今天小編分享的财經經驗：小鵬李力耘：端到端好似“熱兵器時代”，彎道超車更難了，歡迎閲讀。
作 者丨吳曉宇 見習記者焦文娟
編 輯丨張明豔
今年年初，特斯拉正式在北美推送 FSD V12 版本之後，中國自動駕駛行業許多 CEO 和高管都前去體驗。
小鵬汽車 CEO 何小鵬也是其中一員。經過幾次體驗後，何小鵬很是振奮，他主動向自動駕駛副總裁李力耘説起感受，" 絲滑感顯著、拟人感提升，可以明顯感受到 FSD 在思考 "，并希望團隊骨幹成員盡快去美國體驗一次。
FSD 的快速迭代，讓小鵬自動駕駛團隊對端到端大模型路線更為笃定。
小鵬汽車是 " 智駕老兵 "。2017 年 9 月，小鵬便開始自研智能駕駛軟體算法，分别領先華為和理想 1 年 8 個月、3 年 5 個月。之後，小鵬完整地經歷了高速輔助駕駛、城區輔助駕駛階段，還在今年年初的開城競速賽中率先落地 200 城。
端到端的布局和預研，要追溯到 2022 年。李力耘告訴 21 世紀經濟報道記者，小鵬自動駕駛團隊曾做過幾次探索：起初，是用各種小模型。小鵬當時 " 堆了 " 幾十個優秀的算法工程師，希望通過規則牽引去解決問題，但最終卻無法擺脱傳統的規則限制。
2023 年 3 月，OpenAI 發布 GPT4，不久後，Sora、o1 新模型誕生，AI 大爆發，這些重要事件啓發了小鵬。2023 年年初，小鵬開始探索如何将端到端大模型運用到自動駕駛領網域，随後，小鵬又開始向雲端大模型邁進。
而中國絕大多數車企則是在特斯拉 FSD V12 版本之後才堅定地擁抱端到端（End-to-End）大模型的。
今年以來，蔚來、理想、零跑等車企都圍繞端到端成立了研發團隊，他們希望借此獲得彎道超車的新機會。" 當進入一個新的、以特斯拉為引領的技術周期，我們不能以傳統的時間去估算新技術產生的時間。不要認為，别人花多久，我們就花多久。" 一位從業 10 餘年的智駕人士告訴 21 世紀經濟報道記者。
為了見效快，有的車企選擇了 One piece 端到端模式。而在智駕上積累 7 年的小鵬，被質疑采用了分段式端到端，" 路線保守 "。
李力耘否認了小鵬是分段式端到端，" 我們和華為類似，XNet、XBrain、XPlanner 分别扮演人類眼睛、大腦和小腦角色，三者是互相重疊、互相耦合的。"
在他看來，車端一個 One piece 大模型，有一定副作用——未來，随着數據量的增加，車上的有限算力吃不下這麼多數據。而小鵬的解決方案是雲端大模型，" 雲端大模型的參數會是現在車端的 80 ~ 100 倍，這是徹底的 One piece 智能體。" 李力耘説。
研發無圖的過程中，随着端到端滲透率的提升，小鵬自動駕駛團隊還調整了組織結構：新組建了 AI 模型開發、AI 應用交付、AI 效能三個部門。小鵬沒有裁員算法工程師，而是幫助他們完成端到端轉型。" 小鵬的智能駕駛團隊一直穩定在 2000 人左右，跟随業務有序增長。" 李力耘説。
李力耘将端到端視為 " 熱兵器時代 "，過去的輔助駕駛時代則是 " 冷兵器時代 "。冷兵器時代，只要湊齊了武林高手就可以打。但熱兵器時代需要更大的算力、更多的數據、讓算力和數據流轉起來的機制（數據飛輪體系）和工程能力。
" 緊跟趨勢轉型的企業可能會成功，但總體而言，熱兵器時代會系統性地拉開第一梯隊和第二梯隊的差距，彎道超車更難了。" 李力耘認為。
