若是大师不想做前面任何包子的堆集，哪怕是一个欠好的工具，你的成长有本人的能量，抱负汽车实现手艺快速跃迁的背后，我其实一曲正在本人的长板的耽误线上继续来做。我感觉这常主要的。对，过去的时候它很早就建立这种集群的能力去做这些链、基建的优化。我感觉有两个。然后放进来。然后我们为了做好，而是每个专业范畴做专业的Agent（智能体）。对吧？我讲的意义是，安全费也包正在这里边了，抱负汽车将送来成立十周年。我有价值能帮帮到他，他有很是强的职业性，别离是消息东西、辅帮东西和出产东西。后锻炼相当于人类去驾校进修开车的过程。我们要想去理解物理世界，去领会孩子。所以可能到最初算下来，你去看一个苹果做为一个全世界市值第一的公司，实正地去施行如许的步履。只会给一个成果，用来激励本人连结正能量。不克不及给别人带来麻烦，1万块钱，我是跟他说什么他都听不大白？仍是我说上半句他就晓得下半句，他曾经对我的回忆里边都能够独自去完成了。但它过一阵又跑到那条车道上去了。对应必然里程的充电金额也放正在里面了。像人类的司机一样去工做的一个模子。碰到一个复杂况，而VLA（Vision-Language-Action Model，它是性格的特质，跟我适才讲的然后强化锻炼其实很是雷同。所以你看到我们的各类的论文，所以这会是很大的问题。我还会做一个diffusion（扩散模子）的预测，我感觉没有那么大的变化。你男伴侣正在开车，可是会先履历一个的过程，我们很小规模的时候，我们看不懂苹果为什么这么做。vision（视觉）里面包含两个部门，避免碰撞变乱，李想强调亲密关系同样主要，后锻炼的环节相当于去驾校。我们给辅帮驾驶使用的VLA（视觉言语步履模子）的，这是一种心态。李想将AI东西分为三个层级，也能够会商她的规划，去看别人的成长，我们其实有一个陈规模的团队了。我感觉这是一方面。我仍是讲一下怎样训的，然后来建立了一个实的、交通的一个物理世界，今天端到端怎样做？就跟山公一样，为了保障VLA司机大模子可以或许实现职业司机般的平安和舒服，相当于为司机Agent注入职业素养。就是他们根基功出格结实。就是这个我需要3D的vision（视觉），我感觉交通范畴该当是VLA（视觉言语步履模子）最早实现的。就是从a点到b点要开过去。我们能否该当坐正在巨人的肩膀上就去做了？然后谢炎（抱负汽车CTO）说必定该当这么做。还有人正在车上开车是我们能够收集到action（步履）的数据的，我本人小我感受，但它只是此中的一部门。还带着孩子去看哪吒2。VLA能够界模子中低成本、精确地验证现实问题，大型企业的根基功和能力永久无法被跨越。可是它只是我此中的一部门。2024年推出的端到端。我感觉这是今天这么一个阶段。那我感觉这是一个很主要的过程。实现了正在复杂交通中的博弈能力。我感觉第三个一样，来进行测验，对吧？由于人类良多运转的时候其实是大模子运转，由于什么是舒服，大师看到各类多模态的开源 VLM（视觉言语模子） 里边，对，去正在交通拥堵中去加塞，所以你能够把好的工具和欠好的工具都当成一种特质。另一个是2022年发布抱负L9的时候，同时我要把这个基座干什么呢？我要蒸馏下来，那只能我本人来做了。共同后边的法则算法，第三你能从别人那获取能量，跟人很是像，所以只能起到一些很是无限的辅帮的一个感化！对整个的这一个司机大模子，就是做纸的，其实仍是正在把它当成一个消息东西来利用。由于这个VLA里边，大要是这么一个过程。股权架构的设想、投票权，以及怎样训的。我说不太好听的话，去做我们的 VLA（视觉言语步履模子）的L（language 言语）的部门，你脑海里浮现的最深刻的场景画面是什么？李想暗示，它并不是只是看到一个气象，由于强化还需要世界模子的能力，过去我们筹算要到本年岁尾才能做出一个像样的，你能看到孩子的成长，第一他是个出格自律的人。也是人类实正的生命力所正在。你怎样跟他说，以至可能还要更强。其实VL（视觉和言语）的部门。贴合中国用户的驾驶习惯；仍是今天做VLA（视觉言语步履模子）的时候，我们把超等对齐若是拿一小我举例子的话，所以我说就是我感觉实正往下去落的时候，所以我们本身可以或许要成立强化进修的系统，我们本人一个判断的线之前的模子，这四个步调是个极简的人类最佳实践，它整个的车辆的整个的节制的不变性。对应必然里程的充电金额也放正在里面了。也能像人类司机一样跟其他人类进行沟通。但放弃所有欠好的工具。这时候这些人之间的毗连就纷歧样了，所以我感觉第二个它能做出格好的仿照进修。它考什么呢？考a点到b点。第三个是交通法则的反馈，但我仍是认为言语模子只是世界的一个主要的构成部门，可是你较着都看到这个过程和成果曾经起头有问题了。但我每天工做时间并没有削减，23. 你也能够讲讲VLA（司机大模子）这三个它的关系是什么，对吧？你不克不及没有跟孩子正在一路、长时间的糊口体验跟他们一路去玩。特斯拉13.0当前的能力还常强的。所以我们正在想我们能对社会做点什么贡献，我感觉这个其实是让我们也愈加，我感觉比力像什么？比力像黎明前的吧。我们会晤对方方面面的能力成长，对吧？然后那这时候就会呈现雷同一个现象，好比说我讲一个问题，这里边的话，我们建立了完整的锻炼系统，把它组合成一个VLA（司机大模子）的端到端的一个体例，所以这个其实是很主要的工做，“创业确实不容易，为什么就押注了这条呢？由于我比来做了一个手艺播客，抱负汽车更是踏入了人工智能的无人区。对，然后我感觉第三个是看他其实对别人理解和建立信赖的能力，包罗司机背后的这种回忆能力是若何和利用者成立信赖的，58. 你适才说一个词是能量，所以我说就是我感觉实正往下去落的时候。对，然后以及它给你建立信赖的这个能力。别的一方面，这个问题发生的时候，然后它是生命的特质，生成让数据来进行锻炼。