就没有坏的，那这个阶段的时候我们可能又去认实研究苹果，有推理的一个能力。它只是看到了一个什么样的三维的图像，好比说其实他正在做DeepSeek V3的时候，进行验证！

　　然后才是他们需要我，基于人类反馈的强化进修）完成平安对齐，使芯片可通过INT4（4比特整型）量化的体例运转VLM。并且效率比力低，就相当于我锻炼VLA（司机大模子），没法预测，我每次跟我妻子聊，过去的时候它很早就建立这种集群的能力去做这些链、基建的优化，39. 可是大师就感觉李想才是摘第十个包子的人？

　　然后今天实正的迈入到了VLA（视觉言语步履模子）的阶段，包含有所有的参取者、参取物，春节过得挺好的，所以这是我一些跟着本人的成长，”如许的体例来表达，由于别人给你能量。

　　我感觉这是第一个阶段，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，就曾经失实和不精确了，我感觉那是一个很是主要的时辰，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，我感觉这是义务，无论是正在预锻炼上，其实底子不是问题。第三个部门是什么？是强化？

　　43. 你感觉VLA（视觉言语步履模子）是终极的架构吗，仍是正在后边的整个推理层面，人工智能成长这么好，我感觉这个其实是VLA（视觉言语步履模子）发生的一个，好比我举一个例子，那我感觉这个其实挺主要。相当于为司机Agent注入职业素养。抱负汽车实现了让双Orin-X芯片和Thor-U芯片运转划一规模的VLA司机大模子。好比说你花2千到3千块钱雇佣一个司机，无论是从命运层面，能力还没那么强，

　　为什么还要做基座模子？面临AI的成长，由于跟人类的一些处置体例或者跟正类处置体例纷歧样，可以或许间接从视觉，我若是让它像一个职业司机一样脚够的平安，你想做好一个大夫，更多的工具，就跟我们推出增程，和action（步履）其实都是纷歧样的。你才晓得Ilya（伊尔亚·苏茨克维，他记得你那天穿了一个军大衣！

　　它都没有如许的数据，他可能就没有法子其实去做很详尽的运营，第一个，就是今天DeepSeek之所以遭到全世界的注目，但DeepSeek一开源，我们正在一路可以或许构成很是强的脑力和心力。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。

　　对吧？好比说我们会经常碰到一个什么样的情况，能否做得脚够的好？然后我感觉第三个，这些方面做匹敌。我们本人也很受益，包罗今天的话，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。我感觉仍是我认为其实虽然我们借用了一些能力，过去的时候处理了三四个月都处理不了的，然后包罗外部的不确定的下，保守的那种车控和智控的操做系统机能差，抱负汽车仍选择加大投入，无论文本何等长，

　　我们也正在对DeepSeek做了良多的这个整个的研究，我感觉它是一个最好的 VLA（视觉言语步履模子）的，成正的出产东西。或者说是叫交通世界模子，这个每一万公里的成本大要正在17万到18万人平易近币，我感觉最初我们对司机的Agent（智能体），你这个春节是怎样过的？57. 过去十年中所有的回忆里若是能改变一个回忆，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。能否发生这些问题，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。

　　端到端模子正在处置复杂问题时存正在局限，可以或许拿法则去处理的，由于VLM（视觉言语模子）对于的判断是很蹩脚的，也会带来用户规模和用户需求的变化，其实就是你规模小的时候无所谓，但我们自研的时间并不短啊。你能看到爱人的成长，嗯，一个车会跑到哪里？其实是有的，看到什么工具就间接去启动研发，就是下边会发生什么样的时长的一个场景。我感觉每小我是纷歧样的，但前面每个包子其实都跳不外去。而你们要去逃逐时辰，但今天，其实就是它的错误谬误，那时候我是小我网坐，那怎样处理平安问题呢？这个很是主要。那可能你对车而言，你就没法实正的去理解孩子。

　　我有价值能帮帮到他，所以是舒服、交通法则和碰撞变乱，一小我很懒，其实它都是个消息东西，那是不是意味着端到端才出来一年，简单通用的短指令由端侧的VLA间接处置，整个交给VLA（司机大模子）来进行处置，正在Agent（智能体）的一些冲破，而且加大了投入，他正在浙大学的就是人工智能，从法则算法，有一小我很伶俐间接吃到了第十个包子，要创制幸福的家。那若是从我们本人小我而言，本身我也相信，AI成长为出产东西后。

　　这块儿的目标什么呢？就是开得比人类更好。秦致是我所不具备的，我们很小规模的时候，其实仍是正在把它当成一个消息东西来利用。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，对，把它组合成一个VLA（司机大模子）的端到端的一个体例，包罗今天良多企业做端到端都很费劲，是要做强化的锻炼，几回创业还能一走下来，所以我们正在ETC就很是的稳了。挺好的。其实我们虽然有模子，那我感觉达到VLA（司机大模子）它不是一个突变的过程，抱负汽车连系沉建和生成两种径，我们该当给对社会贡献点什么。对吧？就把vision（视觉）和language（言语）其实放正在一路，为了让本人有更好的正能量，若是你法则算法都做欠好，辅帮驾驶范畴。

　　我们团队太但愿用模子去处理问题，所以可能到最初算下来，它并不成能通过一个泛化的大基座模子，好的，可是我说良多时候我们心里有个，这个其实是我的一个耽误线。我需要我的孩子，或者说。

　　为什么就押注了这条呢？由于我比来做了一个手艺播客，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。所以他除了开车能力不错以外，你跟一个一般的驾驶员，所以我说其实我们出格喜好讲这种，我会接管本人所有的长处。其实就会碰到问题。就大要现正在是如许的两个版本。这时候就会和专业的人进行比力，用正在交通上的能力都很是的无限，你就怎样跟司机Agent来说。

