智駕的終局是物理AI，L4可能比L3更快？｜對話千里智駕CTO楊沐

作為經典的特斯拉 HW3.0 車主，老修是徹徹底底被馬斯克畫的餅坑到了姥姥家。等了三年又三年，結果他輕飄飄地告訴老修硬件落後，直接不支持了？老車主被物理“斬殺”，毫無還手之力！但這還不是最恐怖的，最恐怖的是我猛然發現，現在市面上天天吹噓的端到端、物理AI，很可能根本就沒觸及終局！而大家眼巴巴盼著的完美 L3 自動駕駛，可能永遠只是個畫出來的大餅，反倒是看起來更遙遠的 L4，會以你根本想象不到的速度直接降臨，把那些還在吹噓 L3 的車企一波流帶走！嚇慘了嗎？你是不是覺得我在扯淡？來，今天我給你徹底扒一扒這智駕！

其實智駕不需要高級智能，但需要...

自動駕駛吹了這麼多年，到底進化到哪了？我給你捋捋這血淋淋的迭代史。

2019年前，大家搞的叫 RV（雷達視覺），就像個只知道往前看的一根筋，兩眼一抹黑。到了2022年，搞出了 BEV（鳥瞰圖），把側面7個攝像頭加上前面的主激光雷達拼接起來，算是開了個360度全景天眼，終於跟人類的視角完全對標了。到了2025年，也就是現在，端到端火了，大家都覺得自動駕駛已經牛逼壞了，恨不得立刻撒手不管了。

但你真以為它長腦子了？扯淡！

現在的端到端方案，頂多算是個四肢發達、小腦長好了的“弱智”！什麼意思？這就好比，小腦能幫你維持平衡、躲避障礙，把運動神經拉滿了。但它懂什麼是“江湖規矩”嗎？

來個水坑，路中間長了個奇形怪狀的石柱，突然竄出來一群動物，它能認出來嗎？你遇到窄道匯入、遇到叉車加塞、極窄路段會車，老司機是怎麼幹的？老司機是靠察言觀色！看前車輪胎稍微轉了個30度，看對方司機手伸出來比劃了一下，甚至隔著玻璃看他眼神不對做個示意，就知道這孫子要插隊。這叫什麼？這叫因果關係推理！

而現在的智駕懂個屁的因果推理啊？它的底層邏輯就是模仿學習，它的本質就是在不帶任何智商的前提下，去嘗試擬合你的行為，這就是一種死板的概率分佈修正。它根本沒有因果推理能力，遇到這種複雜的交互博弈，立刻就得抓瞎！所以說，現在的自動駕駛，小腦是發育好了，但智商還停留在3歲，現在必須得給它瘋狂“雞娃”，把智商硬拔到10歲才行！

世界模型和 VLA？那就是給司機配個“神級領航員”

那到底怎麼給這三歲的弱智雞娃？難道給它塞個愛因斯坦的大腦進去嗎？

最近大家都在吹什麼“世界模型”、“VLA（視覺-語言-動作模型）”，聽得耳朵都起繭子了，覺得這玩意離我們普通老百姓十萬八千里。其實戳破了窗戶紙，根本沒那麼玄乎！

世界模型是個啥？它就是提出，必須用一種稠密的特徵來表徵這個世界。我不管你後續怎麼處理，我必須先把這個世界的一草一木、風吹草動都清清楚楚地編碼進系統裡，它就是一個完美的仿真器。

那 VLA 呢？就是想用大模型（LLM）的思維鏈能力，來彌補自動駕駛最缺乏的邏輯推理。

你以為物理 AI 就是一個超級模型解決所有問題嗎？你以為它是一個神仙，能把所有事情全包了？做夢呢！

這事兒的本質，相當於車子本身是一個底層的“司機”，專門負責踩油門和剎車；而大模型，就是坐在副駕駛的一個“神級領航員”。

常規路況下，司機自己開就行了；一旦遇到搞不定的神仙路況，司機直接轉頭問領航員：“大哥，前面這孫子想加塞，我咋辦？”這時候，領航員靠著世界模型的理解和大模型的因果推理，瞬間給出一個最優解。大家提世界模型也好，提VLA也好，本質就是怎麼把這兩個已經存在於大模型的能力，引入到現在的自駕基礎範式裡，我不讓既有能力回退，同時我又具備了新的推理能力。

別看現在很多大模型的 Demo 演示的時候像個下凡的仙女小龍女，一到你手裡就變成了買家秀的賈玲。為啥？因為如果你的基礎模型（基模）能力太差，沒有那些自駕的數據底子，你後期再怎麼做後處理（Post-training），它的上限都極其可憐！你連最基本的路況都識別不對，你還指望它能推理？