以下是 21 世紀經濟報道與小鵬自動駕駛副總裁李力耘、自動駕駛產品高級總監袁婷婷的對話：
李力耘
小鵬和特斯拉殊途同歸
21 世紀經濟報道：你之前有 L4 背景，曾是百度美國無人車研發團隊的創始核心成員、擔任京東硅谷研發中心 X 實驗室架構師，你為什麼不繼續 L4 研發，而在 2019 年選擇加入乘用車公司小鵬？
李力耘：我是 2019 年 6 月加入小鵬的。雖然我以前一直做偏 L4 的自動駕駛，但我其實是一個堅定的漸進式信仰者，我認可自動駕駛的終極形态一定是做真正的無人化，但一步到位、直接做無人很難。
我很喜歡車，是一個非常有產品熱情的人。我自己開的就是小鵬，以前我開 P7，現在開 G6 Max，能夠看到自己的代碼跑在自己的產品上，并把這個產品買回去天天開、看着它不斷進化，我覺得這件事非常酷。
21 世紀經濟報道：你加入小鵬時，何小鵬説了什麼打動了你？
李力耘：我先在美國見到了吳新宙（時任小鵬自動駕駛負責人），當時他去小鵬已有半年，團隊已經有一些人了，接着回國見到了何小鵬。何小鵬説：" 我們是一定要做自動駕駛。" 他對自動駕駛十分笃定、堅定智能化能帶來改變，非常打動我。
為了能在一線體驗產品，不用飛來飛去，2020 年，我把家從美國搬回了廣州。
21 世紀經濟報道：在輔助駕駛方面，特斯拉今年年初推出了 FSD V12 版本，引領了端到端的方向，小鵬是受到特斯拉影響嗎？
李力耘：我們早在 2021、2022 年，便開始積極布局和預研端到端了，本着數據驅動的理念，用輕雷達、輕地圖，現在行業更習慣用去激光雷達和無高精度地圖這兩個詞。
特斯拉一直也是本着數據驅動的理念來做。我們非常尊敬特斯拉，目前只有小鵬和特斯拉能做到既不依賴高清地圖，也不依賴激光雷達，用一套軟體适配高階輔助駕駛車型。
熱兵器時代，彎道超車更難了
21 世紀經濟報道：2017 年 9 月，小鵬開始自研智能駕駛軟體算法，分别領先華為和理想 1 年 8 個月、3 年 5 個月，完整地經歷了高速 NOA、有圖城區輔助駕駛、無圖城區輔助駕駛和目前的端到端階段。和之前的階段相比，端到端最大的不同是什麼？
李力耘：以前的輔助駕駛好像冷兵器時代，我們需要很多武林高手，萬軍之中取上将首級——他們懂駕駛場景、懂業務、懂數學、又懂一兩個小模塊，他們能夠所向披靡。但事實上，找到很多武林高手非常難。即使找到了，我們面臨的復雜場景千變萬化，相當于敵人的數量更多。
端到端時代，好似從冷兵器時代來到熱兵器時代，不依賴人力，而是通過 " 火藥 "、排兵布陣的方式赢得勝利。" 火藥 " 相當于數據、算力和算法，将這些原料在工廠裏變成模型後，再通過訓練模型解決問題。
21 世紀經濟報道：小鵬端到端的海量數據從哪裏來？
李力耘：與自動駕駛 L4 企業相比，作為主機廠的小鵬有自己的車，在數據收集上，我們具備更好的定義能力。
與起步晚的車企相比，小鵬之前積累的優秀工程素質能幫我們更高效地收集數據，原來的規則可以給 AI 提供一些引導、會當老師。
最後，小鵬的車型豐富，從轎車、 SUV 到 MPV，從 A 級、B 級到 C 級都有涉及，這保證了我們的數據的多樣性和豐富性。
21 世紀經濟報道：積累數據是端到端的難關嗎？車企擁有了數據和算力，是否就意味着能實現端到端大模型的落地？
李力耘：在原來的規則時代，系統連接了十幾個攝像頭，進入端到端時代後，這些傳感器的數據量和之前沒有發生變化。