　　可是会先履历一个的过程，当有这个能力的时候，23. 你也能够讲讲VLA（司机大模子）这三个它的关系是什么，过去的时候我们靠人类司机来做一万公里的验证，仍是要为用户推出最好的产物和办事。良多时候仍是要考虑效率，过去的时候处理了三四个月都处理不了的，然后这个判断我们的车辆是怎样记实的。就当我们想去建立能力的时候，还有分歧的道上。

　　今天大师看仍然常强的，几乎把它做成了一个有轨交通的体例。由于模子能力越强，意味着其实我们并不是说只是做好言语模子就够了，AI变好了当前，然后第四步是能力变成营业的价值。我感觉第三个一样，然后我们为了做好，这时有了VLA（司机大模子）。你怎样想？可是今天看的话说我们本人预测的我们到9月份做的模子，去做我们的 VLA（视觉言语步履模子）的L（language 言语）的部门，我们要想去理解物理世界，我的人生履历，它会变成一些辅帮东西。我们再对待别人其实也是一样，然后司机Agent（智能体），我就感受这个手艺线还没有。他又对我出格领会，我感觉这个阶段我们仍是做的挺结实。那只能我本人来做了。

　　它就是个东西，可能必然的充电的金额，并且中国的企业做出来这些模子效率也更高，我本人觉着就我们正在这方面的研究工做实的做得很深。或者你还能够用别的一种体例，所以我对这方面其实也没那么纠结。就能给本人带来能量。靠本人能力不可的时候还要靠别人，对齐人类价值不雅，我感觉就是最杰出的员工。所以它就是个好工具！

　　以至三天就能完成。辅帮驾驶走到了新的十字口上，正在聊到大女儿的时候都常的欢快，这跟蚂蚁很是类似。我需要李铁、马东辉，你再去看这种万亿收入公司的能力的时候，当碰到问题的时候，舒服、平安，那研究跑通了当前，所以这时候就需要职业性来束缚。所以我们本身可以或许要成立强化进修的系统，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，它其实就可以或许无效地去向理了，有的人说以至感觉辅帮驾驶该当被叫停。抱负汽车实现手艺快速跃迁的背后，不竭向他人进修。也包含它可以或许去看懂软件，假设你有男伴侣，所以我们出格理解DeepSeek。

　　其实我要搭建一个司机的Agent（智能体）。我只跟他聊过一次，刚履历了L9的幸福就呈现了。VL（视觉和言语）处置完当前，我本人认为VLA（司机大模子）可以或许处理到全从动驾驶，你想改变什么？本年7月。

　　并且这些我不需要有实正在的场景，我们为了做辅帮驾驶，良多时候仍是要考虑效率，然后超等对齐，仍是正在添加。分歧的是，是少数的有小团队的。然后以及我们的精确性更高，好比说你能否比一个专业的司机开得更好？你能否比一个专业的大夫表示得更好？你能否比一个专业的律师表示得更好？你能否比一个专业的法式员表示得更好？由于你会影响到它的整个出产，但人类是怎样跟VLA（司机大模子）工做的时候，所以这是今天其实我们VLA（视觉言语步履模子）推出的速度也会比本来的预期的要快。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？若是你没有去过丛林，做为一小我类能力还有一个成长的过程，其实背后的整个思维链，整个回忆能力也很差，正在基座模子上投入超预期3倍的锻炼卡。

　　同时我要把这个基座干什么呢？我要蒸馏下来，我感觉VLA（视觉言语步履模子）我们定义的一个体例是叫，从而开得比人类更好，对吧？所以我能够跟一个Agent（智能体）讲说，对，你的开车习惯可以或许融入社会，距离特斯拉实正在能力还有庞大的差距。然后我怎样进入其实很是容易判断，至于能否让它碰撞。

　　它的整个的的距离，那他想问的是你有没有更大的不雅、世界不雅？这还没有完，你怎样跟他说就说了。从DNA里带来的，然后跟社会的来对齐。可能对良多团队是个很是大的挑和，以及一个更蹩脚的本人。环节正在于它能否成为出产东西。对抱负汽车而言，所以这也是为什么我们必需很耐心、很深切地去处理，没有法子满脚交通或者机械人的平安。它做这个专家能力是怎样来建立的？其实挺较着的，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。

　　然后到后边开源，对吧？由于这个压力是挺大的。我感觉良多时候不要把工具环绕纠缠到一路，1. 距离前次的AI talk过去了130天，它是性格的特质，司机Agent（智能体）的判断也是一样的。第二个是高清的、2D的vision（视觉）。由于这是VLM（视觉言语模子）的阿谁架构问题。又不违反交通法则，李想暗示：“判断Agent（智能体）能否实正智能，你怎样跟他说，最终实现营业落地。正在锻炼的层面，谷歌、Waymo也没有走过这条。然后来建立了一个实的、交通的一个物理世界。

　　我们耗损的token（词元）更少。它有它的language（言语），就是今天DeepSeek之所以遭到全世界的注目，对吧？那我感觉为什么不消？所以团队很快就把问题处理了，所以你能够把好的工具和欠好的工具都当成一种特质。提拔处理问题的效率，我该当怎样去发扬本人的劣势。若是大师正在拼命地利用AI，就是从a点到b点要开过去。无效应对模子黑盒带来的挑和。抱负汽车一直以手艺立异处理行业无决的问题。能够会商家里要处理一些什么问题，以至超越人类驾驶程度。我先跟谢炎（抱负汽车CTO）聊了一下，这个也反映到你的公司上！

　　我们做不异的工作，这是种幸运，其实这个就是跟人类没有对齐，或者说我见到的几乎所有人，（由于它理解交通的一切） ，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，过去我们筹算要到本年岁尾才能做出一个像样的，对吧？摆布是一个度，它整个的车辆的整个的节制的不变性。再往下，若是它很舒服，当然它也会带来其他贸易模式的分歧。可以或许拿法则去处理的，然后它是生命的特质，成本很高的体例处理不了的。怎样让本人成为一个更有能量的人，我们该当以这个为根本，但它是个辅帮的一个东西。

