摘要：从日常生活的衣食住行，到你学习工作思考乃至认知这个世界的方式，都在被AI悄悄改变。如果你正好对AI感兴趣，那么推荐你来听听中欧基金最新一期播客，我们邀请到了中欧基金基金经理冯炉丹和类星频道主理人郑晓康一起迎风畅聊AI，两位嘉宾一个半小时的如数家珍，会让你有种同
没有人会怀疑，AI时代，正呼啸而来。
从日常生活的衣食住行，到你学习工作思考乃至认知这个世界的方式，都在被AI悄悄改变。如果你正好对AI感兴趣，那么推荐你来听听中欧基金最新一期播客，我们邀请到了中欧基金基金经理冯炉丹和类星频道主理人郑晓康一起迎风畅聊AI，两位嘉宾一个半小时的如数家珍，会让你有种同频的畅快；如果你对AI还知之甚少，那么这期的播客也是为你而录，全程关于智能驾驶、人形机器人的硬核科普和投资干货，让AI不再只是个抽象的科技名词。
AI时代已不是仰望星空的想象，而是每个人脚下的必经之路。希望这期播客能带你畅游这片星辰大海中，理解现在，把握未来。
冯炉丹：
我们根据技术和人参与的场景，将智能驾驶分为了从L1到L5等5个不同的等级。
L1是辅助驾驶，车子主要由驾驶员来操控，智驾能实现AEB自动紧急刹车系统等简单功能。L2是部分辅助系统，典型功能包括车道居中保持、ACC自适应巡航等。L3是有条件的自动驾驶，意味着在特定场景中，智驾系统可以完全接管驾驶任务，这时的驾驶员是后备。需要注意的是，这个阶段就会出现权责问题，比如出事故后的责任方认定，是驾驶员、车企，还是技术厂商。所以目前虽然很多智能驾驶在某些场景已经可以实现L3，但我们仍将技术等级定位在L2或类L3，相应的权责划分是属于驾驶员。L4级别就意味车机在很多特定场景都能完全实现智能驾驶了。换句话说，车上的方向盘已经可有可无。L5级别就是全场景的智能驾驶，车子无论在荒郊野外的任何场景都可以自动驶达目的地。
冯炉丹：
技术路径主要有两派：一个是渐进派，希望从L2起步逐步实现L4，以特斯拉为代表。他们最核心的目标是造一辆好车；另一派则是一步到位，希望直接实现L4，以Waymo为代表。他们的目标是真正改变出行方式。
经过多年发展到现在，两派逐渐有了相交。渐进派沿着路线慢慢到了L4，而很多直接L4的车企，为了更好地收集数据，也会下沉去做L2产品的量产。
郑晓康：
在传感器方面也同样有两种路线，一个是采用激光雷达，另一个是纯视觉端到端路线。早期智驾为了更快地实现量产上路，激光雷达是必不可少的传感器解决方案。但后面逐渐发现，摄像头才是所含信息最丰富的传感器，现在很多企业开始推出纯视觉量产车。
这背后体现的是深度学习或者是机器学习AI的快速发展。在2019年以及更早的时候，受限于AI能力，算法不足以支撑通过对视觉的理解就让汽车安全行驶，只能使用激光雷达。但到了今天，每一家公司都致力于从摄像头中挖掘尽可能多的信息量，激光雷达可能更多是一个“安全带”的角色。
冯炉丹：
未来很可能很难区分激光雷达和纯视觉车在同一场景下的表现，两种方式都会带来相当的安全冗余。在我看来，决定智驾上限的是底层算法与结构。
这里首先要了解智驾系统结构上的发展。
第一阶段算法的结构是模块化
即先把一个任务拆分为感知、决策、指令、控制等分模块。然后通过逐个写入规则，形成rule base（规则库）算法库，使车辆在某个场景下开动起来；rule base越多越复杂，车辆能行驶的复杂区域就越多。
第二阶段发展为端到端的结构
即我们输入信息后，系统就自动输出一个决策。这背后是通过深度学习的算法，学习了大量视频实例，而不是通过“规则”的一个个写入。这会让智能驾驶变得更拟人化，更丝滑。
第三阶段还是端到端的结构，但算法变化了
目前采用的有两种模型：世界模型和VLA（Vision Language Action）模型。通过这样算法技术上的变化，未来是否能够突破长尾场景、真正实现全场景智能驾驶，是非常值得期待的。
郑晓康：
传感器阵营分化不是现在最核心的分歧，真正的技术路线分歧在于刚才提到的世界模型和VLA模型。
世界模型有两个用法，第一是类似基于大语言模型的生成式AI，比如世界模型会基于已有的道路行驶信息，不断地生成预测下一帧视频仿真图像。这其实与人类开车时很相像，大脑会不断预测接下去会发生的事件。第二个用法是蒸馏，即通过云端训练一个大参数量的模型，然后再基于大模型训练一个参数规模足够小、以便部署到车上的模型。实际运作时同样是不断生成下一帧图像，通过与现实世界做对比后输出控制指令。
VLA模型就是在驾驶模型里内置一个能理解自然语言的模型。因为现实生活中道路或场景中，会有文字标示，且内容很难穷尽，单纯模仿学习有困难，加入语言模型后，会让整个系统的泛化能力更强。VLA模型之所以被认为是下一个重点，还因为其与算力强相关。因为语言模型会让智驾模型参数量变大，对算力部署要求高，但随着下一代平台的研发上车，VLA模型的实现会更加游刃有余。
冯炉丹：