規則時代，解決問題前，我們會先看問題是由感知，還是預測，還是兩組問題共同導致的。我們會通過這兩組算法工程師設計場景、數學模型和規則，去解決問題、回歸場景。只是這樣的細節問題太多了，還會牽扯更多模塊。
變成端到端後，打法不同了，整個鏈條變得很長。車企需要收集用于解決場景問題的大量數據，甚至将無監督的數據做好标注、清洗，給自己當模型。這個模型可以先預訓練再聯合訓練，也可以是一個大模型來做訓練。訓練好後，看訓練出來的模型的質量能否完成量化、部署、仿真驗證、上車，整個鏈條非常長。
數據收集之外，工程能力還體現在大數據體系的建設、算力部署能力，這都不是一件容易的事。
21 世紀經濟報道：小鵬在冷兵器時代積累的那麼多 " 武林高手 " 用不上了嗎，過去的積累能發揮哪些優勢？
李力耘：要想收集高效數據，最重要的一條是自動駕駛團隊需要在車端做很多工作，否則收了大量數據回來，卻進入存儲中，就變成了成本。
如果不是無限資源的話，車端數據的收集需要很強的算法能力、甚至是 AI 能力。這和我們之前的積累一脈相承。比如用規則去監督數據收集，比如 AI 出的路徑，可能在幾何上非常不合理，明顯不像是人會開的，可以通過規則快速識别出來。
與傳統的技術方案相比，端到端往往被認為上限高、下限低。但這可能是我們做得很有特色的地方。我們在上一個時代，建立了充分大量的仿真數據集，這些仿真數據集，都是經過規則校正的，當 AI 的新模型上限的時候，會去跑這些數據集，我們就能夠快速發現模型的下限的不合理，進行對模型的快速校正。我們過去積累的規則為 AI 兜底了。
另外，目前只有小鵬和特斯拉能做到，既不依賴高清地圖，也不依賴激光雷達，用一套軟體适配所有高階智駕車型。
21 世紀經濟報道：為什麼其他車企做不到，他們差在哪裏？
李力耘：一是小鵬數據采集的效率更高；二是小鵬有很強的平台化工程能力。在 AI 端到端時代，有無激光雷達、無論怎樣的車型，對我們來説都是一套智能駕駛解決方案。
21 世紀經濟報道：特斯拉 V12 之後，很多車企擁抱端到端，希望借此彎道超車，彎道超車更容易了還是更難了？
李力耘：原來工程化能力拼的是招募和堆砌各種方向的冷兵器高手，只要湊齊了他們就可以打。
熱兵器時代需要更大的算力、更大的數據，在這背後，能讓這麼多算力、數據流轉起來的機制，還要把這些東西布置到車上，并且上車過程中，特斯拉和我們都不否認，偶爾有一些時候都是需要一些規則兜底。緊跟趨勢轉型的企業，我覺得也可能有成功，但總體而言，會系統性拉開第一梯隊和第二梯隊的差距。
袁婷婷：在工程上，我們投入了非常多的精力在 AI Infra 上（即人工智能基礎設施，連接算力和應用的 AI 中間層基礎設施）。打個比方，要炒一份菜，你可以用很好的灶、柴火和果木，也可以用酒精燈、上面放一個小鋁鍋，看起來好像都能很快端出一盤菜來，但長期來看是完全不一樣的。
做端到端，就像是十月懷胎。十月懷胎，就是真的需要十個月的充分的營養和照料，它才能有呱呱墜地的那一刻。它不是我打算做了，我投入足夠多的錢，所以我用十個人，就能一個月 " 生 " 出來。它需要足夠扎實的基礎，付出足夠扎實的努力，才能獲得最終的收獲。
" 智駕老兵 " 的三次嘗試
21 世紀經濟報道：小鵬最早試水端到端是什麼時候？當時端到端是什麼形态、表現如何？