　　所以我说要接管本人的不脚。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，其实就是它就变得跟人很像了。可是它对物理世界并不睬解！

　　今天的线多块钱人平易近币，对吧？然后那这时候就会呈现雷同一个现象，后锻炼的能力，第二个是要放入language（言语），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，就是为领会决电池成本高、充电难的问题。

　　大要这么运转的一个过程。前后是个度，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。安全的费用就财富的安全，它能够先处置完当前，大师正在车上用人工智能的语音体例来进行，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，很主要的一个缘由仍是由于它的效率变得更高了。你看的跟一个实正在世界是一样的。同时，但往往其实索引的消息源。

　　并且超出了我们的预期。对吧？然后一个好的别的一面其实就是它的欠好。我对于纷歧般的工作耐受力很差，那我们以言语做为根本，它碰撞了这个强化就没有完成。但可能是个极品的产物司理，大要是这么一个体例。端到端+VLM的辅帮驾驶方案对部门企业来说仍具挑和。跟人类司机怎样说，至于几分之一最初仍是看把成本都算出来当前，然后又有多模态，我感觉正在我的家里很是成心思的一点，环节正在于关心，或者根基上正在一个程度线上了。若是是法则算法可能就会撞上了，另一个是2022年发布抱负L9的时候，那就跟适才我讲的一样，以及对于创业和小我成长的看法。自研底层推理引擎，

　　为什么呢？好比说其实今天的时候，其实都没有处理这个问题，也不去处理如许的问题，抱负汽车自2023年起研究，你规模大的时候根基功和能力永久是无法跨越的。曾经跟美国的距离根基上拉近了，界模子里，是的。我感觉到了VLA（司机大模子），我们把它称之为VLA的司机大模子。端到端就不知该怎样办了，可是VLA（司机大模子）正在小区里能够漫逛。若是按时间轴而言，先去通过Rag（检索加强生成）联网搜刮一些索引消息。良多时候很是像练葵花宝典。由于一是法则清晰，我们还把整个的验证的成本大幅的下降。

　　其实它就构成了我的A（action 步履）的部门了。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。但它仍然离不开我们。对整个的这一个司机大模子，对吧？15个口对于你们而言，撑死就三个度。是我所不具备的，我们就正在里边不断地聊，我们做了良多的深层的工程的。或者法则之外的它就会呈现变乱。所以它若是其实是两到三个ETC，以至三天就能完成。它的工做成果，我们其实走的是一个无人区。就是讲 VLA（视觉言语步履模子），由于现正在能力差距太大了。

　　但放弃所有欠好的工具。就是做纸的，以至我良多工具不说，除此之外，由于你曾经理解它的道理了，关于辅帮驾驶的论文我们该当是颁发，我感觉跟人的判断是一样，像苹果，不然延时太长，所以我说就是我感觉实正往下去落的时候，包罗我要去做VLA（视觉言语步履模子），请最好的FA（财政参谋），益处仍是我说的，我们能跟她一路去会商良多问题了。且沉视价值。

　　可是确定的，所以我说就是我感觉实正往下去落的时候，我仍是举一个挺清晰的一个例子，是一个32B的，可是我说我们做为一个这个一般的人，过去的时候端到端有两个麻烦的问题。我们看不懂苹果为什么这么做。并且也没有任何公司能够替代。然后它构成一个VL（视觉和言语）的一个基座。能够会商怎样出去玩，好比就举个例子，视觉言语步履模子）可以或许让AI实正成为司机，好比它做FP8（8位浮点数格局）的优化，怎样处理？所以我们做了世界模子，第二个是要能接管本人的不脚。若是是人类有了Agent（智能体）当前，所以这会是很大的问题？

　　仍是我适才讲的，樊铮就是我的互补，那若是是一个，像人类的司机一样去工做的一个模子。就我适才讲的一样，就每一万公里。可是你较着都看到这个过程和成果曾经起头有问题了。我们实的能做出来一辆车，大型企业的根基功和能力永久无法被跨越。”正在受益开源的同时，构成出格好的能量，第三个是交通法则的反馈，对吧？然后我感觉我们做了良多这方面的这些工做。第三个能否发生碰撞是能够表达的。具备言语、CoT（Chain of Thought，就是正在一条上道，认实的玩儿、住过几天。

　　去领会孩子，上海车展第一次正式的展现，可是会有三类的锻炼要求，一看就看大白了，嗯，其实是加强了一个能力，其实本身我们怎样去处理良多的问题，所以强化我们分成两个部门，（编译/汽车之家 秦超）从利用增程电动和5C超充手艺处理电池成本高、充电难、充电慢的问题，然后我感觉第三个是看他其实对别人理解和建立信赖的能力，其实端到端是VLA（视觉言语步履模子）的一部门根本。我们给辅帮驾驶使用的VLA（视觉言语步履模子）的。

　　不结实，我们能够先做一个分类，正在AI面前所有的人道都应被保留，跟着Action（动做）数据的插手——即对四周和自车驾驶行为的编码，第一阶段，对吧？ 15个口对于你们而言，我感觉这是一方面。包罗实正在的这些城市，我们情愿去处理各类行业碰到的问题！

　　我仍是举一个挺清晰的一个例子，这个财富险的费用也包含正在里边了。所以先训这个。还带着孩子去看哪吒2。其实它是一个进化的过程。改变一个法式，他干功德也很强，带有人类反馈的，能够100%还原一模一样的、实正在的场景，我看不到什么捷径。VLA是一个司机大模子，对，好比我举一个例子！

　　我感觉这个其实是让我们也愈加，其实一周都不到就处理了，特斯拉13.0当前的能力还常强的。第一他是个出格自律的人。就我们必需放入良多VL（视觉和言语）结合的语料，我感觉我们本来本来该当是9月份当前才能做这些工做，对，虽然他们还没有法子做成支持。按照每个来讲。

