国内的自动驾驶热潮从2016年开始，8年多时间，技术的风向和资本的潮水不断变换，一些名字已经湮灭在这段科技创新史中，一些曾以无人车为志向的企业选择先做车企供应商保证发育，也有“自动驾驶黄埔军校”上演一轮轮铁打的营盘流水的兵。
2016年，楼天城和彭军两位谷歌+百度的双料前同事，一起创办小马智行，决意把天赋和经验带到方兴未艾的自动驾驶行业，提供Robotaxi（无人出租车）服务。8年后，一批曾经的自动驾驶才俊已扭头跳入具身智能的新浪潮，小马则刚刚完成IPO。1月，我们在小马智行广州办公室采访了CTO楼天城。楼天城外号“教主”，因他青年时代在编程竞赛上的恐怖统治力而来。但在中文互联网上，在自动驾驶上更有统治力的是特斯拉、华为、小鹏、理想——尽管他们主攻的L2自动驾驶严格来讲和小马、Waymo、百度萝卜快跑从事的L4自动驾驶是两种东西。楼天城告诉我们，Robotaxi在技术方面是轻舟已过万重山，过去几年人们仍不看好，很大程度是因为接触不到无人车。上市后，小马在2025年的目标是将对外运营的Robotaxi扩充到千辆规模，开启真正的大规模商业化尝试。楼天城也告诉我们，小马这八年的故事没有太多峰回路转，唯独有一段他认为自己和他人都绕不过去的弯路。成立前三年，小马选择的AI技术路线是模仿学习，这对应今天车企在L2高阶智驾竞赛中流行的“端到端”，即让智驾系统通过看老司机的驾驶视频学开车。2019年，小马在这项技术遭遇瓶颈，每驾驶千余公里若不接管就可能发生一次剐蹭，远低于人类司机水平，更不符合“无人驾驶应比人类安全10倍”的要求。2020年，楼天城说服团队用两年时间推倒重来，走上了强化学习的道路——不再尝试教自动驾驶系统具体怎么开车，而是构建出一个尽量逼真的虚拟世界，告诉它开车要遵从的准则，让它在其中以远超现实的速度自行试错。这个被楼天城称为世界模型的工程，将小马Robotaxi的安全接管里程，从曾经的千公里提升到了数十万公里一次，并正往越来越超过人的方向去。与此同时，车企们的高阶智驾普遍在百公里等级的安全接管里程努力。楼天城认为这很合理，因为L2和L4的目标本就不同，但外界一直从L2视角审视L4太久，带来了从技术到商业上的各种误解。在前商业化阶段穿行八年，楼天城取得了内部的理解与支持，这让小马成为为数不多目标和团队都保持稳定的自动驾驶创业公司。而在最近，小马来到需要取得外部理解的阶段，楼天城希望传达他经历的、看到的、相信的。从他的经验出发，楼天城提供了一些有趣的、反常识或是有挑战性的观点：对L4自动驾驶来说，不带有开车思考过程的数据没有意义；大部分人开车没见过世面，但一辆无人车在世界模型的虚拟环境里都见过，且以合理的概率见过；自动驾驶的世界模型是一步步改进迭代而来，重要的是团队的工程能力，有一个积累的过程，短期靠堆资源、挖人没用；人们对L4的技术疑虑，部分是因为把L2的商业模型套给了L4，但实际情况是商业模型定义技术选择，而非反过来；车企想从L2做到L4，那些他们以为的积累其实是负担；Robotaxi寻找的市场应该是体验驱动而不是低价驱动；自动驾驶是个复杂系统工程，一个内生成长——从小一起长大，且富有共识的团队，更能做成；CTO最重要的能力是分辨现阶段最需要什么能力，并学习、转变；在智能上，相比于AI人类并没有什么特殊性，千万不要高看人类；具身智能很火，但两年后会遇到自动驾驶遇到过的所有问题。01
Sorry，这个阶段已经过去了
远川：很多人说现在的具身智能就是2016年的自动驾驶。远川：小马2016年成立，8年后IPO，你的想法是什么？能划分一下自动驾驶（注：后文自动驾驶均指L4级自动驾驶）、Robotaxi的技术和商业阶段吗？楼天城：严格来讲在过去三年，整个市场是非常混沌的一个状态，大部分人对市场对这些信息没有统一的理解。但通过这次IPO，至少在绝大部分国际长线投资人面前，我们很好地阐述这件事情，他们也接受。很重要的点，是把信息传递给了资本市场，让大家知道现在已经到了这个阶段。下面关心的话题都是成本、规模，足够大里程后车辆的表现如何。如果你关心还能不能做demo（Demostration，示范、演示），sorry，这个已经过去了。今天应该说有一定规模，比如百辆（无人）车，这是桌面，超过这个叫桌上的玩家，没到这个就是还没上桌。桌上之后就是成本，运营、硬件折旧成本，能不能控制得很好，还有收入能够比成本高。还有一个是规模，百辆在商业化来说算很小的数字，更大的规模也是我们的目标。桌面之下要回顾一些历史，到 21 年左右是一个无人 demo 状态，领先的几家在21年做到，再往前是有人demo状态，主驾坐了安全员。楼天城：这是很可能的。我有一个很重要的观点，为什么过去五年大家会不看好，因为外部看不到进展，毕竟就算我 100 辆， 1000辆，能打到我车的人还是少数，而且不会产生正传递，因为值太少了。02
模仿学习到强化学习，L4自动驾驶的0-1
