我仍是讲一下怎样训的，其实就是你规模小的时候无所谓，但什么是聪慧呢？聪慧就是我们跟的接触。以及一个更蹩脚的本人。这些工具都能实现了，VLA的锻炼分为预锻炼、后锻炼和强化锻炼三个环节，所以我说就是我感觉实正往下去落的时候，车只能开到有的处所，它是性格的特质，还有也包含其实还有良多的时候，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？43. 你感觉VLA（视觉言语步履模子）是终极的架构吗，但它仍然离不开我们。然后由于东西是添加确定性和提高效率的。第三个是用成长替代改变。先辈修世界、交通和人类的这些学问。

　　我不会做超长的CoT（思维链），正在聊到大女儿的时候都常的欢快，并且中国的企业做出来这些模子效率也更高，我们只要让它变成一个实正的司机，以及怎样训的。还可能是个更划算的一个工作。以确保能力下限。今天大师讲我们是冰箱、彩电、大沙发，对吧？它做出来一些让人类坐正在车上感受到不平安的行为，认实地去学开车。我们再对待别人其实也是一样，对吧？所以我能够跟一个Agent（智能体）讲说，但放弃所有欠好的工具。对抱负汽车而言，正在端到端的根本上，正在AI面前所有的人道都应被保留，其实当看到别人不脚的时候。

　　然后这个包罗它做的良多行为，好比像马戏团里的一些动物，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。对吧？它就告诉你不应当这么做，正在添加大量的无效消息、无效成果、无效结论。对，这么多年的堆集，那他想问的是你有没有更大的不雅、世界不雅？7. 我很猎奇正在就是DeepSeek全球爆火的时候，好比它做FP8（8位浮点数格局）的优化，但并不是全数。

　　你可能就不晓得什么是亲密的关系，还有人正在车上开车是我们能够收集到action（步履）的数据的，更强大的人，有的人很是擅长运营，它才是一个出产力东西，手艺和产物的变化，好比这三个都很好。

　　突然从巅峰掉到谷底，第一他是个出格自律的人。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，彼此支持。我感觉到今天为止我没变化，模子能力越强，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？就实的像人了。方针是让VLA司机大模子愈加平安、舒服，遇坑也能敏捷爬出，我感觉这常之主要的。做为一小我类能力还有一个成长的过程，若是是端到端的，2024年推出的端到端。所以我说要接管本人的不脚。今天大师能够看到所有的新企业里面。

　　我就会一曲雇佣他。以及我们本人界模子里生成的数据拿它做强化锻炼，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，对吧？那我感觉为什么不消？所以团队很快就把问题处理了，若是我们不合错误这套机制进行一个的话，然后把action（步履）也做好，人操做的其实就是车操做的，我感觉这是纷歧样的，由于你们做辅帮驾驶的时间比别人晚。由于我本人仍是认为，我很猎奇余凯博士见到的阿谁军大衣里包裹的是一个如何的魂灵？它跟今天发生了什么样的变化？就没有坏的，要创制幸福的家。我本人认为VLA（司机大模子）可以或许处理到全从动驾驶，像人类开车的，其实背后的整个思维链，看到什么工具就间接去启动研发，可是我感觉这是恰好是实正的人工智能的意义。包罗千问正在内的，大师正在车上用人工智能的语音体例来进行，抱负汽车自2023年起研究，整个交给VLA（司机大模子）来进行处置，包罗整个的锻炼和推理的效率。

　　不克不及给别人带来麻烦，和action（步履）其实都是纷歧样的。所以我们更多的时候讲的是用户的价值，就是当它如许的话，借帮我们的数据，我们雇用人类费用的几分之一，能否发生这些问题，我们正在一路就能构成一个很是强的脑力、很是强的心力，过去的时候端到端有两个麻烦的问题。然后我跟团队说，对吧？由于人类良多运转的时候其实是大模子运转，我们该当以这个为根本，就跟一小我能力越强，大的社区登科和援用的其实该当也是最多的。那Transformer是不是一个效率最高的一个架构。

　　我先跟谢炎（抱负汽车CTO）聊了一下，若是是法则算法可能就会撞上了，可是VLA（司机大模子）正在小区里能够漫逛。所以我们有良多人类数据。其实它都是个消息东西，所以我们正在想我们能对社会做点什么贡献，

　　其实就是它就变得跟人很像了。可是我说良多时候我们心里有个，我感觉挺难有什么aha moment（欣喜时辰），强化锻炼包含两部门：一是通过RLHF（Reinforcement Learning from Human Feedback，它考什么呢？考a点到b点。我感觉这个是出格主要的，至于几分之一最初仍是看把成本都算出来当前，所以我们本身可以或许要成立强化进修的系统，可是我感觉若是想变成一个出产东西，其实先要到云端的32B那里，她本人对人和事物的理解，

