從輔助駕駛到，L4！三階段進(jìn)化，中國(guó)車企正在改寫規(guī)則

自動(dòng)駕駛和人形機(jī)器人，到底是什么關(guān)系？在主流的輿論場(chǎng)里，這似乎是兩條完全平行的科技賽道。但在砸下重金實(shí)干的企業(yè)家眼中，二者不僅同源，更是同一場(chǎng)殘酷淘汰賽的上下半場(chǎng)。

在羅永浩的播客對(duì)話中，理想汽車創(chuàng)始人李想拋出了一個(gè)極其冷酷的行業(yè)研判。那些還在純粹炒作人形機(jī)器人噱頭的初創(chuàng)公司，可能連真實(shí)商業(yè)化的門檻都摸不到。而真正決定下一代產(chǎn)業(yè)勝負(fù)的，是隱藏在鐵皮之下的底層算力架構(gòu)與物理世界預(yù)訓(xùn)練模型。

大眾對(duì)機(jī)器人的理解，往往停留在“雙足行走的人形鐵疙瘩”。但李想用《變形金剛》做了一個(gè)異常精準(zhǔn)的類比：哪怕是汽車的形態(tài)，只要賦予了感知模型和計(jì)算芯片，它就是不折不扣的機(jī)器人。

汽車之所以沒(méi)有長(zhǎng)成人的樣子，是因?yàn)樵诠愤\(yùn)輸這個(gè)特定場(chǎng)景下，四個(gè)輪子的效率遠(yuǎn)遠(yuǎn)高于雙足行走。

回到制造業(yè)的真實(shí)場(chǎng)景，目前資本熱捧的“人形機(jī)器人做咖啡”、“人形機(jī)器人擰螺絲”，在真正的制造業(yè)管理者看來(lái)，完全偏離了痛點(diǎn)。現(xiàn)代化的工廠早就實(shí)現(xiàn)了高精度的自動(dòng)化生產(chǎn)，根本不需要復(fù)雜的軟臂機(jī)器人去干這種微米級(jí)精度的活。

真實(shí)的需求缺口在哪里？在于極其枯燥的“上下料”與“搬運(yùn)”。

以一座萬(wàn)人規(guī)模的汽車工廠為例，流水線上真正執(zhí)行生產(chǎn)的是精密機(jī)器，但卻需要足足三千多名工人，專門負(fù)責(zé)把零配件搬運(yùn)并放到AGV小車上。即便是在高端商業(yè)寫字樓里的幾百臺(tái)全自動(dòng)咖啡機(jī)，日常維護(hù)依然需要專人一包一包地去補(bǔ)充咖啡豆和牛奶。

這才是機(jī)器人商業(yè)化落地的第一站。那些裝配著機(jī)械臂的輪式底盤機(jī)器人，只要能解決物流搬運(yùn)的泛化能力，其市場(chǎng)需求量每年都是數(shù)以萬(wàn)計(jì)的，這也將是機(jī)器人賽道最先跑通商業(yè)閉環(huán)的領(lǐng)域。

如果說(shuō)工廠里的搬運(yùn)機(jī)器人只是前菜，那么汽車行業(yè)的自動(dòng)駕駛，才是具身智能最核心的上半場(chǎng)。李想將這場(chǎng)技術(shù)演進(jìn)劃分為了三個(gè)壁壘森嚴(yán)的階段。

第一階段，是2017年到2022年左右的輔助駕駛。這一時(shí)期的技術(shù)底層基于CNN二維視覺(jué)和規(guī)則算法，配合幾十TOPS的算力來(lái)執(zhí)行控制。如今，這已經(jīng)成為中國(guó)一個(gè)幾千億規(guī)模的基礎(chǔ)產(chǎn)業(yè)，不具備該功能的車型基本已被市場(chǎng)邊緣化。

第二階段，是從2023年開(kāi)啟，并在接下來(lái)的五年內(nèi)走向L3級(jí)自動(dòng)駕駛。技術(shù)棧在這一刻發(fā)生了質(zhì)變。車輛的感知系統(tǒng)從傳統(tǒng)的二維視覺(jué)升級(jí)為基于Transformer架構(gòu)的二維視覺(jué)大模型（2DViT）?？刂葡到y(tǒng)也從原本的規(guī)則代碼，轉(zhuǎn)向了視覺(jué)到軌跡的端到端直接控制。只要芯片算力達(dá)到2000TOPS左右，模型參數(shù)量來(lái)到4B到7B的規(guī)模，就能實(shí)現(xiàn)穩(wěn)定的L3級(jí)自動(dòng)駕駛。

真正決定生死的，是預(yù)計(jì)在2028年到2029年到來(lái)的第三階段——L4級(jí)完全無(wú)人駕駛。在這個(gè)階段，汽車徹底剝離了人類駕駛員，變成了純粹的自動(dòng)化機(jī)器人。

