文｜肖漫
編輯｜李勤

6月18日，蔚來同時(shí)向兩代平臺(tái)車型（包含8款NT2.0平臺(tái)車型、4款NT2.5平臺(tái)車型，以及6款NT3.0車型）推送了最新版的世界模型，這意味著，蔚來現(xiàn)在能讓同一套復(fù)雜的智駕代碼，現(xiàn)在能跑在不同代際的芯片上。

軟件迭代節(jié)奏被硬件綁架曾是一個(gè)困擾行業(yè)的難題。很多車企無法在不同版本、配置的車型上迭代同一款軟件，這帶來的結(jié)果是，很長時(shí)間內(nèi)只有使用最新版本硬件的車才能用上最好的軟件，老車主被背刺。

蔚來部署推理跨平臺(tái)兼容

任少卿的團(tuán)隊(duì)在 2020 年就在思考如何解決這個(gè)問題。蔚來的做法是搭建一套AI Infra——自研工具鏈鋪平不同芯片間的鴻溝，用AI編譯器提升車輛的處理速度，用 AI Agent 自動(dòng)化串聯(lián)全流程。

當(dāng)時(shí)業(yè)內(nèi)主流的做法還是用英偉達(dá)的工具進(jìn)行上層部署。但當(dāng)時(shí)的蔚來判斷，車端芯片的工程架構(gòu)會(huì)繼續(xù)快速迭代，主流的架構(gòu)僅能用 3-5 年。基于這一判斷，蔚來決定只保留最底層的硬件接口層（如 CUDA），在此之上全面自研上層部署軟件，包括推理引擎、部署框架。

另外，和大多數(shù)自研芯片的主機(jī)廠一樣，蔚來也自研了編譯器，實(shí)現(xiàn)了自動(dòng)算子優(yōu)化，將原本需要 1-2 周的部署時(shí)間縮短至 1-2 天，同時(shí)讓端側(cè)的推理性能提升 20% 以上。

任少卿透露，蔚來也已經(jīng)引入 AI Agent 的自動(dòng)化工作流，接管了原本需要工程師長時(shí)間在電腦前手動(dòng)盯盤、分布執(zhí)行的繁瑣流程，將一次完整的模型上車部署時(shí)間從一天甚至數(shù)天，極速壓縮到 2 小時(shí)以內(nèi)。

蔚來智駕軟件能力建設(shè)

AI Infra 實(shí)現(xiàn)模型快速上車，車端在實(shí)際應(yīng)用場景中收集高價(jià)值數(shù)據(jù)回傳訓(xùn)練，算法團(tuán)隊(duì)用這些數(shù)據(jù)訓(xùn)練出更聰明的模型后，再次交給 AI Infra 流水線去打包上車，實(shí)現(xiàn)數(shù)據(jù)閉環(huán)。

任少卿直言：“在大模型時(shí)代，性能提升三個(gè)點(diǎn)，數(shù)據(jù)需要翻十倍；如果想提升18個(gè)點(diǎn)，數(shù)據(jù)則需要10倍的六次方”。也就是說，如果單靠增加專職測試車隊(duì)、花錢采集物理數(shù)據(jù)，很快就會(huì)觸及成本和規(guī)模的物理極限。

對于數(shù)據(jù)的理解，任少卿認(rèn)為“數(shù)據(jù)的本質(zhì)是算力，是‘模型+算力’運(yùn)行產(chǎn)生的結(jié)果”。

蔚來在量產(chǎn)車型上以“影子模式”運(yùn)行最新的待驗(yàn)證大模型，不干預(yù)用戶駕駛，只做實(shí)時(shí)推演，一旦模型的判斷與人類真實(shí)駕駛動(dòng)作發(fā)生分歧，就把這個(gè)Corner Case 傳回云端。

這種驗(yàn)證體系能跨越 NT2 和 NT3 平臺(tái)，每周無感完成超 4000 萬公里的主動(dòng)安全測試，這相當(dāng)于 1000 輛測試車連軸跑一年的數(shù)據(jù)量。

蔚來數(shù)據(jù)Infra工程

任少卿認(rèn)為，這種通過車端篩選出的 Corner Case，在總體數(shù)據(jù)量中可能只占 5%，但它提供的訓(xùn)練價(jià)值卻比底層常規(guī)數(shù)據(jù)還要大。

