頭圖來源 | 元戎啟行官方
作者 | 伍文靚
編輯 | 蘇鵬
AI正在逐步成為汽車的靈魂。
在本屆上海車展期間，元戎啟行宣佈與字節跳動旗下火山引擎達成深度合作，雙方將聯合車企共同打造下一代AI汽車。
據悉，雙方的合作聚焦在AI原生服務、智慧駕駛與大語言模型融合等領域。火山引擎將為元戎啟行提供算力支援，共同提升AI演算法訓練效率，催化VLA模型迭代。
“VLA的落地會解決很多人關心的可預期問題。因為在不具備語言能力之前，很多時候神經網路的行為是無法解釋的。”元戎啟行CEO周光在釋出會現場說道。
所謂VLA模型，實際上融合了視覺感知、語義理解與動作決策，透過多模態資訊互動處理，實現對複雜場景的語義解析與行為規劃；同時支援雷射雷達/純視覺輔助駕駛方案，適配多種計算平臺。
它與傳統技術的區別在於，能夠讓“AI汽車”具有更長時序的推理能力，理解特殊路段的行駛規則，更擅長處理複雜的人車博弈場景。
如果要拉動VLA模型進化，那麼一定少不了算力、資料與演算法這三駕馬車。
在周光看來，有了火山引擎的助力，算力問題已經得到進一步最佳化。而資料問題，在元戎啟行強資料閉環系統的推動下，已經提煉出了大量高質量資料。至於演算法，元戎啟行本身就一直在深耕。
“AI技術的迭代軌跡與人類智慧發展軌跡高度同源，都是要先成為一位通才，才能成為垂類專家。VLA模型就是智慧駕駛界的通才。”
按照規劃，今年，將有超5款搭載元戎啟行VLA模型的AI汽車量產。
元戎啟行CEO周光、火山引擎汽車總經理楊立偉與未來汽車Daily等媒體進行了分享和交流，以下是對話實錄（有刪改）：
Q：眾所周知行業裡最近發生了一些事情，安全成為了非常重要的話題，兩位怎麼理解“安全”與“輔助駕駛”之間的關聯？
周光：元戎今年整個的技術發展會圍繞“安全”這個關鍵詞。比如，我們做模型的後訓練時，特別重視安全對齊，只有把足夠安全的系統推向市場，才是對行業、對消費者負責。
我之前體驗了特斯拉FSD V13（美國版），最大的感受是“沒有接管意願”，相當於使用者上車之後，AI系統預判了你所有的預判。我覺得一個好的智駕系統一定可以用“有沒有接管意願”來衡量。目前大家常見的接管分兩種，一種是真的存在碰撞的安全隱患；另一種是車輛會以stupid的行為來確保安全（比如一小時走50米），但是影響了通行效率，這樣也不行。智駕系統的發展要上一個臺階，就必須在保證安全的前提下，還要做到擬人化。
楊立偉：智慧輔助駕駛涉及到自車安全和行路安全（他車、行人），希望儘快看到框架性的規範能出來。
Q：車端的智駕系統擬人化現象很大程度上依賴於大模型的提升？
周光：舉個例子，ChatGPT剛推向市場的時候，大家都被震撼了。雖然它有時前言不搭後語，但是它的“擬人感”會讓我們會下意識忽略這一點。這其實特別像第一代端到端——雖然偶爾也出現幻覺問題，但我們仍然會覺得它有“intelligence”。
語言大模型發展到今天，基本已經很少“胡說八道”，這個趨勢我覺得在智駕行業也會逐步實現。
Q：元戎宣佈了與火山引擎達成合作，能詳細介紹一下合作的內容和合作意義嗎？
楊立偉：火山引擎是字節跳動旗下的科技公司，到今天為止，我們最大客戶一直是位元組內部的各個業務，比如像抖音、頭條、豆包。目前我們也在加大力度佈局汽車行業，因為這個領域既可以垂直縱深，也可以橫向擴充套件，無論是自動駕駛、還是終端聯網，都雲計算相關的需求。另外在智慧座艙方面，我們也能夠發揮自身在toC端積累的內容資源和人工智慧能力。
周光：我們跟火山引擎的合作是想要打造下一代AI汽車，其中“語言”非常重要。如果一個人不具備語言能力，是很難跟其他人交流。這也是接下來AI汽車需要具備的一個關鍵能力。
楊立偉：是的。大家平時講智慧座艙，更多討論還是集中在晶片層面。但現在語言大模型的發展速度非常快，擬人化程度也不斷提高。我們認為，在未來的座艙場景中，語言大模型要做一個好司機，也要做一個好的副駕駛，不僅要能開得好，還要與人進行自然的互動。我們也希望在汽車行業為使用者創造新的價值。
Q：元戎之前提到RoadAGI，RoadAGI業務與輔助駕駛業務如何聯動？
周光：我們提出RoadAGI的底層設想是，最終實現L5級自動駕駛。這應該也是所有做組合輔助駕駛的玩家的願望，但大家實現L5的路徑有所不同——之前行業都在追求地圖的覆蓋面積，但這條路徑現在肉眼可見地失敗了。
現在我們回過頭來看，智駕系統的發展其實就像人類考學，從高中到985本科再到博士級別，甚至突破諾貝爾獎水平。如果將之前的智駕系統定義為“弱專家”系統，只能解答限定範圍的難題；那麼，在AI大模型出來之後，可以針對性地進行大量通用場景訓練以及垂直場景訓練，智駕系統才有了從“通才”邁向“強專家”的可能性。
