大模型領(lǐng)域前一陣有個(gè)刷屏新聞，現(xiàn)代知名音樂(lè)制作人Rick Rubin和Anthropic合作，對(duì)《道德經(jīng)》做了個(gè)二創(chuàng)，通過(guò)改編老子的原文，寫(xiě)了部《編碼之道》(The Way of Code)，對(duì)AI編碼這種新開(kāi)發(fā)方式做了一次哲學(xué)詮釋?zhuān)艿缴鐓^(qū)的熱烈追捧。
其實(shí)技術(shù)的發(fā)展往往是這樣，技術(shù)自身固然重要，但其背后的理念可能更重要，因?yàn)樗拍軟Q定技術(shù)發(fā)展究竟要向何處去。
不久前，我拜訪了位于深圳的卓馭科技，一家“又新又舊”的公司(稍后會(huì)解釋)，并和卓馭科技CEO沈劭劼，阿里云智能集團(tuán)公共云事業(yè)部副總裁、AI汽車(chē)行業(yè)總經(jīng)理李強(qiáng)一起做了一場(chǎng)深度的播客訪談。
在剪輯回放這期播客視頻時(shí)，當(dāng)我看到沈劭劼解釋“為什么把智駕系統(tǒng)，從原來(lái)百萬(wàn)代碼的規(guī)則邏輯，改成端到端邏輯”時(shí)，我腦海里突然冒出老子的一句話：為學(xué)日益，為道日損。
老子原本表達(dá)的意思是：當(dāng)我們剛開(kāi)始學(xué)習(xí)某個(gè)領(lǐng)域時(shí)，總是先去掌握更多的知識(shí)、技巧和規(guī)則，就像往背包里不斷裝東西，這就是“為學(xué)日益”;但當(dāng)我們真正精通這個(gè)領(lǐng)域時(shí)，我們開(kāi)始明白什么是本質(zhì)的、什么是多余的，開(kāi)始學(xué)會(huì)舍棄和簡(jiǎn)化，最終抓住事物的核心規(guī)律，這是“為道日損”。
至于為什么我會(huì)聯(lián)想到這句話?我們就得要理解卓馭這次技術(shù)路線轉(zhuǎn)換蘊(yùn)藏的深度哲學(xué)，從卓馭科技的發(fā)展原點(diǎn)說(shuō)起了。接下來(lái)，我們要講的是一個(gè)基因傳承和創(chuàng)新的企業(yè)故事。
另一種L4：天空到地面的技術(shù)傳承
我們剛才講卓馭科技又新又舊。卓馭之新，在于它在法律意義上是一個(gè)很年輕的公司，2023年才成立;卓馭之舊，是說(shuō)它的技術(shù)、業(yè)務(wù)本身并不年輕，極有沉淀。從無(wú)人機(jī)產(chǎn)品出發(fā)，到投身智能駕駛技術(shù)，卓馭的相關(guān)工作早在2016年開(kāi)始了。
無(wú)人機(jī)與汽車(chē)智駕，雖然一個(gè)在天上，一個(gè)在地上，但有天然的技術(shù)關(guān)聯(lián)，它們都可以用L1到L4這樣的指標(biāo)體系，描述智能駕駛的程度。而用沈劭劼的話說(shuō)，無(wú)人機(jī)其實(shí)早就已經(jīng)到了L4了，原因很簡(jiǎn)單，“因?yàn)樘焐蠜](méi)有人來(lái)人往”。
所以在2016年，沈劭劼決定和團(tuán)隊(duì)一起挑戰(zhàn)“機(jī)器人學(xué)的皇冠”——智能駕駛。然而獨(dú)立運(yùn)作的第一步，卓馭先思考的還不僅是技術(shù)問(wèn)題，而是商業(yè)模式問(wèn)題。
沈劭劼說(shuō)，最開(kāi)始其實(shí)花了很長(zhǎng)時(shí)間去想到底怎么樣才是一個(gè)可行的商業(yè)模式，能讓業(yè)務(wù)活下去，并發(fā)展壯大。他回憶道，團(tuán)隊(duì)想過(guò)的商業(yè)模式包括Robotaxi、低速物流車(chē)、干線物流等等，方方面面都有。雖然模式想過(guò)很多，但 “造車(chē)”這個(gè)選項(xiàng)很早就排除掉了，“想了半天就沒(méi)想到怎么能把車(chē)造好”。