另外，在云端世界模型中，蔚來會(huì)故意給 AI 制造各種極端且違反常規(guī)的陷阱，強(qiáng)迫神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)如何在錯(cuò)誤狀態(tài)下把車重新開回正軌。

近期，業(yè)內(nèi)普遍感知到蔚來智駕能力有了提升，而在任少卿看來，這并非單點(diǎn)算法的突變，而是對“物理 AI 發(fā)展周期”有了全新認(rèn)知的結(jié)果。

任少卿將技術(shù)的發(fā)展分為四個(gè)階段：目標(biāo)不清晰的第一階段、存在彎道超車可能的第二階段、技術(shù)路線收斂拼人力的第三階段，以及紅利消失拼細(xì)節(jié)的第四階段。

但到了 2023 年，隨著大模型和世界模型概念的涌現(xiàn)，任少卿判斷智駕技術(shù)又退回到了鼓勵(lì)底層創(chuàng)新的“第二階段”。因此蔚來在兩年前果斷進(jìn)行了組織架構(gòu)的變革，將智駕團(tuán)隊(duì)重組成“4x100米接力跑”（預(yù)研、主線交付、跨平臺(tái)適配、量產(chǎn)交付），并將資源傾注在了“第一棒”的預(yù)研上。

今天外界看到的“世界模型加閉環(huán)強(qiáng)化學(xué)習(xí)”帶來的能力提升，其實(shí)這場架構(gòu)變陣疊加 Infra 底座搭好的結(jié)果。

6月17日，36氪在中關(guān)村牛屋和蔚來任少卿及其團(tuán)隊(duì)成員進(jìn)行了交流，內(nèi)容經(jīng)編輯：

問：現(xiàn)在很多汽車廠商都在自研大算力芯片，為什么蔚來能率先在多平臺(tái)落地？

任少卿團(tuán)隊(duì)：其實(shí)在推進(jìn)自研芯片研發(fā)和量產(chǎn)的過程中（2024年流片，到2025年3月量產(chǎn)），我們做了大量的工作。雖然友商布局也很早，在 AI Infra 層面，蔚來從2020年就開始布局了，尤其是自研了推理引擎、部署框架以及 AI 編譯器。

正是因?yàn)橛辛藦?020年以來的這些積累，所以當(dāng)我們的自研芯片到位時(shí)，相關(guān)的工程效率已經(jīng)達(dá)到了一定的高度。因此，在芯片流片回來之后，我們很快就做到了跨芯片平臺(tái)的兼容。

問：近期對蔚來智駕的評價(jià)有所好轉(zhuǎn)，為什么在這個(gè)時(shí)間點(diǎn)大家能體驗(yàn)到版本和能力的明顯提升？

任少卿：智駕能力的提升無非就是由三件事情構(gòu)成的：新的算法、底層的硬件和底層的數(shù)據(jù)體系。

如果大家問最近這兩年到底發(fā)生了什么，確實(shí)是算法架構(gòu)的變化（比如世界模型、閉環(huán)強(qiáng)化學(xué)習(xí)），但是在這些表面之下，更深層的原因是：我們在 2023 年左右認(rèn)知到，智駕的發(fā)展階段跟前幾年不太一樣了。

大家看到的可能是從 Rule-base（基于規(guī)則）變成了端到端或者世界模型。但我們看到的是物理 AI 發(fā)展階段的倒退與重構(gòu)。我們定義技術(shù)的發(fā)展分為四個(gè)階段：

在 2020 年左右，其實(shí)智駕已經(jīng)進(jìn)入了第三階段，大家都在拼堆人、拼策略數(shù)量（寫幾萬行代碼）。但到了 2023 年左右，隨著大模型技術(shù)的涌現(xiàn)，我認(rèn)為智駕又退回到了第二階段——我們又可以開始用底層的技術(shù)創(chuàng)新來解決問題、產(chǎn)生差異化了。

所以從那個(gè)時(shí)候開始，我們不只是在做新算法，也在做組織架構(gòu)的變革。大概兩年前，我們把組織架構(gòu)變成了類似“4x100米接力跑”的形式：第一棒跑預(yù)研，第二棒跑主線狀態(tài)交付，第三棒跑跨平臺(tái)適配，第四棒跑具體車型的量產(chǎn)交付。