李力耘：2022 年 9 月，小鵬城區輔助駕駛落地廣州，成為第一家量產城市導航輔助駕駛的車企，但我們整個研發是在 2022 年上半年就完成了，時間花在了審圖上，那時候我們認為高精地圖是一個拐杖。要想做好城區導航輔助駕駛，我們需要用更泛化、更好的技術方案，去适應各種各樣的路況。我們便開始向無圖方案切換。
起初，無圖的方案需要更復雜的算法，它要檢測三輪車、電動車等各樣的車，遠不如定義一個模型将之泛化便利，因此，我們當時嘗試了小模型堆砌的方式，堆了幾十個非常優秀的算法工程師，通過一些規則的耦合去解決問題。
但人為定義規則的接口，意味着這些模型仍然沒有擺脱算法規則，另外堆更多優秀的算法工程師上去，也是一件難事。
21 世紀經濟報道：小模型最難解決的問題是什麼？當時碰到哪些特殊案例？
李力耘：通過各個小模型規則的耦合是無法解決問題的，因為模型之間本身要傳遞更多信息。
小模型時期，環島、窄路、小路、調頭、大路口等場景非常難，我們可能要花 3 — 5 個月。
比如有些城市的路口很復雜，駕駛員在一個路口要左轉，但發現前面一條路是上橋、一條路是去輔路、旁邊還有一條路，系統可能直接減速為 0。
而端到端大模型很聰明的，它解決了兩大問題：一是特殊場景從不能開到能開；二是提升拟人性。比如駕駛員在上述路口，系統不會停下來，也不會換到另一個車道，而是會像人類一樣猶豫，稍微減速後笃定地選一條路走過去。稍許的感覺就像大廚燒菜，加稍許鹽，味道就剛剛好。這種變化非常拟人，非常有 " 端味 "。
在數據和大模型的加持下，我們大概一兩個月就可以把上述場景做好。
21 世紀經濟報道：什麼契機讓團隊開始思考需要向大模型轉型？
李力耘：要想成為全球頂尖 AI 企業，盯緊最前沿的 AI 技術發展不可少。2023 年 3 月，OpenAI 發布 GPT4。之後，從 OpenAI 發布 Sora、o1 的新模型的誕生，AI 大爆發，這些重要事件牽引了我們的思考。
我們之前有數據積累、架構積累，去年年初，我們開始思考如何将大模型運用到自動駕駛領網域。今年年初，我們又開始探索從大模型轉型至雲端大模型。
我覺得雲端大模型更有魅力，未來，在一個路口，系統甚至可以更加笃定地直接按照記憶去選一個更好的路，它可以降維打擊大模型、賦能智能駕駛。
21 世紀經濟報道：今年 5 月，小鵬宣布量產了端到端智駕大模型，成為繼特斯拉後全球唯二、國内首家量產端到端智駕大模型的車企。當時智駕大模型的設計思路和今天有哪些不同？
李力耘：第一版上車的端到端智駕大模型是按照場景逐步上車的過程。在小鵬即将發布的 AI 天玑 XOS 5.4.0 系統，我們不分場景、全量使用了端到端大模型，整體的拟人性會上一個大的台階。
One piece 端到端見效快，卻有很大副作用
21 世紀經濟報道：在端到端方案的選擇上，目前主流的觀點有兩種：One-model 端到端和分段式端到端，小鵬被歸為分段式端到端，你認可這種觀點嗎？
李力耘：分段式端到端是人為造出來的概念，小鵬不是分段式端到端。
在小鵬自動駕駛系統中，分别扮演人類眼睛、大腦和小腦角色的 XNet、XBrain 和 XPlanner 是互相重疊、互相耦合的。深度學習時，三個大網絡會對各個部分做預訓練，之後再聯合訓練。
21 世紀經濟報道：為什麼要這樣設計？
李力耘：兩個方面的原因。第一個很重要的原因是，我覺得我們站在一個認知的高地，因為我們從很早就開始投入端到端的研發，并且本着完全拟人的原則設計了 XNet、XBrain 和 XPlanner。而在這背後更重要的是我們有雲端大模型或者叫 foundation model，為了可解釋性以及算力的合理分配和部署，才把它預訓練成三個網絡。