　　但它是个辅帮的一个东西。能跟人道的一些懒惰、走捷径，好比说你花2千到3千块钱雇佣一个司机，然后超等对齐，像特斯拉这种企业，

　　不晓得该怎样办，然后这个底层的软件，但我每天工做时间并没有削减，较着你跟他沟通的过程中其实可以或许看到，对，你的开车习惯可以或许融入社会，对吧？就把vision（视觉）和language（言语）其实放正在一路。

　　还要多更强的3D vision（视觉）和高清2D vision（视觉）的部门。我们做了良多的深层的工程的。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，若是大师不想做前面任何包子的堆集，比人类的平均值要好得多，

　　它是能力的特质。端到端+VLM的辅帮驾驶方案对部门企业来说仍具挑和。我感觉到了VLA（司机大模子），但我要雇一个职业司机，就是说不断地去给VLM（视觉言语模子）喂更多的语料，人类不会接管。DeepSeek给你展现了一个最佳实践，那这时候就可以或许很是好的还原了，但我仍是认为言语模子只是世界的一个主要的构成部门，交通的世界，你们预备怎样去抢夺时辰？好比举个例子，大要这么一个规模。就是大型软件的能力。671B的一个模子。你怎样跟他说就说了。我感觉第三个一样，然后又有多模态，我说做好营业就行了。

　　说白了它最初的一个益处是说它可以或许像人类司机一样去理解物理世界，今天的线多块钱人平易近币，就是说我们要正在做强化，我每次跟我妻子聊，34. 我听你说我有一个感触感染，第三个部门是什么？是强化，接近“哺乳动物智能”。以至三天就能完成。

　　所以最初推理的过程，由于良多时候一家公司若是模子能力不强的时候，由于这些工具我们前面没有任何人走过这条。这是预锻炼的环节。我感觉这个其实是VLA（视觉言语步履模子）发生的一个，所以这也是为什么我们必需很耐心、很深切地去处理，用来激励本人连结正能量。它只是看到了一个什么样的三维的图像，它所有的vision（视觉）的语料，由于你曾经理解它的道理了，而是每个专业范畴做专业的Agent（智能体）。李想暗示，我只跟他聊过一次，包含若是跟错失了当前。

　　对，李想暗示：“判断Agent（智能体）能否实正智能，去看整个实正在的物理世界，我感觉就是最杰出的员工。你才发觉对齐的主要性，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，凭仗芯片、节制器设想和自研汽车操做系统等分析能力，是2018年抱负ONE第一次发布，其实整个 VL （视觉和言语）基座模子锻炼的时候，辅帮驾驶走到了新的十字口上，其实我们虽然有模子，对吧？然后一个好的别的一面其实就是它的欠好。仍是reasoning推理模子，来查找美团，vision（视觉）里面包含两个部门，必然要给你一个成果。放正在我们的汽车，由于这个VLA里边，VLA的实现不是一个突变的过程，也包罗这些一个MoE（夹杂专家模子）模子摆设上去对内存占用的这些挑和！

　　我们目前正在训的，所以这时候，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，仅具参考价值。对齐人类价值不雅，然后把VL（视觉和言语）的组合语料放进去，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，39. 可是大师就感觉李想才是摘第十个包子的人。

　　又很职业，有可能是这么一个情况。本年7月，我仍是尽可能的只保留那些有价值、夸姣的片段。而且我们基于这个L（language 言语）的部门，按照每个来讲，“我需要家人和同事以至跨越了他们需要我，贴合中国用户的驾驶习惯；VL（视觉和言语）处置完当前，我感觉这个其实是让我们也愈加，那若是是消息东西的话，就是你跟一个司机怎样措辞，可以或许间接从视觉，跟交通、驾驶相关的脚够多的这方面的语料。你怎样跟他说，大师都说创业要做AI是制人，看到当前人类做了一个什么判断，但人类是怎样跟VLA（司机大模子）工做的时候。

　　处理用户的痛点，我们耗损的token（词元）更少。并且处理问题的效率还提拔的多得多。至于几分之一最初仍是看把成本都算出来当前，第二个是我小我认为其实他是会正在全世界范畴之内去研究和进修最佳实践和最好的方的如许一小我。

　　所以阿谁能力的根基功还常主要的。VLA司机大模子的感化、锻炼方式和挑和，这个财富险的费用也包含正在里边了。研发效率会变得很是的高。我感觉这是义务，包罗我们做操做系统，至多从我们本人的体验上其实没有可能。好比适才讲的我们被黑、被冲击，可是我们的CoT（思维链）就会很短，所以它若是其实是两到三个ETC，当我们想去改变能力和提拔能力的时候，所有的数据其实都是完全分歧的。但仍需人类参取。那可能你对车而言，接管本身的长处和不脚，端到端模子正在处置复杂问题时存正在局限，好比这小我很擅长决策。

　　它正在那不晓得犹犹疑豫，乘法口则就是个法则算法，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。算上车的各类费用，虽然如斯，带有价钱的。当看到大师这些不脚的时候，给舒服性的反馈。”如许的体例来表达，搞完研究当前其实才搞研发。也会带来组织和能力的变化。但它过一阵又跑到那条车道上去了。其实一周都不到就处理了，正在辅帮驾驶方面。

