智驾的终局是物理AI，L4可能比L3更快？｜对话千里智驾CTO杨沐

作为经典的特斯拉 HW3.0 车主，老修是彻彻底底被马斯克画的饼坑到了姥姥家。等了三年又三年，结果他轻飘飘地告诉老修硬件落后，直接不支持了？老车主被物理“斩杀”，毫无还手之力！但这还不是最恐怖的，最恐怖的是我猛然发现，现在市面上天天吹嘘的端到端、物理AI，很可能根本就没触及终局！而大家眼巴巴盼着的完美 L3 自动驾驶，可能永远只是个画出来的大饼，反倒是看起来更遥远的 L4，会以你根本想象不到的速度直接降临，把那些还在吹嘘 L3 的车企一波流带走！吓惨了吗？你是不是觉得我在扯淡？来，今天我给你彻底扒一扒这智驾！

其实智驾不需要高级智能，但需要...

自动驾驶吹了这么多年，到底进化到哪了？我给你捋捋这血淋淋的迭代史。

2019年前，大家搞的叫 RV（雷达视觉），就像个只知道往前看的一根筋，两眼一抹黑。到了2022年，搞出了 BEV（鸟瞰图），把侧面7个摄像头加上前面的主激光雷达拼接起来，算是开了个360度全景天眼，终于跟人类的视角完全对标了。到了2025年，也就是现在，端到端火了，大家都觉得自动驾驶已经牛逼坏了，恨不得立刻撒手不管了。

但你真以为它长脑子了？扯淡！

现在的端到端方案，顶多算是个四肢发达、小脑长好了的“弱智”！什么意思？这就好比，小脑能帮你维持平衡、躲避障碍，把运动神经拉满了。但它懂什么是“江湖规矩”吗？

来个水坑，路中间长了个奇形怪状的石柱，突然窜出来一群动物，它能认出来吗？你遇到窄道汇入、遇到叉车加塞、极窄路段会车，老司机是怎么干的？老司机是靠察言观色！看前车轮胎稍微转了个30度，看对方司机手伸出来比划了一下，甚至隔着玻璃看他眼神不对做个示意，就知道这孙子要插队。这叫什么？这叫因果关系推理！

而现在的智驾懂个屁的因果推理啊？它的底层逻辑就是模仿学习，它的本质就是在不带任何智商的前提下，去尝试拟合你的行为，这就是一种死板的概率分布修正。它根本没有因果推理能力，遇到这种复杂的交互博弈，立刻就得抓瞎！所以说，现在的自动驾驶，小脑是发育好了，但智商还停留在3岁，现在必须得给它疯狂“鸡娃”，把智商硬拔到10岁才行！

世界模型和 VLA？那就是给司机配个“神级领航员”

那到底怎么给这三岁的弱智鸡娃？难道给它塞个爱因斯坦的大脑进去吗？

最近大家都在吹什么“世界模型”、“VLA（视觉-语言-动作模型）”，听得耳朵都起茧子了，觉得这玩意离我们普通老百姓十万八千里。其实戳破了窗户纸，根本没那么玄乎！

世界模型是个啥？它就是提出，必须用一种稠密的特征来表征这个世界。我不管你后续怎么处理，我必须先把这个世界的一草一木、风吹草动都清清楚楚地编码进系统里，它就是一个完美的仿真器。

那 VLA 呢？就是想用大模型（LLM）的思维链能力，来弥补自动驾驶最缺乏的逻辑推理。

你以为物理 AI 就是一个超级模型解决所有问题吗？你以为它是一个神仙，能把所有事情全包了？做梦呢！

这事儿的本质，相当于车子本身是一个底层的“司机”，专门负责踩油门和刹车；而大模型，就是坐在副驾驶的一个“神级领航员”。

常规路况下，司机自己开就行了；一旦遇到搞不定的神仙路况，司机直接转头问领航员：“大哥，前面这孙子想加塞，我咋办？”这时候，领航员靠着世界模型的理解和大模型的因果推理，瞬间给出一个最优解。大家提世界模型也好，提VLA也好，本质就是怎么把这两个已经存在于大模型的能力，引入到现在的自驾基础范式里，我不让既有能力回退，同时我又具备了新的推理能力。

