90后AI天才造卡車，靠端到端進(jìn)自動駕駛第一梯隊

一凡 2024-10-15 12:24:26 來源：量子位

李根 一凡 發(fā)自 副駕寺

智能車參考 | 公眾號 AI4Auto

自動駕駛，并不是黃澤鏵再創(chuàng)業(yè)計劃里的首要任務(wù)。

作為全球無人車第一股圖森未來的聯(lián)合創(chuàng)始人，他完整參與了一次決策式AI驅(qū)動的自動駕駛從0到1，締造了全球自動駕駛第一股，而且作為計算機名校CMU的高材生，再出發(fā)沒有首選軟件方向，出乎不少人意料之外。

是的，黃澤鏵再創(chuàng)業(yè)的零一汽車，從新能源重卡出發(fā)，最開始甚至精確到短途。

但這似乎又只是一個“煙霧彈”，因為就在今年AI頂會CVPR的國際自動駕駛挑戰(zhàn)賽上，創(chuàng)辦才2年的造車公司零一低調(diào)參賽，然后名列第二，成績僅次于巨頭英偉達(dá)，而且還是最前沿的端到端賽道。

不鳴則已，一鳴驚人。模型能力首次驗證，就是全球第一梯隊。

加上零一在造車上的快速量產(chǎn)交付、智能化重卡生態(tài)聯(lián)盟上的效應(yīng)……“沒有首選自動駕駛”的黃澤鏵，似乎又在另一個更大的層面實踐著自動駕駛的終極落地。

他自己也承認(rèn)，零一汽車的前景都在明面上——

• 造新能源卡車，百億元規(guī)模。
• 把新能源重卡做到中國最好，千億元規(guī)模。
• 但如果疊加規(guī)?；詣玉{駛落地、運營場景和全球化平臺，面向的就是萬億規(guī)模。

實際上，自動駕駛始終是90后AI大牛黃澤鏵造車?yán)锏谋匾画h(huán)，但對于全球高手華山論劍里的成績，他一方面覺得體現(xiàn)出了模型能力，另一方面也感慨：幸運女神眷顧，剛好生逢其時。

這個時，無他——大模型改寫一切，端到端重塑自動駕駛范式。

端到端，把桌子掀翻了

全球第二的成績，并不完全在意料之內(nèi)。

黃澤鏵說，這次參賽其實只是一次很簡單的嘗試。

但在2022年年底，零一汽車就已經(jīng)開始投入端到端相關(guān)的研發(fā)，所以到了今年CVPR挑戰(zhàn)賽，基本就是拿著已經(jīng)內(nèi)部相對研發(fā)成熟的系統(tǒng)做了應(yīng)用，而且僅用了視覺的信號，就取得了非常好的成績，這著實令團(tuán)隊上下倍感鼓舞。

黃澤鏵透露，零一汽車在端到端的投入上，團(tuán)隊不大，效果卻被證明很好，體現(xiàn)了團(tuán)隊在基礎(chǔ)模型、系統(tǒng)研發(fā)上的能力。

同時也是技術(shù)范式變革之力的展現(xiàn)。

他舉例，OpenAI的GPT-4o的語音對話能力，很輕松就超過了Siri，可是OpenAI投入的可能也就只有小幾十個人，遠(yuǎn)遠(yuǎn)不像Siri，可能有上千個工程師在做研發(fā)。

所以在技術(shù)范式變革的時期，對的人和好用的模型，遠(yuǎn)比人數(shù)和數(shù)據(jù)參數(shù)規(guī)模重要。

當(dāng)然，更早洞察了生成式AI帶來的技術(shù)變革，更早擁抱端到端，同樣在零一汽車的CVPR成績中發(fā)揮了“天時”作用。

黃澤鏵軟件背景多一些，在CMU學(xué)的是機器人，這是全球自動駕駛的頭號黃埔軍校，畢業(yè)后又直接加入圖森未來開啟了創(chuàng)業(yè)，完整走過了自動駕駛從技術(shù)到工程、從一輛車到一個車隊的歷程。

