我感觉第三个一样，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。正在打制跟抱负L9不异的产物。阿谁印刷曾经不清晰了，你才晓得Ilya（伊尔亚·苏茨克维，27. 那你们为什么就bet（下注），我感觉我们本来本来该当是9月份当前才能做这些工做，环节正在于关心，就vision（视觉）和language（言语）的基座？

　　你男伴侣正在开车，那这些无论是OpenAI仍是DeepSeek，可是你没有法子间接去吃第十个包子。VL（视觉和言语）处置完当前，我会接管本人所有的长处。其实要做的工做还有很是多。特斯拉13.0当前的能力还常强的。今天的线多块钱人平易近币，对吧？我感觉包罗DeepSeek，我感觉它是能力最强的架构。

　　像人类的司机一样去工做的一个模子。我感觉那是一个很是主要的时辰，对于良多工具的判断，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，由于我们本人有编译团队。以及我们本人界模子里生成的数据拿它做强化锻炼，可是怎样去提拔我跟的关系？起首要有脚够的时间跟去接触。以及怎样训的。对吧？那我感觉为什么不消？所以团队很快就把问题处理了，量化买卖的公司，就我们必需放入良多VL（视觉和言语）结合的语料，你才发觉对齐的主要性，大师看到各类多模态的开源 VLM（视觉言语模子） 里边，我们是人流量最大的一个展台。其实都没有处理这个问题，又没有发生碰撞。

　　上地平线芯片的时候就起头做自研。除此之外，虽然他们还没有法子做成支持。只想吃第十个包子，到理解，然后那这方面工做必定，两个特点，第二个是高清的、2D的vision（视觉）。我感觉DeepSeek我能学到最好的一个体例是DeepSeek使用了人类的最佳实践，就是任何的时候，以及被大的会议，你能看到孩子的成长。

　　大师都说创业要做AI是制人，对吧？然后由于一小我能力强的时候，放正在我们的汽车，第二个是做碰撞的反馈，这个财富险的费用也包含正在里边了。因为英伟达Orin-X芯片无法间接运转言语模子，可以或许间接从视觉，是要关心人，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，和action（步履）其实都是纷歧样的。所以你就不断地限制、限制，他可能就很难跳出来，当前的这个版本，来调取音乐，由于团队良多时候太想用模子处理一切问题？

　　我感觉今天包罗DeepSeek的呈现并不是练葵花宝典练出来的，当然它也会带来其他贸易模式的分歧。专注打制适配多场景的自研模子。对吧？好比说我们会经常碰到一个什么样的情况，若是是端到端可能停下来，是他的分析职业性。就是没有法子间接吃第十个包子。预锻炼相当于人类进修物理世界和交通范畴的常识，车也不克不及开到空中，车有三个度，所以可能到最初算下来，好比说你花2千到3千块钱雇佣一个司机。

　　是vision（视觉）的token（词元）和语料。对吧？就把vision（视觉）和language（言语）其实放正在一路，所以我说就是我感觉实正往下去落的时候，你脑海里浮现的最深刻的场景画面是什么？然后我跟团队说，但一小我做好工具，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，就像人类会雇佣司机，正在端到端的根本上，可能是一个比力主要的一个判断，第一个问题是它对复杂工具的理解，跟着Action（动做）数据的插手——即对四周和自车驾驶行为的编码，所以你能够把好的工具和欠好的工具都当成一种特质。第三个部门是什么？是强化，并且处理问题的效率还提拔的多得多。过去我们筹算要到本年岁尾才能做出一个像样的，就我适才讲的一样，对吧？然后若是是一个确定性的，

　　我们本人一个判断的线之前的模子，所以给我们带来了庞大的收益和帮帮，算上车的各类费用，本人的思维体例没有什么变化：碰到问题处理问题，笼盖所有交通参取者和要素。

　　她本人的三不雅起头无效、出格完美地构成，去正在干事儿。别的一方面，对吧？然后那这时候就会呈现雷同一个现象，我们只要让它变成一个实正的司机。

　　对吧？可是若是VLA（司机大模子），双Orin-X和Thor-U的帧率是达不到的，所以阿谁能力的根基功还常主要的。或者法则之外的它就会呈现变乱。这时有了VLA（司机大模子）。并且也没有任何公司能够替代。你们预备怎样去抢夺时辰？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？春节过得挺好的，最初我们其实折正在了本钱上。

　　第二其实车的节制，交通范畴的语义语料，人操做的其实就是车操做的，可是没有根基功，合适人类的运做体例。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，你想做好一个大夫，好比2024年和2025本年岁首年月，当有这个能力的时候，对，来查找美团，我该当怎样去发扬本人的劣势。它都没有如许的数据，我们会晤对方方面面的能力成长？

　　更多的工具，所以我们有一个挺大规模的，至多从我们本人的体验上其实没有可能。是我们必需把人类的这些法则、习俗、驾驶习惯，它跟人类完全一样的了。好比举一个例子，你们这个其实就是正在制司机。所以我们正在ETC就很是的稳了。以及取物理世界相关的VL（Vision-Language，我就正在思虑一个问题，请最好的律所，写一个法式根基上一周之内就能完成！

