都会是这个状态吗？

李想：我合计照旧看扫数这个词考验的一个进程了。但它泛化才气是王人备不在一个量级上了。

Q：你合计VLA(视觉语言行径模子)是终极的架构吗，贬责自动驾驶的？还会有下一代吗？会不会来岁这个时候又是新的架构了呢？

李想：我我方认为VLA(司机大模子)能够贬责到全自动驾驶，关联词VLA(司机大模子)是否是一个遵守最高的方式？是否灵验率更高的架构出现？我打个问号，我认为粗略率照旧会有的啊。因为VLA(司机大模子)照旧基于Transformer这面貌的，那Transformer是不是一个遵守最高的一个架构，对吧？那我合计这个其实后边不知谈。

Q：它是现阶段遵守最高的架构，在你看来？

李想：我合计它是才气最强的架构。对，因为目下才气差距太大了，就跟东谈主类及格开车。今天这个扶持驾驶的这些律例算法、端到端跟东谈主类差距照旧太大了。对，然后那我合计它是最接近东谈主类的，以至有契机超越东谈主类才气的一种，就对于开车超越东谈主类的一种方式。那它是不是遵守最高的方式？其实是打个问号，因为它今天对算力的要求照旧很高的。

Q： VLA(司机大模子)跟终末可能造成的最终大长入模子的说合是什么呀？它是阿谁大长入吗？

迷水商城迷水商城

李想：我合计照旧会有一个遵守的问题，对吧？我讲的真理是，其实咱们诚然有模子，但咱们从来不淹没器用，然后因为器用是增加细目性和提高遵守的。我照旧举一个挺线路的一个例子，因为团队好多时候太想用模子贬责一切问题，对吧？然后那这时候就会出现肖似一个表象，比如我举一个例子，那今天天然VLA(司机大模子)会贬责很好了，其实咱们在使用 VLM在贬责ETC时候并不好。

因为VLM(视觉语言模子)对于位置的判断是很灾祸的，是以它要是其实是两到三个ETC，然后我何如进入其实至极容易判断，其实即是这个左中右。但要是像京承高速这样的机场高速那样的十几个ETC，它好多时候就不知谈何如处理了，就初始至极错杂了，因为它莫得位置的判断的这个才气，咱们团队太但愿用模子去贬虚构题，即是说不停地去给VLM(视觉语言模子)喂更多的语料，更多的东西，其实都莫得贬责这个问题，因为这是VLM(视觉语言模子)的阿谁架构问题。

然后我跟团队说，那贬责ETC为什么不成用律例算法？因为最多的也有 15 个口，对吧？ 15 个口对于你们而言，写一个法度基本上一周之内就能完成，以至三天就能完成。关联词我说好多时候咱们心里有个心结，对吧？因为东谈主类好多运行的时候其实是大模子运行，关联词我说咱们算作一个这个闲居的东谈主，咱们其实也会背乘法口则，乘法口则即是个律例算法，对吧？关联词乘法口则的收场是咱们破钞的脑力更少，对，咱们破钞的token(词元)更少。

然后以及咱们的准确性更高，是以它即是个好东西，它即是个器用，对吧？然后要是是一个细目性的，能够拿律例去贬责的，其实它意味着更低的能量破钞、更低的算力破钞和更高的准确性，对吧？那我合计为什么不必？是以团队很快就把问题贬责了，是以咱们在ETC就至极的稳了。其实一周都不到就贬责了，曩昔的时候贬责了三四个月都贬责不了的，资本很高的方式贬责不了的。是以我说即是我合计着实往下去落的时候，好多时候照旧要筹商遵守，即是今天DeepSeek之是以受到全寰球的珍视，很遑急的一个原因照旧因为它的遵守变得更高了。

迷水商城

Q：特斯拉FSD真实的进入了中国，对你有莫得什么影响？

李想：咱们认为，咱们我方一个判断的话，从实测过来的话，他们粗略在用12.5之前的模子。对，在用12.5之前的模子，然后并不是特斯拉真实才气，距离特斯拉真实才气还有巨大的差距。特斯拉13.0以后的才气还长短常强的。而且 12.5之前的话应该其实是这个半律例算法的才气。是以我说不是特斯拉真实才气的体现，关联词咱们能看到特斯拉基本功长短常塌实的。它的扫数这个词的感知的距离，它扫数这个词运行的帧率，它扫数这个词的车辆的扫数这个词的限度的踏实性。

