小米陈光：我们不想制制手艺焦炙了

　　虽然我们这个版本叫加强版，但现实上曾经走进认知驱动阶段了。此次的新版本，我们但愿给用户结实的体验。

　　《21汽车·一见Auto》：现正在有一些友商正在做VLA之后，会把所有资本都投入到新的手艺方案上，本来的端到端就不做了。这会是一种很好的解法吗？

　　《21汽车·一见Auto》：之前端到端的整个团队都是叶航军博士本人正在带，你是第一个接替他办理端到端的人，也是小米智能驾驶成立以来第二个端到端大营业部分的担任人。做为空降高管，你正在办理上有什么方吗？好比每个月会定一个方针去告竣？

　　《21汽车·一见Auto》：把强化进修使用正在智驾系统上，小米不是第一个。和友商比拟，小米的奇特征正在哪里？

　　举个简单例子，高速路上碰到运输几十米的大风叶，这种场景间接正在路上采，很难碰到，一个月能采集到一个场景，就不错了。但这个场景，正在仿实器里面就很好做，这部门人力成本就能省下来不少。

　　这么大一个团队，里面优良的人挺多。但对于一个新的标的目的，不需要有大量的人一会儿全投入。由于数据驱动和基建是分歧的，你只需要有少量人正在这方面做一些快速的摸索，人多了不必然处理事。

　　陈光：云端的基建能力是能够彼此自创的。小米的其他营业底层基建打得很结实，汽车营业可以或许对其他营业进行快速复用。

　　这都是大师的选择。大师讲一大堆新的名词，最终仍是会落到用户体验上。用户体验欠好，大师不会感觉是手艺出了问题，只会感觉是你出了问题。

　　陈光：若是整个研发架构是高效的，手艺方案就不消大改。抱负客岁端到端做得很好，也是由于底层基建做得比力高效。

　　陈光：看需求、看工作的告急程度。七月交完了新版本之后，我们共创频次相对高一些。由于要敏捷地找到当前方案存正在的问题，并起头结构下一个方案。

　　今天有人说VLA，有人说世界模子，对于底层的数据驱动来说是分歧的。只需你的基建够强大，我能够快速测验考试分歧方案，看哪个方案对你当前碰到的坚苦有帮帮。

　　陈光引见，新版底细较前两个版本，最大的分歧是引入世界模子+强化进修。“正在HAD加强版中，模子不单要晓得去模仿老司机开车，并且晓得为什么如许做。从认知层面上，这个模子具备世界的学问性，以及揣度复杂场景的能力。”？。

　　《21汽车·一见Auto》：正在你刚插手小米的时候，仿实是你正在阐发完当前系统之后决定鼎力投入的工作吗？

　　你看各家都正在讲分歧算力，可是最终对于用户来说，用户不关怀你有多大的算力，最终就是你体验可否更好。华为什么时候讲过华为的算力？即便特斯拉的算力很是大，也从来不讲本人到底有几多算力。

　　陈光：是一个很好的解法，但我不克不及说最好，由于我们也正在摸索有没有更好的思绪。从手艺上来说，有时候你不必然能找到最强的手艺，但你必然能找到最适合你的系统方案。其实各家解的问题纷歧样，例如说我们可能碰到一些问题，我们感觉用端到端来解更好；别的一些车企可能感觉VLA或者一些纷歧样的手艺去解更好。

　　陈光：两边能打共同。端到端加世界模子加强化进修，次要处理曲觉问题。VLA要处理的就是长序思虑的问题。

　　《21汽车·一见Auto》独家获悉，除初步到端、VLA，市道上的所有路线，包含WA、VA，正在小米内部都有预研。除开VLA由陈龙担任外，剩下做路线预研的团队都由陈光办理。此前该部分都由小米汽车智能驾驶营业担任人叶航军曲管。

　　但小米逃逐很快。本年2月，小米正式向用户全量推送了300万Clips的端到端（HAD），7月再次推送了1000万Clips版本的端到端。11月21日，小米汽车正在广州车展正式发布Xiaomi HAD加强版。