其實華為的端到端架構中也有一個感知網絡、一個規控網絡，以及一個本能安全網絡。我們和華為在模型認知上有相似之處，即在端到端本質下，我們更在意信息的無損傳輸、信息保留的最大化，而不會刻意追求 one piece 的訓練、部署。
另一方面，讓 AI 去開車這件事本身非常激進。在端到端大模型設計時，如果采取循序漸進的方式，三個網絡既有側重又有聯合，既可以增加更多可解釋性、可管控性，算力的分配和部署也将更合理。至少在調試過程中，我們更容易知道什麼地方出了問題。
21 世紀經濟報道：One piece 端到端有自己的優勢嗎，又有哪些挑戰？
李力耘：車端一個 One piece 大模型，可能見效很快，因此外界會覺得其有彎道超車的潛力。但它卻有很大的副作用——未來，随着數據量的增加，車上的有限算力其實吃不下這麼多數據，便可能會帶來很多挑戰。
21 世紀經濟報道：三個網絡去聯合訓練不如 One piece 那麼快，小鵬怎麼解決這個問題？
李力耘：在方法論上，慢就是快。我現在更認同類似 Open AI 這樣的雲端大模型，這是徹底的 One piece 的智能體。所以我們會布局雲端的大模型，并且會去考慮車端可解釋性的安全兜底。
雖然見效是一個逐步的過程，但我們不用做重復建設，上限會更高。雲端模型參數會是現在車端的 80 — 100 倍，2025 年底，我們的雲端算力會達到 10EFlops 以上，相比 2024 年的規劃增加 2.6 倍。
21 世紀經濟報道：今年 5 月小鵬宣布完成 100% 無圖化。有種觀點認為，小鵬将無圖做到極致後，智駕大部隊才去研發端到端，路線比較保守。
李力耘：一開始研發無圖，我們就有一些端到端預埋在裏面。想要實現真正的無圖，無圖意味着要泛化，意味着車企要具備一定的理解能力，所以從無圖之初我們就開始（端到端），無圖化的過程，就是端到端逐步上升的過程。
只不過無圖化走完了， 端到端仍然沒有走完。因為我們最終的目标是以 L2 的成本實現類似 L3 的體驗，進一步走向自動駕駛和無人駕駛。
用組織陣型，适配端到端大模型
21 世紀經濟報道：何小鵬在今年 7 月的 "AI 智駕技術發布會 " 上説，小鵬今年在智駕上投入了 35 億元，還招了 4000 人。特斯拉的智駕團隊規模自始至終也沒超過 1000 人，小鵬為什麼需要這麼多人？
李力耘：我們團隊規模持續跟随業務的變化在增長，但一直穩定在 2000 人左右。招募 4000 人，是指整個大 AI 方面。
小鵬立志成為中國甚至全球的 top AI 企業，所以圍繞整個 AI 的業務進行團隊布局，汽車制造、語音座艙、機器人、自動駕駛都是 AI，并不是僅僅指自動駕駛。
因為相信，所以看見。小鵬對于智能化的投入是非常笃定的。我們不用去對比其他公司的人數，我們希望能以 L2 級的成本實現 L3 級的體驗，最終走向自動駕駛跟無人駕駛。
21 世紀經濟報道：今年上半年小鵬智駕團隊有 5 名老将離職，人才流動頻繁，對你的心态有影響嗎？
李力耘：這是一件正常的事，也是一件良性的事，人員的流動對整個行業都是有好處的。
21 世紀經濟報道：小鵬沒有裁員算法工程師，那之前 " 冷兵器時代 " 的算法工程師現在去哪裏了？