不過(guò)，不造車(chē)只是不造整車(chē)硬件，不代表不做智駕系統(tǒng)的硬件。由于團(tuán)隊(duì)天然具備硬件基因，所以沈劭劼說(shuō)：“軟件算法之外，我們做硬件包括傳感器，特別是對(duì)于軟硬一體化技術(shù)棧的協(xié)同優(yōu)化，有天然優(yōu)勢(shì)”。這種技術(shù)底蘊(yùn)最終決定了卓馭的市場(chǎng)定位：做Tier 1(一級(jí)供應(yīng)商)。“一級(jí)供應(yīng)商的核心能力不是某一個(gè)，真正重要的是兜底的能力，也就是提供'交鑰匙'方案的能力。”
可是，他隨后也花了個(gè)很長(zhǎng)的篇幅解釋?zhuān)堋敖昏�匙”兜底，只代表能力出眾，卻不代表卓馭只提供這一種交付方式，“不然太霸道了，會(huì)失去很多合作機(jī)會(huì)”。
實(shí)際上，卓馭和主機(jī)廠的合作交付可謂多種多樣，除了交鑰匙，還有：硬件+軟件集成、軟硬件產(chǎn)品供應(yīng)、純軟件方案，甚至是IP授權(quán)和主機(jī)廠自研賦能。沈劭劼認(rèn)為，如何交付其實(shí)不重要，最重要的是大家的利益共同點(diǎn)一致：把車(chē)賣(mài)好。數(shù)字見(jiàn)證了卓馭技術(shù)沉淀和業(yè)務(wù)邏輯的成功：目前卓馭已經(jīng)建立合作的客戶(hù)有9家，合作的汽車(chē)品牌16個(gè)。
對(duì)于這些成就，在訪談中，李強(qiáng)也給出了阿里云的視角：在數(shù)字化、智能化的時(shí)代，一家企業(yè)的發(fā)展，一定會(huì)反映在算力消耗上。算力消耗是企業(yè)發(fā)展的晴雨表，“在卓馭的這張晴雨表上，我們很明顯能夠看到卓馭的業(yè)務(wù)進(jìn)步”。
一次“戛然而止”，一種“范式躍遷”
我們先來(lái)討論一下卓馭科技的技術(shù)變革。我認(rèn)為非常值得單拿一個(gè)章節(jié)詳解。因?yàn)閺闹写蠹铱梢泽w會(huì)到，我為什么會(huì)在卓馭科技的技術(shù)哲學(xué)上感受到老子的“為學(xué)日益”、“為道日損”。
技術(shù)變革往往遵循托馬斯·庫(kù)恩提出的“科學(xué)革命”理論：在常規(guī)科學(xué)階段，技術(shù)按既定軌道漸進(jìn)式發(fā)展;當(dāng)累積的問(wèn)題達(dá)到臨界點(diǎn)時(shí)，就會(huì)發(fā)生“范式革命”，整個(gè)技術(shù)體系被重新定義。
如果能在不同技術(shù)范式取得成功，就是我們經(jīng)常聽(tīng)到的字眼“穿越周期”。這兩年，卓馭就穿越了一次：從代碼規(guī)則切換到了模型驅(qū)動(dòng)的端到端。可以說(shuō)，從2016年到2023年的七年，卓馭的智駕技術(shù)走過(guò)了基于規(guī)則技術(shù)路線的完整周期。
最開(kāi)始的規(guī)則路線，是一個(gè)典型的復(fù)雜化過(guò)程。當(dāng)時(shí)工程師們相信，通過(guò)不斷添加規(guī)則，就能覆蓋現(xiàn)實(shí)世界的所有可能性，實(shí)現(xiàn)汽車(chē)的智能駕駛。當(dāng)然，這也不僅是卓馭一個(gè)團(tuán)隊(duì)秉承的技術(shù)范式，而是業(yè)界一度的普遍選擇。
“從16年底一直到23年，很明顯規(guī)則是越寫(xiě)越多的，特別是到后面開(kāi)始做基于規(guī)則的無(wú)圖城市領(lǐng)航的時(shí)候，那時(shí)候基本上卓馭的規(guī)則代碼就是登峰造極的境界了”， 沈劭劼談到這的時(shí)候，李強(qiáng)馬上問(wèn)代碼規(guī)模有多大?答案是：百萬(wàn)行級(jí)別，但還只是決策規(guī)劃不包括感知。
然而，現(xiàn)實(shí)給出了代碼量不一致的反饋：城市里面的接管率怎么都降不下來(lái)了。