　　的影响。《21汽车·一见Auto》：正在我们此次推出的Xiaomi HAD加强版里，仿实数据占领了几多比例？

　　过去逛戏引擎做得很实，那种实是把所有的事物都做得很完满的。但对于智驾营业来说，你但愿他能模仿道路里面的一些残破的实正在性。

　　第二个是场地测试。这步次要是把整个车的能力给调动起来，正在一个场地里模仿一些极端场景，去看系统全体的反映。

　　陈光认为，这是备受关心的公司不成避免需要履历的课题，“不克不及只享受聚光灯下的掌声，而不承受台后各类坚苦带来的千锤百炼。得扛住压力继续向前。”。

　　仍是跟马斯克说的一样，怎样正在无限的硬件前提下，能锻炼出来一个智能密度最大的模子，大师不要过度卷一些算力。

　　友商只是摸索一种新的开辟体例。他们当前碰到一些问题，需要用新的体例去更好地处理。小米HAD加强版也是一样的。

　　陈光：仿实测试、场地测试和实车测试。从一个完满的测试理论来说，仿实测试能帮你做一个快速验证，这是最焦点的。

　　另一面，当下社会对辅帮驾驶的会商常伴取，做为后来者的小米辅帮驾驶团队，更了国内同业未已经历的危机。

　　《21汽车·一见Auto》：我们此次的Xiaomi HAD加强版本正在推出的过程中，正在共创共识上能否碰到过比力大的不合？有没有记印象出格深刻的那一两个场景？

　　“基建做得好，找新标的目的时不消投入太多人。”陈光告诉《21汽车·一见Auto》，“而本身科技企业的属性，使得小米天然就有一些劣势。”截至三季度，小米2025年曾经投入了235亿元研发费用，此中1/4的资金用于AI研发。

　　针对我们所有的实车测试里程，我们但愿正在仿线倍的。如许才合适整个测试三支柱里对模仿开辟的要求。

　　《21汽车·一见Auto》：但小米2024年才发布了第一款车，智驾到今天也只是进展了一年，一年干了别人三年的活，小米是怎样正在短时间之内把这个基建能力扶植起来的？

　　陈光：“端到端+强化进修+世界模子”这一整套系统，更多仍是处理曲觉的问题。我们认为针对更多中等难度或者非极端坚苦场景，天性的反映是更快的。人碰到俄然冲出来的行人，下认识必定是先踩刹车。而不会是我要想个几秒，看看我是不是旁边借道。

　　《21汽车·一见Auto》：但我们也看到小米内部另一个团队正在预研VLA，你们这两个团队是怎样共同的？

　　陈光：开辟者但愿强化进修能正在不异场景下通过利用分歧的励和赏罚办法，来找到该场景下最优的驾驶行为，这就需要场景必需具有必然的可复现性。

　　仿实正在锻炼的时候，看起来占比不多，但价值比力高。它次要是处理了你实车欠好碰到、欠好收集和挖掘的数据。仿实还常主要的。

　　陈光称，面临手艺路径的选择上，小米从来不是“一刀切”。他认为，新手艺的引入需要循序渐进，手艺能否先辈，并不代表体验必然更好，最终可否被用户、信赖和持久利用，才是判断尺度。

　　质疑取压力之下，小米从没有想过“跳代”。叶航军此前正在采访中暗示，小米智驾一曲都是沿着“法则驱动——数据驱动——认知驱动”的行业成长阶段一步一脚印去做拓展，“从有图到无图，端到端、世界模子、VLA等支流手艺栈，小米都有参取，且有不少论文产出。”。

　　陈光：惩轨制上做得比力好，算界模子里频频，走错了就扣分，对了就加分，正在励机制下不竭测验考试，找到更优的开车思绪。我来之后，对这版本次要做了一些共同数据驱动的基建或者流程的优化，现正在这套方案的数据驱动愈加顺畅、效率更高了。

