摘要：2019年，公司成立的第三年，小马智行联合创始人兼CTO楼天城在团队一直采用的learning by watching技术路线身上看到了两个字：

撰文 | 张祥威 编辑｜马青竹

2019年，公司成立的第三年，小马智行联合创始人兼CTO楼天城在团队一直采用的learning by watching技术路线身上看到了两个字：

“绝望”。

learning by watching，又称模仿学习，在自动驾驶领域，是指通过采集数据，让系统模仿人类优秀司机开车。而过去一年大热的端到端，就是模仿学习的一种。

楼天城说，它有三个局限：

只能模仿人类开车，无法学习人类驾驶过程中的意图；

人们可以接受人类司机因为严重身体问题失去驾驶能力，但不能接受机器失效；

模仿学习属于开环训练，系统无法自己判断学习结果的好与差。

他认为，有了这些局限，就无法实现L4。

楼天城和团队开始重构技术，转向learning by Practicing，也就是强化学习。为了让模型自我学习，团队搭建了虚拟学习环境——世界模型。

小马智行的技术重构花了五年时间。

如今，随着萝卜快跑和马斯克在2024让Robotaxi和 L4 概念回暖，楼天城和小马智行高管开始频频露面，批评“端到端”，围绕“世界模型”制造声量，说明L4的技术可行性，以及阐述接下来的商业化路径。

还要回应，面对特斯拉为代表的渐进式玩家，小马智行等还在坚守的L4玩家有没有护城河？

寻到“世界模型”救命药

楼天城的观点是：

渐进式L2+玩家采用learning by watching技术路线完全没问题，但做得越好，距离L4越远，做Robotaxi，最终会发现行不通；L4做Robotaxi，除了选择强化学习，别无他法。

沉默许久的小马智行，让人们看到L4玩家生存状态，和接下来要走的路。与L4公司最初创业时一样，这条路也因为更换技术路线，再次有了悬念。

去年，特斯拉FSD V12推送部分用户后，端到端风暴席卷国内自动驾驶圈。这提高了系统能力上限，解决corner case步子加快。华为、小鹏、理想、Momenta、元戎启行等，均走在这条路上。

小马智行副总裁、北京研发中心负责人张宁告诉《出行百人会/AutocarMax》，小马智行根据对市场和技术的观察，很快就做了相应尝试，在2023年做了端到端。

但是，他补充，端到端不能解决所有问题，“助推无人驾驶大规模落地的很重要一点，是世界模型。”

楼天城此前接受媒体采访时解释，端到端属于模仿学习，通过模仿学习做不到L4，而是需要采用强化学习，像AlphaGo一样进行自我训练。

自我训练需要的世界模型，由四部分组成：数据生成器生成的场景数据；驾驶行为好坏的评估体系；高真实性的仿真；以及数据挖掘工具和引擎。

“一个错觉是，相比实际收集的数据，生成数据会不会覆盖不了常规场景或corner case，其实那都是没做好。如果做得好，生成数据的覆盖率和一致性远超实际路采数据。”楼天城说。

这也是他眼中的技术核心，“世界模型是车端模型的工厂，自动驾驶技术的真正差别在于工厂的精度，就像一个模具的精度决定了它生产出来的零件的上限。”

其实，渐进式玩家也开始采用强化学习。

去年7月，理想汽车智能驾驶技术负责人贾鹏阐述理想的算法原型时表示：

“端到端模型的目的是学习行驶轨迹，但行驶轨迹是不确定的，即使同一个司机，在不同的场景、不同的时间，驾驶行为也不太一样。如果只是一味地通过模仿学习人，只能模仿对的，不知道什么是错的，会出现很多诡异的驾驶行为。”

理想在训练过程中引入强化学习，让系统知道对与错，从而得出一个驾驶技巧、价值观均正确的模型。

渐进式玩家还意识到，端到端仅仅是开始，无法实现L4。理想汽车CEO李想不久前表示，端到端只能解决L3，无法解决L4。

“端到端+VLM可以解决L3，比如实现500公里到1000公里一次接管，让你在车上相对轻松。但它想L4，泛化能力是远远不够的。要实现L4，必须使用VLA。

小鹏汽车自动驾驶副总裁李力耘持同样观点：

“无论是云端大模型，还是世界模型，或者生成式仿真、强化学习，这些都是最终做成Robotaxi的必由之路。端到端的AI大模型也许不是最终做成无人驾驶的充分条件，但会是一个必要条件。”