與此同時(shí)，團(tuán)隊(duì)內(nèi)部一直在并行探索端到端技術(shù)。而當(dāng)兩條技術(shù)路線的性能對(duì)比出爐時(shí)，結(jié)果是震撼性的：七年積累的百萬(wàn)行規(guī)則代碼，在性能上卻被一個(gè)初期階段的端到端系統(tǒng)數(shù)量級(jí)超越。
面對(duì)這種巨大差距，沈劭劼做了一個(gè)果斷的決定：“用簡(jiǎn)單回答的話去總結(jié)就是直接放棄了”，拋棄百萬(wàn)行規(guī)則代碼，全面轉(zhuǎn)向端到端。數(shù)據(jù)不會(huì)騙人，“城區(qū)復(fù)雜場(chǎng)景的接管率直接降了10倍”。但數(shù)據(jù)背后，還有更深層的認(rèn)知變化。
沈劭劼回憶道，最開(kāi)始大家對(duì)于模型驅(qū)動(dòng)還是有很多疑問(wèn)的，能達(dá)到什么安全性能力也有不確定性。但后來(lái)，隨著語(yǔ)言大模型表現(xiàn)出來(lái)的智能涌現(xiàn)，讓團(tuán)隊(duì)確信，模型本身可能比人工編寫(xiě)的規(guī)則更接近智慧的本質(zhì)。
當(dāng)然，切換技術(shù)體系，不代表工程師的工作不重要了，只是技術(shù)邏輯發(fā)生了根本性的轉(zhuǎn)換：過(guò)去是“say yes”——告訴機(jī)器應(yīng)該怎么做，什么是對(duì)的;現(xiàn)在變成了“say no”——讓機(jī)器自己判斷，工程師只需要告訴它什么是不該做的。
沈劭劼解釋?zhuān)骸皬臄?shù)學(xué)的角度上來(lái)說(shuō)，如果是say yes，它本質(zhì)上來(lái)說(shuō)是一個(gè)正向的去解非常復(fù)雜的非線性?xún)?yōu)化問(wèn)題，要找到一個(gè)解是很難的。say no就簡(jiǎn)單多了，只要在空間里面驗(yàn)證一下就好了。”
端到端：擬人化智能的突破
除了接管率的間接數(shù)字表現(xiàn)，這種技術(shù)切換給駕乘體驗(yàn)帶來(lái)的直觀效果也立竿見(jiàn)影。沈劭劼描述了一個(gè)生動(dòng)的場(chǎng)景：假設(shè)車(chē)輛進(jìn)入一個(gè)住宅區(qū)，但路邊停了很多車(chē)，開(kāi)車(chē)往里走，往往就會(huì)出現(xiàn)“鬼探頭”(即一個(gè)人突然從路邊車(chē)輛遮擋的盲區(qū)突然沖出來(lái))的情況。
如果用寫(xiě)規(guī)則應(yīng)對(duì)這種情況，就需要不斷優(yōu)化車(chē)輛對(duì)突發(fā)狀況的響應(yīng)速度，這在數(shù)學(xué)上容易計(jì)算但實(shí)現(xiàn)起來(lái)很難，“會(huì)很容易達(dá)到物理極限”。
但用了端到端方法之后，車(chē)輛系統(tǒng)的突發(fā)響應(yīng)速度并沒(méi)有加快，但你會(huì)發(fā)現(xiàn)，一旦進(jìn)了這些場(chǎng)景，車(chē)就不肯加速了。因?yàn)榇藭r(shí)，車(chē)輛表現(xiàn)出了近似人類(lèi)的預(yù)判能力：不肯加速，就代表智駕系統(tǒng)懂得了這個(gè)場(chǎng)景是有危險(xiǎn)的，需要?jiǎng)x車(chē)慢給“油”。
更有趣的是AEB(自動(dòng)緊急制動(dòng))測(cè)試的變化：“切換到端到端之后，我們很難測(cè)AEB，因?yàn)檐?chē)會(huì)繞開(kāi)障礙物，而不是事到臨頭剎車(chē)。相比起來(lái)，人類(lèi)司機(jī)開(kāi)車(chē)反而還比較容易測(cè)AEB。”
這種變化的本質(zhì)，是因?yàn)闄C(jī)器學(xué)會(huì)了人類(lèi)司機(jī)的直覺(jué)，讓駕駛變得擬人。沈劭劼注意到，很多時(shí)候所謂的危險(xiǎn)接管，并非出現(xiàn)在絕對(duì)意義上的剎車(chē)不及，而是沒(méi)有和其他交通參與者、交通狀況形成一個(gè)默契。