Robotaxi与乘用车不一样的逻辑在于，后者是各家想去抢占现有出行这块蛋糕的份额；而无人驾驶领域企业想要做的就是重新来定义“出行”这块蛋糕的形状。我们可以想象一下，如果未来自动驾驶技术发展足够成熟，私家车还需要吗？大部分的车是否都可以变成Robotaxi？
总结来说，第一，Robotaxi的商业模式具有颠覆性，不再是传统的卖车模式；第二，其使用更高频，可能私家车平均每天的使用率按时间来算仅5%，但一辆出租车两班倒的运营时间可以达到80%，这种高频场景可以极大地摊低成本；第三，Robotaxi的商业价值即市场空间很大。根据XYZ-Research调研数据显示，2023年全球出租车市场规模达到了13792.2亿元。如果加上网约车，那其实规模会翻倍，这对车企极有吸引力。
郑晓康：
从应用落地来看，最大的挑战还是技术。目前各城市投入运营的Robotaxi只能按照较低时速开，表明它并没有真正融入交通，这本质上是技术问题。因为速度提高，要求整个系统延迟必须降到非常低，决策速度极其快。这方面预计在2-3年内会有突破。
冯炉丹：
其实智能驾驶不是到了L4才有价值。从L2或L2+级别开始，技术渐进式进步，已经可以帮助用户改善体验，降低驾驶疲劳，提高安全性，这就是有价值的。
冯炉丹：
某种程度上，智能驾驶是智能机器人的子集，智能汽车可以视作在特定场景下移动的机器人。虽然现在听来仍显得夸张，但埃隆·马斯克曾预言，到2040年人形机器人的数量会和人类一样多（新闻来源：36氪，2024.10.29）。
智能机器人让人兴奋在于其能将蓬勃发展的AI能力与现实物理世界结合起来，进而改造我们的物理世界，它很可能是未来AI社会生态的基石。
郑晓康：
广义上，洗衣机、扫地机器人都可视作机器人，而人形机器人是终极形态。人形机器人与智能汽车的实现路径是同一方向，难度却要高两个数量级。它具有更广阔的想象空间。当人形机器人有了自主感知、决策控制能力后，之后的工具很可能是通过人形机器人去发明了，正是从这个角度，它被看做可能是人类诞生以来发明的最后一个工具。
冯炉丹：
类比人类的大脑和小脑，人形机器人的技术底层同样可以分为两部分。一个是大脑的智能化，即适应环境的能力；第二是小脑的控制力，即能否站稳、走动以及跑。这部分体现的企业在供应链和硬件层面的能力，涉及到各种传感器、执行器、电机、灵巧手等。
相比智能驾驶，用于机器人的端到端大模型，即大脑的智能化，显然处在一个更早期的阶段。小脑的运动控制，也需要在速度、稳定性等方面有进一步的提升。
郑晓康：
目前更多应用在一些垂直场景里，完成高风险、重复性，或者高强度的工作。比如地震救灾、电力巡检、工厂流水线、安防等。但应该说，今天在这些应用场景里先使用起来的机器人、机器狗，还不是非常智能。
冯炉丹：
现在业界所争夺的圣杯，是通用机器人的底座，它具备相当的通用能力。大家期待后续能围绕底座再针对各个行业、具体的应用场景做专业化适配。这里面家庭会是最后一个场景，因为对通用能力和智能化能力的要求是最高的。可见，目前的人形机器人整体还处在0到1的初期阶段。
冯炉丹：
中国企业的优势在于，一方面制造能力领先，同时拥有低成本优势；另一方面是中国的工程师非常努力和优秀，这带给企业优秀的迭代、研发效率。最近两年，中国机器人新进展很让人兴奋。机器人可以在工作环境中，按照指定时间，将箱子从A点搬到B点并对齐。这在行动能力和智能化能力等方面都比一年多前的机器人要明显先进。
冯炉丹：
科技成长股投资核心在于把握想象与实干的平衡。如果只盯着拥有的，可能会错过机会；如果只看到成长的空间却不注重落地，可能又会落入各样的泡沫之中。
具体到AI投资，我将其分为四个阶段：第一阶段是投资于AI的基础设施，比如GPU芯片；
第二、三阶段是AI硬件和AI应用，前者包括机器人、智驾等很多端侧AI，后者以各种智能客服为代表；第四阶段是AI技术像水和电一样全面渗透和普及。
冯炉丹：
AI从实验室走向商业可用，就是指从集中中心训练走向一个个端侧。具体可以细分两条路径。路径一就是现有设备的AI化，比如手机、电脑会增加AI功能；路径二是新的AI新硬件，包括各种智能穿戴设备，比如智能眼镜和耳机，还有具备C端娱乐属性的AI玩具等，也是值得期待的方向。目前已经看到很多大厂在今明两年陆续发布相关产品。
反过来看，AI技术的成熟也推动了这些新硬件更快融入生活，提升渗透率。过去只有VR/AR眼镜，受限于光学显示技术不成熟，设备的分量重、价格贵、显示不够清晰。AI出现以后是改变了用户交互方式，不再需要那么大的光学显示模组，而是通过语音和摄像头，实现交互方式轻便化，可以更多融入生活场景了。基于中国庞大的市场空间，可以重点关注中国企业的整体布局和应用技术迭代。
风险提示
基金有风险，投资须谨慎。以上内容仅供参考，不预示未来表现，也不作为任何投资建议。其中的观点和预测仅代表当时观点，今后可能发生改变。未经同意请勿引用或转载。
来源：中欧基金
