IT之家6月8日音书，当天j9九游会，梦想汽车董事长兼CEO李想在2024中国汽车重庆论坛上走漏，梦想汽车将在本年第三季度推出寰宇无图NOA。

与此同期，梦想汽车还将同步向测试用户推出通过300万Clips（预考验模子）考验出来的端到端+VLM（视觉话语模子）的监督型自动驾驶体系。本年年底到来岁年头，将推出朝上1000万Clips考验的监督型自动驾驶体系。

基于这一体系，李想以为，随脱手艺演进和算力增强，无监督L4级别自动驾驶将在三年内竣事。

IT之家附李想演讲全文：

感谢王侠会长和重庆市，给我这样一个向公共学习和沟通的契机。我今天共享咱们在已往半年多的时间作念的一个进击手艺的肆意，是对于自动驾驶的手艺的肆意。

我这里强调一下，我讲的是4个字“自动驾驶”，不是“智能驾驶”，也不是“接济驾驶”，这是最环节的。公司里面从昨年9月份驱动来想考一个问题，并特意设立了一个用于自动驾驶商量的团队，一个最浮浅的问题，东说念主类开车为什么不波及学习cornercase(界限情况或顶点情况)。如若不惩处这个问题，总共自动驾驶团队每天干的活齐是靠东说念主工去调试多样各种的cornercase，而且东说念主越多，cornercase越多，离真的的自动驾驶就越远方。

最中枢的一个原因，当东说念主工智能手艺陆续发展的时候，其实东说念主类开车的口头不是已往这样多年用的自动驾驶研发的一个口头，这是一个根柢的不同。因为东说念主开车没那么终止，没那么累，不需要养几千东说念主的团队去搞cornercase。而且团队越多，cornercase就越多。是以咱们从表面和手艺的两个角度商量，东说念主类到底奈何开车，新的手艺怎样惩处自动驾驶开车的问题。

领先从表面的角度，咱们先是从一册书里取得了启示，叫作《想考快与慢》。

这本书讲解了日常的时候，大脑在责任的时候，分为系统1和系统2。系统1来处理一些直观、快速反映的事情，其实就像咱们在开车，许多时候咱们在开车，脑子在想别的事情，但咱们仍然在处理路上的多样事情，这就意味着咱们用系统1在责任，并不是大脑不在责任，是大脑以一种独到的拘束耗的口头责任。当去到一个复杂的路段，比如十字街头或者遭遇一个水坑，这时候调用大脑系统2责任，处理复杂逻辑推演的智商，可是对大脑的突然比拟大，是以公共不会一直用系统2的口头来开车。惩处多样复杂路况，惩处泛化的问题、未知的问题，大脑会启用系统2责任。平时咱们开车95%的时间使用系统1，5%的时间使用系统2，是以东说念主脑每天不需要每天的功耗，东说念主不需要学习这些就学会开车。

如若这样的东说念主类责任口头，自动驾驶应该奈何责任，什么是自动驾驶的系统1，什么是自动驾驶的系统2？跟着对多样手艺的商量，自动驾驶系统1，今天许多自动驾驶团队齐在作念的端到端这样一个手艺。端到端，就意味着咱们把完满的考验频段放进来，临了汗漫是输入径直产出输出，不像过往一个感知的模块，一个方针的模块，一个有策画的模块，一个实行的模块。这样成果更高。可是它的挑战也来了，多样东说念主类规矩在里面也不证据作用了。

挑战有三个方面：一是要有真的作念端到端包括这方面数据考验的东说念主才，二是需要真的高质料的数据，三是需要弥散多的算力。因为端到端对于算力的需求，和以往变得不相通了。在端到端方面，咱们大略放入了100万clips，用于端到端的考验，大略一个月十轮傍边的考验，基本就不错完成一个无图NOA的上限水平。可是面临中国的复杂路况，惟一端到端不够，咱们要想考什么是系统2。系统2的启发在于什么呢？在于惩处多样各种的cornercase和多样泛化的问题，东说念主类并不是通过学习cornercase来开车的。

