最近，小馬智行CTO樓天城和理想汽車CEO李想分別接受了《晚點Auto》和騰訊新聞《潛望》的采訪。有意思的是，面對同樣的問題，二者卻有著不一樣的思考。

關于自動駕駛L2和L4的實現路徑，樓天城認為依靠L2的端到端永遠無法實現L4的自動駕駛。

這個觀點其實是從第一性原理出發。他認為L2端到端的核心是通過人類駕駛的真實數據模仿學習更像人，它的主要作用是幫助人開好車；而L4的要求則必須要超越人，它的目的是替代人，安全性就必須高于人類安全10倍以上。

基于這個邏輯，樓天城認為，L2和L4永遠不可能互為通路，即L2無法通過現實數據的“升級打怪”實現L4；反之，L4也無法通過降維實現L2。

因為L2輔助駕駛的邏輯是在碰到極端復雜的情況時人及時接管保證，強調系統“知難而退”，提高人的優先級；而L4的邏輯恰好相反，他強調系統在這種情況下“要迎難而上”，解決它，系統具有唯一決定權。

樓天城把L2和L4的技術稱之為Learning by Watching和 Learning by Practicing，觀察學習和訓練學習。他認為L2的端到端就是模仿學習，而基于世界模型的L4屬于訓練學習。端到端可以實現L2，無法實現L4，L4必須用世界模型來實現。

樓天城認為L2和L4之間存在交集，但是到了一個分岔口以后就分道揚鑣。這里他舉了一個長短跑的例子，二者都能達到強身健體的目的，但是要成為專業運動員，二者需要具備的能力不同。L2需要的能力是端到端，而L4需要的能力則是世界模型。

他將世界模型比喻成一個factory，而自動駕駛技術的差別在factory的精度，而不是端側模型的能力。因為世界模型可以模擬5-10秒發生的事情，然后拿系統去驗證它，但端到端只能預測，預測出來的結果未必準確，在實際駕駛中就容易出錯。

到這里我們來看點有意思的，這幾天理想汽車也密集對外闡述其智駕理念，按照李想的設想，通過“端到端+VLM”架構，理想能夠在明后年實現L3（既有監督自動駕駛），而L4又是L3的延續；通過L3最終升級到L4，屬于一個范疇。

李想還提到端到端只能實現L3，要實現L4必須使用VLA，一個包含了視覺，語言和行動的多模態模型。

這和樓天城的觀點有沖突：

1、李想定義的L2和L4是兩個完全不同的東西，L2是輔助駕駛，L3是有監督自動駕駛，L4是完全自動駕駛，L4是L3的延續，屬于一個范疇。樓天城也認為L2和L4是兩回事，分歧在于樓天城認為端到端不能實現L4的自動駕駛，但李想又說端到端能夠實現L3，即有條件的自動駕駛。

2、樓天城認為實現L4的自動駕駛需要世界工廠來完成，而李想認為是VLA。世界工廠是人為構建出來的一個虛擬世界，而VLA則是一個端側大模型。

3、李想認為端到端無法實現L4的理由是泛化不夠，需要通過VLA來解決，這里強調的是模型的重要性；而樓天城認為端到端無法實現L4的理由是現實世界數據遠遠無法達到自動駕駛需求的上限，必須自己構建世界模型，并且保證足夠高的精度，而且有閉環能力。他認為模型本身不重要，重要的是世界模型構建的閉環能力。

4、理想還提到要在明后智駕MPI達到500km，甚至1000km以上，但樓天城認為，MPI 為 1000 公里的 L2 產品不存在，因為它反人性。

樓天城認為，今天大部分 L2 系統的 MPCI，大概最高到 300 公里，而 L4 至少是 10 萬公里級別。而理想近期的目標是MPI達到100km。

5、李想認為，L4首要解決的應該是泛化性和通用性問題。但樓天城認為，適用范圍并不是L4 Robotaxi的首要任務，它可以不需要特別大的范圍，比如在一個城市里也可以，所以這方面不是它最大的優化目標，安全性才是。

這里我們在引入一個特斯拉的案例，特斯拉做L2輔助駕駛和L4 Robotaxi的思路是通過一套FSD系統不斷進行數據積累“升級打怪”來完成，Robotaxi要實現商業價值的前提必須拿掉駕駛員，那就屬于L4的范疇。當然，中間可能會加入世界模型的幫助，但無論如何，這和樓天城與李想的觀點有悖。

有意思的是，李想和樓天城都對自己的觀點絕對自信。樓天城認為，將來特斯拉要實現L4的Robotaxi一定會切換到世界模型。李想則認為，要實現廣泛性、通用性、而不是特定區域的L4，一定是VLA。而且Waymo、特斯拉最后也會變成VLA。所有想通往L4的企業可能都是VLA，或者比VLA更好的方式。

樓天城一直在強調閉環的能力，它認為只有世界模型才能閉環，包括生成數據，評價好壞，高度仿真，數據挖掘。而模仿學習的方式永遠不可能閉環。

亦如10年前大家對自動駕駛技術的分歧一樣，時至今日，L2輔助駕駛商業化已經率先落地，L4商業化也是曙光乍現。在商業化落地前夕，樓天城和李想的觀點代表了行業頂級大腦的不同思考。共性的點在于，二者都認為L4技術會在3年內取得重大突破，屆時答案一目了然。不著急，讓時間給出答案吧。