别看现在很多大模型的 Demo 演示的时候像个下凡的仙女小龙女，一到你手里就变成了买家秀的贾玲。为啥？因为如果你的基础模型（基模）能力太差，没有那些自驾的数据底子，你后期再怎么做后处理（Post-training），它的上限都极其可怜！你连最基本的路况都识别不对，你还指望它能推理？

特斯拉在国内？可能连个车位都抢不到！

说到这，我知道肯定有人又要跪舔特斯拉了。确实，特斯拉 FSD 在北美，从第一性原理来看，那绝对是世界级的第一梯队，无可厚非。

但它一旦到了国内呢？说句难听的，它可能连个老头乐都躲不开！这是为什么？

因为特斯拉那套端到端能牛逼，是靠全北美乃至全世界的海量数据喂出来的。你每踩一脚刹车，每次乱转一下方向盘，数据都能瞬间回流给它训练。

但你到了国内，能这么玩吗？第一，很多敏感地方你根本进不去，必须得隔离。第二，它的数据收集面临极大的图商资质等法规阻碍。

更致命的是，它只能从自己的车主身上收集数据。而像老修这种被淘汰的 HW3.0 老车主，我们的老车根本无法给它的新模型提供任何帮助！它想要在国内实现从0到1的数据循环闭环？抱歉！

200B 的大模型？你调的可能只是个“小老弟”

这时候你肯定要倒吸一口凉气了：给车装上这么牛逼的世界模型、物理大脑，这车的硬件成本不得上天啊？这车我这辈子还买得起吗？是不是得卖我几百万？

你这也太小看资本家精打细算的刀法了！

我问你，你以为你现在调用的那些号称 200B（两千亿参数）的云端大模型，每一次都是那个超级大脑在亲力亲为地回复你吗？

别做梦了！平时你问个“今天天气咋样”，后台直接扔个 5B 的小模型，像打发要饭的一样就把你打发了。只有当你急眼了开始骂人，或者扔给它一道微积分的高级题，它后台识别到你需要高级智商了，才会真正去调用那个 200B 的庞然大物。

车端不也是一样的道理吗？杀鸡焉用牛刀！如果只是在市区里开个车切个菜，又不是让你去造原子弹、当全能的具身智能家教，需要那么惊天地泣鬼神的高智商吗？

完全不需要！未来绝对是通过云端协同，或者把大模型精准裁剪，搞出一个十几二十万的平民版。你以为你买的是个满级号，其实平常跑的都是新手村配置，只有在面对极其变态的复杂路况时，它才会调用一点真本事！所以，别担心买不起，主流入门版绝对能让你消费得起。

L4 极大概率会比 L3 来得更快！

好了，最颠覆认知的逻辑来了。现在全行业都在等 L3 自动驾驶的普及，但我今天就把话放在这：L4 极大概率会比 L3 来得更快，而且快得多！

为什么会得出这么反常识的结论？

因为L3 意味着商业模式和责任主体的一次彻彻底底的变更。你的保险怎么算？责任谁来定？整个链条要重写！而且 L3 是要卖给普通消费者的。你要知道，消费者是这个世界上最难伺候的神仙！你把一个号称完美的 L3 卖给他，他可是把你当全能神来要求的，他要求你的系统在任何极端天气、任何变态路况下都完美无缺。只要稍微出点差错，哪怕只是一次没刹住，他都能把你祖宗十八代骂翻在热搜上。

为了伺候好消费者，车企要投入海量的人力物力去填补那些永无止境的长尾场景，这笔账在商业上根本算不过来！

但是 L4 呢？L4 是运营方驱动的！它是以纯粹的商业用途为导向。只要能赚钱，我就在特定的运行设计域里跑就行了。遇到搞不定的死角咋办？很简单，这个区域我不开放运营不就完了吗！实在不行，我提前告知消费者，然后通过云端辅助手段接管。

只要商业逻辑闭环了，投资回报率（ROI）算得过来，L4 就能直接落地赚钱。

这不就是纯粹的降维打击吗？

当 L3 还在为了讨好消费者而在无尽的代码里苦苦挣扎的时候，L4 早就靠着特定场景的商业运营开始疯狂收割市场了！

不过说真的，老修作为一个被特斯拉坑了整整四年的老韭菜，现在唯一的愿望就是：以后上车，前面方向盘直接给我拆了，腾个地儿让他放杯茶泡个枸杞写代码。至于这车是 L3 还是 L4，只要别再让他等“三个两年”，哪怕你是人工智障他都认了！

越是完美的大饼，越是资本的镰刀！