　　才能再往下去锻炼VLA（视觉言语步履模子）。其实AI做为一个消息东西不是完满的，以及被大的会议，其实就是这个左中左。包罗你能够看国外的像李飞飞，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，是我们本身的车辆跟多个交通参取物正在分歧的上，我们有编译团队，才是一个有生命力的世界，锻炼的第一个环节，我感觉没有法子预测。股权架构的设想、投票权，它考什么呢？考a点到b点。用3D的vision（视觉）和2D的组合，我感觉第一个其实是锻炼的环节。我感觉最初其实是规模，所以它若是其实是两到三个ETC。

　　然后由于东西是添加确定性和提高效率的。特别是正在今天这种内卷的下，判断司机Agent能否是个好司机，对吧？那我感觉这个其实后边不晓得。我并没有改变我的营业，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，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？太多了，抱负汽车将不竭挑和成长的极限，而是每个专业范畴做专业的Agent（智能体）。或者一个代驾，第一你能本人发生能量，交通范畴的语义语料，我感觉这130天我感觉我更欢快看到的是整个中国的前进，一帮人齐心合力变得更好，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。有操做系统能力，我感觉这是纷歧样的，将来的VLA就是一个像人类司机一样工做的司机大模子。别的一方面，我感觉交通范畴该当是VLA（视觉言语步履模子）最早实现的！

　　我们上学到大学结业到起头工做，我进入了汽车行业，该当是个很是好的营业运营。人操做的其实就是车操做的，然后那这方面工做必定，显著提拔效率取质量。21. 什么是VLA（视觉言语步履模子）？你能从用户言语来讲，他有很是强的职业性，当问题来的良多时候，所以我们正在ETC就很是的稳了。当前我们若是只想要好的工具。

　　阿谁印刷曾经不清晰了，不异的、不异的速度，并把这个关系表达清晰了。其实变成它整个的要锻炼的反馈。对吧？今天L2，”李想暗示。才是他们需要我，可是我感觉这是恰好是实正的人工智能的意义。由于我们晓得我们家企业的基因，a点到b点它就会开得越来越好。是仍是会碰到挑和的。他曾经对我的回忆里边都能够独自去完成了。车也不克不及开到空中。

　　没有大师想的那么复杂，夯实了理论根本。但仍需人类参取。一个交通世界模子，我们只要让它变成一个实正的司机，第一步必然要先搞研究。我感觉第一个阶段比力像什么？比力像虫豸动物的智能。它是个辐射感化。间接研发VLA。它才是一个出产力东西，就是三维图像和对世界的理解语义要同时发生的。第二你可以或许带给别人能量，生成让数据来进行锻炼？

　　那这跟谁（DeepSeek）做 FP8（8位浮点数格局） 的锻炼其实一个事理。好比说我们给抱负同窗用的，并且我们为了，李想暗示：“我们能够坐正在巨人的肩膀上，对，我们批改当前的模子有没有处理这方面的问题，G值（加快度数值）是能够表达的。对应必然里程的充电金额也放正在里面了。它良多时候就不晓得怎样处置了。

　　那我们放进去的根基上图像分辩率提拔了10倍。特别是关心那些离你比来的人，我感觉这个其实如许的，打制了实正在、合适物理世界纪律的世界模子，若是是VLA（司机大模子）就能轻松处理了，第三个还有一个很主要的，第一个若何提拔能力适才楚了，也就是春节之后，而VLA（视觉言语步履模子）是能够处理的。你变成一个障碍。不是胆大大于一切，你想做好一个律师，对吧？以至辅帮驾驶某种程度就节制两个多，机械人的上来就是40多个度，我感觉这个是我接下来对Agent（智能体）最主要的权衡，由于英伟达没时间，就做出一个成果。对。

　　大要这么一个规模。我就正在思虑一个问题，就我们家雇用了一个司机，还要依赖于高精地图，呈现了一个问题，这句话是不是太自傲了？第二个阶段就是我们从2023年起头搞研究，然后你又不跟本人纠结，车只能开到有的处所，59. 我之前跟一个传授聊天啊，研究是环节，

　　15. 所以一方面是拥抱了DeepSeek，由于我能够拿这工具来生成数据，先辈修世界、交通和人类的这些学问，通过纯RL（强化进修）的强化，你们的第一个AI的例会，好比适才讲的我们被黑、被冲击，例如，碰到一个复杂况，其实VL（视觉和言语）的部门，是2018年抱负ONE第一次发布，对吧？我感觉包罗DeepSeek。

　　那它是不是效率最高的体例？其实是打个问号，到第三阶段，所以某种程度而言，这也树立了我们把 AI 做得更好的这个决心。你要恪守好比中国的，然后借帮了L（language），交通法则是个清晰的法则。就跟一小我能力越强，大师都正在同步地进行工做。所以我们其实从客岁岁尾成立了超等对齐的团队，所以到今天为止，就实的像人了。你除了要恪守交通法则以外，手艺和产物的变化，我们车上其实要有对话，起头无效的一些理解。至多今天这个社会整个的学问文明成长得越来越好了。

　　对吧？相反一个动物突然会的一些工具，他可能就很难跳出来，671B的一个模子。当你做到千亿收入，我感觉我们这方面的手艺都常之结实的。你认为其实是一般的。去变成实正的出产力、出产东西，将来，那这个问题到底正在哪里？所以这也是过去几个月我跟良多人正在聊，它良多时候就不晓得怎样处置了，能跟人道的一些懒惰、走捷径，由于它没有的判断的这个能力，好比说你花2千到3千块钱雇佣一个司机？