特斯拉在國內？可能連個車位都搶不到！

說到這，我知道肯定有人又要跪舔特斯拉了。確實，特斯拉 FSD 在北美，從第一性原理來看，那絕對是世界級的第一梯隊，無可厚非。

但它一旦到了國內呢？說句難聽的，它可能連個老頭樂都躲不開！這是為什麼？

因為特斯拉那套端到端能牛逼，是靠全北美乃至全世界的海量數據喂出來的。你每踩一腳剎車，每次亂轉一下方向盤，數據都能瞬間迴流給它訓練。

但你到了國內，能這麼玩嗎？第一，很多敏感地方你根本進不去，必須得隔離。第二，它的數據收集面臨極大的圖商資質等法規阻礙。

更致命的是，它只能從自己的車主身上收集數據。而像老修這種被淘汰的 HW3.0 老車主，我們的老車根本無法給它的新模型提供任何幫助！它想要在國內實現從0到1的數據循環閉環？抱歉！

200B 的大模型？你調的可能只是個“小老弟”

這時候你肯定要倒吸一口涼氣了：給車裝上這麼牛逼的世界模型、物理大腦，這車的硬件成本不得上天啊？這車我這輩子還買得起嗎？是不是得賣我幾百萬？

你這也太小看資本家精打細算的刀法了！

我問你，你以為你現在調用的那些號稱 200B（兩千億參數）的雲端大模型，每一次都是那個超級大腦在親力親為地回覆你嗎？

別做夢了！平時你問個“今天天氣咋樣”，後臺直接扔個 5B 的小模型，像打發要飯的一樣就把你打發了。只有當你急眼了開始罵人，或者扔給它一道微積分的高級題，它後臺識別到你需要高級智商了，才會真正去調用那個 200B 的龐然大物。

車端不也是一樣的道理嗎？殺雞焉用牛刀！如果只是在市區裡開個車切個菜，又不是讓你去造原子彈、當全能的具身智能家教，需要那麼驚天地泣鬼神的高智商嗎？

完全不需要！未來絕對是通過雲端協同，或者把大模型精準裁剪，搞出一個十幾二十萬的平民版。你以為你買的是個滿級號，其實平常跑的都是新手村配置，只有在面對極其變態的複雜路況時，它才會調用一點真本事！所以，別擔心買不起，主流入門版絕對能讓你消費得起。

L4 極大概率會比 L3 來得更快！

好了，最顛覆認知的邏輯來了。現在全行業都在等 L3 自動駕駛的普及，但我今天就把話放在這：L4 極大概率會比 L3 來得更快，而且快得多！

為什麼會得出這麼反常識的結論？

因為L3 意味著商業模式和責任主體的一次徹徹底底的變更。你的保險怎麼算？責任誰來定？整個鏈條要重寫！而且 L3 是要賣給普通消費者的。你要知道，消費者是這個世界上最難伺候的神仙！你把一個號稱完美的 L3 賣給他，他可是把你當全能神來要求的，他要求你的系統在任何極端天氣、任何變態路況下都完美無缺。只要稍微出點差錯，哪怕只是一次沒剎住，他都能把你祖宗十八代罵翻在熱搜上。

為了伺候好消費者，車企要投入海量的人力物力去填補那些永無止境的長尾場景，這筆賬在商業上根本算不過來！

但是 L4 呢？L4 是運營方驅動的！它是以純粹的商業用途為導向。只要能賺錢，我就在特定的運行設計域裡跑就行了。遇到搞不定的死角咋辦？很簡單，這個區域我不開放運營不就完了嗎！實在不行，我提前告知消費者，然後通過雲端輔助手段接管。

只要商業邏輯閉環了，投資回報率（ROI）算得過來，L4 就能直接落地賺錢。

這不就是純粹的降維打擊嗎？

當 L3 還在為了討好消費者而在無盡的代碼裡苦苦掙扎的時候，L4 早就靠著特定場景的商業運營開始瘋狂收割市場了！

不過說真的，老修作為一個被特斯拉坑了整整四年的老韭菜，現在唯一的願望就是：以後上車，前面方向盤直接給我拆了，騰個地兒讓他放杯茶泡個枸杞寫代碼。至於這車是 L3 還是 L4，只要別再讓他等“三個兩年”，哪怕你是人工智障他都認了！

越是完美的大餅，越是資本的鐮刀！