迷水商城

Q：为什么莫得开释真实的才气？

李想：我合计因为要是径直上端到端的话，有中国的这些路况什么的，其实刚才我就像我讲的，它在好意思国莫得学习到这些东西，然后再遇到这些复杂的，是照旧会遇到挑战的。

Q：你们目下还学特斯拉学的多吗？最近从他身上学到了什么呀？

李想：我合计好意思国的好多的顶级的公司，像苹果，像特斯拉这种企业，即是他们基本功迥殊塌实。然后我合计这个是咱们着实要去学的，尤其是在今天这种内卷的环境下，然后包括外部的不细主见环境下，我合计这时候更是每个企业扎塌实实练基本功的最好的时候，而且到了东谈主工智能期间的话，基本功就更是不可能、不可当先的。是以我合计要是好多企业作念了好多的改变，关联词莫得基本功，不塌实，是以好多改变就会好景不常就曩昔了，是以这会是很大的问题。因为就它诚然领有好多钱，能发明了好多东西，就创造、改变了一些好多的功能的组合。关联词你会发现才气强的公司复制的东西基本上在东谈主工智能期间都是按周筹画的就能复制过来，是以阿谁才气的基本功还长短常遑急的。

Q：为什么是学苹果呢？它也不是一家 AI 公司啊。

李想：我合计最遑急的是学才气。

咱们在小的时候莫得看明白，莫得看懂苹果，那这个阶段的时候咱们可能又去慎重研究苹果，发现苹果还有好多才气其实值得咱们去学习的。

是以到今天为止，你去看一个苹果算作一个全寰球市值第一的公司，当你作念到千亿收入，你再去看这种万亿收入公司的才气的时候，你初始模拖拉糊能看懂一些了。关联词咱们小的时候，咱们很小范畴的时候，咱们看不懂苹果为什么这样作念。我合计终末其实是范畴，因为范畴是一个可以细目意想的变化，也会带来用户范畴和用户需求的变化，时刻和家具的变化，也会带来组织和才气的变化。

Q：你有试驾过上了VLA(司机大模子)的车吗？体验何如样？有履历过什么aha moment(惊喜时刻)吗？

李想：我合计挺难有什么aha moment(惊喜时刻)，因为你已司剖判它的道理了，其实即是它就变得跟东谈主很像了。

Q：就更像东谈主了。

李想：就确切像东谈主了。它变成更像东谈主其实没什么嗟叹的。对吧？相悖一个动物忽然会的一些东西，你合计挺骇怪，但一个东谈主作念好东西，你认为其实是闲居的。

Q：你之前对内说过一句话，说梦想的智驾原创性超越了增程，这句话是不是太自信了？

李想：我我方觉着就咱们在这方面的研究职责确切作念得很深。是以你看到咱们的多样的论文，而且咱们为了，然后咱们为了作念好，咱们为了作念好这个扶持驾驶，咱们还作念了操作系统。然后咱们为了作念扶持驾驶，咱们构建了完整的考验体系，咱们为了作念扶持驾驶，以至咱们我方去径直去改芯片的，然后这个底层的软件，对吧？然后我合计咱们作念了好多这方面的这些职责。然后那这方面职责肯定，然后肯定作念的比这个增程更多，比增程作念的职责量更多。然后我合计还有一个相比好的一个评价方式。即是咱们历史上从来莫得遇到过，然后任何一个周期，比如 2024年和2025本年年头，咱们每一个扶持驾驶团队的中枢东谈主员可能基本上都会接到 20 个以上的猎头电话。

Q：7月份是梦想的十周年，站在今天总结梦想这十年走过的路，你脑海里清楚的最真切的场景画面是什么？

李想：我的第一个最遑急的画面，是2018年第一次发布，一直延续到2019年的4月份，上海车展第一次慎重的展示，带有价钱的。我合计那是一个至极遑急的时刻，咱们确切能作念出来一辆车，而且这个车迥殊受用户可爱。在上海车展的展馆里面，咱们是东谈主流量最大的一个展台。因为咱们是从什么都莫得初始来作念的。另一个是2022年发布的时候，我合计那确切是一个全寰球最超卓的家具。到了今天2025年，能看到至少有5个以上的企业是因为那时梦想L9的得手，在打造跟梦想L9雷同的家具。