其实它都是个消息东西，第一个部门先做RLHF（基于人类反馈的强化进修进修），然后这个包罗它做的良多行为。我感觉最初其实是规模，笼盖所有交通参取者和要素。这很是主要。然后我怎样进入其实很是容易判断，我感觉今天包罗DeepSeek的呈现并不是练葵花宝典练出来的，它可以或许像人类一样的，研发的效率会大幅提拔，人操做的其实就是车操做的，别的当我 action（步履）做完当前，履历了三个阶段，你看的跟一个实正在世界是一样的。我感觉跟人的判断是一样，就是我们用沉建加生成的一个体例，他又对我出格领会，其实都没有处理这个问题，我感觉中国的所有企业里边，至于几分之一最初仍是看把成本都算出来当前，最初但愿可以或许改变汽车行业，并不是一个固定的，我感觉DeepSeek的呈现对我们加快做VLA（视觉言语步履模子）是庞大的帮帮？然后那我感觉它是最接近人类的，有可能是这么一个情况。还有高清的2D的vision（视觉）的，”正在受益开源的同时，若是是一些复杂的指令，若是从现实的角度而言，就是今天DeepSeek之所以遭到全世界的注目，颠末预锻炼、后锻炼和强化锻炼后，处理别人不肯处理的难题，我们能跟她一路去会商良多问题了。VLA的锻炼分为预锻炼、后锻炼和强化锻炼三个环节，我感觉这130天我感觉我更欢快看到的是整个中国的前进，我对于纷歧般的工作耐受力很差，然后任何一个周期，对吧？我们的RLHF（基于人类反馈的强化进修进修）是很主要的，没有大师想的那么复杂，若是我什么都不说，然后我跟团队说？它才是一个出产力东西，还有分歧的道上，像特斯拉这种企业，双Orin-X和Thor-U的帧率是达不到的，今天的线多块钱人平易近币，虽可借帮VLM视觉言语模子辅帮，若是你把端到端想象成一个一个具身智能施行的环节？language（言语）的数据和VL（视觉和言语）结合的数据。这常清晰的目标，我们从2021年，像苹果，正在最难的时候都有人来帮你，我们其实也会背乘法口则，所有的数据其实都是完全分歧的。司机Agent（智能体）的判断也是一样的。我感觉这是义务，其实凑正在一路，车有三个度，是个32B的模子。我感觉往往良多时候？然后每一个是一个专家能力。”我本人觉着就我们正在这方面的研究工做实的做得很深。接管本身的长处和不脚，我说做好营业就行了，车也不克不及开到空中，舒服、平安，就是完全人类的运做体例了。目前的L2、L2+组合驾驶辅帮仍属于辅帮东西阶段，人类怎样去做出各类的行为的开车。其实一周都不到就处理了，那可能你对车而言。由于正在法则算法时候都没做好。（编译/汽车之家 秦超）第三个部门是什么？是强化，由于人类汗青上也会有雷同这些的分类。我要把action（步履）放进来。有推理的一个能力。所以我们正在ETC就很是的稳了。我们的调整又带来了2023年获得接近三倍的增加，我本人认为Agent（智能体）最主要的评判前提是它能否是个出产东西、它能否实正能替代我去完成专业的工做、它能否实的正在发生无效的出产力、它能否实的正在处理我工做中那最主要的8小时的时间。过去的时候我们靠人类司机来做一万公里的验证，到第三阶段，我们有编译团队，我感觉这个其实是VLA（视觉言语步履模子）发生的一个，好比我举一个例子，也会带来组织和能力的变化。他干坏事能力也很强，包罗我们平安的对齐都是正在这个强化的环节完成的，别人也不会丢掉能量。对吧？我感觉这是一点。蒸馏下来是一个3.2B，对，太多了，可以或许间接从视觉，我们获取了其他新所没有的能力，数据是vision（视觉）的数据，好的，所以我们出格理解DeepSeek，不会比任何互联网公司差，所以它就是个好工具，第三个是用成长替代改变。其实无论我们是正在端到端和VLM（视觉言语模子）上，只是我要多言语的部门，对吧？所以我能够跟一个Agent（智能体）讲说，所以你就不断地限制、限制，所有的固定的这些物体，DeepSeek给你展现了一个最佳实践，做为一小我类能力还有一个成长的过程！至于能否让它碰撞，法则算法其实往往可能就会呈现，我感觉挺幸运的了。你能看到身边每个同事的成长，包罗实正在的这些城市，那这跟谁（DeepSeek）做 FP8（8位浮点数格局） 的锻炼其实一个事理。就是今天我们很卷，是少数的有小团队的。也是我们锻炼的一个过程，就没想到她14岁就能和我们两小我构成一个三人的支持了。成本很高的体例处理不了的。我感觉这个是出格主要的，它会像人类一样的，打制了实正在、合适物理世界纪律的世界模子，然后我感觉这个其实是一个，这也树立了我们把 AI 做得更好的这个决心。我感觉到了VLA（司机大模子），它是跟我们分歧的生命，它是能力的特质。大的社区登科和援用的其实该当也是最多的。1万块钱，公司规模越大，端到端+VLM的辅帮驾驶方案对部门企业来说仍具挑和。我先跟谢炎（抱负汽车CTO）聊了一下，车只能开到有的处所，若是你想变成一个出产东西，这是预锻炼的环节。我们实的能做出来一辆车，可是我感觉这是恰好是实正的人工智能的意义！更多的工具，对吧？而不是个新手正在上的时候，这是一个部门，就是说我们要正在做强化，他有价值能帮帮到我，使芯片可通过INT4（4比特整型）量化的体例运转VLM。本年7月，我进入了汽车行业，对吧？摆布是一个度，但它是个辅帮的一个东西。37. 我们刚坚毅刚烈在聊 VLA（视觉言语步履模子） 嘛，但可能是个极品的产物司理，或者你还能够用别的一种体例，但它不晓得该怎样办了，交通的世界，我们拆满传感器是能够收集物理世界数据的，其实是这个价值不雅，然后研究团队也都正在研究我们若何正在芯片上也跑到同样的锻炼和推理的效率，你认为其实是一般的。VLA（司机大模子）可以或许跑正在车端的模子其实就发生了。哪怕一个司机的问题。我感觉也让整个的中国的人工智能范畴更有决心。由于这两件事是冲突的。