于是當(dāng)ChatGPT橫空出世，他很快意識到對于整個AI和自動駕駛技術(shù)范式意味著什么，這也是零一低調(diào)開啟自動駕駛研發(fā)的機緣。

運氣也站在了零一這一邊。黃澤鏵有自動駕駛的經(jīng)驗和經(jīng)歷，但卻因為生逢其時，可以用端到端的方式另起爐灶，沒有包袱，不用轉(zhuǎn)型，可以小步快跑。

黃澤鏵透露，零一汽車的創(chuàng)業(yè)，從一開始的出發(fā)點就是因為他看到了自動駕駛的最大短板在于車本身，所以明確應(yīng)該專注于把車造好，并且明確不做自動駕駛的上層系統(tǒng)，避免有限的資源投入重復(fù)造輪子的泥潭中。

然而就在ChatGPT之后，他發(fā)現(xiàn)自動駕駛技術(shù)范式，發(fā)生了根本性變化，可以把過去的自動駕駛能力，實現(xiàn)十倍到百倍的提升，于是內(nèi)部深思熟慮一個月之后，決定打破最初的堅持——開啟自動駕駛研發(fā)，完全端到端方式推進(jìn)，是起點也是終點。

一切是時候了。

端到端自動駕駛的火爆和熱議，是伴隨2023年CVPR最佳論文開始的。

不過在黃澤鏵看來，端到端在自動駕駛范式里，不是原因，而是結(jié)果。

因為早在上世紀(jì)90年代，就有過設(shè)想討論，2016年英偉達(dá)也發(fā)過知名影響力的論文。

核心系統(tǒng)也很直接：把攝像頭作為輸入，然后把車的軌跡作為一個映射。

然而在當(dāng)時的技術(shù)范式下，實現(xiàn)端到端，非常容易過擬合，或者說會陷入局部最小值。那時候AI系統(tǒng)對于世界和數(shù)據(jù)的理解能力非常有限，小demo可以work，規(guī)模一大可能就失效了。

所以黃澤鏵看來，端到端自動駕駛之所以現(xiàn)在是時候了，是因為大語言模型讓AI有了常識系統(tǒng)，AI有了理解世界的能力。

看到紅燈就停，識別到了水坑該怎么開……AI有了對人類世界的理解，還會進(jìn)一步做相關(guān)的推理。

這種質(zhì)變，也是世界模型開始被推動建立的關(guān)鍵。

黃澤鏵甚至認(rèn)為，世界模型已經(jīng)建立起來了。有了大語言模型和大視覺模型為基礎(chǔ)，整個世界就能被投射到自動駕駛當(dāng)中，有了端到端落地的基礎(chǔ)。

而大道至簡，端到端也擺脫了過去人為的模塊化定義及其相應(yīng)的信息減損，不必再寫具體而復(fù)雜的規(guī)則，自動駕駛大規(guī)模落地的瓶頸也被相應(yīng)解決了。

“不用再寫規(guī)則告訴AI系統(tǒng)遇到紅燈該停下來，AI有了常識理解能力，現(xiàn)在只需要一張圖，它就知道需要停下來了。”

過去復(fù)雜的模型被大大簡化，而簡化，就意味著工程上的巨大改變。

黃澤鏵類比：桌子被掀翻了。

首先是人才和組織管理層面。

AI人才更加稀缺，懂模型訓(xùn)練、數(shù)據(jù)中臺系統(tǒng)相關(guān)的人才更加緊俏。

同時放到3～5年的尺度看，端到端本質(zhì)在簡化自動駕駛，也就會簡化之前很多堆棧里的工程師，不論是定位、地圖，還是預(yù)測規(guī)劃。自動駕駛的研發(fā)組織，面臨一場重組革命。甚至人力密集的標(biāo)注產(chǎn)業(yè)，也會因之發(fā)生很大的變化。端到端會讓更多駕駛數(shù)據(jù)的標(biāo)注自動化。而懂模型，或者能夠用好開源基礎(chǔ)模型的架構(gòu)師，價值會得到進(jìn)一步凸顯。