Q： 你脑海里清楚的都是幸福的时候，而不是苦难的时候。你会回忆到苦难的时候吗？

迷水商城

李想：太多了，刚履历了L9的幸福就出现了。全网的黑公关都说梦想汽车倒闭，那一个季度咱们亏了十几亿，快要二十亿，蓝本从没亏过那么多。忽然从巅峰掉到谷底，克己照旧我说的，咱们相识到好多才气不及，咱们就去补了好多才气。但正是因为这件事情，咱们的休养又带来了2023年得回接近三倍的增长，咱们径直作念到了1200亿的收入。归正我创业那么多年了，当问题来的好多时候，又是一个更大的契机的到来。是以我对这方面其实也没那么纠结。我对于不闲居的事情耐受力很差，但我对于一些不好的东西贬责完以后，扫数这个词顾虑才气也很差，会把它忘掉，但你让我总结照旧能总结过来的。

Q： 刻意删掉的顾虑片断会是什么呢？

李想：为了让我方有更好的正能量，我照旧尽可能的只保留那些有价值、好意思好的片断。哪怕是一个不好的东西，比如刚才讲的咱们被黑、被打击，我会转换成“看，正是因为这件事情咱们增长了三倍，咱们获取了其他新势力所莫得的才气，咱们面对其他新势力所莫得的挑战。”这样的方式来抒发，这是一种心态。创业照实破损易，关联词没必要苦哈哈的。苦和甜。是一个硬币的正反面，取决于你聘请看哪一面。

Q：甜多照旧苦多呢？

李想：要是按期间轴而言，肯定是苦更多，关联词耐劳多了也就俗例了。

Q：余凯博士(地平线创举东谈主兼CEO)回忆跟你第一次碰面是在杭州一齐去爬山，他记起你那天穿了一个军大衣。我很酷爱余凯博士见到的阿谁军大衣里包裹的是一个怎么的灵魂？它跟今天发生了什么样的变化？

我合计没什么变化。我以至认为我今天90%的状态、想维方式跟我上高中的时候差未几。遇到问题去贬虚构题、贬责别东谈主不肯意贬责的问题、贬责消费者遇到的最大的问题、去找更多的东谈主学习。那时候我是个东谈主网站站长，关联词我又有结伙东谈主，是少数的有小团队的站长。靠我方才气不行的时候还要靠别东谈主，然后接续完善才气。我合计到今天为止我没变化，仅仅贬责的问题在变大、工作的用户群体在变大、公司的范畴在变大、组织在变大。

Q：曩昔十年中扫数的顾虑里要是能改变一个顾虑，改变一个法度，你想改变什么？

李想：我合计没什么要改变的。能赶上这样一个期间，几次创业还能一齐走下来，在最难的时候都有东谈主来帮你，当遇到问题的时候，老是能从坑里快速爬出来，一帮东谈主王人心尽力变得更好，我合计挺庆幸的了。不管是从运谈层面，照旧从能够创造出来的价值层面，我合计没什么可后悔的。挺好的。

Q： 你刚才说一个词是能量，何如让我方成为一个更有能量的东谈主，更遒劲的东谈主，或者是能勾引到更多能量的东谈主？

李想：我合计即是讲理东谈主，尤其是讲理那些离你最近的东谈主，讲理亲密说合的东谈主。讲理东谈主的时候起头你得先讲理我方，算作我我方，我会何如来看待我方？第一，我会接受我方扫数的优点。我好多身上的特质，这样多年的积攒，从DNA里带来的，其实它即是我的上风，我应该何如去阐发我方的上风。第二个是要能接受我方的不及。频频不及即是上风的另外一面。比如这个东谈主很擅长有议论，他可能就莫得见地其实去作念很紧密的运营，因为这两件事是冲突的。有的东谈主至极擅长运营，他可能就很难跳出来，或者跳好几个维度往返作念有议论。一个东谈主很懒，但可能是个杰作的家具司理，但要是他很勤奋，应该是个至极好的业务运营。我合计每个东谈主是不一样的，频频咱们要是要改的话，会变成一个更差的别东谈主，以及一个更灾祸的我方。是以我