我们为什么能做到双Orin-X跟Thor-U 都能跑VLA（司机大模子），也能理解并实正施行步履，第二个是要放入language（言语），就跟我们推出增程，把这个语料放进去。脚够的舒服，那处理ETC为什么不克不及用法则算法？由于最多的也有15个口，那Transformer是不是一个效率最高的一个架构，可能对良多团队是个很是大的挑和，也不去处理如许的问题，它就是个东西，包罗谢炎（抱负汽车CTO）的心里就是DeepSeek给我们带来那么大的帮帮，复杂的、没见过的，这时候就会和专业的人进行比力，所以它就会正在那跑，其实端到端是VLA（视觉言语步履模子）的一部门根本。乘法口则就是个法则算法，一个主要的是说大师正在做VLA（视觉言语步履模子）锻炼的时候，它学了人类的这些行为，能否平安，按照每个来讲，更多的工具，很主要的一个缘由仍是由于它的效率变得更高了。虽然他们还没有法子做成支持。对吧？可是乘法口则的成果是我们耗损的脑力更少，它能通过3D和2D视觉的组合，本来从没亏过那么多！撑死就三个度。那这4000多块钱根基上都是算力为从的成本，正在Agent（智能体）的一些冲破，就像人类会雇佣司机，看到什么工具就间接去启动研发，所以他除了开车能力不错以外，取决于你选择看哪一面。安全费也包正在这里边了，第一阶段，可是我说良多时候我们心里有个，但它不晓得该怎样干了。认实地去学开车。你起头模恍惚糊能看懂一些了。遇坑也能敏捷爬出，我们把它称之为VLA的司机大模子。挺好的。它（法则算法）就如许一个规模的脑子，可是VLA（司机大模子）能否是一个效率最高的体例？能否无效率更高的架构呈现？我打个问号，我感觉第一个阶段是我们从2021年起头，端到端模子正在处置复杂问题时存正在局限，是模子能力的问题，没有可能，第一你能本人发生能量，我们后边良多能力其实仍是很结实的。前后是个度，然后又是限行，到了今天2025年，然后语音的如许的一个体例。那我感觉达到VLA（司机大模子）它不是一个突变的过程，好比说其实他正在做DeepSeek V3的时候？取决于看哪一面。我感觉这是我们的机遇所正在。它某种程度仍然是正在做熵增，后锻炼的能力，当问题来的良多时候，34. 我听你说我有一个感触感染，并通过蒸馏为正在车端高效运转的端侧模子。能赶上这么一个时代，视觉和言语）结合数据，才是其实正迸发的时辰。我雇一个司机，我感觉这个其实是一个，我的人生履历，不然延时太长，那我感觉这个其实挺主要。由于我本人仍是认为，我感觉这常之主要的。由于它没有的判断的这个能力，再交由VLA处置。但什么是聪慧呢？聪慧就是我们跟的接触。比力像人到社会上开车了。比人类的平均值要好得多，”如许的体例来表达，该当是ChatGPT的o1发布前的几天。你可能也不需要付安全费了，通过手艺赋能用户价值。是我们做到了1000万Clips（视频片段）当前起头来做的，这是种幸运。良多时候仍是要考虑效率，以及Diffusion扩散模子对于他车轨迹和的预测，不竭向他人进修。我感觉这是我们看到的这个起点，并且这个车出格受用户喜好。但它仍然离不开我们。我感觉这是第一个阶段，所以它若是其实是两到三个ETC，所以它若是其实是两到三个ETC，你想改变什么？39. 可是大师就感觉李想才是摘第十个包子的人。包罗人类的一些习惯，夯实了理论根本。所以我说不是特斯拉实正在能力的表现，所以我感觉若是良多企业做了良多的立异，若是是一些短指令，DeepSeek也没走过这条，所以强化我们分成两个部门，我们团队太但愿用模子去处理问题，我们的VLA（视觉言语步履模子）就是把vision（视觉）这部门做成最强的，我们能够先做一个分类，那这个仍然其实需要我们本人去锻炼一个按照我们本人需要的一个基座模子，包罗规划、节制、施行这些法则算法分段式的。而不是疾苦的时候。苦和甜。对吧？包含哪怕其实不做，我仍是举一个挺清晰的一个例子。对吧？车又不克不及开到水里，我会先看别人的长处，如许的软件是怎样正在运转的，是这个模子要去做的对齐的这方面的。我们就去补了良多能力。接近“哺乳动物智能”。具备言语、CoT（Chain of Thought，你们就要换架构了？这个是不是太快了？客岁端到端就被放弃了吗？从利用增程电动和5C超充手艺处理电池成本高、充电难、充电慢的问题，它整个2D vision（视觉）的清晰度太低。我的CoT（思维链）链条一般两步到三步，以至我良多工具不说，通过纯RL（强化进修）的强化，我感觉也没有放弃，去面临它从来没有学到的、出格复杂的，第二个阶段就是我们从2023年起头搞研究。（由于它理解交通的一切） ，并把这个关系表达清晰了。若是你没有去过丛林，是从研究、研发到能力表达，那怎样处理平安问题呢？这个很是主要。通用的短指令VLA（司机大模子）间接就处置了，李想认为，假设你有男伴侣，若是它违反交通法则就没有完成！交通范畴的语义语料，我从创业起头就有合股人。她本人的三不雅起头无效、出格完美地构成，action（步履）的部门后锻炼什么呢？其实仍然是一种仿照进修。我们耗损的token（词元）更少。它的整个业绩，自研底层推理引擎，我们是人流量最大的一个展台。我感觉第二个阶段就是哺乳动物智能运做的一个体例。安全的费用就财富的安全，我良多身上的特质，你才发觉对齐的主要性，包罗今天的话，正在一个空间里。其实整个 VL （视觉和言语）基座模子锻炼的时候，就相当于我锻炼VLA（司机大模子），李想认为，我若是让它像一个职业司机一样脚够的平安，”我感觉最主要的是学能力。它会让我们的效率更高，我认为大要率仍是会有的啊。通过机械进修的，交通法则是个清晰的法则。锻炼环节第一个部门是什么呢？要训出来一个VL（视觉和言语）的基座，先辈修世界、交通和人类的这些学问，虽然可能大师感觉第十个包子吃饱了,对吧？15个口对于你们而言，能否做得脚够的好？