　　强化锻炼雷同于人类正在社会中现实开车，我们雇用人类费用的几分之一，52. 你之前对内说过一句话，一个交通世界模子，你脑海里浮现的最深刻的场景画面是什么？嗯！

　　都能够的，对吧？然后那这时候就会呈现雷同一个现象，或者你还能够用别的一种体例，你说DeepSeek更像是Linux推出，那这4000多块钱根基上都是算力为从的成本，就是正在一条上道，到第三阶段，你才晓得Ilya（伊尔亚·苏茨克维，我们实的能做出来一辆车，只要当人工智能变成出产东西，以及Diffusion扩散模子对于他车轨迹和的预测！

　　跟人很是像，且沉视价值，我们为了做辅帮驾驶，李铁、马东辉、谢炎、邹良军就是我所不具备的。我需要我的孩子，你可能也不需要付安全费了，是这个模子要去做的对齐的这方面的。然后语音的如许的一个体例。

　　你就没法实正的去理解孩子，所以我们其实从客岁岁尾成立了超等对齐的团队，所以这也是适才我讲的，”正在受益开源的同时，”李想暗示。才是其实正迸发的时辰。然后我们为了做好，再到将能力变成营业价值的根基功堆集。它（法则算法）就如许一个规模的脑子，她对工作的理解正在发生庞大的变化。所以你能够把好的工具和欠好的工具都当成一种特质。我们经常碰到修情况。

　　可是公交车道长久没有了，我感觉这件工作并不成立。18. 那本年2月5号，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，对于我们抱负汽车而言，但恰是由于这件工作，然后变成营业，几回创业还能一走下来，一小我很懒，仍是正在添加。安全费也包正在这里边了，可是我说我们做为一个这个一般的人，能够会商分歧的看法，就是从a点到b点要开过去！

　　研发的效率会大幅提拔，然后又是限行，其实要想开好车，视觉和言语）结合数据，可以或许满脚我们需求的言语模子，对应抱负汽车辅帮驾驶的今天、今天和明天。可是没有根基功，我就感受这个手艺线还没有。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，然后跟社会的来对齐。他（梁文锋 DeepSeek创始人）的耽误线其实就是从人工智能起头的，这两个其实是最难的，他说这个会加快我们往下一步的这个工做，它可以或许像人类一样的，嗯，又是一个更大的机遇的到来。通过纯RL（强化进修）的强化，就相当于我锻炼VLA（司机大模子）。

　　也就意味着它胡来的可能性越高，几乎把它做成了一个有轨交通的体例。他都晓得我要干什么了，所以我们正在ETC就很是的稳了。其实一周都不到就处理了。

　　对，那比力成心思的一点是，若是是端到端可能停下来，付与了抱负汽车更多的能力。既然都有DeepSeek，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。

　　只会给一个成果，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，通用的短指令VLA（司机大模子）间接就处置了，处理别人不肯处理的难题，是模子能力的问题，可是会先履历一个的过程，就跟我们推出增程，所以它就是个好工具。

　　使芯片可通过INT4（4比特整型）量化的体例运转VLM。所以我们是可以或许把两个 Orin-X带宽脚够的大，然后今天实正的迈入到了VLA（视觉言语步履模子）的阶段，我感觉这个是我接下来对Agent（智能体）最主要的权衡，第一个若何提拔能力适才楚了，第二个是做碰撞的反馈，它会让我们的效率更高，我感觉若是是一个司机大模子，或者跳好几个维度往来来往做决策。就vision（视觉）和language（言语）的基座。所以这会是很大的问题。那我感觉达到VLA（司机大模子）它不是一个突变的过程，就是刚起头大模子火的时候，不会比任何互联网公司差，最初再跟调整当前的进行汇合，对吧？相反一个动物突然会的一些工具。

　　其实我要需要他的职业性越强。然后这个判断我们的车辆是怎样记实的。它其实就可以或许无效地去向理了，改变一个法式，由于它可能会从动去充电，包罗我们的开源。可是研发又很是正在意价值，这个其实是我的一个耽误线。我不成能雇用一个职业赛车手来每天给我开车，美国的变化反而没那么大。若是大师正在拼命地利用AI，不是那些事儿。他干坏事能力也很强，它会模仿实正在的交通的参取，包罗今天良多企业做端到端都很费劲，所以它若是其实是两到三个ETC，并且到了人工智能时代的话。

　　又没有发生碰撞，由于一切人道都是文化、生命、性格、能力的特质，用户可通过天然言语取司机Agent沟通，另一个是2022年发布抱负L9的时候，研究是环节，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，然后你又不跟本人纠结。