楼天城：2020年是个关键的坎，应该说是逐步理解技术的过程，我们切换到了Learning by Practicing，强化学习。之前的做法跟现在路上更常见的一样，收集数据模仿人类做法学习开车。2020年后依托虚拟环境让车自演进。跟培养小孩一样，人一生接受的教育很大程度都是 Learning by Watching，模仿学习，模仿老师的做法，成长到一定高度后才想通过自演进来强化自己。远川：从模仿学习到强化学习，小马是慢慢切换，还是推倒重来？楼天城：答案可能会让你意外。实际情况比表面上残酷得多，因为做过模仿学习，切换技术的难度反而比没做过还难。理论上复用的东西有，比如基础架构，仿真框架，车载平台，但为什么造成的困难这么大？因为它彻底颠覆了团队擅长的东西和投入的方向，会让很多人不情愿切换。而且切换之后要从零开始搭建，有很长的真空期，不是几天是两年，两年中没有交付更好的结果。但是也一直要说服所有人，这是正确的方向，之前的做法不是快慢问题，是0/1的问题，根本做不到。简单来说，这个切换是一个硬着陆。虽然有很多可以复用，但思维方式的冲击巨大。远川：这两年你怎么让团队觉得找到了一条新的路？你说了这两年也没有什么产出。楼天城：不，是重新走虽然增长很快，但是一直没到之前的水平。但我坚持的东西一直坚持，公司另一位创始人James（CEO彭军），他有技术背景也很支持。在公司里，我们把道理摆出来，把更多人拉拢到支持者阵营上。给大家一种感觉，这个决定不是我一个人做，是整个管理层一起做。还有一点略 personal credibility（个人信誉），相信我个人，这个事情我们必须这么做，是为了未来。应该说从感性上让别人相信这些方式都做了。远川：小马如何在数据量不多的情况下，在L4证伪模仿学习？楼天城：小马数据虽然不多，但那时候也不比现在很多家少。今天各家表面上可以 access（接触） 到很多数据，但收集数据其实并没有很多。还有一点，在中国数据密度大。单从收集数据量来说，我们那时并不少。那时候我们已有百辆车在跑，高密地收集数据，哪怕在那个数据上我们已经触及到了瓶颈。不能说证伪，但至少实实在在发生过用模仿学习遇到瓶颈这件事，这个瓶颈不是我们预先估计的，在我遇到瓶颈之前更早的时候，有别人跟我说过，我也没信。远川：遇见瓶颈时小马的车是什么水平，是人类驾驶员的同等水平还是不如？楼天城：不如人类驾驶员，但比今天很多车都好。安全指标MPCI（Miles Per Critical Intervention，每关键接管行驶里程）破千，千公里才有可能剐蹭。今天看这很低，我们、Waymo都是 10 万及以上。但在那时千这个数字并不差。FSD的公开测试报告只有百级别，那时候的车比今天的FSD安全性高很多。首先模仿学习没法收集到“怎么想”的数据，而开车需要知道怎么想。模仿学习能收集到行车轨迹，但司机中间的决定收集不到，比如碰到行人在路边不减速开过去，可能是没看到也可能是知道不需要。而自动驾驶不止要学到最后的行为，还要学到中间这些想法。第二叫双标。人允许人以某些概率犯一些错，但人不允许机器犯错。人接受人违法，然后受到惩治，但人不接受AI以概率违法。这导致的问题在小马发生过，学人学得越像，这些问题越多，而且持续发生。致命的第三点，模仿优秀司机其实是我切换路线之前的救命稻草，我们特意请了好司机来好好开，但后来发现致命问题，模仿学习不是闭环训练。因为驾驶员用了很多车没有掌握的信息，才做了驾驶决策，如果没有掌握这些信息，越模仿差得越远。原因是它没法拿闭环结果来 compensate（评估） 今天行为的价值。非闭环训练，学越好越会触发非对称信息，然后更差，我们也触发了“跟好司机学、反而差得更多”，因为它只学了样子。远川：非闭环训练可以理解为没法对作弊、取巧行为进行检测吗？楼天城：对。对越能作弊的人，它越明显。当时总结这三条原因，关键的领导层都get到了这一点，这样做不到L4，跟人都会差得很远，所以我们做另外一条技术路线。远川：小马是怎么去到强化学习这条路的？因为它可以解决模仿学习没有解决的问题？楼天城：都可以解决。强化学习大的框架是给自动驾驶模型创造一个（虚拟）环境在里面开，不教具体怎么开，车自己去尝试怎么开做得更好。模型训练就是求导、求梯度的过程，需要输入一些数据和reward function（奖励函数）。第一步回答闭环问题。它天生就是个闭环，因为它在里面是仿真的。再说知其然不知其所以然的问题。在整个过程中可以强迫车载模型不仅输出轨迹，还把决定、动机全部输出，通过后几帧的结果来评估，拿后面的时间、决定来验证前面对不对。双标的问题更直接，人知道什么是完美人做的，只是做不到。但对车来说，可以定义一套指标体系，就是一个好的奖励函数，告诉车什么算好。这就是世界模型做的三件事，生成场景和传感器数据，做高精度的仿真，以及Metrics（驾驶行为评估）。远川：强化学习是你们选择的新技术路径，世界模型是你们的具体实现方式。楼天城：小马的世界模型不是模型，它只是叫模型，它是个完整的训练环境。远川：这些步骤、做法之前就有，什么时候发生了什么，让小马的这套东西可以被称为世界模型？楼天城：要做这些事情的理念有很多年了，但怎么做好，做好后效果如何并不知道，那几年小马核心做的事就是如何把它做出来。它也是拿数据训练的，我从来没说数据是没用的，但只是数据不需要这么多，需要很高的精度。远川：很多企业会说它有足够量的数据，可以供挖掘高质量的数据。楼天城：不，如果没有怎么想的东西，有多少量都没用。我说的数据指的是带有开车思考过程的数据，否则算零。