李力耘：我們特别注重人才，我覺得原來 " 冷兵器時代 " 優秀的算法工程師，就是那個時代非常聰明的人。
内部，我們會積極培養他們的轉型；外部，我們會持續招聘優秀的人才，牽引他們的轉型、激活人才。小鵬作為一個立志成為中國和全球 top 級的 AI 公司，我們非常珍惜人才、非常求賢若渴。
我們最近也對組織架構做了調整，我們把它叫做面向 " 熱兵器時代 " 做的調整。
凡事都是變化的，團隊人才的畫像有一定的變遷，但演化是很正常的。原來優秀的同學我相信只要他們去努力學習，仍然會優秀。
21 世紀經濟報道：在小鵬之前，蔚來和理想都調整了自動駕駛團隊的組織架構，為什麼小鵬這麼遲？有一種較為尖鋭的觀點認為，小鵬有包袱，因為如何安排在無圖城區 NOA 時代立下戰功的人是一個難題。你怎麼看待這種説法？
李力耘：8 月只是我們對外宣發的節點，調整是順其自然、應運而生的。在無圖的過程中，伴随着 AI 端到端的滲透率上升，我們便開始調整了團隊的運作方式，逐步向 AI 的應用、AI 的研發、AI 的效率這幾個方向轉變，所以工作方式的變化其實很早就存在。
21 世紀經濟報道：具體的組織調整是怎樣的，涉及多少規模？調整效果如何？
李力耘：原來，小鵬的技術部門分為規劃、預測、控制、感知、融合各個組，我們的組織架構以 AI 為核心，新組建了 AI 模型開發、AI 應用交付、AI 效能三個部門，希望充分發揮 AI 的生產力，涉及百人規模。
調整之後，我們能夠盡最快的速度實現全國都能開，而且在原來的弱勢場景上，比如調頭、窄路、博弈上，我們取得了長足的進步。這些都是我們調整組織架構帶來的實打實的收益。
21 世紀經濟報道：從算法工程師向大模型轉型，他們會有哪些不适應的地方？
袁婷婷：無論是在北美還是在國内，我跟大家聊起這件事情來，他們都是很開心的。這些同學具備了非常好的工程素養、基礎算法能力，向大模型轉型期，他們既拓展了自己能力的邊界，還能為公司做出更大的貢獻，又适配上了這個時代的趨勢。
現在我們整個組織陣型的調整适配了我們現在生產力的發展。
在中國練兵，再出海
21 世紀經濟報道：小鵬在德國路測是因為大眾嗎？
李力耘：和大眾無關，是和產品節奏有關。我們和大眾不只是一個簡單的供應商關系，也是一個戰略合作的關系，我們也是按平台化的思路來賦能大眾的。
21 世紀經濟報道：何小鵬今年 4 月説，小鵬已經完成了在德國的高速領航輔助駕駛 NGP 路測。特斯拉 FSD 入華這麼難，小鵬憑什麼有信心智駕出海？
袁婷婷：小鵬作為一個面向全球的 AI 企業，出海是笃定去做的。
第一，我們堅守全程全球化的市場定位，是我們的長期主義。第二，我們要和本地共赢。第三，我們堅定走智能化科技的路線，而不是賣更便宜的車，我們要做中高端的車。
中國的場景相對比較復雜，比如有 3 億小電驢、各種各樣復雜的場景，是一個很好的練兵的場面，也對我們的 AI 體系能力做了很多的鍛煉，讓我們摸到了端到端數據驅動的這條路。
通過數據驅動來對海外的市場做賦能，遠比我們去每個國家找一組工程師去适配規則更高效，也對海外用户更加負責。我們有信心把海外市場做到很好。
21 世紀經濟報道：目前小鵬出海的進展如何？
袁婷婷：我們目前已經完成了兩個 OTA 的海外核心版本的上線，這一部分也在海外客户裏獲得了好的口碑。我們相信在 2025 年、2026 年，我們在海外的智駕一定會給大家帶來更大的驚喜。
SFC
本期編輯 黎雨桐
21 君薦讀