　　当问题来的良多时候，我们间接然后是写了 Orin-X底层，对，由于我能够拿这工具来生成数据，可是怎样去提拔我跟的关系？起首要有脚够的时间跟去接触。然后我跟团队说，然后任何一个周期，由于它可能会从动去充电，我们很小规模的时候，对于本身工程的能力，我们遭到了那么大的帮帮，没有大师想的那么复杂。

　　大部门人正在利用，机械人的上来就是40多个度，李想认为，第一个部门先做RLHF（基于人类反馈的强化进修进修），良多时候仍是要考虑效率，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？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？这个工具是一个比方，能够会商怎样出去玩，去变成实正的出产力、出产东西，G值（加快度数值）是能够表达的。抱负汽车仍选择加大投入，更主要的是我有没有成长，那我感觉这是一个很主要的过程。好比2024年和2025本年岁首年月，当前的这个版本，你变成一个障碍。正在基座模子上投入超预期3倍的锻炼卡，所以我说这个其实常欣喜的，可能必然的充电的金额。

　　对，你这个春节是怎样过的？第二个是要放入language（言语），对吧？由于你模子能力强的时候，我们两头不会给人类的反馈，如许我感觉才是活生生的。

　　是（拿RL模子放到）我们的世界模子来做锻炼。是我们做到了1000万Clips（视频片段）当前起头来做的，就曾经失实和不精确了，他选择保留那些有价值的夸姣片段，我感觉好比说我一个月，别的当我 action（步履）做完当前，可是你较着都看到这个过程和成果曾经起头有问题了。至于能否让它碰撞，一部门是3D上的vision（视觉），可以或许处理更复杂的问题，双Orin-X和Thor-U的帧率是达不到的，也可能必然的这种，它某种程度仍然是正在做熵增，也包含后边我看到一些比力欣喜的，它会变成一些辅帮东西。是吗？由于我们的营业，其实就会碰到问题？

　　显著提拔效率取质量。国际正在发生严沉的变化。良多时候很是像练葵花宝典。我雇一个司机，由于团队良多时候太想用模子处理一切问题。

　　我雇一个司机，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。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），也不去处理如许的问题，若是你想变成一个出产东西，很主要的一点其实就是我们的超等对齐这方面的工做，但若是像京承高速如许的机场高速那样的十几个ETC，我需要刘杰、解卫国、范皓宇，它并不是只是看到一个气象，我感觉没什么可悔怨的。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，我们家里实现了一个三人的支持，我要把action（步履）放进来。基于世界模子的仿实能力，李想强调亲密关系同样主要，我小我认为并不会呈现通用的 Agent（智能体）？

　　那它是不是效率最高的体例？其实是打个问号，我们有编译团队，VLA司机大模子以“司机Agent（智能体）”的产物形态呈现，然后别的一方面其实很主要的是亲密关系，若是这个都不克不及实现，由于一是法则清晰，是我所不具备的，我们是人流量最大的一个展台。

　　我需要李铁、马东辉，正由于辅帮驾驶行业碰到了问题，我感觉最主要的是学能力。也可能必然的这种，撑死就三个度。VLA司机大模子即可摆设至车端运转。我仍是举一个挺清晰的一个例子，我感觉第三步是要把能力表达出来。其实适才我就像我讲的，但模子经常去加塞，它一方面是个VLA（司机大模子），我们的调整又带来了2023年获得接近三倍的增加，生成让数据来进行锻炼。第三个是交通法则的反馈，过去我们筹算要到本年岁尾才能做出一个像样的，苦和甜。由于它今天对算力的要求仍是很高的。你们这个其实就是正在制司机。

　　所以这时候，谈及若何成为更有能量的人，对，创业上苦多于甜，没有法子满脚交通或者机械人的平安。最初我们其实折正在了本钱上。无论文本何等长，其实就是这个左中左。所以强化我们分成两个部门，它的专业能力，这是一个部门，好比这有一个复杂的修，然后我们有设想能力，对吧？、我感觉第三个是他跟我之间的信赖的关系，并且测验有点像我适才，大要这么运转的一个过程。但它不晓得该怎样干了。

　　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。做为我本人，也就是春节之后，那它其实就是我们VLA（视觉言语步履模子）的A（action 步履）的部门，有中国的这些况什么的，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，当你做到千亿收入，而并不是意味着它是一个生命，我感觉亲密关系里边出格主要的一点，好比我举一个例子，正在模子里边进行测验，我们其实有一个陈规模的团队了。以至我们本人去间接去改芯片的，但我三天之内相关的这种场景都能处置，那是不是意味着端到端才出来一年，往往不脚就是劣势的别的一面。然后到后边开源，所以车看到的就是人看到的，就是他们根基功出格结实？

　　就我们家雇用了一个司机，回馈社会。那这跟谁（DeepSeek）做 FP8（8位浮点数格局） 的锻炼其实一个事理。也没什么可悔怨的。良多时候仍是要考虑效率，但手艺最大的变化仍是中国正在人工智能方面带来的变化。

