如果說大模型的上半場是以互聯(lián)網(wǎng)大數(shù)據(jù)預(yù)訓(xùn)練為代表的數(shù)字AI；而下半場，是以機(jī)器人、世界模型等為代表的物理AI。汽車可能正好處于兩者之間的分水嶺上。

在杭州云棲小鎮(zhèn)的會(huì)場，今年云棲大會(huì)，無論是會(huì)場外的天氣熱度，和會(huì)場內(nèi)的人群熱度，都達(dá)到了一個(gè)相當(dāng)高的程度。

每一個(gè)我遇見的新老朋友都會(huì)說，今年大家對AI的關(guān)注度明顯提高了，討論的問題也都非常的實(shí)際。

而我這次對大會(huì)的關(guān)注點(diǎn)，是汽車。因?yàn)檫@個(gè)產(chǎn)業(yè)，是觀察AI未來發(fā)展脈絡(luò)一個(gè)非常好的切入點(diǎn)。

在云棲大會(huì)的汽車峰會(huì)開場詞里，有這樣一段話：

1886年，卡爾本茨發(fā)明了第一輛汽車。人類突破了肌肉的限制。139年后的今天，我們正在突破認(rèn)知（智能）的邊界。汽車成為了移動(dòng)的計(jì)算平臺(tái)，駕駛成為了人機(jī)協(xié)作的藝術(shù)，速度由數(shù)據(jù)的流轉(zhuǎn)效率重新定義物理，實(shí)現(xiàn)擁抱數(shù)字智能，數(shù)字智能融入實(shí)體產(chǎn)業(yè)，汽車恰好站在這個(gè)交匯點(diǎn)上，成為虛實(shí)融合的最佳載體。

我的理解是：如果說大模型的上半場是以互聯(lián)網(wǎng)大數(shù)據(jù)預(yù)訓(xùn)練為代表的數(shù)字AI；而下半場，是以機(jī)器人、世界模型等為代表的物理AI。

汽車可能正好處于兩者之間的分水嶺上，承上啟下。重要性如何形容都不為過。

不過，分量既然重，難度系數(shù)也高。

一方面，是面向汽車智能化，所需要的資金資源，都在指數(shù)級(jí)增長；另一方面，消費(fèi)者雖然喜歡中國車企所創(chuàng)造的智能體驗(yàn)，但要真金白銀買單，或許還不到火候。

汽車的“卷”字，大概也就從中而來。這是一個(gè)投入和收益的剪刀差時(shí)刻。

此情此景之下，汽車產(chǎn)業(yè)成員在思考什么？阿里云，作為一個(gè)云和AI的基礎(chǔ)設(shè)施提供者，有什么解決之道？就特別值得探究。

一、當(dāng)汽車學(xué)會(huì)"看"與"想"

智能駕駛，無疑是汽車智能化下半場最激昂的旋律。

因?yàn)闊o論將其推向L4、L5有多難，其不是選修課，而是決定一家車企生死的必修課，是不爭的事實(shí)，這也是所有我這次云棲大會(huì)期間所訪談的汽車人士的共識(shí)。

而談到智能駕駛，又必然談到VLA。

云棲大會(huì)汽車峰會(huì)的圓桌討論環(huán)節(jié)，元戎啟行創(chuàng)始人兼CEO周光說了一句讓人深思的話："自動(dòng)駕駛分級(jí)的定義太早了，是30年前的定義。當(dāng)時(shí)定義L4就是基于高精度地圖、基于SLAM的定義，有個(gè)地圖能在里面跑就叫L4。"

這個(gè)觀察切中要害。30年前，當(dāng)美國汽車工程師學(xué)會(huì)（SAE）制定智能駕駛分級(jí)標(biāo)準(zhǔn)時(shí)，人工智能還處于"專家系統(tǒng)"時(shí)代。那時(shí)的工程師們想象的智能駕駛，是一臺(tái)遵循預(yù)設(shè)規(guī)則的精密機(jī)器——如果看到紅燈就停車，如果前方有障礙物就繞行，如果車道線向左彎就轉(zhuǎn)動(dòng)方向盤。

