撰文 | 張祥威 編輯｜馬青竹

2019年，公司成立的第三年，小馬智行聯合創始人兼CTO樓天城在團隊一直采用的learning by watching技術路線身上看到了兩個字：

“絕望”。

learning by watching，又稱模仿學習，在自動駕駛領域，是指通過采集數據，讓系統模仿人類優秀司機開車。而過去一年大熱的端到端，就是模仿學習的一種。

樓天城說，它有三個局限：

只能模仿人類開車，無法學習人類駕駛過程中的意圖；

人們可以接受人類司機因為嚴重身體問題失去駕駛能力，但不能接受機器失效；

模仿學習屬于開環訓練，系統無法自己判斷學習結果的好與差。

他認為，有了這些局限，就無法實現L4。

樓天城和團隊開始重構技術，轉向learning by Practicing，也就是強化學習。為了讓模型自我學習，團隊搭建了虛擬學習環境——世界模型。

小馬智行的技術重構花了五年時間。

如今，隨著蘿卜快跑和馬斯克在2024讓Robotaxi和 L4 概念回暖，樓天城和小馬智行高管開始頻頻露面，批評“端到端”，圍繞“世界模型”制造聲量，說明L4的技術可行性，以及闡述接下來的商業化路徑。

還要回應，面對特斯拉為代表的漸進式玩家，小馬智行等還在堅守的L4玩家有沒有護城河？

尋到“世界模型”救命藥

樓天城的觀點是：

漸進式L2+玩家采用learning by watching技術路線完全沒問題，但做得越好，距離L4越遠，做Robotaxi，最終會發現行不通；L4做Robotaxi，除了選擇強化學習，別無他法。

沉默許久的小馬智行，讓人們看到L4玩家生存狀態，和接下來要走的路。與L4公司最初創業時一樣，這條路也因為更換技術路線，再次有了懸念。

去年，特斯拉FSD V12推送部分用戶后，端到端風暴席卷國內自動駕駛圈。這提高了系統能力上限，解決corner case步子加快。華為、小鵬、理想、Momenta、元戎啟行等，均走在這條路上。

小馬智行副總裁、北京研發中心負責人張寧告訴《出行百人會/AutocarMax》，小馬智行根據對市場和技術的觀察，很快就做了相應嘗試，在2023年做了端到端。

但是，他補充，端到端不能解決所有問題，“助推無人駕駛大規模落地的很重要一點，是世界模型?！?/p>

樓天城此前接受媒體采訪時解釋，端到端屬于模仿學習，通過模仿學習做不到L4，而是需要采用強化學習，像AlphaGo一樣進行自我訓練。

自我訓練需要的世界模型，由四部分組成：數據生成器生成的場景數據；駕駛行為好壞的評估體系；高真實性的仿真；以及數據挖掘工具和引擎。

“一個錯覺是，相比實際收集的數據，生成數據會不會覆蓋不了常規場景或corner case，其實那都是沒做好。如果做得好，生成數據的覆蓋率和一致性遠超實際路采數據?！睒翘斐钦f。

這也是他眼中的技術核心，“世界模型是車端模型的工廠，自動駕駛技術的真正差別在于工廠的精度，就像一個模具的精度決定了它生產出來的零件的上限?！?/p>

其實，漸進式玩家也開始采用強化學習。

去年7月，理想汽車智能駕駛技術負責人賈鵬闡述理想的算法原型時表示：

“端到端模型的目的是學習行駛軌跡，但行駛軌跡是不確定的，即使同一個司機，在不同的場景、不同的時間，駕駛行為也不太一樣。如果只是一味地通過模仿學習人，只能模仿對的，不知道什么是錯的，會出現很多詭異的駕駛行為。”

理想在訓練過程中引入強化學習，讓系統知道對與錯，從而得出一個駕駛技巧、價值觀均正確的模型。

漸進式玩家還意識到，端到端僅僅是開始，無法實現L4。理想汽車CEO李想不久前表示，端到端只能解決L3，無法解決L4。

“端到端+VLM可以解決L3，比如實現500公里到1000公里一次接管，讓你在車上相對輕松。但它想L4，泛化能力是遠遠不夠的。要實現L4，必須使用VLA。

小鵬汽車自動駕駛副總裁李力耘持同樣觀點：

“無論是云端大模型，還是世界模型，或者生成式仿真、強化學習，這些都是最終做成Robotaxi的必由之路。端到端的AI大模型也許不是最終做成無人駕駛的充分條件，但會是一個必要條件。”