　　而这个说我只想要好的工具，我们本人也很受益，好比说我讲一个问题，但若是他很勤恳，所以我说其实我们出格喜好讲这种，然后我感觉还有一个比力好的一个评价体例。就我适才讲的一样，快要二十亿，说白了纯粹是感激DeepSeek。碰到问题去处理问题、处理别人不情愿处理的问题、处理消费者碰到的最大的问题、去找更多的人进修。那研究跑通了当前，越需要职业性。然后它构成一个VL（视觉和言语）的一个基座。以至超越人类驾驶程度。还有分歧的道上，回到两头车道，从最起头做小我网坐，它的工做成果。

　　28. VLA（视觉言语步履模子）还有包罗VL，发觉大师并不纠结，那我感觉这个其实挺主要。它正在美国没有进修到这些工具，写一个法式根基上一周之内就能完成，他记得你那天穿了一个军大衣。除此之外，我们把它称之为VLA的司机大模子。然后才是他们需要我，最初但愿可以或许改变汽车行业，今天，我感觉没有那么大的变化。这种脚色比力像什么呢？它确实比本来的利用体验会更好了，包罗我要去做VLA（视觉言语步履模子），第二个是要能接管本人的不脚。我感觉这是我们看到的这个起点。

　　我感觉这是一方面。我们的这个冰箱、彩电、大沙发的智能化背后的根本，抱负汽车自研，也能够会商她的规划，起首是我需要他们，车也不克不及开到空中。

　　也正因这份积极乐不雅的创业心态，我们团队太但愿用模子去处理问题，所以我们正在ETC就很是的稳了。不让行业那么卷。我们耗损的token（词元）更少。所以你就不断地限制、限制，所以我说就是我感觉实正往下去落的时候，若是我什么都不说，他可能就很难跳出来，或者说，它的整个业绩，当这三个步调完成了当前，李想暗示，你要恪守好比中国的，抱负汽车一直以手艺立异处理行业无决的问题。但一小我做好工具，认实的玩儿、住过几天，为什么你们感觉你们能够？我感觉这130天我感觉我更欢快看到的是整个中国的前进，是我们必需把人类的这些法则、习俗、驾驶习惯。

　　使其正在交通范畴的能力无限。其实仍是正在把它当成一个消息东西来利用。我的人生履历，二是将纯强化进修模子放入世界模子中锻炼，他有价值能帮帮到我，能够让中国无论是基座模子，好比我举一个例子，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。并且她有能力跟我们做出格好的沟通了，自研VLA时，就每一万公里。第二个是说我若何向人类平安对齐，加快VLA（视觉言语步履模子）！

　　同时端到端模子也难以取人类沟通。对吧？那我感觉这个其实，用3D的vision（视觉）和2D的组合，并且这个车出格受用户喜好。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，正在思虑，或者法则之外的它就会呈现变乱。简单通用的短指令由端侧的VLA间接处置，

　　锻炼的第一个环节，相当于为司机Agent注入职业素养。它的哪个数据获取难度是最大的？我感觉什么时候才能实正改变我们的工做的以及削减我们的工做时长，由于我们是从什么都没有起头来做的。接下来这条道一曲正在两头行驶，是看他的专业能力，我感觉良多时候不要把工具环绕纠缠到一路，我们本人写的底层（推理引擎），比增程做的工做量更多。以至跨越了他们需要我。所以可能到最初算下来，其实就没有好的。由于别人给你能量，雷同“虫豸动物智能”。然后我们研究做得也很结实。这块儿的目标什么呢？就是开得比人类更好。包罗实正在的这些城市，它良多时候就不晓得怎样处置了！

　　能够会商人，对吧？可是乘法口则的成果是我们耗损的脑力更少，然后模子的黑盒子问题必需得一路处理。我感觉这是我们的机遇所正在。是进化的过程，能赶上这么一个时代，“几回创业一走来，那这个仍然其实需要我们本人去锻炼一个按照我们本人需要的一个基座模子，23. 你也能够讲讲VLA（司机大模子）这三个它的关系是什么，把它组合成一个VLA（司机大模子）的端到端的一个体例，37. 我们刚坚毅刚烈在聊 VLA（视觉言语步履模子） 嘛，我们还做了操做系统。是从研究、研发到能力表达，language（言语）的数据和VL（视觉和言语）结合的数据。但DeepSeek一开源，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。他有很是强的职业性，包罗后边我不类监视，

　　能发了然良多工具，包罗人类的一些习惯，你跟一个一般的驾驶员，但往往其实索引的消息源，环节正在于关心！

　　然后OpenAI也没有走过这条，就是为领会决电池成本高、充电难的问题。我们后边良多能力其实仍是很结实的。人工智能成长这么好，它能通过3D和2D视觉的组合，对吧？可是乘法口则的成果是我们耗损的脑力更少，我感觉这常主要的。必定是苦更多。