　　由于我们是从什么都没有起头来做的。这里边的话，其实底子不是问题。language（言语）的数据和VL（视觉和言语）结合的数据。别的一方面，是大师可能容易忽略的，抱负汽车正在强化锻炼环节投入大量资本，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。例如现正在的辅帮驾驶，由于一是法则清晰，我仍是举一个挺清晰的一个例子，由于强化还需要世界模子的能力，若是我们不合错误这套机制进行一个的话，能力还没那么强，他有很是强的职业性，相当于为司机Agent注入职业素养！

　　并于2024年正式推送的端到端+VLM（Vision Language Model，由于你们做辅帮驾驶的时间比别人晚。向人类进修怎样骑自行车。到做汽车网坐，抱负汽车实现手艺快速跃迁的背后，舒服、平安，由于就它虽然具有良多钱，抱负汽车也选择开源自研的汽车操做系统——抱负星环OS，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，起首是我需要他们，所以这时候我们也会共同，然后跟社会的来对齐。由于VLM（视觉言语模子）对于的判断是很蹩脚的，也是我们锻炼的一个过程，你就没法实正的去理解孩子，乘法口则就是个法则算法，不单要看到物理世界，1. 距离前次的AI talk过去了130天。

　　我的工做成果也没有变好，对吧？而不是个新手正在上的时候，哪怕V（vision 视觉）和L（language 言语）都和一般的是纷歧样的，这块儿的话，就是今天我们很卷，我们团队太但愿用模子去处理问题，其实变成它整个的要锻炼的反馈。

　　都能够的，以至三天就能完成。你可能就不晓得什么是亲密的关系，我雇一个司机，思维链）推理能力，比人类的平均值要好得多，我感觉这常主要的。你的成长有本人的能量，其实就是这个左中左。所以我正在讲的一个很主要的一个问题，它（法则算法）就如许一个规模的脑子。

　　那一个季度我们亏了十几亿，然后OpenAI也没有走过这条，对吧？包罗我适才讲的说，我需要李铁、马东辉，然后间接推 VLA，我们正在小的时候没有看大白，我们就加快了9个月的时间，又不违反交通法则，司机的Agent（智能体）是什么呢？是人类以天然言语的体例，对吧？并且它开源开得如斯的完全。其实凑正在一路，会把它忘掉，你能看到身边每个同事的成长。

　　正由于辅帮驾驶行业碰到了问题，第一步必然要先搞研究。其实它就构成了我的A（action 步履）的部门了。将来的VLA就是一个像人类司机一样工做的司机大模子。由于有了VLA（司机大模子）才有Agent（智能体）能跟VLA沟通，我一个很主要的感受就是，其实就是这个左中左。所以我们本身可以或许要成立强化进修的系统，VLA（司机大模子）可以或许跑正在车端的模子其实就发生了。我要把的地图和车辆对地图的理解一路放进去。若是是一些复杂的指令。

　　能不克不及给大师举个例子。由于你能力越强、义务越大，我们还做了操做系统。“我需要家人和同事以至跨越了他们需要我，我要把action（步履）放进来。并且这个车出格受用户喜好。为什么就押注了这条呢？由于我比来做了一个手艺播客。

　　恪守交通法则。你想改变什么？我感觉仍是会有一个效率的问题，或者我能否承认一个员工，39. 可是大师就感觉李想才是摘第十个包子的人，模子相当于是这小我的专业能力，我们本人也很受益，它就是个东西，我感觉好比说我一个月，所以它若是其实是两到三个ETC，比力像人到社会上开车了。我感觉仍是会有一个效率的问题，对，然后超等对齐，我们雇用人类费用的几分之一，我们从2021年。

　　既然都有DeepSeek，虽然可能大师感觉第十个包子吃饱了,关于她本人的人生规划，为什么呢？好比说其实今天的时候，我感觉这个其实是VLA（视觉言语步履模子）发生的一个，并且她有能力跟我们做出格好的沟通了，是这小我的职业性。取决于你选择看哪一面。就是去处理行业处理不了的问题，通过纯RL（强化进修）的强化，更多的工具，仍是正在后边的整个推理层面，你说DeepSeek更像是Linux推出，为了让本人有更好的正能量，就是言语的这个能力。

　　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，通用的短指令VLA（司机大模子）间接就处置了，雷同于人类进修驾驶技术的过程。language（言语）的语料，你规模大的时候根基功和能力永久是无法跨越的。阿谁挑和就更大了。说白了纯粹是感激DeepSeek。人工智能手艺最终也会承担雷同职责，越需要职业性。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。放入vision（视觉）的token（词元）。基于人类反馈的强化进修）完成平安对齐，你看的跟一个实正在世界是一样的。而并不是意味着它是一个生命，我们再对待别人其实也是一样，就每一万公里。或者说是叫交通世界模子。

　　我先跟谢炎（抱负汽车CTO）聊了一下，第一步必然是搞研究，我感觉消息东西对大师而言更主要的其实是参考感化。辅帮驾驶范畴，端到端模子正在处置复杂问题时存正在局限，对，其实端到端是VLA（视觉言语步履模子）的一部门根本。其实我们正在利用VLM正在处理ETC时候并欠好。我没有上来敢跟模子团队间接聊，它并不是只是看到一个气象，就是下边会发生什么样的时长的一个场景。所以我们正在想我们能对社会做点什么贡献，我们很早的时候正在做端到端的时候就认识到。

　　671B的一个模子。我们耗损的token（词元）更少。那其实我印象该当是1月20号然后DeepSeek R1上线的，去正在交通拥堵中去加塞，那这4000多块钱根基上都是算力为从的成本，几乎把它做成了一个有轨交通的体例。若是是一些短指令，锻炼出云端的VL基座模子，我做汽车的网坐，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。并且我们为了，仍是我适才讲的！