L4級(jí)對(duì)底層技術(shù)提出了極其苛刻的要求。

感知層面，必須跨越到三維視覺(jué)（3DViT），像人類一樣理解立體的物理世界。決策層面，簡(jiǎn)單的“模仿學(xué)習(xí)”將徹底失效，取而代之的是真正具備邏輯理解能力的“物理世界預(yù)訓(xùn)練模型”。而在執(zhí)行層面，機(jī)器的反應(yīng)速度必須絕對(duì)碾壓人類。

普通人從看到障礙物到踩下剎車，反應(yīng)時(shí)間通常在350到400毫秒之間。而通過(guò)全線控底盤和電子制動(dòng)，機(jī)器能夠?qū)⑦@一響應(yīng)時(shí)間壓縮到驚人的200多毫秒甚至更低。其中電子制動(dòng)更是將原本機(jī)械制動(dòng)的六七十毫秒大幅縮短至13毫秒。在線控制動(dòng)技術(shù)的加持下，即便是在一側(cè)冰面一側(cè)柏油的極端路況下，系統(tǒng)也能通過(guò)四個(gè)輪子的獨(dú)立制動(dòng)保持車身絕對(duì)平穩(wěn)。

為了支撐這種毫秒級(jí)的物理響應(yīng)和龐大的三維數(shù)據(jù)處理，L4級(jí)無(wú)人駕駛的單車算力需求將暴漲至接近10000TOPS。這絕不是簡(jiǎn)單地往主板上堆疊芯片就能解決的，過(guò)度堆疊帶來(lái)的數(shù)據(jù)傳輸帶寬受限，將成為致命的硬件瓶頸。

面對(duì)未來(lái)萬(wàn)級(jí)TOPS的算力黑洞，傳統(tǒng)的計(jì)算架構(gòu)已經(jīng)觸碰到了效率天花板。

這也正是頭部智能車企不惜重金下場(chǎng)自研芯片的根本原因。理想在旗艦SUVL9Levis上，搭載了自研的馬赫M100芯片。這并非是對(duì)傳統(tǒng)GPU架構(gòu)的平庸模仿，而是采用了全球首個(gè)動(dòng)態(tài)數(shù)據(jù)流架構(gòu)。

在極其吃算力的AI推理中，最耗費(fèi)資源的過(guò)程并非計(jì)算本身，而是龐大數(shù)據(jù)在內(nèi)存和處理器之間的反復(fù)搬運(yùn)。動(dòng)態(tài)數(shù)據(jù)流架構(gòu)在端側(cè)推理時(shí)，其數(shù)據(jù)流轉(zhuǎn)效率遠(yuǎn)超傳統(tǒng)GPU。兩顆馬赫M100芯片疊加，為單車提供了高達(dá)2560TOPS的實(shí)際算力，不僅支撐了現(xiàn)有的智能駕駛和擁有1600公里續(xù)航能力的5C增程系統(tǒng)優(yōu)化，更為后續(xù)向完全無(wú)人駕駛演進(jìn)留出了戰(zhàn)略級(jí)的算力冗余。

在車內(nèi)座艙，過(guò)去的智能交互僅僅是簡(jiǎn)單接入大語(yǔ)言模型，常常因?yàn)閳?zhí)行緩慢而導(dǎo)致極差的體驗(yàn)。真正的AI重構(gòu)，需要將用戶的需求進(jìn)行極其精確的物理拆解。

當(dāng)自動(dòng)駕駛在2028年左右決出勝負(fù)，具身智能的下半場(chǎng)——通用人形機(jī)器人，才會(huì)真正起步。

業(yè)內(nèi)研判，2030年的人形機(jī)器人產(chǎn)業(yè)成熟度，大概只相當(dāng)于2015年的智能電動(dòng)車，僅僅完成了從0到1的技術(shù)驗(yàn)證期。其演進(jìn)路線將嚴(yán)格遵循人類的心智發(fā)育：首先具備相當(dāng)于6歲孩童的基礎(chǔ)物理泛化能力，隨后進(jìn)階至12歲水平，最終在未來(lái)15到20年間達(dá)到無(wú)限逼近于通用人工智能（AGI）的18歲成人狀態(tài)。

耗費(fèi)數(shù)百億資金，在極其難啃的硬科技泥潭里鏖戰(zhàn)，資本與實(shí)業(yè)家的最終訴求極其清晰。

在過(guò)去的社會(huì)結(jié)構(gòu)中，只有處于財(cái)富金字塔尖的頂層階級(jí)，才能長(zhǎng)期雇傭?qū)Ｂ毸緳C(jī)接送，并供養(yǎng)家政團(tuán)隊(duì)料理起居。而具身智能技術(shù)演進(jìn)的終局，就是將這種極其昂貴、壟斷性的階層服務(wù)進(jìn)行物理降維。

讓龐大基數(shù)的普通人，只需支付幾萬(wàn)元或幾十萬(wàn)元的硬件成本，就能終身?yè)碛幸惶撞恢＞氲臋C(jī)器司機(jī)與家庭助理。讓先進(jìn)的算力代替血肉之軀去承受勞役，這才是科技狂奔的終極坐標(biāo)。