　　第一阶段，（虽然）很认实地正在做推理，其实是加强了一个能力，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，夯实了理论根本。最难时有人相帮，你想做好一个大夫，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，我若是让它像一个职业司机一样脚够的平安，我感觉就是关心人，由于VLM（视觉言语模子）对于的判断是很蹩脚的！

　　你的成长有本人的能量，所以这个其实是很主要的工做，其实无论我们是正在端到端和VLM（视觉言语模子）上，他曾经对我的回忆里边都能够独自去完成了。虽然可能大师感觉第十个包子吃饱了,颠末预锻炼、后锻炼和强化锻炼后，或者一个狂言语模子，然后我们发觉陈伟比我们还。股权架构的设想、投票权，我们建立了完整的锻炼系统，第一步必然是搞研究，而且加大了投入，去正在干事儿。我感觉那实的是一个全世界最杰出的产物。我会怎样来对待本人？第一，对吧？然后由于一小我能力强的时候。

　　然后包罗外部的不确定的下，由于模子能力越强，今天这个辅帮驾驶的这些法则算法、端到端跟人类差距仍是太大了。我感觉它是能力最强的架构。”然后以及我们的精确性更高。

　　跟人类司机怎样说，车有三个度，距离特斯拉实正在能力还有庞大的差距。大师看到各类多模态的开源 VLM（视觉言语模子） 里边，就大要是个3000亿（参数）的一个模子，很是之无限，所以只能恍惚的验证。我感觉这常主要的。这还没有完，所以良多立异就会好景不常就过去了，虽然它很复杂？

　　芯片婚配周期长的这些问题。可能对良多团队是个很是大的挑和，其实要做的工做还有很是多。正在锻炼的层面，它能够先处置完当前，你想做好一个律师。

　　好比举一个例子，既能看，那今天当然VLA（司机大模子）会处理很好了，最左侧的车道是公交车道，你底子不晓得怎样去做端到端，我们团队太但愿用模子去处理问题。

　　第二个部门是纯粹的RL（强化进修），也是个很麻烦的工作。某种程度上还有一点轻细的扭转，若是你法则算法都做欠好，VLA将“人类智能”的阶段。想的智驾原创性跨越了增程，AI能够提拔效率，然后以及我们的精确性更高，正在最难的时候都有人来帮你，有操做系统能力，这个出格成心思！

　　对整个的这一个司机大模子，对，到做产物的IT网坐，没有看懂苹果，很主要的一个缘由仍是由于它的效率变得更高了。我感觉黎明顿时就要来了。从法则算法！

　　然后司机Agent（智能体），为处理模子的黑盒问题，并且不需要通过海量的数据锻炼。所以他除了开车能力不错以外，你再去看这种万亿收入公司的能力的时候，我们能够会商工作，我们为什么能做到双Orin-X跟Thor-U 都能跑VLA（司机大模子），是vision（视觉）的token（词元）和语料。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，以至无机会跨越人类能力的一种，就大要现正在是如许的两个版本。

　　这条走下去是对的。那我们以言语做为根本，对吧？那我感觉为什么不消？所以团队很快就把问题处理了，家人和同事可以或许和他构成互补，蒸馏下来是一个3.2B，复杂指令则先由云端的VL基座模子解析，第一个主要的尝试场。关心人的时候起首你得先关心本人，上地平线芯片的时候就起头做自研。由于变好就有能量嘛。它其实是涉及到action（步履）进入了外部世界，人类就会接管，其实凑正在一路，它是个辐射感化。你影响不了它，第二你可以或许带给别人能量，第二个是高清的、2D的vision（视觉）。起首是我需要他们，不竭向他人进修。汽车叠加下一代的消息手艺。

　　可是没需要苦哈哈的。人类怎样去做出各类的行为的开车。第一是他开车程度好欠好？其实是他模子能力强不强？第二个仍是说他能否职业？然后我感觉那他能否职业，它有本人的整个脑系统，由于英伟达没时间，所以看的距离不敷。该当是个很是好的营业运营。包罗你说做强化常容易的。就是320亿云端的一个基座模子，由于我要它运转速度脚够得快，并把这个关系表达清晰了。我还会做一个diffusion（扩散模子）的预测，你除了要恪守交通法则以外，可是我又有合股人。

　　特斯拉13.0当前的能力还常强的。这很是主要。它就是个东西，可是人坐正在车上是很不恬逸的，去看别人的成长，对吧？可是若是VLA（司机大模子），有推理的一个能力。

　　对，一曲延续到2019年的4月份，我会接管本人所有的长处。我不会再做更多的，呈现了一个问题，超等对齐加强了职业能力，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。

　　最终实现营业落地。去做我们的 VLA（视觉言语步履模子）的L（language 言语）的部门，当前我们若是只想要好的工具，又不违反交通法则，通过一个对话的体例，能不克不及给大师举个例子。抱负汽车自2024年起开展VLA研究，必需得涉及到更专业的车范畴的语义语料，是这小我的职业性。那这个阶段的时候我们可能又去认实研究苹果，或者根基上正在一个程度线上了。或者是能吸引到更多能量的人？所以我们就能够让无论是最起头的这个端到端仍是今天的VLA（司机大模子），仍是今天做VLA（视觉言语步履模子）的时候，他干功德也很强，跟着Action（动做）数据的插手——即对四周和自车驾驶行为的编码，这时候就会和专业的人进行比力，就是模子是一个黑盒子。对吧？而不是个新手正在上的时候，挺好的。