其次是自動駕駛上層系統(tǒng)的變化。

已經(jīng)看得見的就是從CPU向GPU的算力體系轉(zhuǎn)移，從多個小模型向單一大模型的轉(zhuǎn)移。還有正在被探索的傳感器方案，或許也會因為端到端迎來統(tǒng)一。

第三是Corner Case——長尾場景的解決應(yīng)對，端到端能力明顯。這就會讓自動駕駛普及落地的進(jìn)程大大加快。量產(chǎn)乘用車推進(jìn)的脫腳、脫手、脫眼的功能性模式會被加快，同時行泊也會被真正打通，不再需要兩個不同的系統(tǒng)。

業(yè)內(nèi)傳播所用的“無圖也能開、全國都能開、有路就能開”，就是端到端帶來的底氣。

而這種端到端在場景遷移和泛化上的上限拉升，會帶來更加核心的變化——

L4可能會不存在了。

黃澤鏵認(rèn)為，端到端在可行的情況下其實只會有兩個系統(tǒng)， L2 和L5。

曾經(jīng)按照限定情況和限定工況的完全無人駕駛來定義出的L4，本身就是人類規(guī)則內(nèi)置的體現(xiàn)，而端到端，干掉了規(guī)則，可能就摧毀了L4的基石。

最后，自動駕駛的商業(yè)化也會迎來真正的曙光。

端到端之前，自動駕駛基于模塊化系統(tǒng)，并沒有展現(xiàn)出軟件系統(tǒng)該有的邊際效應(yīng)商業(yè)模型。

因為自動駕駛涉及與真實世界的交互，過去的邊際成本極高，從一個場景遷移到另一個場景，需要投入的研發(fā)、人力資源等成本，不符合軟件系統(tǒng)的商業(yè)模型。

但端到端之后，完全數(shù)據(jù)驅(qū)動，場景不再會被切割，AI系統(tǒng)不再有遷移成本，軟件的邊際效應(yīng)威力就會展現(xiàn)，自動駕駛的商業(yè)化也將會迎來質(zhì)變。

黃澤鏵認(rèn)為，端到端掀翻了舊制度，然后正在重組新秩序。

唯一重要又需要檢驗的問題只剩下一個：端到端的下限在哪兒？

本質(zhì)上，端到端是一個深度學(xué)習(xí)系統(tǒng)，可以視為一個概率模型。

而端到端更是信息流到信息流的映射，如何從概率上保證輸出結(jié)果的安全性，在自動駕駛上比其他AI應(yīng)用領(lǐng)域更加重要。

不過黃澤鏵對此相對樂觀，他覺得隨著行業(yè)內(nèi)更多力量的加入，這個問題不會是大問題。多年前黃澤鏵參與過人臉識別的研發(fā)，很難想象現(xiàn)如今是金融級的尋常應(yīng)用。

AI確實還存在很多復(fù)雜問題和挑戰(zhàn)，但開車駕駛本身，其實并不是特別復(fù)雜。

黃澤鏵也不認(rèn)同，一定需要完全可解釋、完全打開黑箱，才是自動駕駛的終局。端到端確實是一個偏向黑盒的系統(tǒng)，但黑盒和不安全是不能畫等號的。

“我們敢坐飛機不是因為飛機原理完全可解釋了，而是它已經(jīng)證明了足夠安全。”

實際上，即便沒有端到端，黃澤鏵對自動駕駛的信念也從未有過動搖。

他說之所以再創(chuàng)業(yè)選擇造車，就是希望解決卡車自動駕駛落地最大的短板——車。

自動駕駛再創(chuàng)業(yè)，從造車開始

“其實對于自動駕駛來說，最大的問題還是缺車?！?/strong>

在已經(jīng)成功完成圖森無人車的從0到1后，黃澤鏵給出了上述再出發(fā)時的初心依據(jù)。

他說過去做了10年的自動駕駛，一直圍繞著卡車展開，但最后發(fā)現(xiàn)限制卡車自動駕駛推進(jìn)的依然是車本身。相比轟轟烈烈的乘用車市場，卡車缺乏新能源變革的過程，很多底層技術(shù)沒有經(jīng)過改造。