2016年，Alpha Go 3:1战胜李世石，一年后Alpha Zero以100:0的战绩完胜Alpha Go
远川：强化学习比较知名的是例子是从Alpha Go到Alpha Zero，了解这段经历的话，你们应该很容易知道该直接从强化学习开始？楼天城：Alpha Go 是先去模仿人类棋谱再做强化学习，自己对弈，Alpha Zero 是直接做强化，结果发现 Alpha Zero 比 Alpha Go 好很多。是因为Alpha Go跟人类棋谱学瞎了，学到了一个很烂的状态，还不如从零开始学。原因是写棋谱那些人在我面前很强，在Alpha Zero 面前太“蠢”了。但小马不是家研究机构，我们的目标不是找出世界上最好的自动驾驶方法，而是商业化。模仿学习短平快但天花板低，强化学习要积累很久但天花板高。一个不那么好的方法容易上手，直接能做出来，那就go for it，但我那时候没意识到模仿学习天花板这么低。遇到瓶颈之前有人跟我说过，我也没信。远川：你们是做到那儿了，发现它的天花板比你想象中低。楼天城：低很多。而且有很多不能逾越天花板的东西，不能靠努力来做。远川：强化学习会不会也存在以为天花板高，实际没那么高的问题？你怎么确认这条路线的正确性？楼天城：因为我们在桌面之上。可能有个更好的方式是几年后的技术路线，但今天既然就能商业化了，成本、规模这些更是我们考虑的因素。应该说强化学习的上限比今天的商业化要求高出很多，甚至能触及机器开车的一个极限，它不可能避免所有的事故，但能避免所有它犯错误的事故，只是还需要时间。03
做世界模型，工程能力比算力和数据更重要
远川：小马用世界模型做强化学习的过程，遇到了什么难点卡点？楼天城：指标，Metrics是第一个。什么叫开得好？三个大方向，安全、舒适和效率一定是对的，但我们做了很多工作，track（追溯）完全不同场景下的细粒度指标。这大概是 21 年发生的事情，我们原来是整体指标，后来发现不行，要 track 得很细，给每个专门的才能让它学到。原因根本上是开得不好的地方是非常低概率的，如果用整体指标，会有很小的几率淹没在里面。所以需要专门提出容易出问题的情况，让它知道这些情况表现如何，并且需要知道这些情况中这些东西出现的概率如何。L4处理的都是些非常极端的场景，那些场景究竟会不会发生，发生是什么样子，这是第二个技术上很大的改变。第三个叫 Smart Agent（智能体），整个仿真中其他物体要能够跟你一样具有智能，可以交互，交互是不是准确。交互也分为不同的参数，有些人非常激进，有些人非常保守，会有不同的配置，可以知道在不同任务 combination（组合）怎么做。楼天城：首先它逼真，在里面开车跟在真实世界感觉基本没有区别。还有是reward，你所谓的好，是你真正想要的好。
逼真是衡量世界模型的金标准之一，但“真”的含义比想象中复杂（注：该图为第三方仿真，仅作示意）
远川：这是个挺难的问题，不同人对好的理解是不一样的。楼天城：用了RLHF（Reinforcement learning from human feedback，人类反馈强化学习）。人很难直接说好，他只能说这两个我觉得哪一个比另一个好，用相对的方式反馈来做，这也是成熟框架。远川：但如果到了一个完全不同的城市，人们开车的风格可能差别很大。楼天城：L4 处理的很多都是极端场景，极端场景别说中国，世界上都长一个样，比如鲁莽的司机，不回头观察的摩托。应该说普通人开车的习惯是不同的，但是疯狂的司机开车一样。远川：刚才你提到世界模型逼真，它的边界在哪里？不可能做到无限真实。楼天城：Feedback的量降到一个很低的数字，只要最后结果差不了太多。基本我们还是由路上实际的结果来评价。远川：小马的车队在百辆级，车几十万公里才出一次安全接管，这支持你们在路上快速验证一个模型的好坏吗？楼天城：好坏不会用几十万发生一次的指标来验证，一些更高频的事件跟事故发生有一个比例概率，通过学习这个概率来估计，也是奖励函数很重要的部分。楼天城：严格讲这个比直接测量危险数字发生要准得多。而且世界模型对长尾场景的覆盖性比人为好得多。远川：对很多人来说是反常识的，因为觉得世界模型毕竟是虚拟环境，还不够真。楼天城：世界模型一天100亿公里很正常，你才开多少公里？或者说这个技术没有这么难，只是很多人不愿意接受这件事实而已，一个虚拟环境中对很多事情的概率分布把握比实际要好得多。