Q：元戎似乎一直在追求技術的上限，而不是選擇去做一些極致價效比的產品。VLA技術現在還不是行業主流，為什麼選擇它？
周光：我們不是不在乎價效比，只是要在正確的技術演進道路上去降本。舉個例子，我們認為未來技術的發展一定是基於端到端，那我們就不會因為省錢而倒退回rule-base路線、地圖路線。另外，我們最近釋出的基於高通驍龍8650的方案，其實就是一個成本友好的方案。
楊立偉：以前大家做rule-base路線的時候，習慣性堆大量的人員，頭部車企的相關團隊甚至有幾千人。但我們接觸元戎後才知道，他們現在做演算法的團隊只有百人左右。這其實跟我們做語言大模型類似，以前我們做推薦演算法也是人海戰術，但到了語言大模型時代，重點已經轉變為了人才質量和技術創新。招募一批優質的人才，給足夠的算力、足夠的資料，就可以產生足夠創新。
智駕系統走到VLA之後，隨著團隊人數的精簡，整體的人力成本會大幅度下降。儘管算力成本可能會在短時間內增長，但在全民智駕的背景下，規模化的量產車會進一步分攤軟硬體成本以及雲算力成本。所以我相信，隨著元戎的方案搭載於更多的車型，成本最終也會降下來。
Q：國內最先提出VLA概念的應該是元戎。特斯拉線作為海外智慧汽車的代表，似乎不提AI和VLA？
周光：特斯拉現在基本不會對外公佈技術路線細節。但我們會發現，特斯拉從V12到V13的進展很大程度上依賴於大模型技術能力。沒有提AI，不代表特斯拉就不做相應的東西。
我們可能是智駕領域最先引入VLA相關概念的玩家，實際上這個概念最早由谷歌提出。谷歌在這一領域做了大量的技術研究，也對AI行業的發展作出了巨大的貢獻，我們還是要心存感謝。
Q：VLA帶來的使用者體驗跟傳統技術有哪些差別？在互動上如何做更多讓使用者覺得安心的設定？
周光：VLA的落地會解決很多人關心的可預期問題。因為在不具備語言能力之前，很多時候神經網路的行為是無法解釋的。就像我們日常打車，如果司機在執行一個動作之前先向乘客解釋，那麼我們的安全感和信任感就會更強。
但也請大家不要過度宣傳。今天的智駕系統遠沒有到L5級，也許可以透過一些規則兜底實現限制場景的L3，但整體上還是屬於組合輔助駕駛。即便幻覺問題隨著AI的發展在不斷減少，也不能在短時間內完全解決安全問題。
楊立偉：除了技術突破，為了讓使用者更有安全感，其實大家在產品互動層面也做了很多努力。比如有一些友商做的，輔助駕駛啟動時，車輛會發出訊號讓周邊的其他駕駛員知曉，以此緩解心理上的緊張感。
Q：行業裡車位到車位逐漸鋪開之後，VLA已經被公認為是下一個內卷的方向。怎麼分辨VLA的好壞以及門檻？
周光：我們可以從“無圖化”的過往歷史來看。元戎推出無圖方案之後，市面上出現了很多相關方案，但其中也存在打補丁的現象，具體不方便再評價了。總之，安全是一定不能忽視的，如果為了追求流量和規模，推出一個不安全的系統，那是一件非常恐怖的事情。
Q：在當下以及今後的一段時間，車企和供應商透過什麼方式去處理資料才合理？
周光：現在基本上整個系統的know-how都在資料集裡，大家不太可能在模型變化不大的情況下去換資料集。
楊立偉：我們看語言模型發展。以前的重點是模型引數，尤其是2023年，大家都在比誰的模型引數更大；現在大家都是在講利用了多少高質量的資料集、把模型縮小了多少。這個縮小的模型，比上一代模型的實驗效果更好，並不是因為技術體系做得多好，而是因為在資料探勘、資料質量做得更好。
現在很多大模型都在開源，但最核心的壁壘就是資料集——如果資料集不開源，那隻相當於半開源。
Q：去年元戎參加了北京車展，今年第一次來上海車展。在行業競爭格局已經很激烈的情況下，參加車展有哪些意義？
周光：我們今年是第二次來上海車展。2023年上海車展，我們在展館外有大規模的體驗車隊，當時所有人都覺得行業離不開HD Map，我們率先發布了無圖的方案。前段時間GTC期間，一個頭部新勢力的研發負責人跟我交流，他們第一次聽說元戎釋出無圖方案時，還以為是假新聞。但是，過去兩年行業的發展已經證明了這條路徑的可行性。
去年北京車展，我們釋出了端到端的方案，也是行業裡比較早期分享怎麼去引入端到端、怎麼去模組化。我們現在佈局的VLA技術，相信明年也會有更多技術迭代。所以我覺得元戎在行業裡還是起到了一定的技術引領作用。
親愛的讀者們，不設定星標，很容易錯過我們的推送，也無法看到封面圖片。請星標“未來汽車Daily”，及時接收每篇推文，期待為您帶來更多更專業的行業報道。