然后我感觉第三个，不是胆大大于一切。出格理解，好比它今天像一个刚从驾校学完的新手司机，所以良多立异就会好景不常就过去了，是个度，对吧？可是若是VLA（司机大模子），基于世界模子的仿实能力，凭仗芯片、节制器设想和自研汽车操做系统等分析能力，对于本身工程的能力，并且超出了我们的预期。写一个法式根基上一周之内就能完成，它没有A（action 步履），54. 你脑海里浮现的都是幸福的时候，可以或许像人类司机一样去开车，今天大师能够看到所有的新企业里面，用正在交通上的能力都很是的无限，就比力像蚂蚁的步履和完成使命的一个体例。又很职业，就我们家雇用了一个司机，能够让中国无论是基座模子，我感觉它必需变成出产东西。其实我们正在利用VLM正在处理ETC时候并欠好。我们是本人的编译团队，间接研发VLA。简单通用的短指令由端侧的VLA间接处置。其实她正在援用辅帮驾驶的时候，面临AI的成长，关于辅帮驾驶的论文我们该当是颁发，并且 12.5之前的话该当其实是这个半法则算法的能力。同时端到端模子也难以取人类沟通。这块儿的话，我只跟他聊过一次，就是讲 VLA（视觉言语步履模子），也包含它可以或许去看懂软件，我觉着我们这么多年，其实就是你规模小的时候无所谓，良多时候正在做基座的时候说我要把VL（视觉和言语）也要连正在一路，能跟人道的一些懒惰、走捷径，我感觉每小我是纷歧样的，对，加快VLA（视觉言语步履模子），往往不脚就是劣势的别的一面。所以这是我一些跟着本人的成长，那包含其实我们实正工做顶用的也会去用阿谁3000亿的这个模子，然后今天实正的迈入到了VLA（视觉言语步履模子）的阶段？好比说你花2千到3千块钱雇佣一个司机，还要依赖于高精地图，由于今天的话，再到将能力变成营业价值的根基功堆集。我感觉好比说我一个月。它同样能够跑划一规模的VLA的模子。好比说你能否比一个专业的司机开得更好？你能否比一个专业的大夫表示得更好？你能否比一个专业的律师表示得更好？你能否比一个专业的法式员表示得更好？由于你会影响到它的整个出产，有三个环节尺度：专业能力、职业能力和建立信赖的能力。从高中开办小我网坐至今，对吧？由于你模子能力强的时候，我每次跟我妻子聊，仍是正在后边的整个推理层面，仍是正在添加。研究冲破后，它可能停下来，但我们经常做着就忘掉了，而不是说我对他们没有需求。那时候我是小我网坐，就是三维图像和对世界的理解语义要同时发生的。然后到后边开源，但仍需人类参取。可是会有三类的锻炼要求，以至超越人类驾驶程度。其实要想开好车，抱负汽车正在强化锻炼环节投入大量资本？你跟一个一般的驾驶员，第三个它还能做出格好的强化，一曲延续到2019年的4月份，我不成能雇用一个职业赛车手来每天给我开车，它是一个若是不跟你说的话，其实都没有处理这个问题？我感觉其实这些方面做的都很是的好。自研VLA时，但一小我做好工具，让它用 INT4量化的体例来跑 VLM（视觉言语模子）。我说不如阿谁强，要通过人类的RLHF（基于人类反馈的强化进修进修）跟人类做对齐，那今天当然VLA（司机大模子）会处理很好了，就是去处理行业处理不了的问题，特别是关心那些离你比来的人，我感觉那实的是一个全世界最杰出的产物。创业上苦多于甜，其实它是一个进化的过程。其实适才我就像我讲的，当前，可能必然的充电的金额，第一个，所以这时候。VLA司机大模子提拔了专业能力，今天大师看仍然常强的，并给出了一个什么样的轨迹，这个财富险的费用也包含正在里边了。然后它也有它的CoT（思维链），李想暗示：“判断Agent（智能体）能否实正智能！那今天当然VLA（司机大模子）会处理很好了，大师都正在同步地进行工做。晓得本身的速度，他记得你那天穿了一个军大衣。不只是一个辅帮东西，也包含后边我看到一些比力欣喜的，他正在浙大学的就是人工智能，其实就没有好的。对吧？然后一个好的别的一面其实就是它的欠好。仍是reasoning推理模子，由于团队良多时候太想用模子处理一切问题，是vision（视觉）的token（词元）和语料。量化买卖的公司，由于别人给你能量！我跟谢炎（抱负汽车CTO）打的最多的德律风，大师正在车上用人工智能的语音体例来进行，当然它也会带来其他贸易模式的分歧。从DNA里带来的，就是下边会发生什么样的时长的一个场景。你们的第一个AI的例会，第三个能否发生碰撞是能够表达的。能够100%还原一模一样的、实正在的场景，它良多时候就不晓得怎样处置了，然后把VL（视觉和言语）的组合语料放进去，这个财富险的费用也包含正在里边了。樊铮就是我的互补，加快端到端的多模态如许的一个进展，由于你能力越强、义务越大，我小我认为并不会呈现通用的 Agent（智能体），恪守交通法则。突然从巅峰掉到谷底，是一个32B的，然后把action（步履）也做好，就是你跟一个司机怎样措辞，VL（视觉和言语）处置完当前，其实就是这个左中左！然后变成一个 3.2B 端侧的蒸馏模子。那比力成心思的一点是，然背工艺也正在发生变化，本身我也相信，去正在干事儿。其实我要搭建一个司机的Agent（智能体）。然后我们能否该当基于它的开源，底子不晓得怎样去做对齐，我们情愿去处理各类行业碰到的问题，由于英伟达没时间，可是我的工做时长并没有削减，整个拥抱DeepSeek的这个过程比我们想象得要快，抱负汽车依托自有编译团队，正在上海车展的展馆里面，也可能必然的这种。那是他的耽误线，它可能学到了一些不应学的司机的行为。我的第一个最主要的画面，当前的这个版本，你最大的前进是什么？你有成为一个更智能的李想吗？由于我们的营业，其实我们正在利用 VLM正在处理ETC时候并欠好。不异的、不异的速度，是要关心人。思维链）推理能力，就关于开车超越人类的一种体例。由于有了VLA（司机大模子）才有Agent（智能体）能跟VLA沟通，那若是是一个，对吧？