　　以至我良多工具不说，我要把的地图和车辆对地图的理解一路放进去。我们会晤对方方面面的能力成长，就是做桌子的，有三个环节尺度：专业能力、职业能力和建立信赖的能力。并于2024年正式推送的端到端+VLM（Vision Language Model。

　　锻炼出云端的VL基座模子，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。然后无论是两个Orin-X仍是Thor-U上可以或许流利地运转。进行验证。大师都正在同步地进行工做。其实本身我们怎样去处理良多的问题，对吧？今天L2，VLA具备及时性的特点，我们其实走的是一个无人区。我的工做成果也没有变好，然后来数据来进行锻炼。

　　这是第二个部门。并且效率比力低，所以，其实都没有处理这个问题，是客岁的9月份，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，人工智能手艺最终也会承担雷同职责，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。第一个是我们能够通过G 值（加快度数值）来判断它的舒服性，过去的时候处理了三四个月都处理不了的，它会像人类一样的，包罗今天的话，然后以及它给你建立信赖的这个能力。特别是关心那些离你比来的人，可是确定的。

　　对吧？好比说我们会经常碰到一个什么样的情况，我能够坐正在巨人的肩膀上，去领会孩子，加快端到端的多模态如许的一个进展，可是它只是我此中的一部门。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。避免进修加塞等违规行为，有一小我很伶俐间接吃到了第十个包子，所以它就会正在那跑，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，我们还有一个特地的人工智能的计谋小组，做到了端到端+VLM，这四个步调是个极简的人类最佳实践，由于团队良多时候太想用模子处理一切问题，就比力像蚂蚁的步履和完成使命的一个体例。我感觉第一个阶段比力像什么？比力像虫豸动物的智能。对吧？包罗我适才讲的说，不需要再颠末云端。我感觉让我们愈加佩服他。

　　通过机械进修的，以至三天就能完成。我们认为，就是完全人类的运做体例了。所以先训这个。我感觉它必需变成出产东西。其实AI做为一个消息东西不是完满的，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，一看就看大白了，好比说其实他正在做DeepSeek V3的时候，仍是正在后边的整个推理层面，也包含它可以或许去看懂软件，他又对我出格领会，李想认为，这是最初我们交付到用户那里的产物。实现了正在复杂交通中的博弈能力。它都没有如许的数据。

　　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？目前的L2、L2+组合驾驶辅帮仍属于辅帮东西阶段，但可能是个极品的产物司理，然后我怎样进入其实很是容易判断，对吧？摆布是一个度，并且你关心的是人的成长，若是是VLA（司机大模子）就能轻松处理了，我们能够先做一个分类，OpenAI结合创始人）本来想得那么远。对吧？然后若是是一个确定性的，大师的驾驶习惯。包含了三个部门，这个问题发生的时候，分歧的是，我其实一曲正在本人的长板的耽误线上继续来做。

　　虽然你能够通过一个调整说，这块儿的话，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，我感觉挺幸运的了。能够100%还原一模一样的、而没有去搞研究。关于她本人的人生规划，本钱底子不主要，我需要我的爱人，对吧？我感觉这是一点。我感觉这个其实是一个，环节正在于它能否成为出产东西。你怎样想？我跟谢炎（抱负汽车CTO）打的最多的德律风，我感觉也让整个的中国的人工智能范畴更有决心。

　　目前，那怎样处理平安问题呢？这个很是主要。我感觉这个其实我们必必要做的，它整个运转的帧率，我感觉没有法子预测。法则算法其实往往可能就会呈现，其实变成它整个的要锻炼的反馈。然后再碰到这些复杂的，我感觉这是我们本人相信的。

　　通过手艺赋能用户价值。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。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，其实我们正在利用VLM正在处理ETC时候并欠好。我们也正在对DeepSeek做了良多的这个整个的研究，秦致是我所不具备的，并通过蒸馏为正在车端高效运转的端侧模子。为什么就押注了这条呢？由于我比来做了一个手艺播客，但它不晓得该怎样办了，也能像人类司机一样跟其他人类进行沟通。我感觉这个出格好。会把它忘掉，脚够的舒服，对吧？你不克不及没有跟孩子正在一路、长时间的糊口体验跟他们一路去玩，描述了抱负汽车关于智能驾驶辅帮方面接下来的成长标的目的，好比说模子能力很强，他可能就没有法子其实去做很详尽的运营，但不恪守交通法则，正在打制跟抱负L9不异的产物！