VLA的出現(xiàn)，改變了游戲規(guī)則。

VLA（Vision-Language-Action）是一種新一代AI架構(gòu)，它不僅能“看懂”圖像、“讀懂”語言，還能基于理解直接驅(qū)動(dòng)決策與動(dòng)作，被視為大模型從“會(huì)說”走向“會(huì)做”的關(guān)鍵拐點(diǎn)。

理想汽車自動(dòng)駕駛研發(fā)高級(jí)副總裁郎咸朋在圓桌上分享了一個(gè)生動(dòng)的案例："有用戶發(fā)了個(gè)'十連繞'場景的視頻——經(jīng)過施工路段，隔一段就有井蓋或路障，車輛繞來繞去都成功通過。用戶第一天繞了不信，但第二天又試，還是能繞過去。"

他特別強(qiáng)調(diào)："我們并沒有定義'連續(xù)繞十次井蓋'這個(gè)場景。這就是能力涌現(xiàn)，我們做的是能力而不是功能。"

所謂能力與功能的區(qū)別，我想就像音樂家與音樂盒的區(qū)別。音樂盒只能播放固定的曲目，每個(gè)音符都是預(yù)設(shè)的；而音樂家理解音樂的本質(zhì)，可以即興創(chuàng)作，可以根據(jù)現(xiàn)場氛圍調(diào)整演奏。當(dāng)自動(dòng)駕駛從"功能定義"進(jìn)化到"能力涌現(xiàn)"，汽車就從機(jī)器進(jìn)化成了某種新的存在。

廣汽集團(tuán)自動(dòng)駕駛首席科學(xué)家周寅在圓桌討論中，也從技術(shù)層面解釋了VLA為什么如此特別："VLA利用了VLM（Vision-Language Model）的預(yù)訓(xùn)練，利用互聯(lián)網(wǎng)海量知識(shí)讓模型具有常識(shí)（common sense）。然后通過自動(dòng)駕駛數(shù)據(jù)喚醒激活，能夠處理長尾案例，實(shí)現(xiàn)零樣本遷移（zero-shot transfer）。"

他列舉了幾個(gè)具體的能力涌現(xiàn)案例："道路施工自動(dòng)避讓、復(fù)雜交通標(biāo)識(shí)識(shí)別、潮汐車道處理，以及對紙箱、小動(dòng)物等未訓(xùn)練過的物體識(shí)別。"

郎咸朋進(jìn)一步解釋了VLA中"L"（Language）的深層含義："它并不是大家想象的對話或文字。它背后是人類長時(shí)序的思考、邏輯推理能力的體現(xiàn)。有人問我，不會(huì)說話的人就沒有思維能力嗎？不是的，他們也會(huì)看書、看文字，這些都是人類知識(shí)高度濃縮和壓縮的過程，表達(dá)了長時(shí)間思維能力。"

這個(gè)解釋讓我想起了維特根斯坦的名言："語言的界限就是世界的界限。"當(dāng)我們給機(jī)器賦予語言能力，我們實(shí)際上是在擴(kuò)展它理解世界的邊界。

但這種認(rèn)知能力的獲得是有代價(jià)的，是巨大的代價(jià)。

元戎啟行CEO周光直言不諱地談到了智駕成本結(jié)構(gòu)的變化："以前可能97%是人力成本，算力只占3%；但到了大模型時(shí)代，兩個(gè)數(shù)字最終可能變成一半一半。"

比例的變化，首先是財(cái)務(wù)報(bào)表上的龐大數(shù)字。其次，它意味著整個(gè)產(chǎn)業(yè)的底層邏輯在改變。過去，汽車公司的核心資產(chǎn)是工程師、設(shè)計(jì)師、產(chǎn)品經(jīng)理；未來，可能是GPU集群、訓(xùn)練數(shù)據(jù)、模型參數(shù)。

郎咸朋在圓桌上提供了更具體的數(shù)據(jù)："在云上要做兩件事：一是生成仿真環(huán)境（世界模型），需要大量云端推理算力；二是訓(xùn)練本身需要算力。世界模型和VLA模型是一主一輔——VLA是要訓(xùn)練的主模型，世界模型輔助訓(xùn)練VLA?，F(xiàn)在理想用世界模型生成的數(shù)據(jù)已經(jīng)占到VLA訓(xùn)練的10%以上。"