笔者注意到，在小鹏汽车的“端到端四部曲”中，提到“类L3”“部分场景下的无人驾驶”，但并未没出现严格意义上的L4。

目前，国内明确提出要做VLA的公司有两家，理想之外，另一家是元戎启行。元戎启行技术副总裁刘轩此前向我们表示，“VLA可以理解为跟驾驶相关的世界模型。”

除了要在明年将VLA架构模型量产上车，元戎启行同样有涉足Robotaxi的计划。元戎启行CEO周光认为，用传统的L4技术路线做Robotaxi，过去几年证明走不通，但VLA有可能将这条路走通。

“我们的世界模型和VLA相比，差别还是很大的。大部分VLM/VLA展示出来的是看图说话的进阶版能力，小马智行的世界模型，与其说更接近VLM或者VLA，不如说更接近Alpha Zero。”张宁向我们表示。

半前装量产，逐步投放

近几年，L4玩家在Robotaxi上多番探索，除重构技术外，另一主线是降本。以百度Apollo为例，通过前装量产，将第六代无人车RT6的成本下探到25万元。

与百度不同，小马智行的量产策略相对谨慎。

《出行百人会/AutocarMax》了解到，目前小马智行路上投放的Robotaxi采用第六代车型，明年将发布第七代车型。

第七代车型为半前装量产。“让一个完全为你打造的产线去生产几千台车，不经济。”张宁说。

据悉，第七代车型目前有三款：一款基于丰田铂智4X车型打造；一款基于北汽极狐阿尔法T5车型打造；一款基于广汽埃安的车型打造。

新车型将全面搭载车规级设备，比如，车规级芯片英伟达Orin X等，且可以满足60万公里以上的营运里程要求。

至于真正的前装量产，张宁认为，当从万到十万爬坡，全生命周期有10万台车时，适合向主机厂做深度定制，从头开始做定向研发车型。

“10万台车的量级之下，摊销下来是经济的状态。在那之前，我们更愿意和主机厂已有的能力相结合。”

据悉，小马智行在产线上完成所有ADK自动驾驶软硬件的加装，下线时就是一台完整的Robotaxi，以能保证产线上的一致性、可靠性。

张宁算了一笔账：

收入端，小马智行希望每台车一年达到10多万元。

成本端，主要包括车辆和自动驾驶ADK套件、远程协助人员等。一辆新能源车大概15万元，小马智行的ADK套件大概10-15万元。

作为对比，张宁说，“Waymo的ADK价格是20万美金，搭载机械旋转式激光雷达。而小马智行已采用半固态激光雷达，单颗激光雷达成本接近3000元人民币。”

当下，一个出租车司机人工成本每年大概10万元，小马智行的单车毛利转正，至少在汽车运营生命周期内可见。

据小马智行测算，相比六代车型，第七代车型成本会下降60%-70%。

按照计划，小马智行接下来要在2025年投放五六百台车，2026年初破千，年底达到两三千台。2025年下半年到2026年初，公司的Robotaxi业务将实现毛利转正。

小马智行联合创始人、CEO彭军曾表示，在技术不成熟之前，投放100台、500台到1000台，并没有本质区别。

目前，小马智行投放Robotaxi规模为200台左右，百度的萝卜快跑约2000台。

如今开启规模投放，或许说明，那条花了五年时间重构的强化学习技术路线，以及小马智行心目中的唯一解“世界模型”，让其看到了技术成熟的希望。

2024年最后几个月，特斯拉、小鹏纷纷宣布Robotaxi计划，特斯拉的Cybercab计划2026年投产，小鹏的Robotaxi车型也将在明年推出。元戎启行也透露，将用VLA架构支持运营Robotaxi。

兜兜转转，小马智行依旧坚持以世界模型为抓手，渐进式玩家也追上来，终局的悬念再次浮现。

来源：AutocarMax