智能駕駛，近年來可以說是迅速發展。

想想之前，那時候還沒有去高精地圖，沒有占用網絡，沒有開城大戰，沒有去激光雷達，也沒有全國都能開，端到端更是無從談起。

在智能駕駛行業的我們，就像其他行業千萬個普通工程師一樣，遵循著頂層設計的方案，補上一塊塊磚頭。

每個團隊都認為，智能駕駛行業版圖里會有自己的一部分。不論團隊大小，也不論方案選擇。

可是行業趨勢沒有等待任何人。

2020年開始各大團隊智能駕駛的瘋狂擴張，過熱的資本，活躍的人才流動。

自動駕駛走向量產之后，變成一個巨大工程問題。感知，規劃，測試，平臺，仿真，系統，安全等等，每個團隊都有自己必須擴張的理由。

簡而言之：“我們準備量產之后，任務會越來越多，想要效率，就必須招聘。”

各家給AD的預算高企，自動駕駛獵頭們推波助瀾，從上海到蘇州，從深圳到廣州，從杭州到北京。

優秀的，普通的，能出活的，只會做PPT的，都搭上了這班車。

還有各家泛濫成災卻又形同虛設的競業協議，跳槽的工程師們化名，以其他公司的名義簽訂合同，繳納社保。

這種原來只存在于極高端崗位上的限制，開始面向一個個普通工程師。

可是沒有想到，所有這些招聘，到了2024年，行業急劇切換，陡然變成了負累。

人工智能的Scaling Law出現了，馬斯克說靠著海量的路試數據，可以自動化進行問題的解決。

2023年眾人對此嗤之以鼻，端到端自動駕駛不夠安全，天方夜譚；到了2024年，全員切換，端到端是目前最先進的技術，是未來的希望。

變化之快，行業內外都很難理解。

在這次切換里，行動效率極高的理想AD團隊獲得了最大的紅利，同樣，也是上一輪自動駕駛瘋狂期擴張最謹慎的團隊。很難不把這兩者發生關聯。

技術切換浪潮來臨時，所有之前的投入可能都只是你的沉沒成本。

自動駕駛行業因為端到端對算力要求預期越來越高，小鵬提出自動駕駛的競爭是云端的競爭，小米不甘落后給出了一個天量的算力儲備。

而昔日在行業金字塔頂端的RoboTaxi公司們，面對端到端趨勢，有了一種神奇的擰巴感。

我無法跟隨端到端，因為車輛量級和算力跟不上；但是我無法不跟隨端到端，因為行業趨勢如此。

我無法跟隨端到端，因為確實端到端達不到L4量產所要求的安全性；但是我無法不跟隨端到端，因為作為人工智能公司，至少目前Scaling Law還是共識，目前的技術棧很難跟Scaling Law發生關聯。

以前我們想要證明的“小而美的團隊，用精致的算法將自動駕駛推向世界”的愿景，似乎一去不復返。

那么先要證明端到端是有局限的，然后再拋出一個新的解決辦法，證明每個團隊的解法都有存在的價值。

小馬智行這么做了，端到端的模仿學習讓人絕望，無法超越人類。需要主動的接近強化學習的方法論，才能讓RoboTaxi能力大大進化。

怎么實現這件事？

不依賴真實世界的傳感器數據，而是建造交互式的世界模型，讓算法在里面進行虛擬交互式學習。這與蔚來NIOIN提出的NSim，也有著非常相似的地方。

同樣的，這條路并不簡單，但是這也是一條避不開的道路。

不論是什么模型，在真實世界的學習一定是受限的，在虛擬世界里進行學習和進化是必須的選擇。

所以大家或許也注意到了，從今年開始，虛擬仿真技術成了各家團隊重點宣傳對象，3D重建，世界模型，Gaussian Splatting等等開始搬上PPT。

在往年，這是想都不敢想的故事。

自然，在一個沒有前人的道路上進行努力，不是什么討巧的事情。只有成功者才能證明自己正確。

不過新的故事還沒有證明，火熱的端到端已經開始逐步壓榨原有工程師們的空間。

即使已經獲得資源的團隊們，面對行業趨勢有著不小的抵觸情緒。

多家自動駕駛團隊開始裁員，不論是資本失望后逐步降低期待的RoboTaxi，還是證明了端到端技術之后的團隊開始主動瘦身。

規劃控制、測試、地圖、后融合，突然開始就不再是重點投入的方向。

從千軍萬馬中廝殺中獲得先機的供應商Momenta和大疆卓馭，華為引望的能力也在拷問每一個內部自研團隊的意義，盛宴已過，桌上只有殘羹冷炙。

自動駕駛的未來的似乎是確定的，但是投入并不保證產出。

好在也有新的風口開始出現，具身智能，一個幾乎相當于2016年的自動駕駛概念。

一切都是新的，沒有方法論共識，也沒有工具鏈共識，每家都有自己的想法，每家都想把自己的硬件推向市場。

這意味著每一種方案都有勝出的空間。珍貴的不確定性和未來的美好愿景交織，開始吸引投資人的注意。

自動駕駛，有著天生廣泛群眾基礎的應用場景，可以用已經非常穩定的車輛形態進行算法迭代，而具身智能，第一個應用場景會在哪里，形態是否必須是人形，怎么能夠進行低成本的數據收集，等等。過于不確定的答案也讓不夠耐心的資本止步于門口。

新的機會，新的挑戰，智能駕駛傳奇們躬身入局，創始人的背景，集結了現在幾乎所有的頭部智能駕駛團隊。

不少從業者相信，自動駕駛多年來的經驗，可以為這個混沌的領域注入一點確定性。

智駕的推動有時很慢，有時也可以很迅速，在智能汽車遍地跑的中國，勢必會出現一個個跑遍全球的智駕汽車。

從現在來看，一場新的宴會似乎就要展開。