10%聽起來不多，但考慮到汽車每天處理的數(shù)據(jù)量，這個(gè)數(shù)字背后是驚人的AI消耗。而且這個(gè)比例還在快速增長。

在汽車峰會(huì)的主題演講中，阿里云智能集團(tuán)公共事務(wù)副總裁，研究中心主任安筱鵬指出："能夠參與智能駕駛競爭賽道的基本條件，就是AI規(guī)模的投入。美國已經(jīng)到了5萬卡、10萬卡級(jí)別。"我從另外一個(gè)車企得到了一個(gè)數(shù)字，10億AI算力投入差不多是入場券。

雖然對阿里云來說，AI算力需求增加是好事，但阿里云的方法論是，AI算力的增加，一定要用在模型訓(xùn)練的每一分鐘，每一秒，而不是空耗。

因?yàn)樵诖笠?guī)模智算集群里，利用率幾乎等于投資回報(bào)率。過去車企在AI算力運(yùn)維上的短板，使得集群常因調(diào)度不均、任務(wù)不匹配或故障延遲而出現(xiàn)大量閑置資源。

在這方面，阿里云做了大量工作。我們以小鵬汽車為例。根據(jù)之前的一個(gè)消息，這個(gè)異常搶眼的新勢力車企依托阿里云靈駿智算，打造了國內(nèi)汽車行業(yè)首個(gè)萬卡規(guī)模AI算力集群，AI算力儲(chǔ)備達(dá)到10EFLOPS，集群利用率最高可達(dá)98%。同時(shí)，該集群還具備秒級(jí)故障發(fā)現(xiàn)與處置能力，建立了高可用的容災(zāi)體系。在此基礎(chǔ)上，小鵬汽車“云端模型工廠”的迭代周期平均縮短至5天，大模型迭代效率顯著提升。

把利用率拉升到98%，意味著同樣的硬件能產(chǎn)出幾乎和無優(yōu)化情況翻倍的模型訓(xùn)練結(jié)果。

阿里云智能集團(tuán)計(jì)算平臺(tái)事業(yè)部負(fù)責(zé)人汪軍華在汽車峰會(huì)主題演講中，介紹了更多創(chuàng)新：

統(tǒng)一元數(shù)據(jù)管理（DLF）。"數(shù)據(jù)量級(jí)達(dá)到數(shù)百PB之后，任何備份、流動(dòng)、處理都帶來大量成本上升。通過DLF統(tǒng)一元數(shù)據(jù)和數(shù)據(jù)存儲(chǔ)，原始數(shù)據(jù)、訓(xùn)練樣本數(shù)據(jù)、樣本挖掘后的特征數(shù)據(jù)，只需要保存一份，大大降低存儲(chǔ)成本。"

MaxFrame分布式計(jì)算框架。"MaxFrame可以直接調(diào)用第三方模型，對多模態(tài)數(shù)據(jù)進(jìn)行萬級(jí)別的高并發(fā)處理，相比開源框架性能提升40%以上?？蛻舭咐@示，從每天7000個(gè)數(shù)據(jù)包處理提升到20萬個(gè)，資源消耗下降40%，綜合處理效能提升50多倍。"

PAI Turbo X加速包的極致優(yōu)化。這個(gè)專門為智能輔助駕駛定制的加速包，帶來了驚人的性能提升："在BEVFusion訓(xùn)練中，訓(xùn)練時(shí)間縮短58%；在MapTR訓(xùn)練中，縮短53%；在UniAD訓(xùn)練中，縮短50%。"

這些技術(shù)細(xì)節(jié)可能顯得枯燥，但就像上世紀(jì)初的鐵路建設(shè)。當(dāng)所有人都在爭論該運(yùn)什么貨、去哪里時(shí)，總要有人先把鐵軌鋪好。

在峰會(huì)開場致辭中，阿里云智能集團(tuán)公共云事業(yè)部AI汽車行業(yè)總經(jīng)理李強(qiáng)透露了一個(gè)關(guān)鍵數(shù)據(jù)："從2024年云棲大會(huì)到2025年這一年時(shí)間里，超過60%中國智能輔助駕駛的AI算力來自阿里云。"