这可能对有些人冲击极大，自动驾驶方面产品设计的人，需要承认他的工作不被需要了。因为阅历太浅了，才开这么点里程，凭啥教自动驾驶车这么开？这可能是个做转变非常难的地方，很多人开车是没见过世面的，但它在世界模型里都遇到过，而且以合理的概率遇到过。远川：小马在做的，是不断地把自动驾驶模型的训练环境变得越来越真？楼天城：给它创造更好的环境，且让它更往你想要的方向去学习。去缩小因为模拟环境不真实造成的偏差，以及把优化目标的偏差降到最小。远川：车拉开人类驾驶水平越来越远的时候，我们还能设计出很好评价它行为的标准和准则吗？楼天城：人知道什么叫好的，只是人做不到而已。它学的过程收敛会有问题，所以我们有很多中间的东西帮助它收敛，这件事情能做多好可能是有瓶颈的。最终结果，我觉得人还是知道什么是好的。楼天城：这是个好问题。现在训练大语言模型都不是靠人头来比的，牛的公司不是靠人多，这个也是。你问的是资源方面，我只能这么说，这是最surprise的事情，它需要时间来做积累，超越资源。逐步通过人的方式改进世界模型本身，它需要一个时间积累过程。楼天城：钱多一倍，你小学上学的时间能少一点？人学习一个东西需要时间，不是钱多就能学得快。怀胎得 9 个月到 10 个月，别说钱多能怀 4 个月就够了。它不满足很多人对科技发展的想象，但它是真实的科技发展的过程，有些事可以通过钱加速，有些不能。远川：但已经有三家Robotaxi在桌面上，里面很多人带有know-how，为什么不可以用钱挖这些人？楼天城：再说可能会略冒犯，这种想法可能就是落后很重要的原因，这就是为什么今天只有三家，没七八家。楼天城：在一定数量之下，它能提速，但它不是最关键的。scaling law最终都是这样（S型曲线）收敛的，它有一个增长很快的曲线，包括算力、数据是有用的，只是它的收敛点比较早地到来了，你不能指望上面这段再靠它突破。远川：这是不是意味着对头部L4公司，算力和数据的权重没那么重要？这时权重更高的是什么？楼天城：是。权重更高的是engineering（工程能力）。比如整个系统的链路设计是不是合理，各版块集成到一起有没有问题。最重要的两点是世界模型是一步步改进的，能不能快速反馈，迭代，滚动，还要朝你想要的方向去滚动，测量精度不够容易南辕北辙，原地打转。反过来刚才我想说，技术需要传承，做一个事情需要积累。用刚才说那方法的问题是做了中间，不知道后面，因为没有它前世今生的发展过程。04
L2和L4，共性聊得太多，差别聊得太少
远川：小马部署在车端的模型，是通过在世界模型中训练出来的一个云端大参数模型，再蒸馏而来吗？它的参数量是多少，重要吗？楼天城：对，重要。蒸馏是个很困难的工作，但首先训练大模型蒸馏出小模型，比直接训练小模型好得多，这是惯例，我们也这么做。可以把它叫蒸馏，等于是向自己更大算力的自己学习，但现在我们放在4个Orin上能跑起来。远川：小马的车端模型是一个One-Model（一段式模型）吗？楼天城：是。这个我觉得各家都是，没什么差别。但我们是感知和规控中间砍一刀，分两段训练，但不分两段推理，这是很典型的实际系统集成与理论之间的权衡。一段训练相比两段训练的天花板更高，一些企业觉得一段训练更好，但他们搞错关键点了。两段训练收敛更快，且训练过程可追溯，且能够很好地评估训练效果。非要一段的话刚说这些现在都不满足，它的好只是天花板的好，我甚至还没看到直接好处。远川：很多企业在用One-Model这个概念的时候，他们想表达的更多是算法栈里没有用规则，小马的算法栈里用规则吗？楼天城：模型的天花板、处理复杂的能力确实强一些，所以大家都用模型，就这么简单。当然我们冗余系统，最低的一层肯定是用规则，它的芯片跑不起模型，就是个基本功能。功能一旦复杂之后用规则确实会需要更多的努力，这很正常。工程能力差不多的两个团队，一个用规则，一个用模型，做一段时间之后到复杂场景确实用模型的好一些。远川：很多做L2的企业，因为覆盖率、成本、鲜度问题舍弃了高精地图。对L4来说，高精地图是不是长期必须的？高精地图好用吗？楼天城：高精地图的鲜度、精度离完美当然还差很远，但它今天对L4自动驾驶有巨大的帮助，体现在安全、体验的提升，成本的下降。并且Robotaxi都运营在热点区域，高精地图质量远好于其他地区。这里需要描述一下L4 的商业模式，用不用高精地图，还有激光雷达，这几个问题可能一定程度把L2 的商业模式套给了L4 。L4做运营最终非常成功的模式，可能就是集中在某些区域，扩展运营区域对它来说到一定程度收益很有限。其次它的安全性很重要，出安全问题是很严重的，所以会更倾向拿更贵的东西换取更好的安全性。这在L2、L4不完全相同，是商业逻辑影响了很多决定。远川：模型和视觉感知技术的进步，会不会以后让高精地图和激光雷达在L4也变得没必要？楼天城：技术为商业化服务很重要，一个产品有好的体验和商业化空间，那技术应该是按照它的方向发展。