最昭着的一个案例和启发是什么呢？我的爱东说念主刚学会开车，联订盟多年齐束缚地刮蹭。你和她分析下一次奈何不刮蹭，如故莫得用，如故刮蹭。我就分析是不是买的车太大，换一辆小的车，她仍然刮蹭，奈何说齐会刮蹭。这时咱们会发现学习cornercase莫得用，咱们能弗成通过晋升智商的口头？那时我作念了挺进击的一个判断，给我爱东说念主报良马驾驶培训的低级班。良马驾驶培训低级班一整天，通过多样各种的口头，只教了两个：一是不管在赛说念上过弯如故绕桩如故处于环形路面的时候，你在打转向之前眼睛看向那里？不是看你通过的路口，而是看你接下来要去的场所。用多样各种的口头，教咱们开车要看路。另外良马驾驶培训班教了另外一个智商，多样复杂场景里怎样把刹车踩到底，包括湿滑的路面、转弯的路面，一半钢板一半说念路的路面。良马培训班就教了两个事情：一是教你看路的智商，二是教你刹车的智商，只经由这样一天的考验，我爱东说念主就透彻和刮蹭告别了。是以在接下来的十几年里，莫得出现过任何的刮蹭。是以这是东说念主类学习的一个口头。

咱们在推敲怎样把这样智商给到车上，很进击的一个手艺是VLM，即视觉话语模子，为什么不是谣言语模子？因为莫得想法把一个谣言语模子在云表使用，这个反映速率就会车毁东说念主一火了。是以咱们如故想考怎样把一个视觉谣言语模子进行弥散压缩，临了放到车上去。它能够在面临一个莫得红绿灯的左转路口提前作出预判，来知说念我这个路口怎样进行极度复杂的处理。

还有另外一个进击的功能，即是告别高清舆图。因为视觉的话语模子还有一个最进击的功能，是能够像东说念主类相通去读懂导航舆图。包含导航舆图的横向、纵向、速率、时间，包括红绿灯，哪怕车辆的散失红绿灯也不再成为问题。咱们会发现不错灵验通过视觉话语模子惩处系统2的问题，一方面为端到端进行一个兜底，另一方面惩处多样各种泛化的问题。咱们以为最早在本年年底，最晚在来岁上半年，真的有监督的L3自动驾驶就就不错批量向用户委派了，而不是作念本质了。

惩处这两个问题还有第三个问题。因为端到端是黑盒子，VLM亦然黑盒子，AI最大的分辩是智商，而已往的编程体系最进击是功能。功能要通过本质和测试来考证的，而智商奈何拿测试和本质考证，是不可能的。是以这时候一个新的挑战，咱们用什么样的手艺口头考证智商，这时候咱们又找到一个新的口头，主要的旨趣来自Sora，咱们来构建一个袖珍的视觉模子，拿这个视觉模子让咱们的车在里面查验。这样咱们模拟东说念主的一套真的责任旨趣驱动呈现了，端到端承载东说念主的系统1，VLM来承载东说念主的系统2。系统1来惩处总共平时自动驾驶的智商，系统2来惩处兜底和泛化的智商，并欺诈生成式的小的视觉模子来进行查验。这是咱们在已往一段时间里作念的最进击的一个手艺性肆意，而且咱们的商量团队依然十足通过了平时的商量考证。

接下来会奈何样呢？咱们在三季度清雅推寰宇无图NOA的时候，也会向测试用户通过300万clips考验出来的端到端+VLM的一套监督型自动驾驶体系。最早会在本年的年底，最晚来岁年头，咱们会推出朝上1000万clips考验的端到端+VLM的带有监督的自动驾驶体系。咱们以为端到端+VLM+生成式的考证系统，也会是异日通盘物理世界机器东说念主最进击手艺架构和手艺体系。

接下来一段时间，包含最近本月还有下月还有几个环节AI方面的手艺论坛里，咱们手艺商量的共事也会向通盘行业来共享咱们对这方面的商量、管理旨趣和内容汗漫j9九游会，把咱们进行的一些探索，能够和同业进行灵验地共享。另一方面，就像刚才讲的，咱们会在7月份，以及最早年底、最晚来岁年头，把这样的手艺带给用户。通过这样的手艺，不错笃定地敬佩一件事情，在现存的计较平台上，带有监督L3级别的自动驾驶不错百分之百竣事。何况跟着这套手艺的演进、算力增强，我以为L4级别无监督的自动驾驶在三年内一定能够竣事。谢谢公共！