90后AI天才造卡車，靠端到端進自動駕駛第一梯隊

李根 一凡 發自 副駕寺

智能車參考 | 公眾號 AI4Auto

自動駕駛，并不是黃澤鏵再創業計劃里的首要任務。

作為全球無人車第一股圖森未來的聯合創始人，他完整參與了一次決策式AI驅動的自動駕駛從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，再出發沒有首選軟件方向，出乎不少人意料之外。

是的，黃澤鏵再創業的零一汽車，從新能源重卡出發，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賽上，創辦才2年的造車公司零一低調參賽，然后名列第二，成績僅次于巨頭英偉達，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交付、智能化重卡生態聯盟上的效應……“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，零一汽車的前景都在明面上——

• 造新能源卡車，百億元規模。
• 把新能源重卡做到中國最好，千億元規模。
• 但如果疊加規模化自動駕駛落地、運營場景和全球化平臺，面向的就是萬億規模。

實際上，自動駕駛始終是90后AI大牛黃澤鏵造車里的必要一環，但對于全球高手華山論劍里的成績，他一方面覺得體現出了模型能力，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。

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，零一汽車就已經開始投入端到端相關的研發，所以到了今年CVPR挑戰賽，基本就是拿著已經內部相對研發成熟的系統做了應用，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，團隊不大，效果卻被證明很好，體現了團隊在基礎模型、系統研發上的能力。

同時也是技術范式變革之力的展現。

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，遠遠不像Siri，可能有上千個工程師在做研發。

所以在技術范式變革的時期，對的人和好用的模型，遠比人數和數據參數規模重要。

當然，更早洞察了生成式AI帶來的技術變革，更早擁抱端到端，同樣在零一汽車的CVPR成績中發揮了“天時”作用。

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

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

運氣也站在了零一這一邊。黃澤鏵有自動駕駛的經驗和經歷，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，不用轉型，可以小步快跑。

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

然而就在ChatGPT之后，他發現自動駕駛技術范式，發生了根本性變化，可以把過去的自動駕駛能力，實現十倍到百倍的提升，于是內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，完全端到端方式推進，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，而是結果。

因為早在上世紀90年代，就有過設想討論，2016年英偉達也發過知名影響力的論文。

核心系統也很直接：把攝像頭作為輸入，然后把車的軌跡作為一個映射。

然而在當時的技術范式下，實現端到端，非常容易過擬合，或者說會陷入局部最小值。那時候AI系統對于世界和數據的理解能力非常有限，小demo可以work，規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在是時候了，是因為大語言模型讓AI有了常識系統，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，還會進一步做相關的推理。

這種質變，也是世界模型開始被推動建立的關鍵。

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

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的信息減損，不必再寫具體而復雜的規則，自動駕駛大規模落地的瓶頸也被相應解決了。

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

過去復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，懂模型訓練、數據中臺系統相關的人才更加緊俏。

同時放到3～5年的尺度看，端到端本質在簡化自動駕駛，也就會簡化之前很多堆棧里的工程師，不論是定位、地圖，還是預測規劃。自動駕駛的研發組織，面臨一場重組革命。甚至人力密集的標注產業，也會因之發生很大的變化。端到端會讓更多駕駛數據的標注自動化。而懂模型，或者能夠用好開源基礎模型的架構師，價值會得到進一步凸顯。

其次是自動駕駛上層系統的變化。

已經看得見的就是從CPU向GPU的算力體系轉移，從多個小模型向單一大模型的轉移。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一。

第三是Corner Case——長尾場景的解決應對，端到端能力明顯。這就會讓自動駕駛普及落地的進程大大加快。量產乘用車推進的脫腳、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。

業內傳播所用的“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。

黃澤鏵認為，端到端在可行的情況下其實只會有兩個系統， L2 和L5。

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

最后，自動駕駛的商業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，并沒有展現出軟件系統該有的邊際效應商業模型。

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、人力資源等成本，不符合軟件系統的商業模型。

但端到端之后，完全數據驅動，場景不再會被切割，AI系統不再有遷移成本，軟件的邊際效應威力就會展現，自動駕駛的商業化也將會迎來質變。

黃澤鏵認為，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？

本質上，端到端是一個深度學習系統，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果的安全性，在自動駕駛上比其他AI應用領域更加重要。

不過黃澤鏵對此相對樂觀，他覺得隨著行業內更多力量的加入，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，很難想象現如今是金融級的尋常應用。

AI確實還存在很多復雜問題和挑戰，但開車駕駛本身，其實并不是特別復雜。

黃澤鏵也不認同，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，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。

他說之所以再創業選擇造車，就是希望解決卡車自動駕駛落地最大的短板——車。

自動駕駛再創業，從造車開始

“其實對于自動駕駛來說，最大的問題還是缺車。”

在已經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時的初心依據。

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

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，也是真正希望實現自動駕駛落地的黃澤鏵，看到的創業機遇。

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

“需要把車作為自動駕駛的一部分。”

黃澤鏵認為，上一波自動駕駛從業者，實踐中有這樣的感觸，但站在更大尺度上看自動駕駛，依然還不是多數人共識。

馬斯克依然是引領者，在卡車領域，特斯拉已經量產落地了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。

于是黃澤鏵認為，既然技術路徑方向已經大致明確，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。

命運的齒輪，也在此刻轉動。

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域的傳統與厚重，他已經在重卡領域戰斗了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、供應鏈和制造。

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狀。

而張紅松也驚人發現，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，兩人發現底層邏輯價值觀、思考問題的方式、性格相互吸引……

所以既然思考相同的問題，為什么不通過創業的方式解決它？

張紅松和黃澤鏵，“一老一少”組建零一汽車，正式開啟造車創業。

而且因為二人獨一無二的經驗和履歷，對創業方向和項目發展想得清楚、劃分得細致，進展也比預期順利。

戰略上的準確性，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、制造和交付。

黃澤鏵也透露，乘用車造車，門檻公認的是50-100億，但卡車之所以不同，是因為卡車的行業供應鏈可復用程度高，定制化開發少、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、團隊不斷解決問題的心態和執行力，保證了至今超預期的交付。

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，完成造車從研發到商業上的閉環，實現企業發展的飛輪循環。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、規模化商用，無人駕駛與整車智能化完全整合，實現最大范圍和場景的自動駕駛目標。

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

而現在，隨著量產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。

當然，面向星辰大海，沿途也能開花結果。

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

黃澤鏵之前也談論過，卡車區別于乘用車供應鏈，專屬定制的沒那么多，共享復用的很多。

而零一汽車恰好能給這個更傳統的汽車細分市場，既帶來新能源的共享，也能帶來自動駕駛相關的復用。

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

黃澤鏵也被問到這個聯盟模式下的遠景問題，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，然后重卡車企完成生產制造和后續服務。

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

這種評價，不在黃澤鏵的意料之內，或者準確說零動智卡聯盟也不在他最開始再創業的第一性假設中，回顧再創業之路，黃澤鏵反復強調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業的不同，他傾向于認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問題，長板夠長就行，哪怕只有一個長板。

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

而當前，零一汽車已經在“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年的創業成績讓黃澤鏵激動，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過的夢想。

現在，以零一汽車之名，通過創業的方式，召集最優秀的人，一步步實現它。