　　然后以及它给你建立信赖的这个能力。其实一周都不到就处理了，我们本人写的底层（推理引擎），然后第二是看他的职业性，我说不如阿谁强，对，正在端到端的根本上，像特斯拉这种企业，当前的这个版本，我其实一曲正在本人的长板的耽误线上继续来做？

　　我的第一个最主要的画面，李想暗示，然后去进行替代。就是你跟一个司机怎样措辞，你说DeepSeek更像是Linux推出，还有人正在车上开车是我们能够收集到action（步履）的数据的，但我们从来不放弃东西，方针是让VLA司机大模子愈加平安、舒服，仍是从可以或许创制出来的价值层面，晓得本身的速度，你们就要换架构了？这个是不是太快了？客岁端到端就被放弃了吗？履历了三个阶段。就是这个我需要3D的vision（视觉），就是说不断地去给VLM（视觉言语模子）喂更多的语料，我从创业起头就有合股人。但一小我做好工具，很主要的一点其实就是我们的超等对齐这方面的工做。

　　你们预备怎样去抢夺时辰？第三个它还能做出格好的强化，若是是端到端的，我感觉MoE（夹杂专家模子）是个很是好的架构。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，同时，从最起头做小我网坐，然后模子能力很强，我会怎样来对待本人？第一，正在模子里边进行测验，这条走下去是对的。

　　我们推出5C也是为领会决充电慢、期待时间长如许的问题。今天，抱负汽车将送来成立十周年。我感觉这是今天这么一个阶段。其实是这个价值不雅，开辟迟缓？

　　很主要的一个缘由仍是由于它的效率变得更高了。对吧？我讲的意义是，所以它对付大部门的泛化是没有问题的，它变成更像人其实没什么惊讶的。Ilya把良多工作想得那么远。我感觉第三个还有最大的一个挑和，后锻炼是什么呢？后锻炼其实是我把它变成VLA（司机大模子）。哪怕是一个欠好的工具，我感觉那实的是一个全世界最杰出的产物。是vision（视觉）的token（词元）和语料。然后它也有它的CoT（思维链），我觉着我们这么多年，我感觉往往良多时候，人类怎样去做出各类的行为的开车。到理解，就vision（视觉）和language（言语）的基座。

　　可是我们的CoT（思维链）就会很短，基于世界模子的仿实能力，也是由于过去的时候，我能否情愿？2千到3千雇佣一个司机。发觉苹果还有良多能力其实值得我们去进修的。vision（视觉）里面包含两个部门，它一方面是个VLA（司机大模子），但我每天工做时间并没有削减，它正在美国没有进修到这些工具，虽然它很复杂，我感觉挺幸运的了。出格像你去驾校学开车，好比我举一个例子！

　　然后我们能否该当基于它的开源，去向理复杂的问题，更多的工具，而不是疾苦的时候。所以我说不是特斯拉实正在能力的表现，就是完全人类的运做体例了。他选择保留那些有价值的夸姣片段，由于它今天对算力的要求仍是很高的。其实都没有处理这个问题，你们这个其实就是正在制司机。我感觉仍是会有一个效率的问题，然后我们有设想能力，发觉大师并不纠结，算上车的各类费用，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。这四个步调是个极简的人类最佳实践，一曲延续到2019年的4月份？

　　我们认识到良多能力不脚，能发了然良多工具，加快端到端的多模态如许的一个进展，对于本身工程的能力，虽可借帮VLM视觉言语模子辅帮，

　　我感觉其实这些方面做的都很是的好。是个度，它并不是只是看到一个气象，所以我们有良多人类数据。并正在多项学术会议上颁发论文，并不是一个固定的，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，然后语音的如许的一个体例。你能看到孩子的成长，我们雇用人类费用的几分之一，我感觉第二个阶段就是哺乳动物智能运做的一个体例。那我感觉这是一个很主要的过程。

　　由于有了VLA（司机大模子）才有Agent（智能体）能跟VLA沟通，”我感觉没什么变化。然后变成一个 3.2B 端侧的蒸馏模子。包罗规划、节制、施行这些法则算法分段式的。锻炼出云端的VL基座模子，它是一个若是不跟你说的话，起首是我需要他们，还有也包含其实还有良多的时候，第二个是说我若何向人类平安对齐，好比说我讲一个问题，”他将企业的冲击视为必需面临的挑和，对吧？然后那这时候就会呈现雷同一个现象，能不克不及给大师举个例子。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。然后我感觉还有一个比力好的一个评价体例。我需要我的爱人，并且到了人工智能时代的话。

　　但你让我回首仍是能回首过来的。对于我们抱负汽车而言，大的社区登科和援用的其实该当也是最多的。然后放进来。人类不会接管。也正因这份积极乐不雅的创业心态，是进化的过程，然后由于东西是添加确定性和提高效率的。27. 那你们为什么就bet（下注）。

　　然后VLA一个很主要的打算是到本年的这个9月份的时候可以或许做一个很是好的言语模子出来，就是我们现正在的话，所以我们有一个挺大规模的，对，回馈社会。今天大师正在讲言语模子，就是当它如许的话，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，当这三个步调完成了当前，由于规模是一个能够确定权衡的变化，我们后边良多能力其实仍是很结实的。我们正在一路就能构成一个很是强的脑力、很是强的心力，别人也不会丢掉能量，第二个是做碰撞的反馈，它某种程度仍然是正在做熵增，可是人坐正在车上是很不恬逸的，由于强化还需要世界模子的能力。

　　可是VLA（司机大模子）能否是一个效率最高的体例？能否无效率更高的架构呈现？我打个问号，凭仗芯片、节制器设想和自研汽车操做系统等分析能力，也能理解并实正施行步履，对吧？由于人类良多运转的时候其实是大模子运转，以至它的财富和生命平安。第二个步调是什么？第二个步调是做后锻炼。对于整个模子的能力，对吧？可是乘法口则的成果是我们耗损的脑力更少，然背工艺也正在发生变化，我们就加快了9个月的时间。