　　陈光：支流方案都正在看。除了VLA，其他方案都是我这个团队正在做，WA和VA都是我们正在做。我们的WA，这版加强版可能更强调正在仿实器/模仿器里面利用。内部会有一个小的精英团队正在做方案的摸索。

　　陈光：能够这么理解。这必然是各家的knowhow（手艺诀窍）。什么时候吹过本人是端到端，什么时候吹过本人是VLA，他每次跟你讲都是说我当前碰到什么问题，做了什么样的方案，这个迭代效率有多快，这才是合适一般研发的逻辑——碰到问题，当前的哪一段需要调整，调整之后进行测试尝试，看好欠好，欠好再调，好了就用。必然是这种快速迭代、小步快跑的思绪。

　　无论是小米仍是友商，大师其实心里都比力清晰，手艺先辈性未必能带来产物体验上的绝对前进。终究智驾是一个系统工程，你需要细心考虑它的收益和潜正在问题，正在这两头取得一个均衡，最终落地的仍是产物的体验感。

　　由于你必定是利用更多实正在场景的数据，仿实只能处理你实正在场景下很难碰到的问题，实车都能碰到的数据，为什么还需要仿实呢？

　　陈光：没有。任何小我团队或者企业，你不成能只享受台前聚光灯下的掌声，而避免承受台后各类坚苦带来的千锤百炼。

　　就比如做饭。若是现正在厨房里，曾经有人告诉你，洗好的菜正在哪、案板正在哪、锅正在哪、油盐酱醋正在哪，每一步该当怎样干，你莫非还需要从头学一遍吗？

　　无论是世界模子加强化进修，仍是VLA大模子，申明大师发觉了靠纯真的数据驱动处理不了所有问题，大师需要认知驱动的阶段。而数据驱动，你无法笼盖所有长尾场景，你也很难去均衡分歧场景下的数据分布以及优化体例。

　　《21汽车·一见Auto》：既然多种方案有互补性，为什么行业里其他友商会地只选择一种路线？

　　陈光：把所有问题都依赖于新方案来处理，有必然风险。不外，做任何手艺判断都有风险。次要看各家的手艺判断。他们感觉VLA是将来，全面切没问题。

　　只需我的体验脚够好，我给用户带来脚够愉悦的产物利用体验，就没有需要向外宣传本人的算力到底多大。

　　现有头部新中，启动端到端研发较晚。2024年，小米正在内部正式整合成立“端到端算法取功能部”，担任量产方案开辟。而抱负、蔚来都比小米早了至多3个月。

　　《21汽车·一见Auto》：除了基建能力强大，还有没有其他的劣势让小米正在一年之内快速逃逐友商？

　　陈光：会有一些会商，但很是激烈的场景没有。小米这边都挺nice的，整个公司文化就是peace and love。

　　可能不需要纠结于用哪个手艺比哪个手艺更好，或者哪个手艺是谁的升级。大师仍是环绕着一个方针、用一些认知驱动的手艺方案去摸索。

　　陈光：强化进修不是新的手艺，它常典范的机械进修理论，大师过去把它使用正在了分歧的标的目的上。界模子的模仿器、强化进修的利用上，我们比一般友商要。

　　陈光：只要出格复杂的场景下才需要挪用思维链，不然会很累。就跟看轻喜剧和悬疑片一样。看轻喜剧，会很轻松；但看悬疑片，需要动脑子。这就需要你得有一个比力大的算力，或者有一个比力强劲的硬件去提拔。

　　陈光：我小我偏共创共识型。若是有一个比力好的方案或者研发范式，我会先和焦点、焦点从管频频沟通，把共创共识做得结实一些。但愿焦点标的目的、这个组聚焦的标的目的要连结分歧。

　　“云端的基建能力是能够彼此自创的，并且经验可复制。就比如做饭，曾经有人告诉你每一步该当怎样干，做起来就会很快。”陈光说。

　　若是要用强化进修对曾经锻炼好的系统做一些后锻炼，需要比力好的模仿系统能看到这些原始的消息。这就需要我们利用世界模子去建立高保实的虚拟，让智能体或者智驾系统界模子建立的虚拟去摸索，我们同时还得这个虚拟和实正在道路上的摸索没有不同。