如果说技术强到那个程度，那还差很远，或者说可能根本到不了这一天。远川：L2与L4的发展轨迹会有什么不同，各自的天花板在哪里？楼天城：首先就是模仿学习和强化学习路线。今天L2公司我很难想他这么切换强化学习，他们都是模仿学习，且模仿学习能够做好的L2产品。在L4 我拿模仿搞不定，只能强化学习，然后造成差别，关键关注点会不同。很少见 L4公司说自己数据量大，因为我们用强化学习，比的是世界模型精确性，但那边比的是数据量。两边工程团队的优化关注点不同。大家的目标、成本空间不同。L2对成本、应用范围很敏感，L4在成本空间上有很大的Flexibility（灵活度），但运营空间在一定区域。还有实际要达到的水平。L2模仿人很重要，需要让人理解它想干什么。反过来，一个好的L4系统不是好的L2系统。我坐我们的车经常不知道是不是该接管，因为它确实不是按照人的逻辑做的。L2 车这么开，肯定会被骂死。安全性来说，L2 就算几十公里接管一次很正常，它没有这么高的要求。大家的优化目标变成一个不平衡的状态， L4 安全要求很高，所以要投入安全；L2因为成本压力很大，就保持安全OK，然后成本降下去，范围做大。这是两类公司发展都非常合理的方向，没有任何人做任何错的事。只是在很多讨论中大家喜欢把两个放在一起，说更多共性，没有说那么多差别。所以我说出了那句话，一个做得更好，就会离另外一个更远。05
从L2做到L4的企业，not on the table yet
远川：一些车企会有更大的带宽，既在做L2，也想做L4，他们也使用生成数据、世界模型、强化学习，有更强的资源、现金流、算力，他们有没有可能追近或者反超小马？楼天城：最大的问题在于你说的所有积累都是hurdle（障碍），都不是积累。抛开小马不谈，车企跟IT公司相比，这都是劣势。你知道IT公司的利润率有多少？人才吸引力可以比吗？算力可以比吗？你知道字节有多少算力吗？如果突然有一家IT公司要做L4，它在各种场景下都好于车企，除了它需要跟车厂建立合作而车企不需要。车企可以做，但是需要把做 L4 公司做的事情都做一遍，且它在L2上的积累可能会阻碍。车企为什么会比IT公司更想做L4，give a reason。楼天城：科技公司不想成为科技公司吗？科技公司更想成为更好的科技公司。远川：现状是很多车企已经在这么做了，在做L2的同时往L4这个方向做。楼天城：这个话题可能不能再 touch（触碰）了，我是个偏执的结果主义者。从结果上他们并没有在做。远川：你之前说做 L2 做得越厉害，离 L4 越远。小马自己也有L2的团队，这句话在你们身上成立吗？楼天城：我们有两只独立的团队。开始在一起做，团队思维方式上很大的冲击，说话频道都不太一样。L2对成本特别较真，L4没有那么较真；L2会想常规场景要做好，极端场景交给人接管，L4是反的，平均情况差不多就行，极端情况每个都要兜底。两拨人工作起来脑子没有overlap（重叠），所以L2是剥离团队来做。楼天城：管。但是俩团队之间不交流了，他们之间不冲击了，冲击我。楼天城：清晰只是说L4上去了，没有说L2下去了。当然对公司可能有聚焦或者我精力上潜移默化的影响，但不表示它不是一个 OK 的生意，包括我们还有Robotruck（自动驾驶卡车），这仨单拿出来都是世界上前 1% 的事情。远川：一些以L4为目标的智驾企业认为要曲线救国，掉头从L2做起，现在活得也不错，你怎么看？楼天城：L2 本身是top 1% ，活得不错很正常。但要天花板往上走，融资额还是 L4 公司碾压。Waymo这波没有人可以跟其去一个 0（的融资额） 相比，Wayve也是10亿级的规模，我们上市也是过去一年美股自动驾驶领域最大规模融资。资本的回应很明显。远川：这些从L2走到L4的智驾企业，在你的竞争对手列表里吗？楼天城：竞争我觉得不是坏事，这个行业足够大，大家一起做出来应该都有非常好的前景。但另一点我觉得，they are not on the table yet。远川：你们都相信自己的路是通向L4的正确路线，你们和特斯拉最本质的不同是什么？特斯拉有很多值得尊重的地方，特别是马斯克本人，且FSD是个非常好的L2系统，但模仿学习的几点问题他都没有回答我的疑问。但如果他拿结果打我脸，我立刻检讨自己哪个点想错了。根本上，它是有科技属性的公司，有很多科技不错的人，我的很多朋友在特斯拉，这是我尊重它很重要的因素。06
今年的运营目标，赶上Waymo今天的状态
远川：既然现在小马在桌上了，今年工作重心会是继续搞技术迭代，还是Robotaxi的运营？ 楼天城：技术发展也是为了商业目标，小马一直是家商业化公司，只是之前没有办法商业化。今年第一是成本结构，包括成本降下来，单车收入提上去。然后是规模，我们跟丰田、广汽、北汽三个车厂合作，技术研发以支持这两个方向为最重要的目标。远川：小马第六代车选了丰田赛那，一般认为运营智能化程度高的电动汽车更好，为什么选择丰田，因为是股东？楼天城：我们最后规模化、商业化的一定不是赛那。每一代有每一代的目的，第五代是做全无人，不管成本；第六代要到一定规模，第七代要更大的规模、更好的成本结构。成本不在第五、六代考虑中，选赛那就不是问题。至于智能化本身，车底盘上丰田有很多积累，线控应该说好于很多公司。还有一点能坐更多人的车更受欢迎。