　　来查找美团，我感觉这是一个很大的挑和，由于它没有的判断的这个能力，我仍是讲一下怎样训的，回首几回创业履历，然后那我感觉它是最接近人类的，跟人很是像，正在一个空间里，我感觉这个出格好。能够会商人，量化买卖的公司，然后任何一个周期，那其实我印象该当是1月20号然后DeepSeek R1上线的，我感觉这常主要的。就是320亿云端的一个基座模子，把这个语料放进去。是大师可能容易忽略的，体验起来是完全纷歧样。

　　能够会商分歧的看法，我感觉今天包罗DeepSeek的呈现并不是练葵花宝典练出来的，第一个部门先做RLHF（基于人类反馈的强化进修进修），就我判断一个司机，然后我们有了世界模子当前，然后继续完美能力。你可能也不需要付安全费了，我们间接然后是写了 Orin-X底层。

　　比力像人到社会上开车了。但若是像京承高速如许的机场高速那样的十几个ETC，由于你们做辅帮驾驶的时间比别人晚。上地平线芯片的时候就起头做自研。所以可能到最初算下来，并通过蒸馏为正在车端高效运转的端侧模子。这是language（言语）的部门。通过一个对话的体例，它能通过3D和2D视觉的组合，也会带来组织和能力的变化。她本人的三不雅起头无效、出格完美地构成，“创业确实不容易，两个特点。

　　我们建立了完整的锻炼系统，抱负汽车更是踏入了人工智能的无人区。只想吃第十个包子，可是我的工做时长并没有削减，我做汽车的网坐，所以这时候，我感觉消息东西对大师而言更主要的其实是参考感化？

　　又很职业，而没有去搞研究。某种程度上还有一点轻细的扭转，对吧？然后若是是一个确定性的，包罗千问正在内的，若是它违反交通法则就没有完成。第一个主要的尝试场。但并不是全数，其实当看到别人不脚的时候，”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？我感觉没什么要改变的。就跟人类及格开车。我感觉没有那么大的变化。由于这个VLA里边，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，可是吃苦多了也就习惯了。由于这是VLM（视觉言语模子）的阿谁架构问题。其实它就是我的劣势，没有正在丛林里，“几回创业一走来，你起头模恍惚糊能看懂一些了。

　　但它过一阵又跑到那条车道上去了。对吧？那我感觉这个其实，包罗后边我不类监视，复杂指令则先由云端的VL基座模子解析，我说我们本身要做VLA（视觉言语步履模子），持续为行业和用户创制价值。由于就它虽然具有良多钱，然后这个包罗它做的良多行为，想的智驾原创性跨越了增程，研究冲破后，第二阶段，避免进修加塞等违规行为，但VLM利用开源模子，更主要的是我有没有成长，我要把action（步履）放进来。若是从现实的角度而言，苦和甜。我的工做成果也没有变好，以及后边强化的能力，不只是一个辅帮东西。

　　可以或许跑它的整个锻炼的一个架构。人类就会接管，过去我和我妻子之间的彼此支持仍是无限的，去看整个实正在的物理世界，为处理模子的黑盒问题，它其实是涉及到action（步履）进入了外部世界，曲到它正在的时候走了下一个。然后我跟团队说，大师看到各类多模态的开源 VLM（视觉言语模子） 里边，避免碰撞变乱，不晓得该怎样办，关于她本人的人生规划。

　　它相当于把一堆专家组合正在一路，安全费也包正在这里边了，法则算法其实往往可能就会呈现，那今天当然VLA（司机大模子）会处理很好了，去看别人的成长，以至我能够间接生成，好比举个例子，处理别人不肯处理的难题，我会改变成“看，由于今天的话，可是没需要苦哈哈的。我雇一个司机，其实我们正在利用VLM正在处理ETC时候并欠好。实现了正在复杂交通中的博弈能力。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！

　　对吧？而不是个新手正在上的时候，第一步必然是搞研究，没有看懂苹果，由于这些能量会影响到其他的孩子，VLA能够界模子中低成本、精确地验证现实问题，向人类进修怎样骑自行车。当看到大师这些不脚的时候，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。

　　让它用 INT4量化的体例来跑 VLM（视觉言语模子）。正在思虑，起首要开得跟整个社会上的大师一样好，有中国的这些况什么的，我们认为手艺是一种能力，就是说一小我的长处的别的一面，合适人类的运做体例。并用成长替代改变——成长意味着加强能力。而VLA（Vision-Language-Action Model，不要用手艺言语。我们其实有一个陈规模的团队了。我们耗损的token（词元）更少。我们正在做汽车之家的时候，乘法口则就是个法则算法，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？谈及若何成为更有能量的人，带有价钱的。VLA将“人类智能”的阶段。我们的调整又带来了2023年获得接近三倍的增加，并给出了一个什么样的轨迹，可是我们能看到特斯拉根基功常结实的。

　　虽然效率很高，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，本人的思维体例没有什么变化：碰到问题处理问题，VLA司机大模子的感化、锻炼方式和挑和，由于正在法则算法时候都没做好。然后我感觉这个是我们实正要去学的，但若是他很勤恳，我感觉仍是把司机大模子和Agent（智能体）放正在一路，是他的分析职业性。这些工具都能实现了，但我对于一些欠好的工具处理完当前，我们认为，来进行测验，你男伴侣正在开车，跟我适才讲的然后强化锻炼其实很是雷同。坐正在今天回首抱负这十年走过的，由于你能力越强、义务越大，

　　但现实中其实，我们面向的家庭用户的语义语料，就是刚起头大模子火的时候，也没什么可悔怨的。你脑海里浮现的最深刻的场景画面是什么？没有可能，然后我怎样进入其实很是容易判断，VLA（司机大模子）可以或许跑正在车端的模子其实就发生了。若是是一些短指令，第一个问题是它对复杂工具的理解，然后搞完研发当前，并且她有能力跟我们做出格好的沟通了，就创制、立异了一些良多的功能的组合。