因?yàn)榧夹g(shù)發(fā)展退回到了鼓勵(lì)創(chuàng)新的第二階段，所以我們在“第一棒（預(yù)研）”上投入了大量的資源。我們布置了不同的預(yù)研團(tuán)隊(duì)，最后大家看到的宏觀結(jié)果是“世界模型加閉環(huán)強(qiáng)化學(xué)習(xí)”，但在微觀層面，我們有很多創(chuàng)新來支撐這些架構(gòu)的落地。這才是能力在這個(gè)節(jié)點(diǎn)爆發(fā)的底層邏輯。

問：現(xiàn)在智駕多是談?wù)揤LA和世界模型，競爭是不是有一個(gè)相對清晰的趨勢？

任少卿：算法有不一樣的想法非常正常，這也是我覺得人工智能進(jìn)入 AI 時(shí)代或者新技術(shù)時(shí)代最有意思的點(diǎn)。如果大家都走同一條路，那這個(gè)世界其實(shí)也不會(huì)發(fā)展這么快。

在過去三年，整個(gè)人工智能發(fā)展非常快。我自己大概從16年就開始做智駕，從2016年到2022年，智駕的算法，或者說物理世界的算法發(fā)展是很慢的，可能最大的變化就是 BEV，最多再加個(gè) OCC，就沒了。

但是從2022年開始，整體的技術(shù)又從非常確定變得非常不確定，涌現(xiàn)了各種各樣的機(jī)會(huì)。我們發(fā)布世界模型的時(shí)候是24年7月份，但內(nèi)部開始研發(fā)是在23年下半年。那時(shí)候?qū)Α笆澜缒Ｐ汀钡慕蟹ㄟ€沒有那么清晰，但是我們的想法比較簡單：

第一，我們希望這個(gè)模型能用完全無監(jiān)督（unsupervised），或者自監(jiān)督（self-supervised）的方式去做訓(xùn)練，就是不需要再去標(biāo)那么多的數(shù)據(jù)，而且有些數(shù)據(jù)是你人工標(biāo)也標(biāo)不出來的；第二，我們希望它能變成一個(gè)多模態(tài)混合的方式，也就是統(tǒng)一的網(wǎng)絡(luò)。

在過去三年，我們又趕上了物理世界人工智能快速變化的周期。大家從一個(gè)非常確定的、每天干的事情可能跟前三年基本沒啥區(qū)別的狀態(tài)里跳出來了。就像原來寫 Planning 模型、寫 Planning 算法代碼的同學(xué)，今天干的活兒比三年之前可能也就是多處理一些場景而已。而現(xiàn)在，整個(gè)模型架構(gòu)、訓(xùn)練架構(gòu)，以及剛才說的數(shù)據(jù)工程架構(gòu)，其實(shí)都在一體化地發(fā)生大變革。

問：現(xiàn)在行業(yè)內(nèi)其實(shí)有兩種不太一樣的模型適配方法。一種是拿著篩選后的數(shù)據(jù)重新訓(xùn)一個(gè)小模型；第二種方法是拿著訓(xùn)好的大模型，蒸餾出一個(gè)小模型。蔚來認(rèn)為哪種方法是未來的發(fā)展方向？以及目前的做法是什么？

任少卿：其實(shí)這兩條路在之前的各種人工智能模型發(fā)展中一直在不斷切換。有時(shí)候重新訓(xùn)練會(huì)更好，有時(shí)候蒸餾出來的效果更好，這跟模型大小、訓(xùn)練方式都有關(guān)系。對我們來說，這兩個(gè)都是成熟的技術(shù)棧，所以我們在模型上會(huì)具體評估，看針對當(dāng)前模型哪種方式效果更好。

對于我們現(xiàn)在車端跑的這個(gè)模型來說，基本上采用蒸餾的概率可能會(huì)更大一些。但我覺得，這兩者在本質(zhì)上對現(xiàn)有的算法體系不會(huì)產(chǎn)生太大的變化。

問：蔚來是否對一些競品車型進(jìn)行過體驗(yàn)，比如特斯拉 FSD，蔚來的 2.5 版本在行業(yè)內(nèi)預(yù)期的身位大概是什么樣？

任少卿：特斯拉確實(shí)在數(shù)據(jù)體量和訓(xùn)練資源上是世界領(lǐng)先的，甚至我覺得它遠(yuǎn)遠(yuǎn)大于國內(nèi)的公司，計(jì)算量上可能要高出一個(gè)量級以上。