　　陈光：还原只是此中一环。从动化生成新场景，使得它变得愈加的普遍。例如说同样都是一个雨天，你可能但愿这个场景里能够插入一些交通变乱，同时也会但愿插入到分歧湿滑程度地面临。

　　2021年3月30日晚，小米官宣制车，当天晚上，小米集团董事长雷军钦点时任小米手艺委员会叶航军博士总领智能驾驶团队。成立第一年，小米组建了500人团队——那时，抱负组建700人智驾团队已破费两年，小鹏破费3年。

　　果断选择端到端，并不料味着小米就放弃了其他路线的预研。当前小米的智能驾驶团队次要分成了三拨团队。

　　对于这种大的手艺方案，我们强调初期要抓大放小，不要把所有的坚苦揉正在一路，想靠一条路给他走通。这个可能不必然合适，这是最焦点的点。

　　相较其他新，小米智驾团队有本人的奇特征。一方面，它虽然不是成立最早的智驾团队，倒是组建最快、逃逐最猛的团队。

　　“现正在合作太激烈，大师会发生一些焦炙，倾向于通过各类体例或手艺让用户感觉更先辈。”端到端担任人陈光告诉《21汽车·一见Auto》，“但无论VA、WA仍是VLA，正在我看来其实都一样，都是看若何让模子的智能密度最大。”？。

　　陈光：其时可能次要是先找到当前手艺方案的机能短板，同时要看能否有能够调整的机遇。

　　好比智驾会很害怕相机的净污，激光雷达正在一些水面反射会消逝，这个水会吸掉激光一些点，这些工具都但愿模仿器能进行仿线汽车·一见Auto》：本来用仿实更多侧沉于未呈现场景的模仿，但现正在用仿实，仿佛更多是对曾经发生的实正在场景的还原。

　　《21汽车·一见Auto》：小米不是第一个做端到端的车企，比拟于友商，小米HAD加强版的劣势正在哪里？

　　行业里也有果断的VLA否决派。华为暗示，不会VLA，而是会果断选择WA（World Action，世界模子）。和华为一样测验考试去掉Language环节的还有小鹏。

　　但我们会不会一步就走到了VLA？我感觉一方面得看VLA手艺迭代的速度和最终结果，若是VLA正在各类场景下都比端到端好，那我们全面切向新方案。

　　陈光：是的，我感觉需要投入。可是其时碰到的问题，仿实可能没办决，问题出正在整个系统方案上，得需要做从头梳理。

　　他弥补，强化进修做为一种呈现多年的手艺，正在智能驾驶里用好它会晤对两个难题：一是世界模子很难做到完全保实，这就需要界模子里放入大量、可编纂的数字资产； 二是并行摸索的效率会晤对很大挑和，由于算力需要合理分派。

　　但出格的场景，很难碰到，并且也很难正在这种场景下不断地测试算法的机能、去做数据的加强，这就需要先做一个比力好的仿实，让智能体或者强化进修的算法进行摸索。

　　但我们有时候会一些新的需求。例如我们感觉某个需求，营业的时间确实有点赶不上。产物同事的第一反映可能是，是不是你不想干。但你只需跟他楚，为什么当前我做不了这件事，拿一些目标性的数据去做证明。产物同事也不会只听我们，他们也会挑和我们，好比他们会说，其他家做到了，为什么小米不克不及够？

　　陈光：共创共识最起头必定是各个部分的从管，他们要先筹议，碰到不可的处所，也需要更大老板来做出决定。

　　锻炼的时候，若是90%的数据都是仿实，那就申明实车测试数据不敷。你的数据是不是有问题？由于绝大部门场景仍是通俗场景，这些数据是实的没有法子采集到吗？

　　《21汽车·一见Auto》：目前市场支流的VLA、VA、WA正在内的支流手艺方案你们都有正在看，若何分派研发资本？

　　《21汽车·一见Auto》：端到端方案能能力下限，但它的一个错误谬误是没有法子能力上限，所以需要世界模子。之前跟智驾供应商的人聊天，从客岁岁尾本年岁首年月，智驾供应商就不做VLA。由于他们感觉正在良多时候只需要用曲觉判断，不需要去通过L（言语）阿谁环节。