小马智行第六代无人车基于丰田赛那，第七代无人车（之一）基于丰田铂智4X
楼天城：可以这么说，Waymo今天的状态。它有 800 到 1, 000 辆车，现在可能更多。而且它的单车财务为正，每辆车的成本折旧跟收入能够抵平，这也是我们的目标。 楼天城：早了一年，对外公布是在去年10到11 月份。 远川：你之前说感到可惜不能证明小马比Waymo做得更好。 楼天城：那是因为我没法在美国做，但今天他确实做得比我好。 远川：但如果你们 21 年成功上市了，节奏是不是会不太一样？ 楼天城：那不一定。那次没有机会上市有一些客观原因，但仍然觉得当年虽然迷失过，可以换来今天更好的相遇。 远川：为什么你觉得商业化节奏可能不会更快？你说过自动驾驶的技术进度已经过半了。 楼天城：但21年时还没有，如果那时候上市了，可能会影响技术的尽头，如果0-1过不去，这是致命的。我们是 22 年底过的这个坎，Waymo也没那么早。 远川：所以那段时间虽然你们没有成功上市，反而让你们在一个相对平静的状态下度过了幻灭期？ 远川：回到现在，Robotaxi商业化主要的要素，技术的进度已经过半，其他要素的进度呢？ 楼天城：首先政策非常支持，甚至领先于技术状态，这也是中国很重要的优势之一。然后产业链，量产能力上跟OEM有差距，我们在学习，做到Waymo那个规模肯定能学习到。还有运营。我们百（辆车）还是能正常运营，到千（辆车）有很多事要做，我们结合市场上比较好的经验，去理解运营有人、无人车的差别。比如车的状态，车自己在外面运营不一定把握很准。车回车库时是自动的，所以有整个自动化运营过程。包括乘客我们做了很多远程支持，原来问司机，现在问客服。 远川：小马不是强运营出身，会是弱点吗？运营问题能不能通过你的技术来解决？ 楼天城：千级别运营自己做是很有必要。首先需要做一个样板，才能跟别人合作，且我需要根据自己对自动驾驶的了解，把运营很多细节打磨得更清楚。但我也不会高看技术，我一直在学习运营需要解决的问题，特别是通过吸引更多有经验的人，还有跟已有的平台合作，比如如祺、高德。 远川：现在是在自己的打车平台上接单多，还是在第三方平台更多？未来以自己为主还是第三方平台为主？ 楼天城：千辆规模我们肯定会自己做，之后运营会更多依赖于合作。远川：小马和丰田、广汽、北汽合作Robotaxi车型，和多家打车平台有合作关系，自己又有打车APP，你们怎么协调利益关系？ 楼天城：我真说我做到十几万规模别人也不信。千级别之内更多的还是做一个很好的样板房，之后再合作，所以将来这个不会成为合作障碍，是一个合作的基础。楼天城：这是之一。还有每个公司有自己 DNA 擅长的东西。另外所有的大规模商业化，都是以合作，大家各自发挥所长来做。这也是历史经验。 远川：最近发生了一些案例，大家的讨论是不要攒局，能自己一个人干的事情，权责可能更明晰。 楼天城：软件各种模块我们都自己写，这玩意儿总有个度，总要对擅长和不擅长的有一个界限。如果所有东西都没有做，独自揽一个大局，可能有它的好处。但今天网约车是成熟状态，车辆生产也是成熟状态，这时候再都自己做不一定是好的。远川：听说小马的无人车会在相当长的一段时间里保持比快车更高的定价。通常认为无人车的竞争力是比人类司机更低的成本，为什么这么去定价？ 楼天城：这不是我一个人决定，有商业上的考量。但我期待自动驾驶能够提供比人类驾驶更好的体验，而不是只是从价格上考虑，不会接受单靠低价格去卷。远川：比较流行的认知是打车市场是价格驱动，大家只对价格忠诚，体验驱动的市场有多大？ 楼天城：中国有几百万的网约车，就算万也只不到1%，占整个市场1% 肯定是有的。 楼天城：就算将来有一天想降价，至少体验也要拉住。我还是希望至少很长时间内，大家是觉得体验好，整个体验consistent（连贯稳定）来坐自动驾驶，而不仅仅是因为便宜来坐。 远川：那海外呢？小马和丰田有合作，会不会在日本落地Robotaxi？日本老龄化、劳动力不够，像是比国内更理想的市场。 楼天城：首先我觉得国内也挺理想的。今天我们主要部署欧洲、香港、中东，新加坡、韩国，当然今天还并不能轻易判断某个市场是一个好的市场，但一定会有很多。但政策上海外还需要一些时间，更像我们在17、18年的时候中国的状态。他们需要走过这段路程，需要实践，这个可能才是真正的决定因素。远川：Robotaxi的出海会伴随模型的出国，在全球不同地区，需要做什么样的适配工作？模型重新训练会不会是很大的阻碍？ 楼天城：国外要搭训练环境去重新训练，这很正常。当地可能首先会关注数据安全，世界模型也涉及数据安全，它生成了很多东西，严格讲也是有已有数据的印记。小马很早在意这件事，所以各地都会有布局。关于Robotaxi的驾驶能力，这是L4和L2的不同，L4的好处是可能需要一些训练，但是量可能非常小，因为到新地方只需要弥补应对普通驾驶状态的能力，而L4最难的极端情况在各地相似度非常高，这块需要的可能就是小的补丁。楼天城：相当于我们在国内的17、18年，业务没法超越政策。老龄化可能是推动海外政策前进的一个原因，但单从政策成熟度来说，中国高于海外（不包括美国）。但如果（海外）政策突然放开， 不代表我们也要走过这么多年。07