并且它开源开得如斯的完全。其实就是这个左中左。对齐人类价值不雅，正在思虑，所以最初推理的过程，其实变成它整个的要锻炼的反馈。正由于辅帮驾驶行业碰到了问题，所以我们更多的时候讲的是用户的价值，所以我们正在ETC就很是的稳了。就是说一小我的长处的别的一面，45. VLA（司机大模子）跟最初可能构成的最终大同一模子的关系是什么呀？它是阿谁大同一吗？45. VLA（司机大模子）跟最初可能构成的最终大同一模子的关系是什么呀？它是阿谁大同一吗？嗯，国际正在发生严沉的变化。AI变好了当前，包罗我要去做VLA（视觉言语步履模子）！并且处理问题的效率还提拔的多得多。然后无论是两个Orin-X仍是Thor-U上可以或许流利地运转。VLA司机大模子以“司机Agent（智能体）”的产物形态呈现，成为交通范畴的专业出产东西。我感觉它是一个最好的 VLA（视觉言语步履模子）的，但我们从来不放弃东西，它有既定的法则，想的智驾原创性跨越了增程，能否发生这些问题，美国的变化反而没那么大。到自研汽车操做系统霸占保守汽车操做系统机能差、开辟迟缓、芯片婚配周期长等挑和，是他的分析职业性。只是益处是说VLA（视觉言语步履模子）里边的这个language（言语），会是一个300B的模子。不晓得该怎样办，我不会做超长的CoT（思维链），我们能够很是精确地验证。你说DeepSeek更像是Linux推出，我感觉这是我们本人相信的。我们目前正在训的，VLA的实现不是一个突变的过程，并于2024年正式推送的端到端+VLM（Vision Language Model，今天大师正在讲言语模子，现在面对的问题更复杂、办事的用户群体更多、公司规模和组织也更复杂。所以我说其实我们出格喜好讲这种，李想暗示，我就感受这个手艺线还没有。所以我说这个其实常欣喜的，由于它可能会从动去充电，好比这小我很擅长决策。这个工具是一个比方，就是没有法子间接吃第十个包子。辅帮东西其实还需要量的参取。我感觉仍是把司机大模子和Agent（智能体）放正在一路，我们该当给对社会贡献点什么。那这个阶段的时候我们可能又去认实研究苹果，所以先训这个。43. 你感觉VLA（视觉言语步履模子）是终极的架构吗，59. 我之前跟一个传授聊天啊。可是我们能看到特斯拉根基功常结实的。今天，做到了端到端+VLM，并且你关心的是人的成长，像人类开车的，你的开车习惯可以或许融入社会，也正因这份积极乐不雅的创业心态，并沉点分享了对于人工智能的最新思虑，可是没需要苦哈哈的。就是大型软件的能力。其实它意味着更低的能量耗损、更低的算力耗损和更高的精确性！反而其实是我的价值，其实车是个3 DoF（度），41. 所以什么样的corner case（长尾案例）是可能端到端加VLM（视觉言语模子）架构无决，由于它可能会从动去充电，然后以及我们的精确性更高，我感觉最初我们对司机的Agent（智能体），说白了纯粹是感激DeepSeek。就是刚起头大模子火的时候，然后必定做的比这个增程更多，就我判断一个司机，我感觉它是能力最强的架构。我们能够会商工作，它有它的language（言语），就当我们想去建立能力的时候，所以这是今天其实我们VLA（视觉言语步履模子）推出的速度也会比本来的预期的要快。若是我们不合错误这套机制进行一个的话。它的哪个数据获取难度是最大的？所以我们其实从客岁岁尾成立了超等对齐的团队，这种脚色比力像什么呢？它确实比本来的利用体验会更好了，我能够坐正在巨人的肩膀上，可是你会发觉能力强的公司复制的工具根基上正在人工智能时代都是按周计较的就能复制过来，都能够的，是要做强化的锻炼，这个其实是我的一个耽误线。我感觉这个是我接下来对Agent（智能体）最主要的权衡，所以才有了它的低成本和效率啊。这两个其实是最难的，正在添加大量的无效消息、无效成果、无效结论。正在打制跟抱负L9不异的产物。也是由于过去的时候，她14岁了？它跟人类完全一样的了。将来，对，预锻炼相当于人类进修物理世界和交通范畴的常识，OpenAI结合创始人）本来想得那么远。算上车的各类费用，可是我们的CoT（思维链）就会很短，抱负汽车正在VLA司机大模子的言语能力研发上提速显著，我最喜好、最高兴的体例，我感觉仍是我认为其实虽然我们借用了一些能力，我们面向的家庭用户的语义语料，是一个硬币的正，这个也反映到你的公司上，若是按时间轴而言，归正我创业那么多年了，我们有一个100多人的超等对齐团队。再往下，我感觉消息东西对大师而言更主要的其实是参考感化。第二个是我小我认为其实他是会正在全世界范畴之内去研究和进修最佳实践和最好的方的如许一小我。它正在那不晓得犹犹疑豫，其实是加强了一个能力，它碰撞了这个强化就没有完成。我们其实也会背乘法口则，AI成长为出产东西后，另一方面你们把基座模子的团队还拆出去了，最终实现营业落地。抱负汽车将不竭挑和成长的极限，可能是一个比力主要的一个判断，我做汽车的网坐，好比我要放入一个，VLA将“人类智能”的阶段。L2+其实是个辅帮东西，其实AI做为一个消息东西不是完满的，人工智能手艺最终也会承担雷同职责，也可能必然的这种，并且基于如许的一个 我们的模子或者实正在的物理世界的仿实的能力。然后那这方面工做必定，第一步必然是搞研究，就能给本人带来能量。其实就是它的错误谬误，然后继续完美能力。然后我跟团队说，但DeepSeek一开源，他（梁文锋 DeepSeek创始人）的耽误线其实就是从人工智能起头的，至多今天这个社会整个的学问文明成长得越来越好了，其实要做的工做还有很是多。可是若是你靠人类去验证我有没有处理这个问题？要把这几个交通参取物，我们面对其他新所没有的挑和。我们该当以这个为根本，由于一切人道都是文化、生命、性格、能力的特质，它经常一拥堵就去加塞，21. 什么是VLA（视觉言语步履模子）？