60%，這意味著中國智能輔助駕駛的"登月計(jì)劃"，有一半以上的臺(tái)階是阿里云搭建的。

當(dāng)然，我們需要再次強(qiáng)調(diào)，雖然VLA增加了大家的投入，但它看起來是必經(jīng)之路。郎咸朋說："如果把VLA加強(qiáng)化學(xué)習(xí)閉環(huán)跑通，會(huì)非常快，就像'天上一天，地下一年'。所有閉環(huán)強(qiáng)化都在虛擬世界、仿真環(huán)境里做。"

二、從"座艙"到"陪伴"

如果說智能駕駛是關(guān)于"如何抵達(dá)目的地"的技術(shù)革命，那么智能座艙就是關(guān)于"如何度過旅程"的思考。

長城汽車技術(shù)中心副總經(jīng)理姜海鵬提出了一個(gè)特別有意思的"座艙四段論"："相識(shí)、相知、相愛、相伴。"

他詳細(xì)解釋了每個(gè)階段的含義："相識(shí)——讓AI認(rèn)識(shí)你?，F(xiàn)在我可以喚醒小魏同學(xué)，但小魏同學(xué)不知道我是誰、副駕是誰、后排是誰。相知——學(xué)習(xí)你的操作習(xí)慣、用車習(xí)慣。相愛——產(chǎn)生感情，有溫度。相伴——長期陪伴。"

當(dāng)然，話鋒一轉(zhuǎn)："或者相殺。"

"因?yàn)槿耸巧谱兊模?姜海鵬解釋，"當(dāng)你的變化速度大于智能體學(xué)習(xí)速度，可能就是相殺的結(jié)果。"

這個(gè)"相殺"的隱喻觸及了人機(jī)關(guān)系的本質(zhì)。它不是主人與工具的關(guān)系，而更像是兩個(gè)生命體的相處。需要相互理解，共同成長。

如果一方的進(jìn)化速度遠(yuǎn)超另一方，分離幾乎是必然的。那么，如何讓人機(jī)互動(dòng)只相識(shí)相知相愛，不相殺？

在和理想汽車空間AI團(tuán)隊(duì)負(fù)責(zé)人江會(huì)星博士的交流中，我也記錄了一些他的心得。

首先：沒有捷徑。

江博透露了一個(gè)讓人意外的時(shí)間線："我們在2023年的3月份，就快速的去立項(xiàng)的做自己的大模型。從預(yù)訓(xùn)練、后訓(xùn)練、強(qiáng)化學(xué)習(xí)這些全部做了。到了2023年的12月份完全上線用戶。這段時(shí)間我們就把所有的該趟的所有的坑都趟了一遍。"

9個(gè)月，從零開始到全面上線。這種速度背后，是理想對AI的戰(zhàn)略決心。

在專訪中，江博還分享了理想內(nèi)部的AI文化："我們內(nèi)部每周都會(huì)有AI周會(huì)。大家會(huì)對于最前沿的AI的一些包括洞察，包括具體的實(shí)踐，都會(huì)拿在那會(huì)上去分享。"

其次，是細(xì)節(jié)的藝術(shù)：一個(gè)功能背后的100次打磨。

江博說，大家都說理想的座艙體驗(yàn)好：“這個(gè)體驗(yàn)的背后，坦率講是慢工出細(xì)活。每一個(gè)體驗(yàn)一點(diǎn)點(diǎn)摳，一點(diǎn)點(diǎn)做出來。”

他舉了一個(gè)具體的例子：

理想汽車在處理乘客說有點(diǎn)冷時(shí)，并不是簡單下調(diào)溫度，而是依賴大模型與多模態(tài)感知來理解場景。

語音識(shí)別系統(tǒng)會(huì)結(jié)合車內(nèi)傳感器（溫度、座椅占用、紅外檢測等），判斷乘客身份、所在位置和當(dāng)前環(huán)境，再通過自研大模型解析出更細(xì)的意圖，比如需要調(diào)節(jié)空調(diào)風(fēng)量、局部溫度，還是開啟座椅加熱。這種方式避免了機(jī)械式的“一刀切”，而是做出針對性的組合響應(yīng)。

江博補(bǔ)充道："我們每周都有數(shù)據(jù)閉環(huán)的會(huì)，每周都會(huì)從里面去看用戶反饋的問題，我們及時(shí)去在下一版本就給它迭代上去了。"

這種產(chǎn)品打磨方式，"不是一個(gè)技術(shù)細(xì)節(jié)，有點(diǎn)像互聯(lián)網(wǎng)產(chǎn)品"，需要"大量的工程性的東西"。