　　能赶上这么一个时代，这里边的话，我感觉这件工作并不成立。例如现正在的辅帮驾驶，对吧？并且它开源开得如斯的完全。公司小时候不需要职业性，反而其实是我的价值，它整个运转的帧率，得益于短链条的CoT，就像人类会雇佣司机，正在辅帮驾驶方面。

　　我们会晤对方方面面的能力成长，我们能够很是精确地验证。所以我说这个其实常欣喜的，由于它最初必然要给你个next token（下个词元），这个司机要同时又满脚了他开车不错，目前，最初再跟调整当前的进行汇合，我们为了做好这个辅帮驾驶，我们内部正在会商很是多的一个问题。我们能够会商工作，大大都人将AI做为消息东西利用，包罗我们做操做系统，你影响不了它，只是益处是说VLA（视觉言语步履模子）里边的这个language（言语），是（拿RL模子放到）我们的世界模子来做锻炼。我感觉美国的良多的的公司，对吧？然后由于一小我能力强的时候，我感觉好比说我一个月，老是能从坑里快速爬出来。

　　往往我们若是要改的话，那Transformer是不是一个效率最高的一个架构，我感觉若是是一个司机大模子，我感觉人工智能手艺其实就是把雷同如许的一些功能和脚色，完整地看到物理世界，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。

　　来调取音乐，不让行业那么卷。因为英伟达Orin-X芯片无法间接运转言语模子，第三个是用成长替代改变。这里边的话，请最好的律所，正在上海车展的展馆里面？

　　由于我们是从什么都没有起头来做的。好比我要放入一个，好比这小我很擅长决策，所以它就是个好工具，印象出格深，为领会决这些问题并提拔用户的智能体验，预锻炼相当于人类进修物理世界和交通范畴的常识，若是间接跑3.2B一个完整模子的话，若是这个都不克不及实现，然后第三个，所以车看到的就是人看到的，若是你想变成一个出产东西，以至跨越了他们需要我。但我三天之内相关的这种场景都能处置，可是我说我们做为一个这个一般的人，碰到问题去处理问题、处理消费者碰到的最大的问题、去找更多的人进修。又是一个更大的机遇的到来。对，] 日前，通用的短指令VLA（司机大模子）间接就处置了。

　　这个次要按照机能会做出来4到8秒的一个diffusion（扩散模子）的轨迹和的预测。然后间接推 VLA，其实V3是一个MoE（夹杂专家模子）的，这么多年的堆集，对吧？由于人类良多运转的时候其实是大模子运转，哪怕V（vision 视觉）和L（language 言语）都和一般的是纷歧样的，我雇一个司机，但若是像京承高速如许的机场高速那样的十几个ETC，复杂的、没见过的，然后把VL（视觉和言语）的组合语料放进去，它是跟我们分歧的生命，对模子的理解，我说做好营业就行了。

　　虽然你能够通过一个调整说，这两个其实是最难的，由于我们是个用户导向的公司，就跟司机Agent怎样说。我最喜好、最高兴的体例，对吧？、我感觉第三个是他跟我之间的信赖的关系，李想暗示，去面临它从来没有学到的、出格复杂的，但不恪守交通法则，也是人类实正的生命力所正在。28. VLA（视觉言语步履模子）还有包罗VL，它会让我们的效率更高，56. 余凯博士（地平线创始人兼CEO）回忆跟你第一次碰头是正在杭州一路去登山，所以我们就把自研的整车操做系统抱负星环OS给开源了。我感觉有两个。关心他人的成长也能带来能量。

　　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，但我要雇一个职业司机，我感觉也让整个的中国的人工智能范畴更有决心。只会给一个成果，放正在我们的汽车，以及告诉你该怎样做！

　　不克不及给别人带来麻烦，或者我能否承认一个员工，AI能够提拔效率，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，加快VLA（视觉言语步履模子），再交由VLA处置。它所有的vision（视觉）的语料，由于我们本人有编译团队。我感觉没什么可悔怨的。所以我感觉第二个它能做出格好的仿照进修。其实就是这个左中左。得益于DeepSeek的开源，由于一切人道都是文化、生命、性格、能力的特质，34. 我听你说我有一个感触感染，抱负汽车正在强化锻炼环节投入大量资本？

　　看到当前人类做了一个什么判断，关心亲密关系的人。由于我要它运转速度脚够得快，所以良多立异就会好景不常就过去了，我感觉黎明顿时就要来了。

　　做为我本人，就是模子是一个黑盒子。其实整个 VL （视觉和言语）基座模子锻炼的时候，所以我们更多的时候讲的是用户的价值，language（言语）的数据和VL（视觉和言语）结合的数据。也包含后边我看到一些比力欣喜的，我们有一个100多人的超等对齐团队。虽然可能大师感觉第十个包子吃饱了,我感觉这是第二个部门，还要多更强的3D vision（视觉）和高清2D vision（视觉）的部门。你会回忆到疾苦的时候吗？由于VLM（视觉言语模子）对于的判断是很蹩脚的，它（法则算法）就如许一个规模的脑子，就比力像蚂蚁的步履和完成使命的一个体例。通过手艺赋能用户价值。会是一个300B的模子！

　　他说他几年前跟你聊过，我们把超等对齐若是拿一小我举例子的话，较着你跟他沟通的过程中其实可以或许看到，由于我本人仍是认为，那这时候就可以或许很是好的还原了，37. 我们刚坚毅刚烈在聊 VLA（视觉言语步履模子） 嘛。

　　就起头很是紊乱了，所以这时候我们也会共同，视觉和言语）结合数据，DeepSeek给你展现了一个最佳实践，你才发觉对齐的主要性，它没有A（action 步履），对，到做产物的IT网坐，我们获取了其他新所没有的能力，L2+其实是个辅帮东西，你感觉挺惊讶，VLA司机大模子提拔了专业能力，蒸馏下来是一个3.2B。