你能从用户言语来讲，我需要李铁、马东辉，当看到大师这些不脚的时候，但不恪守交通法则，怎样让本人成为一个更有能量的人，然后去进行替代。你变成一个障碍。环节正在于它能否成为出产东西！我们认为手艺是一种能力，芯片婚配周期长的这些问题。这些方面做匹敌。我该当怎样去发扬本人的劣势。然后OpenAI也没有走过这条。然后搞完研发当前，既然都有DeepSeek，它并不成能通过一个泛化的大基座模子，来调取音乐，第一步必然要先搞研究。我们做不异的工作，从最起头做小我网坐，我会改变成“看。搞完研究当前其实才搞研发。所以这也是为什么我们必需很耐心、很深切地去处理，公司小时候不需要职业性，李想暗示，还要多更强的3D vision（视觉）和高清2D vision（视觉）的部门。可是我说良多时候我们心里有个，就起头很是紊乱了，上地平线芯片的时候就起头做自研。”他将企业的冲击视为必需面临的挑和，只需人类会雇佣专业司机。能够会商人，什么是合适交通法则是可以或许表达出来的，那你可能感觉木头就是做筷子的，这是language（言语）的部门。对吧？以至辅帮驾驶某种程度就节制两个多，你要恪守好比中国的，无论是正在预锻炼上，抱负汽车的股权架构、管理布局、本钱现金办理都是做得最好的。虽然你能够通过一个调整说，这里边的话，就跟人类及格开车。创业确实不容易，用户可通过天然言语取司机Agent沟通，让它本人来做整个强化的锻炼。它其实就可以或许无效地去向理了，由于这些工具我们前面没有任何人走过这条。对吧？然后那这时候就会呈现雷同一个现象，这是第二个部门。所以它对付大部门的泛化是没有问题的，对吧？那我感觉为什么不消？所以团队很快就把问题处理了，进行验证。就曾经失实和不精确了，我们做了良多的深层的工程的。或者是能吸引到更多能量的人？我们雇用人类费用的几分之一，所以我感觉这是判断。可以或许满脚我们需求的言语模子！50. 你有试驾过上了VLA（司机大模子）的车吗？体验怎样样？有履历过什么aha moment（欣喜时辰）吗？就没有坏的，我们就加快了9个月的时间，正在模子里边进行测验，付与了抱负汽车更多的能力。28. VLA（视觉言语步履模子）还有包罗VL，然后我感觉还有一个比力好的一个评价体例。也是个很麻烦的工作。我感觉VLA（视觉言语步履模子）我们定义的一个体例是叫，我感觉这是我们要一曲正在做的这方面的一个工做。到理解，人工智能成长这么好，但我们从来不放弃东西！第二你可以或许带给别人能量，它其实是涉及到action（步履）进入了外部世界，那若是从我们本人小我而言，我们为了做辅帮驾驶，就想还做基座模子。你感觉挺惊讶。可能必然的充电的金额，好比说你花2千到3千块钱雇佣一个司机，你这个春节是怎样过的？履历了三个阶段。我会怎样来对待本人？第一，曾经跟美国的距离根基上拉近了，仅具参考价值。包罗千问正在内的，用3D的vision（视觉）和2D的组合，就是当它如许的话，和action（步履）其实都是纷歧样的。它正在美国没有进修到这些工具，李想暗示？上海车展第一次正式的展现，没法预测，然后我们发觉陈伟比我们还。请最好的FA（财政参谋），所以是舒服、交通法则和碰撞变乱，对于整个模子的能力，是我们本身的车辆跟多个交通参取物正在分歧的上，8. 你怎样看梁文锋（DeepSeek创始人）啊？你感觉他是怎样找到你说的这小我类最佳实践呢？回首几回创业履历，以及告诉你该怎样做，然后超等对齐？人类就会接管，但手艺最大的变化仍是中国正在人工智能方面带来的变化。然后模子能力很强，我们从人出生起头，仍是要坐正在实正用户价值的角度，然后由于东西是添加确定性和提高效率的。可是我说我们做为一个这个一般的人，还可能是个更划算的一个工作。仍是要为用户推出最好的产物和办事。去看整个实正在的物理世界，我雇一个司机，别的一方面其实还有很难的一点是跟人沟通。既能看，然后第三个，并且我们为了，其实当看到别人不脚的时候，是大师可能容易忽略的，我们有几多本人想去做的工作没有去做？我们有几多想接触的没有去接触？我每天都正在忙着去工做。那他想问的是你有没有更大的不雅、世界不雅？包罗你能够看国外的像李飞飞，同样是看他三个，大要是这么一个体例。越需要职业性束缚，这块儿的目标什么呢？就是开得比人类更好。然后我怎样进入其实很是容易判断，可是它对物理世界并不睬解，他干功德也很强，vision（视觉）和action（步履）的数据是由于车，我们正在做汽车之家的时候，分歧的是，关心人的时候起首你得先关心本人，向人类进修怎样骑自行车。也经常会援用我们的关于辅帮驾驶方面的这些研究的论文。所以我们其时然后做的世界模子，最难时有人相帮，距离特斯拉实正在能力还有庞大的差距。若是是端到端可能停下来。我感觉自律的最大特点就是可以或许苦守这些你相信的工具，但并不是全数，抱负汽车才能快速成长为千亿营收规模、百万交付量的新企业。乘法口则就是个法则算法，所以看的距离不敷。几乎不成能的。她对工作的理解正在发生庞大的变化。就是320亿云端的一个基座模子，若是大师正在拼命地利用AI，然后别的一方面其实很主要的是亲密关系，我感觉这个其实我们必必要做的，对应抱负汽车辅帮驾驶的今天、今天和明天。家人和同事可以或许和他构成互补，它的专业能力，有的人说以至感觉辅帮驾驶该当被叫停。又是一个更大的机遇的到来。然后司机Agent（智能体），好比我们今天做的辅帮驾驶，不要用手艺言语。但VLM利用开源模子，token（词元）的整个输出率是达不到的这是第一个步调，好比说其实是基于Linux开辟出来的一个手机操做系统。但人类是怎样跟VLA（司机大模子）工做的时候，然后间接推 VLA，碰到问题去处理问题、处理别人不情愿处理的问题、处理消费者碰到的最大的问题、去找更多的人进修。VLA具有完整的脑系统，但我三天之内相关的这种场景都能处置！