　　陈光：例如说我发觉一个问题，我能多快地把雷同问题从已无数据挖掘出来，而且构成标注过的高质量数据，以及整个模子锻炼够不敷快，评测够不敷从动化，都是判断基建黑白的维度。只需从动化率做上来，效率也能够很高。

　　2025年，智能驾驶行业呈现“名词过载”现象，从VLA、VA、到WA，分化出多个家数，争鸣不竭。

　　抱负汽车智驾团队从端到端+世界模子全面切向VLA（Vision Language Action），正在算法架构中引入狂言语模子（LLM）。和抱负一样果断选择VLA的还有智驾供应商元戎启行。

　　“正在一个模仿里，你会但愿模子能少摸索简单的场景，以节流算力；正在复杂场景下，你又但愿它多摸索，以探索最优路径。”。

　　陈光：团队会有一些严重和担忧，也会很有压力。我做为担任人，仍是但愿大师能用长线思维去思虑这个问题。好比，针对这个问题有没有能够快速的新处理体例？新方案引入的价格、收益别离是什么？若是它的价格大于它的收益，那我们就不要焦急正在短期立即按照新的方案进行调整。碰运气看有没有更好的方案能够均衡最初的收益，同时降低风险。

　　正在插手小米前，陈光正在一汽研究院待了四年，2024岁首年月成为一汽研究院的总架构师，率领着近600人的团队。

　　4年间，小米智能驾驶团队曾经超1800名，2024年3月SU7上市以来，小米从高精度地图进化到无图，近一年间又推送了三个版本的端到端，实现了正在智驾手艺方案上“一年逃三代”。而此前其他新正在智能驾驶路线上的试探都至多履历了三年的时间。

　　本年11月，时值Xiaomi HAD加强版发布前夜，《21汽车·一见Auto》和小米汽车端到端担任人陈光做了一次专访，我们谈了谈手艺分野、行业将来的成长趋向、小米的基建能力、仿实能力。

　　但正在端到端算法中引入世界模子和强化进修，小米并不是第一个。陈光认为，小米会把世界模子+强化进修做得“更”。

　　陈光：我们会有一些评价目标，我们按照实正在目标，对仿实中规模化生成的图像和对应点云进行评估分歧性要好。

　　陈光：一个简单的端到端，只是仿照进修，它必然只是数据驱动。但一旦走到强化进修、世界模子、VLA阶段，必然是认知驱动。由于他不是简单仿照，而是晓得为什么这么做以及该当怎样做，让他们自从去摸索可能性，学会推理逻辑，这个能力是世界模子、强化进修或者VLA独有的。

　　基建的经验是可复刻的。否则大师做云，没成心义。做云的意义就正在于，能共用的工具尽量共用。现正在智驾的整个开辟其实跟大模子的开辟越来越雷同了。整个开辟效率快，基建能力能不克不及吞吐掉这么多的数据，这个能力其实是共用的。

　　陈光：无论是VA、WA仍是VLA，正在我看来其实都一样，最初就是看你怎样使模子的智能密度最大。由于算力是无限的，正在不异算力下若何让可承载的消息量对分歧场景的理解能力更强，这是各家勤奋的标的目的。

　　陈光：封锁式锻炼，是保守科技企业或者互联网企业强调的war room文化。我们汗青上该当履历过，但不多。一般正在一些出格急的产物方案交付过程中，需要把附属于分歧小团队或者小部分的焦点聚正在一路，让大师交换愈加速速。

　　“从手艺上来说，有时候你不必然能找到最强的手艺，但你必然能找到最适合你的手艺。大师讲一大堆新的名词，最终仍是会落到用户体验上。用户体验欠好，大师不会感觉是手艺的问题，只会感觉是你出了问题。”？。