沒(méi)有這個(gè)直覺(jué)，從人類(lèi)司機(jī)看來(lái)，駕駛系統(tǒng)就還是個(gè)機(jī)器，而不是“老司機(jī)”。而我的“為學(xué)日益”到“為道日損”的感受，也就是從這些話語(yǔ)中感悟而來(lái)了。
一開(kāi)始，工程師們勤奮地添加規(guī)則代碼，試圖用百萬(wàn)行程序來(lái)描述汽車(chē)在復(fù)雜世界中應(yīng)該如何行駛。但當(dāng)端到端技術(shù)出現(xiàn)時(shí)，他們發(fā)現(xiàn)真正的突破是減法：讓機(jī)器自己學(xué)會(huì)判斷，而不是被無(wú)數(shù)規(guī)則束縛。
模型有模型的問(wèn)題
不過(guò)，硬幣總有兩面。技術(shù)路線的轉(zhuǎn)換，有驚艷的效果，也有心驚的問(wèn)題，最重要的就是數(shù)據(jù)處理。
這并不意外，在算力算法數(shù)據(jù)的AI三要素，“數(shù)據(jù)墻”的制約，是人們說(shuō)得最多的話題。不過(guò)，從外界來(lái)看，數(shù)據(jù)問(wèn)題往往會(huì)被歸結(jié)為規(guī)模問(wèn)題，也就是數(shù)據(jù)量夠不夠大的問(wèn)題。
但從卓馭看來(lái)，并非如此。
沈劭劼解釋?zhuān)绻袔资f(wàn)輛車(chē)在路上跑，每天的數(shù)據(jù)規(guī)模，光是存儲(chǔ)和傳輸?shù)馁M(fèi)用，都會(huì)很高。更何況，絕大多數(shù)日常行駛數(shù)據(jù)所描述的狀況，其實(shí)都已經(jīng)被抽象、納入模型的參數(shù)中，額外收集再多同類(lèi)并沒(méi)有用。
這就可以歸納出數(shù)據(jù)時(shí)代的一個(gè)重要認(rèn)知：數(shù)據(jù)的價(jià)值在于數(shù)量但也在于質(zhì)量。所以，我們?nèi)绾文馨迅袃r(jià)值的數(shù)據(jù)給挖掘出來(lái)?
最開(kāi)始的做法是人工標(biāo)注：就是所謂的有多少人工，就有多少智能。但隨著數(shù)據(jù)量增長(zhǎng)，卓馭開(kāi)始構(gòu)建更智能的數(shù)據(jù)處理系統(tǒng)：利用車(chē)輛本身的行為特征作為捕捉更有價(jià)值數(shù)據(jù)的信號(hào)，因?yàn)轳{駛員的駕駛行為、接管行為，都可以作為啟動(dòng)數(shù)據(jù)傳輸或者啟動(dòng)關(guān)鍵場(chǎng)景的信號(hào)。換句話說(shuō)，只有某些“有價(jià)值的數(shù)據(jù)”行為出現(xiàn)了，系統(tǒng)才去記錄數(shù)據(jù)。他們甚至在車(chē)上部署了專(zhuān)門(mén)的數(shù)據(jù)挖掘模型。一個(gè)比較小的VLM(視覺(jué)語(yǔ)言模型)，它不負(fù)責(zé)駕駛，但專(zhuān)門(mén)負(fù)責(zé)去發(fā)掘什么樣的數(shù)據(jù)是更有意義的。
算力晴雨表：見(jiàn)證技術(shù)范式的躍遷
能從另一個(gè)角度觀察這場(chǎng)技術(shù)范式變革，和卓馭科技算力變遷的，就是阿里云團(tuán)隊(duì)了。
作為先進(jìn)的AI基礎(chǔ)設(shè)施供應(yīng)商，阿里云從卓馭的AI基礎(chǔ)設(shè)施消耗中看到了清晰的汽車(chē)產(chǎn)業(yè)的智能脈絡(luò)。我們可以將其稱(chēng)之為“算力晴雨表”。
卓馭和阿里云的合作，始于2022年;具體落地場(chǎng)景可分為智駕模型產(chǎn)品和公司業(yè)務(wù)系統(tǒng)兩個(gè)層面。
在智駕模型產(chǎn)品方案層面，卓馭是基于阿里云智算服務(wù) PAI-靈駿訓(xùn)練“分段式的小模型”起步的。