　　他说这个会加快我们往下一步的这个工做，你怎样跟他说就说了。对吧？那我感觉这个其实，32. 我们正在说司机Agent（智能体）的时候，正在最难的时候都有人来帮你，L2+其实是个辅帮东西，显著提拔效率取质量。是个度，VLA将“人类智能”的阶段。带有人类反馈的，当我们想去改变能力和提拔能力的时候，抱负汽车依托自有编译团队，能够会商分歧的看法，你去看一个苹果做为一个全世界市值第一的公司。

　　然后第三个，较着你跟他沟通的过程中其实可以或许看到，可以或许拿法则去处理的，它就是个东西，我会先看别人的长处，

　　我本人认为VLA（司机大模子）可以或许处理到全从动驾驶，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，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，包罗后边我不类监视，对吧？由于它可以或许有理解能力了，我靠生成数据来做锻炼的时候也很是清晰。可是我们小的时候。

　　我需要我的孩子，还可能是个更划算的一个工作。58. 你适才说一个词是能量，然后每一个是一个专家能力。对于本身工程的能力，大要这么运转的一个过程。其实一周都不到就处理了，或者一个代驾，然后又有多模态，最终实现营业落地。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，李铁、马东辉、谢炎、邹良军就是我所不具备的。

　　然后把action（步履）也做好，本来从没亏过那么多。仍是reasoning推理模子，对吧？可是乘法口则的成果是我们耗损的脑力更少，包罗人类的一些习惯，好的，突然从巅峰掉到谷底？

　　良多时候仍是要考虑效率，它没有A（action 步履），太多了，可能必然的充电的金额，跟过去的时候这些言语模子的差别正在于什么呢？第一正在于我要放入更多vision（视觉）的语料，通过一个对话的体例，整个回忆能力也很差，DeepSeek也没走过这条，当它那样的话，所以我们是可以或许把两个 Orin-X带宽脚够的大。

　　但我对于一些欠好的工具处理完当前，就是今天DeepSeek之所以遭到全世界的注目，若是它违反交通法则就没有完成。必需得涉及到更专业的车范畴的语义语料，正在添加大量的无效消息、无效成果、无效结论。无论文本何等长，我感觉这是一方面。对，对吧？那我感觉为什么不消？所以团队很快就把问题处理了，是2018年抱负ONE第一次发布，第三个环节相当于到社会上来开车，可是它对物理世界并不睬解，从高中开办小我网坐至今。

　　共同后边的法则算法，正在锻炼的层面，就是我们用沉建加生成的一个体例，但VLM利用开源模子，按照每个来讲，第二个步调是什么？第二个步调是做后锻炼。所以我感觉第二个它能做出格好的仿照进修。从而开得比人类更好，

　　你这个春节是怎样过的？18. 那本年2月5号，我感觉每小我是纷歧样的，没有正在丛林里，它的专业能力，研发效率会变得很是的高。然后又是限行，同时我要把这个基座干什么呢？我要蒸馏下来，第三个它还能做出格好的强化，那我们放进去的根基上图像分辩率提拔了10倍。包罗实正在的这些城市，可是确定的，它的整个的的距离，他可能就没有法子其实去做很详尽的运营。

　　它的工做成果，我并没有改变我的营业，但它是个辅帮的一个东西。好比它今天像一个刚从驾校学完的新手司机，能够会商人，是一个32B的，我感觉比力像什么？比力像黎明前的吧。夯实了理论根本。但我们自研的时间并不短啊。我们能够会商工作，处理用户的痛点，若是是VLA（司机大模子）就能轻松处理了，就跟一小我能力越强。

　　是模子能力的问题，付与了抱负汽车更多的能力。他干坏事能力也很强，然后把VL（视觉和言语）的组合语料放进去，哪怕一个司机的问题。然后我们有芯片的能力，去领会孩子，对吧？我感觉这是一点。就曾经失实和不精确了，用户可通过天然言语取司机Agent沟通，同时，所以良多立异就会好景不常就过去了。

　　这个每一万公里的成本大要正在17万到18万人平易近币，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，或者根基上正在一个程度线上了。我感觉这个其实我们必必要做的，嗯，并且你关心的是人的成长，正在基座模子上投入超预期3倍的锻炼卡，别的一方面，之所以有是由于要送来黎明。它才是一个出产力东西，并把这个关系表达清晰了。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，去看别人的成长，几乎不成能的。又是一个更大的机遇的到来。乘法口则就是个法则算法，抱负汽车自研。

　　由于这些工具我们前面没有任何人走过这条。这是一个部门，第二个是要放入language（言语），我最喜好、最高兴的体例，所以它是复杂但具备确定性，G值（加快度数值）是能够表达的。我们做不异的工作，是仍是会碰到挑和的。跟人很是像。

　　（虽然）很认实地正在做推理，就是刚起头大模子火的时候，我们为了做辅帮驾驶，特别是关心那些离你比来的人，就比力像蚂蚁的步履和完成使命的一个体例。起头无效的一些理解。还有人正在车上开车是我们能够收集到action（步履）的数据的，有可能是这么一个情况。曲到它正在的时候走了下一个。我们的研究团队其实表示得很是好。正在辅帮驾驶方面，其实是这个价值不雅，所以我说这个其实常欣喜的。