這也讓我想到，無論是理想汽車，還是阿里云，它們都有一個(gè)共同的特點(diǎn)，就是都有互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)的經(jīng)驗(yàn)。

由于我是一個(gè)微博AI博主，經(jīng)?？吹叫畔⒘魃嫌幸粋€(gè)說法：互聯(lián)網(wǎng)產(chǎn)品經(jīng)理們喜歡開理想，大家就是感受到了產(chǎn)品的細(xì)膩吧。

當(dāng)然，智能座艙的完美體驗(yàn)，也需要云與車，或者說云與端的配合。

阿里云智能集團(tuán)公共云事業(yè)部AI汽車行業(yè)解決方案總經(jīng)理霍健詳細(xì)解釋了智能座艙的技術(shù)架構(gòu)："我們認(rèn)為智能座艙的技術(shù)趨勢之一是大模型的端云協(xié)同架構(gòu)。端側(cè)大模型與云端大模型的分工是核心關(guān)鍵。"

還以乘客有點(diǎn)冷來說明這種分工："處理這個(gè)操作，車端MindGPT首先要完成環(huán)境感知和理解：誰在說話，車內(nèi)溫度，空氣質(zhì)量，以及當(dāng)前的車速等情況。然后結(jié)合前面的說話內(nèi)容，以及全信息記憶里對用戶的記憶，推理出用戶的真實(shí)意圖。"

"云端會(huì)首先進(jìn)行記憶召回，找到'他'過去對溫度的偏好，提供給車端結(jié)合車外溫度，車內(nèi)溫度，溫度偏好做執(zhí)行。"

這種端云協(xié)同的設(shè)計(jì)，既保證了響應(yīng)速度（端側(cè)處理），又確保了智能的深度（云端推理）。就像一個(gè)優(yōu)秀的管家，既能快速響應(yīng)你的需求，又能記住你所有的偏好。

為了支撐這種體驗(yàn)，阿里云推出了專門為汽車場景定制的通義Omni模型。李強(qiáng)在峰會(huì)開場致辭中詳細(xì)介紹："這是一個(gè)'三進(jìn)兩出'的架構(gòu)設(shè)計(jì)——三種輸入：語音、視覺、文本；兩種輸出：語音、文本。延時(shí)低至0.5秒，到11月份將支持超過20種語言的語音交互。"

不過，還有一個(gè)很小的插曲，由于充滿信息量，我也記錄如下。

在汽車峰會(huì)圓桌討論中，姜海鵬坦率地指出了艙駕融合面臨的一個(gè)現(xiàn)實(shí)挑戰(zhàn)："智能駕駛在企業(yè)里的重要度高于座艙?！?/p>

他進(jìn)一步解釋："技術(shù)沒問題時(shí)，組織就成了最大問題。未來一定會(huì)把AI算力做到一起，因?yàn)樽摵椭悄荞{駛對大模型的需求越來越趨同。座艙的演變跟兩三年前的智能駕駛完全一樣，從規(guī)則驅(qū)動(dòng)到數(shù)據(jù)驅(qū)動(dòng)，從CNN到端到端再到VLA。"

蔚來汽車副總裁吳杰在圓桌上補(bǔ)充了一個(gè)有趣的視角："以前開車的司機(jī)（智能駕駛）和助手（智艙）之間沒什么關(guān)系，涇渭分明，最多時(shí)不時(shí)爭寵，搶算力?，F(xiàn)在有了VLA，底層技術(shù)在趨同，從原先的算力分享，變成可能的模型共享。"

三、出海的"異鄉(xiāng)人"，全球舞臺(tái)上的中國聲音

我們前兩章是關(guān)于技術(shù)和產(chǎn)品的進(jìn)化，但這個(gè)部分就要談?wù)勈袌隽?，海外市場?/p>

如果說VLA、云端協(xié)同是大家對智能駕駛、智能座艙的共識(shí)，那么出海，就是大家對中國車企市場拓展方向的共識(shí)。

李強(qiáng)在汽車峰會(huì)的開場致辭中透露了一個(gè)驚人的數(shù)據(jù)：“95%的中國車企在出海時(shí)選擇了阿里云?！?/strong>