2023年，獨(dú)立運(yùn)營(yíng)后的卓馭，自然會(huì)對(duì)公司業(yè)務(wù)系統(tǒng)提出新要求。此時(shí)，公司做出了一個(gè)關(guān)鍵決策：將內(nèi)部業(yè)務(wù)系統(tǒng)“應(yīng)上盡上”，全部遷移到云端，團(tuán)隊(duì)則選擇專(zhuān)注核心能力，將其他都交給專(zhuān)業(yè)的服務(wù)商，決策的成果不負(fù)期待。
通過(guò)阿里云的數(shù)據(jù)湖倉(cāng)平臺(tái)StarRocks，卓馭實(shí)現(xiàn)了對(duì)千億級(jí)視頻每一幀的存儲(chǔ)標(biāo)注計(jì)算;MEMS、MOM、Lims等工廠智造、供應(yīng)鏈等核心系統(tǒng)也都相繼遷移上云，節(jié)約了大量研發(fā)和運(yùn)維的基礎(chǔ)人力投入。這時(shí)在阿里云的“晴雨表”上，卓馭的通用計(jì)算消耗還是大于智能算力消耗的。
隨著卓馭從規(guī)則走向端到端，雖然接管率在下降，代碼量在下降，但當(dāng)駕駛的決策由模型得出，對(duì)基礎(chǔ)設(shè)施的要求反而提高了。兩個(gè)字：一個(gè)“量”，一個(gè)“質(zhì)”。談“量”，是智能算力的需求，很快超過(guò)了通用計(jì)算消耗。說(shuō)“質(zhì)”，則體現(xiàn)在端到端模式對(duì)基礎(chǔ)設(shè)施提出的全新要求。如果我們把過(guò)去的規(guī)則驅(qū)動(dòng)描述為“單線程”工作，那么端到端訓(xùn)練就像是“多線程并發(fā)”。而成千上萬(wàn)的GPU同時(shí)協(xié)作時(shí)，任何一個(gè)節(jié)點(diǎn)出問(wèn)題，整個(gè)訓(xùn)練就可能前功盡棄。
顯然，訓(xùn)練中斷是工程師們最頭疼的問(wèn)題之一，它意味著多日的計(jì)算量付諸東流。智算服務(wù)PAI-靈駿針對(duì)這些挑戰(zhàn)做了系統(tǒng)性?xún)?yōu)化。舉個(gè)例子：如果某個(gè)訓(xùn)練節(jié)點(diǎn)出現(xiàn)故障，首先系統(tǒng)能自動(dòng)隔離問(wèn)題節(jié)點(diǎn)并快速恢復(fù)訓(xùn)練;其次，3.2Tbps的RDMA網(wǎng)絡(luò)帶寬則讓海量的模型參數(shù)能夠在節(jié)點(diǎn)間快速流轉(zhuǎn);最后，智能調(diào)度系統(tǒng)則像一個(gè)精明的“資源管家”，確保每一份算力都用在刀刃上。
在推理端，情況同樣復(fù)雜。車(chē)載芯片的算力限制要求在保證精度的前提下讓模型跑得更快、更省資源。為此，阿里云人工智能平臺(tái)PAI提供的量化工具鏈能夠在盡可能少損失精度的情況下，大幅提升模型的推理效率，這就直接帶動(dòng)了車(chē)輛的響應(yīng)速度和能耗表現(xiàn)。
雖然AI算力需求在增加，但是和算力優(yōu)化一點(diǎn)不矛盾，反而相輔相成。我最近和阿里云不同團(tuán)隊(duì)交流時(shí)，確實(shí)體會(huì)到了阿里云的一種算力價(jià)值觀：一方面阿里云關(guān)注客戶(hù)算力需求增長(zhǎng);但另外一方面，他們實(shí)際上更在意客戶(hù)算力的用法。
如果某個(gè)客戶(hù)能把算力用得很極致，把每一分算力都用在刀刃上，反而會(huì)讓阿里云多關(guān)注，去推動(dòng)讓這種極致走得更遠(yuǎn)。卓馭就屬于這種情況。我理解這個(gè)價(jià)值的邏輯是，能把技術(shù)用漂亮，業(yè)務(wù)也會(huì)做漂亮。能把先進(jìn)技術(shù)用到極致，同樣業(yè)務(wù)也會(huì)做得很成功。
說(shuō)到價(jià)值觀，我也問(wèn)卓馭科技和阿里云雙方，為何能夠一拍即合緊密配合，沈劭劼和李強(qiáng)的回答是一致的：商務(wù)上秉持簡(jiǎn)單高效的工作理念，溝通透明;技術(shù)上堅(jiān)持長(zhǎng)期主義，追求底層邏輯。