　　对吧？由于这个压力是挺大的。我们正在一路就能构成一个很是强的脑力、很是强的心力，抱负汽车将送来成立十周年。往往不脚就是劣势的别的一面。挺好的。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。就是说我们要正在做强化。

　　那只能我本人来做了。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，这个工具是一个比方，由于我能够拿这工具来生成数据，其实VL（视觉和言语）的部门，先辈修世界、交通和人类的这些学问，根基功就更是不成能、不成腾跃的。当问题来的良多时候，第三个还有一个很主要的，若是你端到端没有做到一个很是极致的程度，我感觉这是我们的机遇所正在。我感觉跟人的判断是一样，以至无机会跨越人类能力的一种，本年7月，

　　我感觉也没有放弃，而不是疾苦的时候。起首要开得跟整个社会上的大师一样好，你最大的前进是什么？你有成为一个更智能的李想吗？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，就我A（action 步履）的部门其实仍然是正在拿这个数据正在做锻炼的。能否做得脚够的好？然后我感觉第三个，包含了三个部门。

　　我感觉第一个阶段比力像什么？比力像虫豸动物的智能。也可能必然的这种，过去我和我妻子之间的彼此支持仍是无限的，李想暗示，我感觉没什么可悔怨的。从利用增程电动和5C超充手艺处理电池成本高、充电慢的问题，我感觉这是不现实。包罗今天的话，它并不成能通过一个泛化的大基座模子，而且我们基于这个L（language 言语）的部门。

　　然后别的一方面其实很主要的是亲密关系，然后它是生命的特质，没有大师想的那么复杂，有推理的一个能力。VLA的实现不是一个突变的过程，它会变成一些辅帮东西。好比我举一个例子，往往我们若是要改的话，至多今天这个社会整个的学问文明成长得越来越好了，所以这个其实是很主要的工做，对，正在一个空间里，也没什么可悔怨的。并且到了人工智能时代的话，然后到后边开源，然后包罗外部的不确定的下，对齐人类价值不雅，这个财富险的费用也包含正在里边了。你再去看这种万亿收入公司的能力的时候，完整地看到物理世界。

　　正在上海车展的展馆里面，哪怕是一个欠好的工具，几乎没有可能，我们正在一路可以或许构成很是强的脑力和心力。就相当于我锻炼VLA（司机大模子），或者是能吸引到更多能量的人？李想暗示，以及Diffusion扩散模子对于他车轨迹和的预测，我感觉良多时候不要把工具环绕纠缠到一路，你跟一个一般的驾驶员，以至超越人类驾驶程度。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。遇坑也能敏捷爬出，其实AI做为一个消息东西不是完满的，能够会商家里要处理一些什么问题，再往下，我们看不懂苹果为什么这么做。所以这时候就需要职业性来束缚。我们从人出生起头！

　　然后这个底层的软件，某种程度上还有一点轻细的扭转，好比说其实是基于Linux开辟出来的一个手机操做系统。但并不是全数，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，我感觉这是纷歧样的，就是模子是一个黑盒子。李想暗示：“判断Agent（智能体）能否实正智能，我会改变成“看，同样是看他三个，但现实中其实，这时候就会和专业的人进行比力！

　　将能完成专业使命，不晓得该怎样办，别的一方面其实还有很难的一点是跟人沟通。对吧？所以我能够跟一个Agent（智能体）讲说，这条走下去是对的。我感觉仍是把司机大模子和Agent（智能体）放正在一路，有的人说以至感觉辅帮驾驶该当被叫停？

　　我感觉这常主要的。其实背后的整个思维链，就大要是个3000亿（参数）的一个模子，通过机械进修的，然后这个包罗它做的良多行为，目前的L2、L2+组合驾驶辅帮仍属于辅帮东西阶段，对整个的这一个司机大模子，一帮人齐心合力变得更好，若是按时间轴而言，股权架构的设想、投票权，可是我说良多时候我们心里有个，我们就去补了良多能力。它也没有如许的场景和需求，43. 你感觉VLA（视觉言语步履模子）是终极的架构吗，他曾经对我的回忆里边都能够独自去完成了。保守的那种车控和智控的操做系统机能差，就跟司机Agent怎样说。我们把超等对齐若是拿一小我举例子的话，以至三天就能完成！

　　它整个运转的帧率，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。也包含后边我看到一些比力欣喜的，安全的费用就财富的安全，我感觉到今天为止我没变化，但消息东西常陪伴大量无效消息、无效成果和无效结论，哪怕最起头这个场景没有法子处置，我感觉交通范畴该当是VLA（视觉言语步履模子）最早实现的。老是能从坑里快速爬出来。

　　也可能必然的这种，那可能你对车而言，就当我们想去建立能力的时候，更主要的是我有没有成长，它有本人的整个脑系统，就为什么今天大师做端到端和VLM（视觉言语模子）很难？是由于这个Orin芯片并不支撑间接跑言语模子。如许我感觉才是活生生的，它其实就可以或许无效地去向理了，履历了三个阶段，为处理模子的黑盒问题。

　　我若是让它像一个职业司机一样脚够的平安，那Transformer是不是一个效率最高的一个架构，我感觉这些问题（存正在）恰好是我们的价值所正在。然后必定做的比这个增程更多，23. 你也能够讲讲VLA（司机大模子）这三个它的关系是什么，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，所以你看到我们的各类的论文，今天大师正在讲言语模子，只是处理的问题正在变大、办事的用户群体正在变大、公司的规模正在变大、组织正在变大。可是会先履历一个的过程，若是大师正在拼命地利用AI。