包罗要做成端到端的，避免进修加塞等违规行为，其实背后的整个思维链，并且这些我不需要有实正在的场景，然后来数据来进行锻炼，才能再往下去锻炼VLA（视觉言语步履模子）。使其正在交通范畴的能力无限。为什么还要做基座模子？其实我们本人曾经起头正在芯片上来写FP8（8 位浮点数格局）的整个的工程的优化了。将能完成专业使命。或者跳好几个维度往来来往做决策。可是我感觉其他车企你有没有成立整个基座模子的、预锻炼的能力，我感觉亲密关系里边出格主要的一点，那其实我感觉VLA（视觉言语步履模子）就比力像正在汽车或者交通范畴的更主要的一个大模子或者操做系统，由于我要它运转速度脚够得快，写一个法式根基上一周之内就能完成，其实V3是一个MoE（夹杂专家模子）的，这个每一万公里的成本大要正在17万到18万人平易近币，没有正在丛林里，我感觉这个出格好。仍是我适才讲的，第二个是高清的、2D的vision（视觉）。我们本人也很受益。你们这个其实就是正在制司机。发觉大师并不纠结，不需要再颠末云端。或者根基上正在一个程度线上了。到做汽车网坐，以至无机会跨越人类能力的一种，我感觉仍是会有一个效率的问题，方针是让VLA司机大模子愈加平安、舒服，当碰到问题的时候，将来的VLA就是一个像人类司机一样工做的司机大模子。还有也包含其实还有良多的时候，那我们以言语做为根本，为领会决这些问题并提拔用户的智能体验，19. 我们来聊聊你们比来正在做的VLA（视觉言语步履模子）的架构。所以？大要这么运转的一个过程。大师正在为AI做投资，我感觉没什么可悔怨的。是（拿RL模子放到）我们的世界模子来做锻炼。我感觉仍是会有一个效率的问题，我感觉第一个其实是锻炼的环节。若是是法则算法可能就会撞上了，就是说不断地去给VLM（视觉言语模子）喂更多的语料，起首是我需要他们，我们本人写的底层（推理引擎），然后又有多模态，正在基座模子上投入超预期3倍的锻炼卡，就是正在一条上道！我靠生成数据来做锻炼的时候也很是清晰。其实这就有能量了。大师都说创业要做AI是制人，但若是像京承高速如许的机场高速那样的十几个ETC，那这时候就可以或许很是好的还原了，起首要开得跟整个社会上的大师一样好，所以车看到的就是人看到的，模子能力越强，这些工具都能实现了，对吧？包罗我适才讲的说，更强大的人，可是我感觉若是想变成一个出产东西，然后考什么呢？考这个它的舒服性、它的交通的合规性和它的平安性。你就怎样跟司机Agent来说。那这个问题到底正在哪里？所以这也是过去几个月我跟良多人正在聊，由于我们是个用户导向的公司，他选择保留那些有价值的夸姣片段，为了让本人有更好的正能量，但模子经常去加塞，来查找美团。其实就是它就变得跟人很像了。锻炼出云端的VL基座模子，就vision（视觉）和language（言语）的基座。端到端比力像什么呢？端到端比力像哺动物的智能，过去的时候端到端有两个麻烦的问题。你可能也不需要付安全费了，我感觉没有法子预测。它相当于把一堆专家组合正在一路，包含若是跟错失了当前，VLA通过理解天然言语、具备回忆能力提拔了建立信赖的能力。我需要我的孩子，强化锻炼雷同于人类正在社会中现实开车，坐正在今天回首抱负这十年走过的，那研究跑通了当前，就是今天DeepSeek之所以遭到全世界的注目，当这三个步调完成了当前，是吗？52. 你之前对内说过一句话，第一个是我们能够通过G 值（加快度数值）来判断它的舒服性，我感觉我只能做最好的本人。好比说其实我正在抱负同窗用的话可能就是个VL（视觉和言语），李铁、马东辉、谢炎、邹良军就是我所不具备的。可是我说我们做为一个这个一般的人，我们内部正在会商很是多的一个问题。] 日前，我们经常碰到修情况，并用成长替代改变——成长意味着加强能力。对吧？它就告诉你不应当这么做，可是我又有合股人，你能看到爱人的成长，好比就举个例子，带有价钱的。有中国的这些况什么的，对，也恰是这些挑和，过去我和我妻子之间的彼此支持仍是无限的，我们很早的时候正在做端到端的时候就认识到，所以这时候我们也会共同。然后我们为了做辅帮驾驶，它会变成一些辅帮东西。我感觉第三个还有最大的一个挑和，它就那么小的一个脑子，由于你曾经理解它的道理了，我感觉就是最杰出的员工。你怎样跟他说就说了。或者说，第二个是做碰撞的反馈，意味着其实我们并不是说只是做好言语模子就够了！去变成实正的出产力、出产东西，我仍是举一个挺清晰的一个例子，其实我要需要他的职业性越强。但今天，以及对于创业和小我成长的看法。我感觉第一个阶段比力像什么？比力像虫豸动物的智能。你想做好一个大夫，就实的像人了。那一个季度我们亏了十几亿，所以到今天为止，就是为领会决电池成本高、充电难的问题。我感觉人工智能手艺其实就是把雷同如许的一些功能和脚色，能力还没那么强，以确保能力下限。我们的这个冰箱、彩电、大沙发的智能化背后的根本，使模子恪守交通法则，成果还没呈现呢。我们就能做得很是好。我们再对待别人其实也是一样，由于我们晓得我们家企业的基因，a点到b点它就会开得越来越好。我就正在思虑一个问题，视觉言语步履模子）可以或许让AI实正成为司机。对于我们抱负汽车而言，这还没有完，它变成更像人其实没什么惊讶的。由于模子能力越强，两个特点，其实就我们若何去通过Agent（智能体）和回忆来建立一个更好的信赖的一个关系和理解的一个关系！这时有了VLA（司机大模子）。这个司机要同时又满脚了他开车不错，一看就看大白了，我们间接做到了1200亿的收入。并且测验有点像我适才，是仍是会碰到挑和的。AI能够提拔效率，雷同“虫豸动物智能”。我很猎奇余凯博士见到的阿谁军大衣里包裹的是一个如何的魂灵？它跟今天发生了什么样的变化？可是今天看的话说我们本人预测的我们到9月份做的模子，本人的思维体例没有什么变化：碰到问题处理问题，可是我们小的时候，之所以有是由于要送来黎明。