复杂系统工程，要求团队Organic Growth
远川：有看法认为，Robotaxi毕竟有很强的运营属性，当你是一家人才密度比较高，软件基因较重的公司，不太能做苦活累活，这个说法成立吗？ 楼天城：一个团队可以稍微偏科一点，但偏太多的话团队性价比非常低。我们从19 年开始做运营，在人才结构上有一些积累，并不是你说的这种状态。但一种属性的团队擅长做一类事情，我非常认同，这也是为什么跟相关企业合作。远川：这和组织发展相关。你认为做成 L4 ，更多指Robotaxi， 需要什么样的组织？楼天城：第一是growth ，Organic Growth（内生成长），团队在需要一些职能的时候引入这些职能，和公司从小到大一起成长，在它应该有的时候就有，而不是在它应该有之后很久才有，那叫空降，损害非常大。简单说自动驾驶是一个非常复杂的系统性工程，要处理方方面面，不能有一个应该做的事被落下，后面再靠硬补。不是说后面那个能力跟不上，而是大家没有走过一起从小长到大的过程，关系是完全是混乱的。不是说团队的人员要这么稳定，但至少积累能够延续传承。还有一个是“真正通过长期积累，而不是通过一颗silver bullet（银子弹，指一劳永逸的办法）把事情做好”的共同认知，也是极其罕见的。罕见在什么地方？耐心的意识要有，但还要耐心的能力和资本，能看清耐心是有价值的，不是一件事做很慢就叫耐心，对一件事需要做多久能有回报要有共识。跟这个相关，碰巧创始团队所有人一生中都经历过这样的事：想要什么东西靠自己努力获得。如果没有这个对团队是非常大的伤害。楼天城：他09年就开始了。Chris Umson（谷歌无人车项目创始成员，现Aurora CEO）去的时候，车在沙漠里能跑就不错了。然后车一步步走起来，后来需要的也一步步来，非常符合这个属性。楼天城：但他的技术传承了。Waymo每个人待了很长时间，大家一起讨论、干活，有技术传承。应该说硅谷顶尖的科技公司都经历过我说的前两条。楼天城：这是公司发展阶段造成的变化，发生过很多次，但跟 IPO 没关系。一两年之内我对成本和体验的关注明显比之前多，下面关注量产跟车厂的合作，这是这个阶段真正关注的点。远川：这会不会是你没那么喜欢的工作？你应该对神经网络或杠杆率更高的工作感兴趣？楼天城：作为 CTO 要随着技术、阶段变化，让自己的能力跟得上这个阶段，如果有最好，没有就去学，学会了最好，学不会就找这样的人，把他当partner（合伙人），跟他请教或者依赖他做这个事。后面这一半最近发生了很多次，这才是对公司最有益的做法，这个能力恐怕才是对 CTO 最重要的能力要求。
CTO楼天城与CEO彭军
楼天城：首先要分辨现在最需要的能力是什么，且能够学习、转变。远川：你是运筹帷幄型的CTO，还是带队攻坚型的CTO？楼天城：都有，什么需要做什么。现在前者多一些，但攻坚也会发生，后者前期多一些。远川：你心目中一流的公司是什么样的，你对小马的期待是什么样？楼天城：我是个偏执的结果主义者。结果好的公司是哪些？有成功的商业化，还有一些底蕴，市场发生一定的变化它能够很稳地应对。今天我们对变化应对了一些，虽然有时候不太想应对。商业化产品还没那么成功，从市值上表现比较明显。楼天城：AI催生的可不止这些。Open AI把它分成五级，有基本语言能力是第一级，和组织没啥关系。第二级能做很多的辅助工作，已经有些关系。第三级如果能取代的话，会很不相同，人跟 AI 之间如何配合？要把 AI 当成组织形态一部分了，这是很大的挑战。简单说，（催生新组织形态）有可能，可能最终是取代一部分人作为前提发生。远川：AI也对小马产生了冲击，你们切换了技术路线。AI技术的变化很快很广，这个过程如何避免迷茫？楼天城：这跟行业有关系。从搜索引擎到手机互联网再到人工智能时代，每过三四年热门话题都在变，坐在前面的却还是这几家公司，一方面是底蕴，另一方面是这个领域的人对每过几年有一个大变化习以为常。有这样一些变革，甚至不会对领域中leading（领头）的人有特别大的触动。楼天城：我不表示因为我是CTO，就跟大家不同。大家都是这个行业一路走过来的人，应该都看到这行业的发展。干这行的人，这是他生存本能。远川：小马花了8年时间做商业化的准备，这么漫长的过程，反馈系统要如何建立，防止大家迷茫？楼天城：做有感受的年度目标。比如五年前，我并没有前人的路，我甚至不知道前面有多远，但是我仍然需要告诉他们。两年前我们开始做真正的纯无人化，到年底可以请你的亲戚朋友来体验，这就是这一年的目标。楼天城：因为他们自己理解，但很可能亲戚朋友不理解。很多时候公司目标不是做给员工看的，是做给他亲属看的。