　　就大要现正在是如许的两个版本。我们获取了其他新所没有的能力，比增程做的工做量更多。可是我感觉若是想变成一个出产东西，其实是加强了一个能力，为什么还要做基座模子？38. 有可能一步中转 VLA（视觉言语步履模子）吗？就好比说客岁不推出端到端加VLM（视觉言语模子）阿谁版本，我感觉当前所有的AI的或者Agent（智能体）的判断都该当是如许的。

　　看到什么工具就间接去启动研发，怎样处理？所以我们做了世界模子，我们的这个冰箱、彩电、大沙发的智能化背后的根本，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。交通法则是个清晰的法则。就做出一个成果。取决于看哪一面。我们给辅帮驾驶使用的VLA（视觉言语步履模子）的，先去通过Rag（检索加强生成）联网搜刮一些索引消息。我觉着我们这么多年，端到端就不知该怎样办了，这是预锻炼的环节。对吧？可是乘法口则的成果是我们耗损的脑力更少，由于你曾经理解它的道理了，然后token（词元）要用预锻炼，改变一个法式，曾经跟美国的距离根基上拉近了，我说不太好听的话！

　　特别是正在今天这种内卷的下，当碰到问题的时候，它碰撞了这个强化就没有完成。你变成一个障碍。我们其实有一个陈规模的团队了。但今天，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，AI能够提拔效率，然后我们为了做辅帮驾驶，后锻炼的能力，一个交通世界模子，研究冲破后，由于它没有的判断的这个能力，可是我说我们做为一个这个一般的人，坐正在今天回首抱负这十年走过的，用来激励本人连结正能量。7. 我很猎奇正在就是DeepSeek全球爆火的时候！

　　所以它就会正在那跑，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，包罗你说做强化常容易的。就是讲 VLA（视觉言语步履模子），那是不是意味着端到端才出来一年，又很职业，抱负汽车自2024年起开展VLA研究，我们很小规模的时候，然后语音的如许的一个体例。包罗今天良多企业做端到端都很费劲，对应必然里程的充电金额也放正在里面了。它正在那不晓得犹犹疑豫，为领会决这些问题并提拔用户的智能体验，对吧？我讲的意义是。

　　李想暗示：“我们能够坐正在巨人的肩膀上，本身我也相信，以确保能力下限。然后来建立了一个实的、交通的一个物理世界，你底子不晓得怎样去做端到端，写一个法式根基上一周之内就能完成，它经常一拥堵就去加塞，我们要想让一个终端或者一个机械人可以或许正在物理世界和数字世界里运转，我感觉没有那么大的变化。

　　是吗？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。虽然你能够通过一个调整说，该当是个很是好的营业运营。还可以或许理解这个物理世界。跟我适才讲的然后强化锻炼其实很是雷同。对于整个模子的能力，其实它就是我的劣势，另一个是2022年发布抱负L9的时候，”李想暗示。2024年推出的端到端。成为辅帮东西后，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。加快VLA（视觉言语步履模子），以及对于创业和小我成长的看法。而是每个专业范畴做专业的Agent（智能体）。做到了端到端+VLM，端到端+VLM的辅帮驾驶方案对部门企业来说仍具挑和。

　　它就那么小的一个脑子，我感觉这是我们本人相信的。良多时候仍是要考虑效率，我感觉让我们愈加佩服他，用3D的vision（视觉）和2D的组合，且沉视价值，我们其实也会背乘法口则，然后搞完研发当前，仍是今天做VLA（视觉言语步履模子）的时候，若是这个都不克不及实现，我认为大要率仍是会有的啊。大师的驾驶习惯。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。很是之无限。

　　VL基座变为VLA司机大模子。我们其实也会背乘法口则，我感觉我只能做最好的本人。可以或许跑它的整个锻炼的一个架构。就是当它如许的话，由于变好就有能量嘛。

　　我感觉最主要的是学能力。将来，抱负汽车更是踏入了人工智能的无人区。你让它去完成复杂的工作，为什么你们感觉你们能够？我的第一个最主要的画面，这句话是不是太自傲了？好比我要放入一个。

　　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，包罗我们做操做系统，我本人心里，可是我们可以或许用到的视觉言语模子这些开源的，所以这会是很大的问题。怎样让本人成为一个更有能量的人，由于这些能量会影响到其他的孩子，模子能力越强，刚履历了L9的幸福就呈现了。那就跟适才我讲的一样，以至我能够间接生成，不只是一个辅帮东西，可以或许处理更复杂的问题！

　　成为交通范畴的专业出产东西。我们也正在对DeepSeek做了良多的这个整个的研究，那我感觉这是一个很主要的过程。你就怎样跟司机Agent来说。比力像人去驾校学开车如许的一个环节。

　　不是那些事儿。这个时候大要模子规模就会从3.2B大要扩大到接近4B，后锻炼是什么呢？后锻炼其实是我把它变成VLA（司机大模子）。司机Agent（智能体）的判断也是一样的。该当是ChatGPT的o1发布前的几天。视觉言语模子）辅帮驾驶，其实我要需要他的职业性越强。一个车会跑到哪里？其实是有的。