以終為始來看，自動駕駛卡車落地之難，在于缺乏一輛好用的卡車，缺乏一個好用的卡車平臺。

這種缺乏是痛點、是稀缺，也是真正希望實現(xiàn)自動駕駛落地的黃澤鏵，看到的創(chuàng)業(yè)機遇。

在他的認(rèn)知里，自動駕駛就是兩個層次的系統(tǒng)：一個是上層系統(tǒng)，軟件為核心；一個是底層系統(tǒng)，車輛硬件為基礎(chǔ)。

“需要把車作為自動駕駛的一部分?！?/strong>

黃澤鏵認(rèn)為，上一波自動駕駛從業(yè)者，實踐中有這樣的感觸，但站在更大尺度上看自動駕駛，依然還不是多數(shù)人共識。

馬斯克依然是引領(lǐng)者，在卡車領(lǐng)域，特斯拉已經(jīng)量產(chǎn)落地了Semi卡車，但Semi更多還是卡車的新能源歷程，還沒有走向智能化歷程。

于是黃澤鏵認(rèn)為，既然技術(shù)路徑方向已經(jīng)大致明確，那造車就算再難也需要勢在必行，至少需要從造車方向上前進(jìn)。

命運的齒輪，也在此刻轉(zhuǎn)動。

就在計算機軟件底色的黃澤鏵堅定向硬件向造車而行時，與另一位資深的硬件大牛、卡車大咖張紅松，一拍即合。

張紅松和黃澤鏵不是同齡人，相比黃澤鏵的AI少年天才，張紅松代表著造車領(lǐng)域的傳統(tǒng)與厚重，他已經(jīng)在重卡領(lǐng)域戰(zhàn)斗了30多年，曾是北京福田戴姆勒和三一重卡的副總裁，以及完成了三一重卡從立項到上市的全過程，深諳硬件研發(fā)、供應(yīng)鏈和制造。

他倆最早在黃澤鏵的圖森任職時有過接觸交流，但不夠深入。待黃澤鏵回國后，機緣巧合下開始不斷交流，他向松哥分享他的感悟，求教解決車輛在自動駕駛中的短板現(xiàn)狀。

而張紅松也驚人發(fā)現(xiàn)，他從車企的角度，也在思考方向一致的問題。

更重要的是，這種對撞交流中，兩人發(fā)現(xiàn)底層邏輯價值觀、思考問題的方式、性格相互吸引……

所以既然思考相同的問題，為什么不通過創(chuàng)業(yè)的方式解決它？

張紅松和黃澤鏵，“一老一少”組建零一汽車，正式開啟造車創(chuàng)業(yè)。

而且因為二人獨一無二的經(jīng)驗和履歷，對創(chuàng)業(yè)方向和項目發(fā)展想得清楚、劃分得細(xì)致，進(jìn)展也比預(yù)期順利。

戰(zhàn)略上的準(zhǔn)確性，讓他們用時不到2年、耗費1.5億左右，就完成了第一個平臺兩款車型的研發(fā)、制造和交付。

黃澤鏵也透露，乘用車造車，門檻公認(rèn)的是50-100億，但卡車之所以不同，是因為卡車的行業(yè)供應(yīng)鏈可復(fù)用程度高，定制化開發(fā)少、專門的集成度也沒那么多，可以把最合理的資源用到最需要的地方。

他也坦承，2年零一造車的過程，也并非事事順利，犯錯誤買單在所難免，但因為零一汽車有著方向上的大致正確、團(tuán)隊不斷解決問題的心態(tài)和執(zhí)行力，保證了至今超預(yù)期的交付。

對于零一汽車，黃澤鏵有著自己的“三級火箭”——

第一級，先把車造好，上牌桌。然后把車賣好，獲得頭部市占率，完成造車從研發(fā)到商業(yè)上的閉環(huán)，實現(xiàn)企業(yè)發(fā)展的飛輪循環(huán)。第一級做完，基本就獲得了下一賽段入場券。