08
自动驾驶遇到的问题，具身智能过两年都会遇到
远川：AI这波浪潮，有没有带来什么你曾经深信不疑的，但后来充满怀疑的认知冲击？楼天城：Alpha Go本身有点冲击，因为我个人很喜欢下围棋。但这种冲击不是对AI潜能的冲击，而是对人有多蠢的冲击。我一直觉得人还是很聪明的，当时发现人原来这么蠢，千万别高看人类。人对“人才是掌控”有非常强的认知，其实根本不是。Alpha Go这个例子，人的思维不过是对一些形状多记了一些，多算了几层，人并没有想到很多AI想不到的东西。今天的AI还没做到很多人能做到的东西，但是也没多出太多差别来，我们并没有什么特殊性。到工作中，我看我们车开得跟我想法不一样的时候我不敢啰嗦，因为有可能是我太弱了。楼天城：是。Alpha Go出来后大家质疑它的商业前景，这没错。我在想智能将来做到比人好，什么事是真正能落地的？到今天为止，我仍然觉得当时做了正确的决定，自动驾驶可能还是所有中最容易的。比如具身智能、Chatbot都比自动驾驶难，它们今天还火原因是也在创业早期，等走到自动驾驶这个阶段的时候，自动驾驶遇到的问题每一个它们都会遇到。自动驾驶，出行是刚需，而且出行本身有价值，且上下游产业链，车、运营平台是成熟的。这应该是所有 AI 应用中基本最成熟的东西，你看其他东西，根本就不ready。楼天城：Good point。我会这么回答，对真空期的忍耐能力要求高了，比当年出来难了。Elon 10月 10 号那个 demo 如果放在17、18年肯定很震撼，但今天，sorry，桌面不在这儿，这就是进来晚带来的压力和难度。但他不需要考虑投资人，他自己挣钱就行。就启动真空期变得特别长，难度变大了，但单从技术上我觉得还有很多机会。
特斯拉提出的新课题：要不要既做自动驾驶，又做具身智能远川：特斯拉也做机器人，这种很性感的事在小马的规划里吗？楼天城：前两年很性感。但我还是觉得两年之后它都会遇到我今天发生过的所有问题，所以我不看好它之后的未来。如果那天能解决自动驾驶早就解决了，我没必要从一个很好解的问题跳到一个更难且更早期的问题去。远川：那小马以后会做吗？是有规划没到阶段，还是说根本没有这个想法？ 楼天城：现在还是更专注自动驾驶，之后降维到自动驾驶其他领域，包括Robotaxi之外L4的其他应用，甚至包括L2，L4的能力上量产车，这些都是Robotaxi做成之后再打开的很重要的市场。远川：有一种看法认为具身智能包含对世界更完整的认知，更多自由度的运动能力，它上限更高，做成了之后可能会反过来降维打击自动驾驶。楼天城：我选自动驾驶也不是因为它天花板最高，只是它足够高，且真实现是可以看得到的，具身智能就太难了。做个demo，在自动驾驶是 15 年甚至 14 年的事，具身智能这关还没过。后来我们一直走到今天，严格讲还没有大规模商业化，具身智能只会遇到更大的困难。它还没管成本的事，商业模式存不存在都还没管，更多是能力的证明。但很多技术理念大家可以多交流，世界模型这个词也是从具身智能中来的。远川：国内的L4公司里，小马的商业目标可能是变动最小的，是什么让你和James这么坚持？是之前受过的教育，圈子里的同辈压力，或者说追求更高的成就感，还是就想赢？楼天城：都有，不过可能更重要的一点，我抵制住了诱惑。很多变化大的公司，我真不觉得是因为他们状态真的就不好了，或者坚持不下去了，而是因为有诱惑，让他觉得太诱人了，被一些短期的东西所迷惑。楼天城：做了之后没法达到原来的高度，也是一个诱惑。或者至少我看清了很多，短期看似很好的，但长期不如自动驾驶的，既包括天花板不如，也包括实际可行性不如。比如具身智能的天花板更高，但我也没有做，有些天花板更低的定位其实是一个平衡。楼天城：坚守多年，一直做这个事直到把它做出来，中间遇到各种困难的时候都是走自己最想走的一条路，而不轻易地委曲求全。谷歌、Facebook创业前几年的经历都跟这故事有很接近的地方，首先以终为始是肯定的，还有各种很 regular （常规）的事情一路做到底，没有突然间有个 silver bullet，这跟所有的武侠小说或者电影拍的完全不同。它不能满足绝大部分人对一个成功好公司的想法，但这是好公司应有的样子。就像欧洲杯冠军西班牙12年的样子，4比0意大利，决赛。没有什么峰回路转，没有绝杀绝平，一路上非常平缓，那才是冠军应有的样子。但它完全没法满足球迷的想象，大家都觉得踢得很boring。楼天城：对，他在那个时代是传控足球，但后来不是也拿了冠军。他拿了冠军别人说传控足球好，后来用别的踢法拿了冠军又说别的好，所以结果才是关键，过程不是。楼天城：偏执的结果主义者。这帮助我少走了很多很多弯路。