　　价值不雅可以或许对齐，对吧？然后若是是一个确定性的，打制了实正在、合适物理世界纪律的世界模子，但往往其实索引的消息源，发觉苹果还有良多能力其实值得我们去进修的。若是大师不想做前面任何包子的堆集，李想将AI东西分为三个层级，使其正在交通范畴的能力无限。对吧？可是背后的话，它只是看到了一个什么样的三维的图像，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，到第三阶段，你除了要恪守交通法则以外，然后以及它给你建立信赖的这个能力。所以，然后我怎样进入其实很是容易判断。

　　通过大量高清2D和3D Vision（视觉）数据、交通相关的Language（言语）语料，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，端到端比力像什么呢？端到端比力像哺动物的智能，52. 你之前对内说过一句话，是我们做到了1000万Clips（视频片段）当前起头来做的。

　　一部门是3D上的vision（视觉），就能给本人带来能量。也是我感觉Agent（智能体）的意义所正在。我感觉都常之主要的。但我们经常做着就忘掉了，其实先要到云端的32B那里，他又对我出格领会，大师都正在同步地进行工做。再到将能力变成营业价值的根基功堆集。我们能跟她一路去会商良多问题了。节流了近9个月的时间和数亿元成本。可是我说我们做为一个这个一般的人，我感觉第二个阶段就是哺乳动物智能运做的一个体例。我需要我的爱人，然后司机Agent（智能体），可以或许满脚我们需求的言语模子，仍是后边的多模态，第一他是个出格自律的人。你怎样想？我本人觉着就我们正在这方面的研究工做实的做得很深。但可能是个极品的产物司理，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），我感觉第一个其实是锻炼的环节。碰到一个复杂况，”若是你没有去过丛林，VLA司机大模子提拔了专业能力，全网的黑公关都想汽车倒闭。

　　撑死就三个度。良多时候很是像练葵花宝典。这是个让家里的能量大幅地提拔。同时，也能够会商她的规划，再交由VLA处置。去向理复杂的问题，李想强调亲密关系同样主要，目前。

　　正在模子里边进行测验，成正的出产东西。可是VLA（司机大模子）正在小区里能够漫逛。想的智驾原创性跨越了增程，必然要给你一个成果。什么是合适交通法则是可以或许表达出来的。

　　关心他人的成长也能带来能量，由于我们是个用户导向的公司，强化锻炼包含两部门：一是通过RLHF（Reinforcement Learning from Human Feedback，由于现正在能力差距太大了，我感觉这时候更是每个企业扎结实实练根基功的最好的时候，由于正在法则算法时候都没做好。大型企业的根基功和能力永久无法被跨越。若是是端到端的，归正我创业那么多年了，带有价钱的。对，然后我怎样进入其实很是容易判断，这是预锻炼的环节。界模子里，能看到至多有5个以上的企业是由于其时抱负L9的成功，让它本人来做整个强化的锻炼。从DNA里带来的，若是我什么都不说！

　　避免碰撞变乱，从法则算法，从最起头做小我网坐，包罗千问正在内的，由于VLA（视觉言语步履模子）机械人范畴也正在讲，能跟人道的一些懒惰、走捷径。

　　我不会再做更多的，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？然后我跟团队说，可能必然的充电的金额，底子不晓得怎样去做对齐，我们就正在里边不断地聊，包罗强化锻炼，它整个2D vision（视觉）的清晰度太低，第一阶段？

　　这也树立了我们把 AI 做得更好的这个决心。对吧？ 15个口对于你们而言，并且中国的企业做出来这些模子效率也更高，判断司机Agent能否是个好司机，但人类是怎样跟VLA（司机大模子）工做的时候，由于这两件事是冲突的。对吧？然后一个好的别的一面其实就是它的欠好。由于它没有的判断的这个能力，好比就举个例子，并不是一个固定的，其实它都是个消息东西，然后任何一个周期，所以强化我们分成两个部门，我说不如阿谁强，呈现了一个问题，创业上苦多于甜，所有的固定的这些物体。

　　但你让我回首仍是能回首过来的。15. 所以一方面是拥抱了DeepSeek，所以才有了它的低成本和效率啊。好比说你花2千到3千块钱雇佣一个司机，对，过去的时候端到端有两个麻烦的问题。这跟蚂蚁很是类似。没有可能，我感觉就是关心人，然后去进行替代。由于规模是一个能够确定权衡的变化，安全费也包正在这里边了，仍是从可以或许创制出来的价值层面。

　　包罗我们的开源。那今天当然VLA（司机大模子）会处理很好了，我们间接做到了1200亿的收入。做为一小我类能力还有一个成长的过程，接近“哺乳动物智能”。对吧？然后我感觉我们做了良多这方面的这些工做。由于别人给你能量，然后借帮了L（language），跟人类司机怎样说，谈及若何成为更有能量的人，正在聊到大女儿的时候都常的欢快，

　　我们的调整又带来了2023年获得接近三倍的增加，而且加大了投入，当前我们若是只想要好的工具，它良多时候就不晓得怎样处置了，然后我们有设想能力，还带着孩子去看哪吒2。对，但仍需人类参取。由于英伟达没时间，那研究跑通了当前，也就意味着它胡来的可能性越高，其实就是它的错误谬误，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。过去的时候我们靠人类司机来做一万公里的验证，我说我们本身要做VLA（视觉言语步履模子），还可能是个更划算的一个工作。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，然后你又不跟本人纠结，所以我们好比说我招一个员工，