第二級：打造自動駕駛基座和平臺，整車系統(tǒng)深度自研以及深入針對一些場景，深入做好無人化落地。這將是為新能源而生的全新重卡整車平臺，為無人駕駛而生的智能整車平臺。

接著就是第三級，自動駕駛量產(chǎn)、規(guī)?；逃?/strong>，無人駕駛與整車智能化完全整合，實現(xiàn)最大范圍和場景的自動駕駛目標(biāo)。

以馬斯克的SpaceX類比，黃澤鏵的三級火箭里，第一級造車負(fù)責(zé)擺脫地心引力，進(jìn)入太空；第二級第三級自動駕駛，則是能夠進(jìn)入火星軌道并且最終落地火星。

而現(xiàn)在，隨著量產(chǎn)車制造交付以及源源不斷的銷量訂單反饋，零一汽車的第一級火箭，正在不斷入軌。

當(dāng)然，面向星辰大海，沿途也能開花結(jié)果。

除了造車，零一汽車也把新能源和智能化相關(guān)的能力，做了開放合作，以零動智卡聯(lián)盟的方式賦能卡車行業(yè)。

黃澤鏵之前也談?wù)撨^，卡車區(qū)別于乘用車供應(yīng)鏈，專屬定制的沒那么多，共享復(fù)用的很多。

而零一汽車恰好能給這個更傳統(tǒng)的汽車細(xì)分市場，既帶來新能源的共享，也能帶來自動駕駛相關(guān)的復(fù)用。

對于零一汽車，這種賦能利他，最后也是在創(chuàng)造共贏，因為卡車或者商用車面向的細(xì)分場景太多，如果能有更多的玩家，直接通過零一汽車的能力——電氣化架構(gòu)和自動駕駛方案，一定能夠共贏創(chuàng)造更大的價值，以及實現(xiàn)自動駕駛的無處不在。

黃澤鏵也被問到這個聯(lián)盟模式下的遠(yuǎn)景問題，他說目前還不敢想太多，但模糊可見的是零一汽車輸出技術(shù)，然后重卡車企完成生產(chǎn)制造和后續(xù)服務(wù)。

實際上，這個模式在乘用車市場，已經(jīng)被華為完成了驗證，而零動智卡聯(lián)盟看起來就像是要打造商用車領(lǐng)域的鴻蒙智行。

這種評價，不在黃澤鏵的意料之內(nèi)，或者準(zhǔn)確說零動智卡聯(lián)盟也不在他最開始再創(chuàng)業(yè)的第一性假設(shè)中，回顧再創(chuàng)業(yè)之路，黃澤鏵反復(fù)強調(diào)的只有一句話一件事：

卡車依然是自動駕駛的最大短板。

讓他對比圖森未來和零一汽車兩段創(chuàng)業(yè)的不同，他傾向于認(rèn)同擬人化的這個類比——

圖森要做IOI金牌選手，用計算機嘗試解決世界上最難的技術(shù)問題，長板夠長就行，哪怕只有一個長板。

但零一汽車的挑戰(zhàn)，在于造車、自動駕駛、商業(yè)化、運營和品牌等方面都是長板，不能有短板。更像是高考狀元。

而當(dāng)前，零一汽車已經(jīng)在“摸底考”中，在造車和自動駕駛兩大主科中，名列前茅，第一梯隊。

2年的創(chuàng)業(yè)成績讓黃澤鏵激動，但更激動的是距離愿景——全球最好的運輸機器人公司，又更近了一步。

黃澤鏵說，這是一個中國卡車從來沒有實現(xiàn)過的夢想。

現(xiàn)在，以零一汽車之名，通過創(chuàng)業(yè)的方式，召集最優(yōu)秀的人，一步步實現(xiàn)它。

版權(quán)所有，未經(jīng)授權(quán)不得以任何形式轉(zhuǎn)載及使用，違者必究。