因?yàn)榛仡欉^(guò)往，阿里云是最早深耕智駕領(lǐng)域客戶(hù)的云服務(wù)商，在不斷的業(yè)務(wù)迭代過(guò)程中，阿里云從產(chǎn)品能力、框架優(yōu)化能力、算子庫(kù)等多技術(shù)板塊針對(duì)智駕場(chǎng)景做了非常多的優(yōu)化落地。而正是這樣的高效開(kāi)發(fā)效率，促成了雙方的相互成就。同時(shí)，卓馭在業(yè)務(wù)高速發(fā)展過(guò)程中也帶動(dòng)了阿里云產(chǎn)品和技術(shù)的持續(xù)領(lǐng)先，這是真正意義上的攜手共進(jìn)，這就是三觀一致、互相成就。
有意思的是，卓馭這個(gè)先行者的AI算力晴雨表，也是整個(gè)中國(guó)汽車(chē)產(chǎn)業(yè)智能化晴雨表的縮影。李強(qiáng)提供的一組數(shù)字佐證了這一點(diǎn)。在他所服務(wù)的阿里云AI汽車(chē)行業(yè)線，在今年3月份的某一天，AI算力的收入已經(jīng)超過(guò)了CPU通用算力。到5月底AI算力占比已經(jīng)接近56%。
軟硬一體化，艙駕一體化，背后是一種技術(shù)美學(xué)
在卓馭的官方資料中，軟硬“一體化”是經(jīng)常出現(xiàn)的高頻詞。我自然也在對(duì)話中，希望對(duì)此作一番探究。
沈劭劼告訴我，這背后體現(xiàn)的理念是局部?jī)?yōu)化和系統(tǒng)優(yōu)化的區(qū)別。他用一個(gè)“雙目攝像頭”的例子做了具體闡述。
卓馭現(xiàn)在所有的智能輔助駕駛方案都是用雙目的，沈劭劼解釋?zhuān)哼@個(gè)選擇看似簡(jiǎn)單，但其實(shí)有深層的系統(tǒng)性考量。雙目有立體視覺(jué)，和人眼類(lèi)似，這就讓它天然具備物理特性，更擅長(zhǎng)識(shí)別和躲避路面的障礙物。
更重要的是，這種選擇的價(jià)值不僅在技術(shù)層面，更體現(xiàn)在成本控制的系統(tǒng)優(yōu)化層面。這可能有點(diǎn)反直覺(jué)，怎么增加了“一目”，反而成本更可控。道理在于功能互換。
智能駕駛系統(tǒng)有要解決“傳感”、“算力”、“數(shù)據(jù)”、“算法”四座大山的說(shuō)法。它們遵循木桶理論，每一個(gè)都不能有明顯的短板，但它又是一個(gè)奇怪的木桶。一塊木板更長(zhǎng)，就能夠讓另一塊木板無(wú)需太長(zhǎng)。也就是說(shuō)，因?yàn)橛秒p目硬件能實(shí)現(xiàn)的性能，如果改換用算力實(shí)現(xiàn)，成本會(huì)非常高。
換言之，有了雙目攝像頭，模型的參數(shù)規(guī)模就可以縮小，成本就可以大幅度降低。顯然，這里對(duì)應(yīng)的，不僅是卓馭的交付成本，更是主機(jī)廠客戶(hù)的車(chē)輛成本。
因此，沈劭劼算了一筆賬：雙目不只是裝在車(chē)上的硬件的錢(qián)，它是整個(gè)體系運(yùn)作起來(lái)的成本。甚至事關(guān)到底一年需要用5個(gè)億來(lái)做模型訓(xùn)練，還是需要用50個(gè)億來(lái)做模型訓(xùn)練。
這也體現(xiàn)了卓馭對(duì)"軟硬一體"的深層理解：前后端的東西是會(huì)互相影響的，它們是需要一起權(quán)衡、一起優(yōu)化的東西，也就是“一體化”。而這種技術(shù)理念，也體現(xiàn)在智能艙駕方案中。卓馭原來(lái)只做駕駛系統(tǒng)，但現(xiàn)在也將座艙系統(tǒng)納入業(yè)務(wù)范圍，玩法是“駕艙一體化”。項(xiàng)目正在有序進(jìn)行中，預(yù)估10月份就會(huì)量產(chǎn)。
所謂艙駕一體，顧名思義，就是將座艙和智駕功能集成在一個(gè)平臺(tái)上。我自然要問(wèn)沈劭劼，卓馭為什么這么在意“一體化”設(shè)計(jì)?