單從架構(gòu)的進(jìn)度來說，我們在今年上半年推出了基于世界模型的閉環(huán)強(qiáng)化學(xué)習(xí)，然后在這個(gè)版本里還會(huì)再加一個(gè) SFT（監(jiān)督微調(diào)），應(yīng)該是不落后于特斯拉的，尤其在閉環(huán)這一塊，我們算是比較領(lǐng)先的。

問：今天講了很多關(guān)于數(shù)據(jù)的問題，未來是否有可能發(fā)展到模型不再需要對數(shù)據(jù)的強(qiáng)依賴，可以通過更強(qiáng)的 AGI（通用人工智能）能力，直接實(shí)現(xiàn)更強(qiáng)的自動(dòng)駕駛能力？

任少卿：數(shù)據(jù)才是這個(gè)時(shí)代 AI 的根源。大家看到，除了算力的提升之外，包括端側(cè)算力、云端算力，在過去5-10年提升了非常多，甚至是百萬倍的提升。但是所有的基礎(chǔ)模型，包括大語言模型、智駕，以及后面可能更新的一些模型，最根本的問題還是數(shù)據(jù)。

做語言模型可以把互聯(lián)網(wǎng)的數(shù)據(jù)直接下載下來，簡單做一個(gè)清洗，就有幾十T甚至更高量級的數(shù)據(jù)。但是其他所有的應(yīng)用都需要自己產(chǎn)生數(shù)據(jù)，都需要自己去解決數(shù)據(jù)獲取的問題，尤其是智駕。

智駕要解決的問題就是：首先，要能產(chǎn)生這么大的數(shù)據(jù)量；第二，要能產(chǎn)生等價(jià)于 10 億網(wǎng)民做篩選的結(jié)果。我顯然沒有這么多人工去干這個(gè)事，所以只能通過自動(dòng)化了。

只有當(dāng)這類既有龐大體量、又明確包含了 Corner Case 的數(shù)據(jù)產(chǎn)生之后，神經(jīng)網(wǎng)絡(luò)才能發(fā)揮它的作用。因?yàn)橹钡浇裉?，大模型和神?jīng)網(wǎng)絡(luò)依然是“Data Hungry”（數(shù)據(jù)饑渴）的，而且越大的模型，對數(shù)據(jù)的饑渴程度越強(qiáng)。所以，我們必須在物理世界的真實(shí)環(huán)境里去解決數(shù)據(jù)的問題。

問：業(yè)內(nèi)有一種說法認(rèn)為，“如果一個(gè)自動(dòng)駕駛只會(huì)開車，那么它是開不好車的”。這個(gè)您怎么看？意思可能是需要加入其他一些“通識(shí)”的數(shù)據(jù)讓這個(gè)模型的能力進(jìn)一步提升。您覺得這種說法有道理嗎？

任少卿：這其實(shí)分為兩個(gè)部分。第一是有更多其他來源的數(shù)據(jù)，比如我們也會(huì)用一些互聯(lián)網(wǎng)數(shù)據(jù)，這主要是為了增加一些場景的覆蓋度。

第二就是所謂的“通識(shí)”。對于人來說，我們學(xué)開車所謂的“通識(shí)”實(shí)際上就是學(xué)交規(guī)。在這些層面上，其實(shí)有兩種讓 AI 學(xué)習(xí)的方式：

一種方式是把大語言模型加進(jìn)去來解決這個(gè)問題，我覺得這個(gè)方向有用，但在今天而言，這條路還并不是主流路線。

我們目前的解決方法實(shí)際上是通過閉環(huán)強(qiáng)化學(xué)習(xí)的方式，讓模型明確地知道：你不能壓白線，你不能闖紅燈；或者更好的一種情況，如果智駕系統(tǒng)看到紅燈倒計(jì)時(shí)還有 2 秒，那它可以不用把剎車踩得那么死。通過這種在系統(tǒng)閉環(huán)里不斷試錯(cuò)、強(qiáng)化學(xué)習(xí)的方式去拿結(jié)果，目前來看更高效，效果也更好。