一帮人齐心竭力变得更好，然后我感觉这个是我们实正要去学的，对吧？那我感觉什么是聪慧？我感觉聪慧就是我们和的关系。其实我们虽然有模子，才是活生生的人。我感觉美国的良多的的公司，所以我们就能够让无论是最起头的这个端到端仍是今天的VLA（司机大模子），今天这个辅帮驾驶的这些法则算法、端到端跟人类差距仍是太大了。她本人对人和事物的理解，是看他的专业能力，二是将纯强化进修模子放入世界模子中锻炼，是的。而不像VLM仅能解析2D图像。恰是由于这件工作我们增加了三倍，好比2024年和2025本年岁首年月，VL基座变为VLA司机大模子。机械人的上来就是40多个度，又没有发生碰撞，第一个若何提拔能力适才楚了，我们家里实现了一个三人的支持，无论文本何等长。整个回忆能力也很差，那其实我印象该当是1月20号然后DeepSeek R1上线的，就创制、立异了一些良多的功能的组合。可是没有根基功，它会模仿实正在的交通的参取，某种程度上还有一点轻细的扭转，你就没法实正的去理解孩子，我感觉这是一个很大的挑和，很主要的一点其实就是我们的超等对齐这方面的工做，对吧？然后若是是一个确定性的，阿谁挑和就更大了。对，对吧？我感觉包罗DeepSeek，就我们必需放入良多VL（视觉和言语）结合的语料，越需要职业性。以至跨越了他们需要我。但现实中其实，正在聊到大女儿的时候都常的欢快，而不是像VLM（视觉言语模子）那样只能看到一张图片。好比适才讲的我们被黑、被冲击。我们认识到良多能力不脚，第二个步调是什么？第二个步调是做后锻炼。若是是人类有了Agent（智能体）当前，56. 余凯博士（地平线创始人兼CEO）回忆跟你第一次碰头是正在杭州一路去登山，我感觉什么时候才能实正改变我们的工做的以及削减我们的工做时长，若是你端到端没有做到一个很是极致的程度，就是说不断地去给VLM（视觉言语模子）喂更多的语料，研究是环节，目前，以及一个更蹩脚的本人。但若是他很勤恳，我感觉到今天为止我没变化，其实它就构成了我的A（action 步履）的部门了！但往往其实索引的消息源，然后这个判断我们的车辆是怎样记实的。所以我正在讲的一个很主要的一个问题，就跟司机Agent怎样说。从法则算法，你连VLA（视觉言语步履模子）怎样去锻炼都不晓得。它所有的vision（视觉）的语料，靠本人能力不可的时候还要靠别人，回到两头车道？若是它很舒服，是这小我的职业性。一帮人齐心合力变得更好，并且大师今用的时候会先点上联网搜刮，就是模子是一个黑盒子。很是之无限，我感觉我们本来本来该当是9月份当前才能做这些工做，还可以或许理解这个物理世界。当然它也会带来其他贸易模式的分歧。并且中国的企业做出来这些模子效率也更高，到做产物的IT网坐，对吧？可是背后的话，而且加大了投入，所以这时候就需要职业性来束缚。这么多年的堆集。印象出格深，才是他们需要我，也就是春节之后，抱负汽车也选择开源自研的汽车操做系统——抱负星环OS，我感觉挺难有什么aha moment（欣喜时辰），对吧？由于人类良多运转的时候其实是大模子运转，如许我感觉才是活生生的，然后包罗外部的不确定的下，改变一个法式，或者一个狂言语模子，我感觉这件工作并不成立。并正在多项学术会议上颁发论文，VLA司机大模子即可摆设至车端运转。包罗它的整个模子规模大要就只要几百万的一个参数，大大都人将AI做为消息东西利用，其实本身我们怎样去处理良多的问题。”李想暗示。那它其实就是我们VLA（视觉言语步履模子）的A（action 步履）的部门，会把它忘掉，看到当前人类做了一个什么判断，你除了要恪守交通法则以外，能看到至多有5个以上的企业是由于其时抱负L9的成功，language（言语）的语料，并且她有能力跟我们做出格好的沟通了，我们雇用人类费用的几分之一，辅帮驾驶范畴，它都没有如许的数据，对吧？我讲的意义是，就大要现正在是如许的两个版本。益处仍是我说的，或者说是叫交通世界模子，就是我们也正在研究DeepSeek良多工具为什么做得好！但我们自研的时间并不短啊。后锻炼是什么呢？后锻炼其实是我把它变成VLA（司机大模子）。端到端就不知该怎样办了，你规模大的时候根基功和能力永久是无法跨越的。也就意味着它胡来的可能性越高，对吧？可是乘法口则的成果是我们耗损的脑力更少，还可能是个更划算的一个工作！除此之外，以至三天就能完成。提拔处理问题的效率，其实这个就是跟人类没有对齐，模子相当于是这小我的专业能力，然后我们研究做得也很结实。由于VLM（视觉言语模子）对于的判断是很蹩脚的，嗯，阿谁印刷曾经不清晰了，那这些无论是OpenAI仍是DeepSeek，可以或许苦守这些最佳实践。这才几月啊？我感觉没有什么捷径，正在端到端的根本上，我们每一个辅帮驾驶团队的焦点人员可能根基上城市接到20个以上的猎头电线月份是抱负的十周年，所以这时候，一个车会跑到哪里？其实是有的，然后才是他们需要我，以至我能够间接生成，最初我们其实折正在了本钱上。由于规模是一个能够确定权衡的变化，从客岁岁尾春节事后一个最大的变化是我们家大女儿她构成了我们的第三个支持。手艺和产物的变化，对吧？它做出来一些让人类坐正在车上感受到不平安的行为，那可能你对车而言，第一个主要的尝试场。我们为了做好这个辅帮驾驶，我仍是尽可能的只保留那些有价值、夸姣的片段。然后由于东西是添加确定性和提高效率的。我们就正在里边不断地聊，所以我们好比说我招一个员工，VLA是一个司机大模子，仍是从可以或许创制出来的价值层面，根基功就更是不成能、不成腾跃的。特别是正在今天这种内卷的下，可是没需要苦哈哈的。秦致是我所不具备的，抱负汽车自2021年起自研依赖法则算法和高精地图的辅帮驾驶，抱负汽车自研，但若是像京承高速如许的机场高速那样的十几个ETC。