他給了我一個(gè)“意料之外、情理之中”的答案：“某種程度上這是一種技術(shù)美學(xué)”， “所有漂亮的工程方案，它的軟件硬件算力各種資源，擺放分布，應(yīng)該讓人看到就覺(jué)得是剛剛好的，不多也不少。而要做到這種剛剛好，只有靠一體化設(shè)計(jì)才能做到(聽(tīng)到這句話的時(shí)候，我突然想到了喬布斯時(shí)期的蘋(píng)果)。
這種技術(shù)美學(xué)，自然也能產(chǎn)生經(jīng)濟(jì)效益。沈劭劼說(shuō)，“我們的座艙里會(huì)跑VLM模型做場(chǎng)景識(shí)別”，但如果艙駕分離，就需要在兩個(gè)位置部署類(lèi)似功能，消耗1.7倍的算力，如果合起來(lái)設(shè)計(jì)，就會(huì)“不多也不少”、“算力剛剛好”。就VLM本身的能力，目前阿里通義系列大模型堅(jiān)定開(kāi)源路線，持續(xù)為各行業(yè)客戶(hù)提供開(kāi)源VL大模型的能力，Qwen VL系列和全模態(tài)大模型目前也是各個(gè)車(chē)企和座艙方案供應(yīng)商的首要選擇。
更直觀的體現(xiàn)是360全景功能的實(shí)現(xiàn)。在傳統(tǒng)架構(gòu)中，環(huán)視相機(jī)接到駕駛控制器，處理完成后再通過(guò)車(chē)載以太網(wǎng)傳輸?shù)阶擄@示，這種設(shè)計(jì)既消耗算力，又影響體驗(yàn)——如果駕駛控制器沒(méi)啟動(dòng)完，用戶(hù)就會(huì)看到黑屏。
但用一體化設(shè)計(jì)就簡(jiǎn)單了。“共享內(nèi)存而已，誰(shuí)想用誰(shuí)用”。這種“剛剛好”的一體化技術(shù)理念，其實(shí)也是一種“為道日損”的工程哲學(xué)——不是功能的簡(jiǎn)單堆疊做加法，而是資源的優(yōu)雅整合做減法。
端到端、VLA、世界模型
在我和李強(qiáng)、沈劭劼的播客訪談中，我也沒(méi)放過(guò)機(jī)會(huì)，和他們談到了很多未來(lái)性議題。
端到端技術(shù)顯然并非是智駕的終局，新的范式還在不斷涌現(xiàn)，比如：VLA、(生成式)世界模型等等，只有端到端，智駕系統(tǒng)對(duì)復(fù)雜的場(chǎng)景的理解能力會(huì)不足，沈劭劼告訴我他的思考，例如車(chē)輛左轉(zhuǎn)之后，到底進(jìn)主路還是輔路?路口有好多個(gè)車(chē)道，有三條車(chē)道，到底挑哪條?這些決策很明顯不是用“小腦系統(tǒng)”能解決的，都需要用“大腦系統(tǒng)”介入。
因?yàn)槎说蕉烁袷侨祟?lèi)的小腦反應(yīng)，而復(fù)雜的路線選擇需要大腦思考。這種認(rèn)知推動(dòng)著技術(shù)向更高層次進(jìn)化，也促使卓馭深挖VLA(Vision-Language-Action)。這里我們稍微解釋一下VLA。VLA模型是基礎(chǔ)模型的一種，它允許機(jī)器通過(guò)整合視覺(jué)環(huán)境信息和語(yǔ)言指令來(lái)執(zhí)行復(fù)雜任務(wù)并生成相應(yīng)行動(dòng)。這些模型致力于在單一計(jì)算框架內(nèi)統(tǒng)一感知、自然語(yǔ)言理解和具身行動(dòng)能力。
具體而言，VLA 智能系統(tǒng)能夠協(xié)同處理視覺(jué)輸入，理解自然語(yǔ)言指令，并在動(dòng)態(tài)環(huán)境中生成可執(zhí)行的動(dòng)作。這標(biāo)志著一個(gè)重要的轉(zhuǎn)變——從過(guò)去將視覺(jué)、語(yǔ)言和行動(dòng)視為分離的領(lǐng)域，到如今將它們整合為一個(gè)有機(jī)的整體。
有了VLA建立語(yǔ)義級(jí)別的場(chǎng)景理解能力，就能比較輕松解決主輔路選道的策略問(wèn)題了。對(duì)VLA技術(shù)的落地時(shí)間，沈劭劼比較樂(lè)觀：如果比較快的話，應(yīng)該今年下半年就會(huì)出來(lái)。而更大的想象空間則在于世界模型。
所謂世界模型，是指機(jī)器能夠根據(jù)給定世界的當(dāng)前狀態(tài)和一個(gè)動(dòng)作，預(yù)測(cè)世界在下一個(gè)時(shí)刻的狀態(tài)。換句話說(shuō)，它讓AI智能體能夠在采取實(shí)際行動(dòng)之前，在自己的“腦海”中進(jìn)行“想象”和“推演”，預(yù)見(jiàn)不同行為可能帶來(lái)的后果。