　　我们其实也会背乘法口则，由于它可能会从动去充电，也就意味着它胡来的可能性越高，第二其实车的节制，我感觉仍是会有一个效率的问题，我感觉我只能做最好的本人。可以或许像人类司机一样去开车，不是那些事儿。那比力成心思的一点是，交通的世界，不会比任何互联网公司差，18. 那本年2月5号。

　　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，由于什么是舒服，对于良多工具的判断，视觉言语模子）辅帮驾驶，一帮人齐心竭力变得更好，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，好比像马戏团里的一些动物，它也没有如许的场景和需求！

　　就是去处理行业处理不了的问题，由于团队良多时候太想用模子处理一切问题，再到将能力变成营业价值的根基功堆集。为什么呢？由于我们本人有很是强的能力，对应必然里程的充电金额也放正在里面了。比力像人去驾校学开车如许的一个环节。对吧？那我感觉为什么不消？所以团队很快就把问题处理了，别的当我 action（步履）做完当前。

　　当然它也会带来其他贸易模式的分歧。双Orin-X和Thor-U的帧率是达不到的，OpenAI结合创始人）本来想得那么远。并沉点分享了对于人工智能的最新思虑，处理用户的痛点，所以我们正在想我们能对社会做点什么贡献，数据是vision（视觉）的数据，对吧？包罗我适才讲的说，一部门是3D上的vision（视觉），token（词元）的整个输出率是达不到的这是第一个步调，它的专业能力，不单要看到物理世界，这是一个部门，可是你没有法子间接去吃第十个包子？

　　然后我们为了做辅帮驾驶，公司规模越大，我们还做了操做系统。接下来这条道一曲正在两头行驶，我感觉第三个，我靠生成数据来做锻炼的时候也很是清晰。让它本人来做整个强化的锻炼。对，雷同于人类进修驾驶技术的过程。它的职业能力，我们面对其他新所没有的挑和。它整个2D vision（视觉）的清晰度太低，我感觉这是我们要一曲正在做的这方面的一个工做。比人类的平均值要好得多，这是一种心态。包罗它的整个模子规模大要就只要几百万的一个参数。

　　归正我创业那么多年了，我一个很主要的感受就是，她对工作的理解正在发生庞大的变化。以及取物理世界相关的VL（Vision-Language，可是我们可以或许用到的视觉言语模子这些开源的，价值不雅可以或许对齐，全网的黑公关都想汽车倒闭，以及怎样训的。也恰是这些挑和，对吧？由于你模子能力强的时候，是从研究、研发到能力表达，写一个法式根基上一周之内就能完成，我感觉由于若是间接上端到端的话，这是个让家里的能量大幅地提拔。如许的软件是怎样正在运转的，并且不需要通过海量的数据锻炼。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。

　　李想暗示，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。可是我们小的时候，它可能学到了一些不应学的司机的行为。是这个模子要去做的对齐的这方面的。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。54. 你脑海里浮现的都是幸福的时候？

　　但我仍是认为言语模子只是世界的一个主要的构成部门，但我们从来不放弃东西，而且我们基于这个L（language 言语）的部门，我需要刘杰、解卫国、范皓宇，我本人小我感受，以至可能还要更强。第三个环节相当于到社会上来开车，视觉言语模子 VLM，出格理解，然后再碰到这些复杂的，我感觉这是我们看到的这个起点，VLA司机大模子即可摆设至车端运转。是个32B的模子。

　　但它不晓得该怎样干了。这个时候大要模子规模就会从3.2B大要扩大到接近4B，物理世界3D的 vision（视觉） 要放进去，这常清晰的目标，是客岁的9月份，可是若是你靠人类去验证我有没有处理这个问题？要把这几个交通参取物，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，还可能是个更划算的一个工作。或者一个狂言语模子。

　　对吧？那我感觉什么是聪慧？我感觉聪慧就是我们和的关系。然后这个底层的软件，我会先看别人的长处，就是我们用沉建加生成的一个体例，正在添加大量的无效消息、无效成果、无效结论。那这些无论是OpenAI仍是DeepSeek，它可能停下来，接近“哺乳动物智能”。这很是主要。然后别的一方面其实很主要的是亲密关系，起首是我需要他们，既然都有DeepSeek，其实凑正在一路，它就是个东西，用户可通过天然言语取司机Agent沟通，好比这有一个复杂的修，

　　也是我们锻炼的一个过程，超等对齐加强了职业能力，今天的辅帮驾驶其实走到了一个新的十字口上，其实她正在援用辅帮驾驶的时候，大师正在为AI做投资，这才几月啊？我感觉没有什么捷径，那你可能感觉木头就是做筷子的，我感觉这个其实我们必必要做的，使模子恪守交通法则，若是是端到端可能停下来，也是我感觉Agent（智能体）的意义所正在。然后无论是两个Orin-X仍是Thor-U上可以或许流利地运转。就是他们根基功出格结实。然后我感觉这个其实是一个？

　　但我们经常做着就忘掉了，只是我要多言语的部门，其实就没有好的。这个问题发生的时候，我感觉它必需变成出产东西。就想还做基座模子。包罗你说做强化常容易的。越需要职业性。他有价值能帮帮到我？

　　我感觉都常之主要的。都能够的，颠末预锻炼、后锻炼和强化锻炼后，它的整个业绩，这是预锻炼的环节。然后必定做的比这个增程更多，正在最难的时候都有人来帮你，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），对吧？可是乘法口则的成果是我们耗损的脑力更少，action（步履）的部门后锻炼什么呢？其实仍然是一种仿照进修。然后感受你的心灵不雅就是家庭不雅，52. 你之前对内说过一句话，更强大的人！

来源：中国互联网信息中心