從黃仁勛拆解AI的4個階段看，誰是自動駕駛技術的“執(zhí)牛耳者”

這兩天英偉達創(chuàng)始人兼CEO黃仁勛受邀參加中國第三屆鏈博會，會后接受媒體采訪聊了很多有意思的話題，具體到自動駕駛我們采取了一些片段，從老黃簡短的回答里我們能看到自動駕駛當前的路線和下一波趨勢，以及哪些公司在這方面已經有超前意識在提前布局。

在回答AI相關的問題時，老黃把AI的發(fā)展分為4個階段，分別是感知，生成，推理，機器人。對照看來，4個階段恰好是自動駕駛技術的演變軌跡。

早期的感知AI主要通過海量數據學習，比如識別文字、圖像，理解故事內容，甚至區(qū)分貓狗等物體。

這個大家非常熟悉，也就是大家常說的模仿學習階段，行業(yè)稱之為“預訓練”。認真做，它怎么做，這一段的核心就是數據量。但是人類的駕駛習慣有好有壞，所以系統(tǒng)訓練出來的效果也良莠不齊，時好時壞。

再往后就是生成式AI階段。比如早些年很多自動駕駛公司提到過的合成數據的概念，對于常規(guī)場景數據舉一反三的能力，以及道路拓撲結構的分析能力等。比如在同一個路口，根據一段真實數據生成不同的云雪雨霧，甚至春夏秋冬不同天氣，季節(jié)下的場景還原；此外還有一段復雜的場景里，通過交規(guī)和車道線生成道路拓撲結構方便自車做路徑規(guī)劃，都屬于這一段的技術范疇。

當下，AI處理推理學習階段，更像人類的學習方式——從被動接受信息轉變?yōu)橹鲃铀伎肌．斈阌龅揭粋€從未經歷過、從未讀過相關內容、也從未見過的問題或場景時，你需要對其進行拆解分析。

這里面的推理包含了2個步驟，首先是對現實場景進行解析，判斷屬于什么情況，第二是采取什么策略，對應自動駕駛的認知和執(zhí)行兩個階段。這兩個步驟的好壞直接決定了自動駕駛行為策略。

具體到真實場景來看，比如與一輛大型公交車并列的自車看到公交車突然剎車時，雖然是視野盲區(qū)，如果自車具備很好的推理能力，它也會選擇剎車，因為它推理公交車一定看到了什么障礙物才會選擇剎車，所以選擇跟進這一動作。這非常像人的駕駛風格。在實際駕駛中，這樣的場景多如牛毛，無處不在。這個就是很多自動駕駛公司在講的思維鏈。

這一階段的AI就像在家做數學題，通過多場景模擬訓練，持續(xù)進行推理思考，變得越來越聰明。這種學習方式稱為“后訓練”。

老黃還說了一句話容易被大家忽略“后訓練模式對算力要求很高，但對數據量的需求相對較少。”

這一階段的自動駕駛對數據的依賴度沒有“預訓練”階段那么高，我們能從里面摘出來2個關鍵詞：高算力和高質量數據。更重要的是，系統(tǒng)自己能夠根據這些高質量數據具備極強的推理能力，而推理的前提是具備更高的算力。

聯系最近一段時間國內很多技術大佬的發(fā)言能夠跟這個階段呼應上。小馬智行樓教主，地平線余凱也提到人類很多數據并不值得學習，數據在精不在多，甚至人類需要有一個更高維度的世界模型供系統(tǒng)去學習，根本原因就是技術范式發(fā)生了變化。

算力的要求到底有多大沒人給出量化答案，也有人說這是老黃刻意放大了算力的價值，因為他做的就是這個生意，DeepSeek用“蒸餾+推理”的方式擺脫了算力的依賴，我覺得大家應該只是數據量沒有統(tǒng)一而已。

當然，老黃也不否認新技術的進步。這里我們來看看老黃的原話“DeepSeek R1采用的是一種極具創(chuàng)新性的高效架構，其獨特之處在于：每個token所需的計算量和計算資源都大幅降低。這種設計創(chuàng)新是必然的——因為DeepSeek R1本質上是一個推理引擎，需要反復迭代運算。這就要求每個生成的token都必須極致高效，才能保障整體推理過程的順暢運行。”

現在系統(tǒng)所需的計算量大幅減少，可以進行更長時間的思考，并得出多個優(yōu)質答案。老黃認為這實際上開辟了一個全新領域——溫和AI（Gentle AI）。簡單點說就是給系統(tǒng)“減負”，讓它有更多的時間和精力去自己思考。

這種推理能力不僅會用在云端，邊緣設備也將具備，可以搭載簡單的功能型AI，比如自動開門，就是當系統(tǒng)識別到人有進入車內的動作時猜測他的需求然后自動打開車門。

最后一個就是機器人，老黃沒有展開說，我理解應該是VLA（視覺-語言-動作）模型，就是自動駕駛從平面智能到空間智能，從二維到四維。其實就是通用機器人的形態(tài)。

聯系到前兩天元戎啟行CEO周光在接受媒體采訪時也提到了的觀點，將來打敗他們的可能并不是自動駕駛同行，而是大模型公司。這個信息基本就對上了，本質上自動駕駛是AI的一個分支，AI的技術怎么走自動駕駛就怎么走。

目前小鵬、理想、元戎都在提推理（思維鏈）、VLA的概念。當然，肯定還有很多公司也在儲備的能力，可能牽扯到商業(yè)機密沒有對外傳播而已。

有意思的是，老黃還提到AI的很多問題現在也在被不斷攻克。例如人類反饋強化學習（RLHF）確保AI執(zhí)行符合人類價值的任務，檢索增強生成（RAG）減少幻覺。這對自動駕駛的提升非常大。強化學習已經被用在自動駕駛中，不少企業(yè)也叫獎勵機制。檢索增強生成就是對過往數據的調用，對比，減少自車幻覺，比如系統(tǒng)看到一個塑料袋，不確定是石頭還是塑料袋，如果此前碰到過這種情況，就會調用過往數據，然后對比，避免“誤觸發(fā)”，也就是業(yè)內俗稱的“幻覺”，這在AEB上比較常見。

最后，老黃也不忘自夸一句，“我們是全球少數幾家能夠實現從算法架構、系統(tǒng)軟件、硬件系統(tǒng)、網絡技術直至芯片設計的全棧創(chuàng)新的企業(yè)。”

老黃認為這種全棧技術整合能力是人類科技史上所罕見的。因為通常軟件算法、系統(tǒng)集成、芯片設計、網絡技術等專長都會分散在不同企業(yè)，而英偉達將這些能力有機整合在一起——從基礎架構到語言模型算法，從機器人技術到計算機圖形學，乃至量子化學和5G射頻技術。

這里我們其實也可以聯想另一個問題，車企自研芯片也必須具備這樣的能力，否則成功的難度非常大。對應看來，蔚小理3家自研芯片挑戰(zhàn)巨大。

按照老黃的說法下一階段AI將會向著推理，機器人的方向發(fā)展，自動駕駛也必將是這個路線，對照一下看看哪些公司壓中了技術趨勢。