筆者注意到，在小鵬汽車的“端到端四部曲”中，提到“類L3”“部分場景下的無人駕駛”，但并未沒出現嚴格意義上的L4。

目前，國內明確提出要做VLA的公司有兩家，理想之外，另一家是元戎啟行。元戎啟行技術副總裁劉軒此前向我們表示，“VLA可以理解為跟駕駛相關的世界模型。”

除了要在明年將VLA架構模型量產上車，元戎啟行同樣有涉足Robotaxi的計劃。元戎啟行CEO周光認為，用傳統的L4技術路線做Robotaxi，過去幾年證明走不通，但VLA有可能將這條路走通。

“我們的世界模型和VLA相比，差別還是很大的。大部分VLM/VLA展示出來的是看圖說話的進階版能力，小馬智行的世界模型，與其說更接近VLM或者VLA，不如說更接近Alpha Zero。”張寧向我們表示。

半前裝量產，逐步投放

近幾年，L4玩家在Robotaxi上多番探索，除重構技術外，另一主線是降本。以百度Apollo為例，通過前裝量產，將第六代無人車RT6的成本下探到25萬元。

與百度不同，小馬智行的量產策略相對謹慎。

《出行百人會/AutocarMax》了解到，目前小馬智行路上投放的Robotaxi采用第六代車型，明年將發布第七代車型。

第七代車型為半前裝量產?！白屢粋€完全為你打造的產線去生產幾千臺車，不經濟。”張寧說。

據悉，第七代車型目前有三款：一款基于豐田鉑智4X車型打造；一款基于北汽極狐阿爾法T5車型打造；一款基于廣汽埃安的車型打造。

新車型將全面搭載車規級設備，比如，車規級芯片英偉達Orin X等，且可以滿足60萬公里以上的營運里程要求。

至于真正的前裝量產，張寧認為，當從萬到十萬爬坡，全生命周期有10萬臺車時，適合向主機廠做深度定制，從頭開始做定向研發車型。

“10萬臺車的量級之下，攤銷下來是經濟的狀態。在那之前，我們更愿意和主機廠已有的能力相結合?！?/p>

據悉，小馬智行在產線上完成所有ADK自動駕駛軟硬件的加裝，下線時就是一臺完整的Robotaxi，以能保證產線上的一致性、可靠性。

張寧算了一筆賬：

收入端，小馬智行希望每臺車一年達到10多萬元。

成本端，主要包括車輛和自動駕駛ADK套件、遠程協助人員等。一輛新能源車大概15萬元，小馬智行的ADK套件大概10-15萬元。

作為對比，張寧說，“Waymo的ADK價格是20萬美金，搭載機械旋轉式激光雷達。而小馬智行已采用半固態激光雷達，單顆激光雷達成本接近3000元人民幣?！?/p>

當下，一個出租車司機人工成本每年大概10萬元，小馬智行的單車毛利轉正，至少在汽車運營生命周期內可見。

據小馬智行測算，相比六代車型，第七代車型成本會下降60%-70%。

按照計劃，小馬智行接下來要在2025年投放五六百臺車，2026年初破千，年底達到兩三千臺。2025年下半年到2026年初，公司的Robotaxi業務將實現毛利轉正。

小馬智行聯合創始人、CEO彭軍曾表示，在技術不成熟之前，投放100臺、500臺到1000臺，并沒有本質區別。

目前，小馬智行投放Robotaxi規模為200臺左右，百度的蘿卜快跑約2000臺。

如今開啟規模投放，或許說明，那條花了五年時間重構的強化學習技術路線，以及小馬智行心目中的唯一解“世界模型”，讓其看到了技術成熟的希望。

2024年最后幾個月，特斯拉、小鵬紛紛宣布Robotaxi計劃，特斯拉的Cybercab計劃2026年投產，小鵬的Robotaxi車型也將在明年推出。元戎啟行也透露，將用VLA架構支持運營Robotaxi。

兜兜轉轉，小馬智行依舊堅持以世界模型為抓手，漸進式玩家也追上來，終局的懸念再次浮現。

—THE END—

出行百人會 | AutocarMax

追蹤汽?出行產業鏈進化，關注新產品、新科技、商業邏輯與商業人物，影響圈層中有影響力的人。