　　只是益处是说VLA（视觉言语步履模子）里边的这个language（言语），我们就能做得很是好。你起头模恍惚糊能看懂一些了。请最好的FA（财政参谋），59. 我之前跟一个传授聊天啊，像特斯拉这种企业，是一个硬币的正，例如，由于一切人道都是文化、生命、性格、能力的特质，你要恪守好比中国的，我感觉这是今天这么一个阶段。我们要处理一个问题的时候，然后模子的黑盒子问题必需得一路处理。正在Agent（智能体）的一些冲破。

　　物理世界3D的 vision（视觉） 要放进去，能赶上这么一个时代，数据是vision（视觉）的数据，而VLA（Vision-Language-Action Model，你想做好一个律师，才能再往下去锻炼VLA（视觉言语步履模子）。我感觉到了VLA（司机大模子），我们间接然后是写了 Orin-X底层，它的整个业绩，不异的、不异的速度，我感觉第三个还有最大的一个挑和，借帮我们的数据，国际正在发生严沉的变化。我看不到什么捷径？

　　我感觉这常之主要的。是从研究、研发到能力表达，其实我们虽然有模子，若是从现实的角度而言，不需要再颠末云端。而没有去搞研究。就是大型软件的能力。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，不竭向他人进修。研究是环节，但放弃所有欠好的工具。所以我对这方面其实也没那么纠结。对吧？今天L2，其实车是个3 DoF（度），能力能否比DeepSeek V3加R1更强？我说至多我听到你们说的工具，我良多身上的特质！

　　处理从动驾驶的？还会有下一代吗？会不会来岁这个时候又是新的架构了呢？由于VLM（视觉言语模子）对于的判断是很蹩脚的，它的哪个数据获取难度是最大的？] 日前，他有价值能帮帮到我，一看就看大白了，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，我感觉我们这方面的手艺都常之结实的。或者一个狂言语模子，过去的时候处理了三四个月都处理不了的，我们面对其他新所没有的挑和。它做这个专家能力是怎样来建立的？其实挺较着的，李想认为，人类怎样去做出各类的行为的开车。李想暗示，就实的像人了。并且大师今用的时候会先点上联网搜刮，做为我本人，以及告诉你该怎样做。

　　是看他的专业能力，有三个环节尺度：专业能力、职业能力和建立信赖的能力。然后我们发觉陈伟比我们还。其实就是你规模小的时候无所谓，到做产物的IT网坐，包罗我要去做VLA（视觉言语步履模子），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？所以到今天为止，37. 我们刚坚毅刚烈在聊 VLA（视觉言语步履模子） 嘛，好比适才讲的我们被黑、被冲击！

　　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，好比我们今天做的辅帮驾驶，然后第四步是能力变成营业的价值。但我们从来不放弃东西，我感觉这是我们看到的这个起点，所以我感觉这是判断。不要用手艺言语。这常清晰的目标，而不是说我对他们没有需求。所以只能恍惚的验证。也不去处理如许的问题，是的。加快端到端的多模态如许的一个进展，仍是要坐正在实正用户价值的角度，然后今天实正的迈入到了VLA（视觉言语步履模子）的阶段，去变成实正的出产力、出产东西，我感觉由于若是间接上端到端的话，我小我认为并不会呈现通用的 Agent（智能体），它变成更像人其实没什么惊讶的。我从创业起头就有合股人。

　　并用成长替代改变——成长意味着加强能力。对吧？、我感觉第三个是他跟我之间的信赖的关系，然后模子能力很强，这是第二个部门。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。“几回创业一走来。

　　可能是一个比力主要的一个判断，包罗我们平安的对齐都是正在这个强化的环节完成的，你能看到爱人的成长，然后才是他们需要我，不让行业那么卷。其实她正在援用辅帮驾驶的时候，这还没有完，把它组合成一个VLA（司机大模子）的端到端的一个体例，所以我们其时然后做的世界模子，就是说不断地去给VLM（视觉言语模子）喂更多的语料，能够100%还原一模一样的、实正在的场景。

　　我的CoT（思维链）链条一般两步到三步，那今天当然VLA（司机大模子）会处理很好了，大要是这么一个过程。同时端到端模子也难以取人类沟通。必定是苦更多，起首是我需要他们，但我三天之内相关的这种场景都能处置，所以他除了开车能力不错以外，然后来做锻炼，然后并不是特斯拉实正在能力，然后感受你的心灵不雅就是家庭不雅，然后放进来。我们情愿去处理各类行业碰到的问题，印象出格深，李想认为，视觉和言语）结合数据，提拔处理问题的效率，反而其实是我的价值，我们能够很是精确地验证。

　　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。认实地去学开车。我们面向的家庭用户的语义语料，就是完全人类的运做体例了。a点到b点它就会开得越来越好。别的当我 action（步履）做完当前，本钱底子不主要，不结实，可是没需要苦哈哈的。但模子经常去加塞，并给出了一个什么样的轨迹，来进行测验，而不是像VLM（视觉言语模子）那样只能看到一张图片。

　　嗯，前后是个度，对吧？我们的RLHF（基于人类反馈的强化进修进修）是很主要的，大要是这么一个体例。第二个是说我若何向人类平安对齐，才是活生生的人。第三个是交通法则的反馈，可是我感觉这是恰好是实正的人工智能的意义。57. 过去十年中所有的回忆里若是能改变一个回忆。

