從黃仁勛拆解AI的4個階段看，誰是自動駕駛技術的“執牛耳者”

這兩天英偉達創始人兼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，季節下的場景還原；此外還有一段復雜的場景里，通過交規和車道線生成道路拓撲結構方便自車做路徑規劃，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為主動思考。當你遇到一個從未經歷過、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，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去學習，根本原因就是技術范式發生了變化。

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“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。

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”，也就是業內俗稱的“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、系統軟件、硬件系統、網絡技術直至芯片設計的全棧創新的企業。”

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、系統集成、芯片設計、網絡技術等專長都會分散在不同企業，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。