劉澍泉對話周光:順應人工智能2.0，端到端讓自動駕駛更有“人味”

随着人工智能浪潮的發展，端到端模型在自動駕駛領域嶄露頭角，通過将感覺、規劃、決策等關鍵子產品整合到統一的神經網絡之中，讓自動駕駛更像人類司機一樣駕駛，進一步推動了高階智駕的量産程序，也随之催生了對資料、算力等底層基礎設施的新需求。

近期，元戎啟行CEO周光邀請騰訊智慧出行副總裁劉澍泉，在北京市區道路上體驗了雙方合作打造的業内首個“無圖”（僅使用導航地圖）高階智能駕駛量産方案，并圍繞自動駕駛量産、人工智能2.0時代等話題展開了一場精彩對話。

周光認為，智能汽車是打開實體世界通用人工智能的鑰匙。智能汽車是人類首個達到千萬級資料體量的機器人，對實體世界形成了海量共識的了解，将沉澱形成一個實體世界的基礎模型，未來也會更容易遷移到其他機器人場景。周光表示，元戎啟行一直順應人工智能的發展，在端到端、大語言模型、生成式AI為核心的人工智能2.0時代，元戎啟行能夠早于行業多數人意識到并發掘這個事情，是一種來自于技術上的直覺。

面向自動駕駛領域，騰訊扮演的是一個比較純粹的數字助手角色。劉澍泉表示，騰訊面向行業提供自動駕駛雲、合規雲以及地圖相關的服務。希望和衆多的合作夥伴，把整套的雲加端的一個架構打通，進而通過高速的疊代、資料訓練不斷優化算法。

在今年1月份的CES期間，元戎啟行與騰訊宣布在地圖領域達成合作，推出了行業首個僅使用導航地圖資料的高階智駕量産方案，預計将于今年投入消費者市場。

以下是雙方對話節選：

智能汽車是打開實體世界通用人工智能的鑰匙

劉澍泉：今年越來越多有智能駕駛功能的車上市，而且價格在不斷的下探，疊代在加快，整體的這個技術路線、方案路線慢慢開始趨同了，我想聽聽你的看法。

周光：經曆了一年“無圖”的方案，我覺得已經形成了行業的共識了，我們的這個方案是業内首個僅使用導航地圖的自動駕駛方案，能夠提供非常優質的城市NOA自動駕駛體驗。

我們做了泛化測試，涉及了大概數十個城市，整體來說，我覺得騰訊地圖的資料的品質還是挺高的。但可能在一些個别的城市，我們還是會有一些更新的問題，一些像二線、三線城市，它們修路的速度比較快，它的道路拓撲結構改變了，這種可能還需要做一些更新。但我相信随着高階自動駕駛量産，有了實時的回報，地圖的更新也會更快。

劉澍泉：其實這就是騰訊所謂的雲圖一體嘛。通過這種雲加端的架構，當車輛發現實體世界的差異，實時地把這種差異傳回到雲端，我們再做更新地圖下發下來。

劉澍泉：要怎麼了解，智能汽車是打開實體世界通用人工智能的鑰匙呢？

周光：其實更早一點的自動駕駛系統，是經典機器人，都有感覺決策定位子產品。這些子產品都是特殊針對這個場景所設計的，缺乏了實際上的通用性。而端到端的智能駕駛系統是由神經網絡驅動的，包含感覺子產品、決策子產品，通過神經網絡、向量矩陣直聯，并沒有預先定義好的接口，是以它也是适用于機器人的。

我認為人類首個能達到千萬級的機器人就是智能車，其他的機器人是不可能有這麼多海量資料的，當你有了千萬級的海量資料之後，慢慢地你會對實體世界形成一些共識的了解，你會對這個實體世界有一個基礎模型，以後把這個模型遷移到其他機器人場景是更加容易的。

劉澍泉：元戎啟行是準備怎麼達成這樣的目标呢？

周光：這不是一步就能達到，其實我們也前前後後經曆了非常多的階段，第一個階段就是多傳感器前融合，而且做了點雲渲染。

但是在那個時間點上，其實還沒有想到居然會成為端到端的一個環節。比如說今天我們這個車有七個攝像頭，一個雷射雷達。在前融合階段之前，它需要有不同的七個算法，都去負責感覺，然後做後端的融合，再去開這個車。做前融合實際上是把所有的東西放在一個坐标系裡面，用統一的算法來做感覺識别。

前融合是第一步，第二步是去高精地圖。高精地圖其實是能幫助我們做進階的語義判斷，比如說像今天我們開車，不僅僅隻是要看周圍的100米，可能你需要知道這個路的曲率等比較難的任務，都是交給這個地圖了。随着人工智能的發展，我們意識到，下一步其實我們是可以通過神經網絡把靜态元素、道路拓撲全部都複現，就有了這個“無圖”的方案。

元戎啟行從2020年初期開始的，前前後後經曆過兩年的時間，在2022年首次達到了一個相對還可以的效果，在2023年我們就把所有的動靜态的感覺放在同一個神經網絡裡面做。但是在那個點上我們就意識到了我們一直都要做減法。于是我們又做了下一件事：用資料驅動的預測決策系統。整個系統形成了兩個子產品，感覺大模型以及規劃決策大模型。