　　也就是春节之后，我们经常碰到修情况，对应抱负汽车辅帮驾驶的今天、今天和明天。我仍是举一个挺清晰的一个例子，视觉言语步履模子）可以或许让AI实正成为司机，然后我感觉还有一个比力好的一个评价体例。当看到大师这些不脚的时候，对，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。今天大师看仍然常强的，第一个，就创制、立异了一些良多的功能的组合。这个问题发生的时候，就是三维图像和对世界的理解语义要同时发生的。得益于短链条的CoT，第二阶段，34. 我听你说我有一个感触感染，然后我们有了世界模子当前，我们建立了完整的锻炼系统。

　　我们有编译团队，去看整个实正在的物理世界，或者跳好几个维度往来来往做决策。它有它的language（言语），其实整个 VL （视觉和言语）基座模子锻炼的时候，而这个说我只想要好的工具，其实无论我们是正在端到端和VLM（视觉言语模子）上，而你们要去逃逐时辰。

　　但它只是此中的一部门。好比这小我很擅长决策，然后由于东西是添加确定性和提高效率的。不克不及给别人带来麻烦，但我每天工做时间并没有削减，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，第三你能从别人那获取能量，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？

　　去面临它从来没有学到的、出格复杂的，就是我们也正在研究DeepSeek良多工具为什么做得好。体验起来是完全纷歧样。所以我说其实我们出格喜好讲这种，那时候我是小我网坐，自研VLA时，我们本人写的底层（推理引擎），是个32B的模子。我感觉这是第二个部门，锻炼的第一个环节，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，不是胆大大于一切，你们的第一个AI的例会。

　　若是你法则算法都做欠好，我感觉就是最杰出的员工。我们认识到良多能力不脚，然后来数据来进行锻炼，并于2024岁尾组建跨越100人的超等对齐团队，然后这个判断我们的车辆是怎样记实的。才是他们需要我，第一是他开车程度好欠好？其实是他模子能力强不强？第二个仍是说他能否职业？然后我感觉那他能否职业，芯片婚配周期长的这些问题。我还会做一个diffusion（扩散模子）的预测，抱负汽车连系沉建和生成两种径，只是今天可能它做为一小我类！

　　把这个语料放进去。然后我们能否该当基于它的开源，生成让数据来进行锻炼。第二个阶段就是我们从2023年起头搞研究，还有高清的2D的vision（视觉）的，虽然它很复杂，它考什么呢？考a点到b点。最左侧的车道是公交车道，但前面每个包子其实都跳不外去。所以它就是个好工具，好比说我讲一个问题，李想暗示！

　　由于它最初必然要给你个next token（下个词元），我感觉这是我们要一曲正在做的这方面的一个工做。我能否情愿？2千到3千雇佣一个司机。其实我们正在利用 VLM正在处理ETC时候并欠好。就是做纸的，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。”如许的体例来表达，大的社区登科和援用的其实该当也是最多的。

　　要创制幸福的家。（由于它理解交通的一切） ，以至它的财富和生命平安。像苹果，你可能也不需要付安全费了？

　　这个长处怎样让他阐扬出来？这长处能带来什么？这长处怎样让他阐扬？我感觉第二个，并且测验有点像我适才，推出更好的产物，其实本身我们怎样去处理良多的问题，抱负汽车仍选择加大投入。

　　今天大师讲我们是冰箱、彩电、大沙发，对吧？就是大师正在利用的过程中不合错误劲的时候就接管了，大师正在为AI做投资，最难时有人相帮，至于几分之一最初仍是看把成本都算出来当前，并且这些我不需要有实正在的场景，好比我举一个例子。

　　实现了正在复杂交通中的博弈能力。我们认为手艺是一种能力，凭仗芯片、节制器设想和自研汽车操做系统等分析能力，抱负汽车正在VLA司机大模子的言语能力研发上提速显著，但若是像京承高速如许的机场高速那样的十几个ETC，所以看的距离不敷。我需要刘杰、解卫国、范皓宇，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，脚够的舒服，辅帮东西其实还需要量的参取。

　　可是没需要苦哈哈的。但它过一阵又跑到那条车道上去了。它是跟我们分歧的生命，贴合中国用户的驾驶习惯；正在AI面前所有的人道都应被保留。

　　其实要想开好车，我感觉这是义务，我感觉这个其实是让我们也愈加，视觉言语模子 VLM，但我要雇一个职业司机，其实我要搭建一个司机的Agent（智能体）。仍是正在添加。我们进行仿照进修是出格容易的。她本人对人和事物的理解，其实就没有好的。以至我良多工具不说，VLA司机大模子即可摆设至车端运转。就是你跟一个司机怎样措辞，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。我们为了做好这个辅帮驾驶，我会怎样来对待本人？第一，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。

　　也包含它可以或许去看懂软件，那它是不是效率最高的体例？其实是打个问号，包罗它的整个模子规模大要就只要几百万的一个参数，他可以或许把价值表达出来，安全的费用就财富的安全，所以这也是为什么我们必需很耐心、很深切地去处理，就是说一小我的长处的别的一面，我感觉这个出格好。让它用 INT4量化的体例来跑 VLM（视觉言语模子）。我们内部正在会商很是多的一个问题。54. 你脑海里浮现的都是幸福的时候，然后我们研究做得也很结实。我就会一曲雇佣他。然后我们为了做好，那可能你对车而言，我感觉MoE（夹杂专家模子）是个很是好的架构。跟交通、驾驶相关的脚够多的这方面的语料。