沈劭劼用一個(gè)例子來(lái)說(shuō)明世界模型的能力：假如前面的車(chē)掉了個(gè)鋼卷，而車(chē)輛的模型訓(xùn)練數(shù)據(jù)里面沒(méi)見(jiàn)過(guò)這東西，顯然就很危險(xiǎn)。但有了世界模型，系統(tǒng)就可以基于物理運(yùn)動(dòng)做分析，知道這東西絕對(duì)不能碰。
這就是世界模型與當(dāng)前技術(shù)的本質(zhì)區(qū)別：不是基于既有數(shù)據(jù)的模仿學(xué)習(xí)，而是基于對(duì)物理世界的理推演決。但對(duì)這個(gè)未來(lái)路線，沈劭劼也很坦誠(chéng)：“實(shí)話實(shí)說(shuō)，怎么真正做出來(lái)，我們現(xiàn)在還不清楚。目前，這是一個(gè)許愿”。
從端到端，到VLA，再到世界模型，這個(gè)技術(shù)演進(jìn)軌跡很清楚，就是返璞歸真。所以，我想其實(shí)也恰如老子的哲思：每一次架構(gòu)變化，都是“為道日損”的簡(jiǎn)化，都為下一輪探索奠定了基礎(chǔ)。
不過(guò)，雖然世界模型還是許愿階段，L3級(jí)別的智能駕駛并不是。
對(duì)于L3的時(shí)間表，沈劭劼表示“ L3的最終落地會(huì)是一個(gè)后驗(yàn)的事情。與其一開(kāi)始就追求完美的L3系統(tǒng)，不如先讓L2++系統(tǒng)在實(shí)際道路上積累足夠的安全數(shù)據(jù)。比如：什么時(shí)候車(chē)輛在1萬(wàn)個(gè)小時(shí)的智駕運(yùn)行中，事故不大于一次的時(shí)候，就可以自然而然地被認(rèn)定為是L3標(biāo)準(zhǔn)的系統(tǒng)。”
在絕大多數(shù)時(shí)間，我和兩位專(zhuān)家談的是技術(shù)，但到后來(lái)，話題自然而然地轉(zhuǎn)移到企業(yè)使命上。
卓馭的公司愿景是“為所有人提供安全輕松的出行體驗(yàn)”，聽(tīng)起來(lái)很樸實(shí)，但沈劭劼解釋?zhuān)骸斑@其實(shí)是一個(gè)科技平權(quán)的宣誓，‘安全’這個(gè)準(zhǔn)繩時(shí)時(shí)刻刻提醒我們做的是一個(gè)跟人命相關(guān)的東西，不能開(kāi)玩笑。而‘輕松’，則是我們所追求的產(chǎn)品體驗(yàn)。”
每次遇到創(chuàng)業(yè)者，我都問(wèn)時(shí)間分配的問(wèn)題，沈劭劼用了一個(gè)通信術(shù)語(yǔ)描述自己：我現(xiàn)在是TDMA系統(tǒng)(TDMA是一個(gè)通信領(lǐng)域的技術(shù)名詞，中文叫時(shí)分多址，可以實(shí)現(xiàn)在同一信道上使用不同的時(shí)間段，允許多個(gè)用戶(hù)進(jìn)行通信。沈老師的“TDMA”比喻自然意味著他要利用所有的時(shí)間間隙，應(yīng)對(duì)來(lái)自四面八方的任務(wù))。首先，他要確保企業(yè)產(chǎn)品技術(shù)路線上不走歪，技術(shù)修養(yǎng)肯定不能“丟”，其次，“要保證團(tuán)隊(duì)在客戶(hù)交付上有高配合度”。
總之，不在技術(shù)和管理之間非此即彼的選擇，而是通過(guò)時(shí)間分配實(shí)現(xiàn)整體優(yōu)化，似乎這也是一種“一體化”哲學(xué)啊!
最后收尾時(shí)，我問(wèn)沈劭劼，作為AI從業(yè)者，你選什么車(chē)?他說(shuō)自從進(jìn)了智能駕駛這個(gè)行業(yè)之后，開(kāi)車(chē)就變成了一種工作。第一：車(chē)一定是用了自己方案的車(chē)，每天開(kāi)的車(chē)都不一樣;第二：一邊開(kāi)一邊給工程師提Bug。正可謂上車(chē)即上班。
李強(qiáng)也講，“我選車(chē)，一是要主流的、智能化的產(chǎn)品;二是如果實(shí)力允許，每家客戶(hù)的車(chē)都應(yīng)該來(lái)一臺(tái)”。
老子《道德經(jīng)》第一章還有一句很出名的話，“道可道，非常道”，如果道是可以言說(shuō)的，那么它就不是永恒不變的道。這句話也適合講智能駕駛，如果駕駛規(guī)則是可以一條條講出來(lái)的規(guī)則，那就不是智能駕駛的真諦。
沈劭劼說(shuō)世界模型還在許愿，但是我感覺(jué)這是一種謙虛。因?yàn)椋麄兛刹皇侵辉谠S愿等待，而是親自上手實(shí)干。不過(guò)，就讓我們用這個(gè)詞表達(dá)一下期許吧，期待“世界模型”許愿成功的那一天。(來(lái)源：至頂科技)