在去年年初的時候我們意識到，這兩個模型其實通過這個神經網絡直聯，就是一個資訊無減損的端到端結構。是以去年8月份就跑通了端到端，到今年3月份的時候，在NVIDIA的GTC大會上，我們對外官宣。

圖、雲一體化，為智能駕駛量産提供底層“加速器”

周光：剛才聊了很多關于元戎的端到端的技術，我現在也想問一下騰訊作為一個雲商也是一個圖商，怎麼去面對這個賽道？騰訊的優勢在于哪裡？

劉澍泉：首先我們的戰略定位是非常清晰的。騰訊做的是一個比較純粹的數字助手角色，面向行業去提供自動駕駛雲、合規雲以及導航、地圖相關的一些服務。

我覺得有幾個比較有特色的服務：首先，剛才提到，我要有一個端到端的網絡，但是在這個過程中你必須要有一個更精準的導航服務，它需要更精準的車道級的連接配接性，像騰訊從去年開始做的，也是雙方把導航的能力和元戎端到端的大模型算法結合起來，去達到最好的調優狀态。

第二點，自動駕駛相關的業務它是一個強資料驅動類的業務，是以它一定會需要更高的算力，更高的存儲以及更廣泛的網絡覆寫，這一塊是騰訊雲的強項。我們把網絡、存儲、計算統一，能夠做到更高的成本效益，在這個方面也有一些優秀案例：例如和NVIDIA的合作、和博世的合作，當然也包括和元戎的合作。形成整體的一個資料閉環。我們特别希望和衆多的合作夥伴，把整套的雲加端的一個架構打通，進而通過高速的疊代、資料的訓練再去finetune我們的這樣一個算法。

順應人工智能2.0時代潮流，端到端讓自動駕駛更“有人味”

劉澍泉：實際上自動駕駛端到端的模型，它是把感覺規控一體化的輸入進來，最後得到一個更像人的一個決策結果，是以這個過程是一個偶然嗎？還是說從一個學術發展也好，或者說技術演進裡面有這樣一個預判？有這樣一個推導嗎？

周光：我覺得是有這種感覺：就是說從一開始做融合、做BEV，都是你感覺這樣是對的，但是你其實不知道終局的。因為當時那個點上還有這個高精度地圖之争、後融合前融合之争，但是直到你看懂了端到端的時候你會發現，其實你所有的鋪墊都是為了最後這一步——做一套端到端系統DeepRoute IO。

我們最大的優勢就是我們一直順應了人工智能的發展，尤其是人工智能2.0時代，2.0時代就是端到端、大語言模型、生成式，分别針對了語言的、數字生成式的以及這個機器人實體實踐，我們能夠早于行業多數人去意識到、去發掘到這個事情，然後去開始去投入布局。可以說這是一種來自于技術上的直覺。

劉澍泉：您提到了一個很重要的點，就是今天感覺的模型規控模型之間的這個直通，在這一塊的話你有什麼可分享的技巧嗎？

周光：我們做一個生物學的解剖：我們人腦肯定是一個神經網絡，但是它也會分為感覺、視覺和語言中樞各種子產品。今天的端到端它也是由不同功能的子產品構成的，隻不過都是通過直聯，這個直聯其實牽涉到你的訓練方法、你的訓練步驟、你的資料，這個其實是今天的核心競争力，真的不是那些網絡。

劉澍泉：今天我們有了一個端到端的大模型，但是模型參數太多了，模型太大了，我們今天算力是受限的。怎麼能夠把它去合理的“減脂”，把它部署到車上呢？

周光：今天的端到端大模型它也并不是一個完全Transformer-based，是以說它對算力的需求相對來說沒有那麼大，另外來講，一個端到端系統它并不意味着它一定就是大，像我們這次的産品叫DeepRoute IO，IO就是input、output（輸入、輸出），它隻是講你是input，然後我有output，中間沒有人類程式設計而已。端到端跟大模型是兩碼事，會根據你資料的情況、你的網絡的容量情況以及你要達到的場景情況，去選合理選擇你的模型大小。當然你基本的這些模型優化裁剪，這就是一些基本功了。

劉澍泉：自動駕駛過程中經常遇到一些特殊場景，要面對車流、行人、自行車等等大量不确定的因素，像這種情況元戎有什麼自己的獨門絕技嗎？

周光：之前的這種預測都是基于速度推斷的，就是做一個勻速的假設或者做一些速度的二階導，這是比較初級的做法，基于資料驅動的、基于端到端的這個預測，會是更加豐富的一個預測場景。比如說在一個安全島上的一個人，可能你的預測是他不太會亂跳下來，但是在路口的一個人他可能就竄出來機率比較高，它會考慮整個場景的前後表現，這樣車子開起來就很“有人味”。

劉澍泉：剛才，周光博士提到了打造實體世界通用人工智能大門這樣的一個願景，騰訊也有一個願景：做好數字化助手、做好底層的雲服務、做好底層的地圖服務、做好大模型的基礎設施，我們共同打造整體的一個合作夥伴體系，共同去打開實體世界的大門，我認為是我們的共同的一個偉大的目标。

周光：我覺得我們在整個的這個産業鍊、生态鍊、還要繼續攜手，然後一起共赢，向着目标前進。