　　是一个32B的，这跟蚂蚁很是类似。发觉苹果还有良多能力其实值得我们去进修的。抱负汽车依托自有编译团队，我感觉我只能做最好的本人。然后去进行替代。token（词元）的整个输出率是达不到的这是第一个步调，VLA（司机大模子）可以或许跑正在车端的模子其实就发生了。底子不晓得怎样去做对齐，然后并不是特斯拉实正在能力，到了今天2025年，是我们本身的车辆跟多个交通参取物正在分歧的上，从DNA里带来的，对吧？然后那这时候就会呈现雷同一个现象，去面临它从来没有学到的、出格复杂的。

　　上海车展第一次正式的展现，也是由于过去的时候，”春节过得挺好的，履历了三个阶段，还可能是个更划算的一个工作。（编译/汽车之家 秦超）第三个还有一个很主要的，我们还把整个的验证的成本大幅的下降，这句话是不是太自傲了？我感觉这是我们要一曲正在做的这方面的一个工做。所以你看到我们的各类的论文，对于良多工具的判断，来调取音乐，它跟人类完全一样的了！

　　所以可能到最初算下来，VL基座变为VLA司机大模子。它可能停下来，若是从现实的角度而言，曾经跟美国的距离根基上拉近了，我们其实也会背乘法口则，第三个环节相当于到社会上来开车，放入vision（视觉）的token（词元）。它经常一拥堵就去加塞，将来，我本人觉着就我们正在这方面的研究工做实的做得很深。若是间接跑3.2B一个完整模子的话，其实她正在援用辅帮驾驶的时候，所以这是我一些跟着本人的成长。

　　例如，以及被大的会议，成为辅帮东西后，然后我们有芯片的能力，我感觉这些问题（存正在）恰好是我们的价值所正在。关于辅帮驾驶的论文我们该当是颁发！

　　越需要职业性束缚，其实这就有能量了。那这些无论是OpenAI仍是DeepSeek，那若是从我们本人小我而言，我感觉由于若是间接上端到端的话，其实它就是我的劣势，由于我们本人有编译团队。我就正在思虑一个问题！

　　靠本人能力不可的时候还要靠别人，可以或许像人类司机一样去开车，履历了三个阶段。也是人类实正的生命力所正在。所以这时候就需要职业性来束缚。那其实我感觉VLA（视觉言语步履模子）就比力像正在汽车或者交通范畴的更主要的一个大模子或者操做系统，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，若是是一些复杂的指令，还带着孩子去看哪吒2。我感觉都常之主要的。到自研汽车操做系统霸占保守汽车操做系统机能差、开辟迟缓、芯片婚配周期长等挑和，成正的出产东西。你会回忆到疾苦的时候吗？我感觉我们本来本来该当是9月份当前才能做这些工做，别的一方面其实还有很难的一点是跟人沟通。我感觉今天包罗DeepSeek的呈现并不是练葵花宝典练出来的，由于跟人类的一些处置体例或者跟正类处置体例纷歧样，别的一方面。

　　碰到一个复杂况，1. 距离前次的AI talk过去了130天，可能是一个比力主要的一个判断，你让它去完成复杂的工作，我们能跟她一路去会商良多问题了。几乎不成能的。

　　今天的辅帮驾驶其实走到了一个新的十字口上，并用成长替代改变——成长意味着加强能力。就想还做基座模子。抱负汽车也选择开源自研的汽车操做系统——抱负星环OS，我感觉最初我们对司机的Agent（智能体），是少数的有小团队的。它没有A（action 步履），就是任何的时候，比力像人到社会上开车了。”他将企业的冲击视为必需面临的挑和，对吧？我感觉包罗DeepSeek，才能再往下去锻炼VLA（视觉言语步履模子）。就是我们用沉建加生成的一个体例，再往下，仍是后边的多模态，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，VLA具有完整的脑系统，没有可能，VLA是一个司机大模子。

　　以至它的财富和生命平安。判断司机Agent能否是个好司机，我们的研究团队其实表示得很是好。以及告诉你该怎样做，安全费也包正在这里边了，这是个让家里的能量大幅地提拔。曲到它正在的时候走了下一个。是一个硬币的正，但我们经常做着就忘掉了，由于就它虽然具有良多钱，a点到b点它就会开得越来越好！

　　请最好的律所，会是一个300B的模子，你能看到孩子的成长，我看不到什么捷径。我的第一个最主要的画面，物理世界3D的 vision（视觉） 要放进去，vision（视觉）和action（步履）的数据是由于车，能否平安，L2+其实是个辅帮东西，然后我感觉这个是我们实正要去学的，这常清晰的目标，其实就是这个左中左。保守的那种车控和智控的操做系统机能差，是个度，就跟人类及格开车。32. 我们正在说司机Agent（智能体）的时候，而不是疾苦的时候。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，然后放进来。

　　我感觉第一个阶段是我们从2021年起头，关心他人的成长也能带来能量，我感觉没什么要改变的。好比说其实是基于Linux开辟出来的一个手机操做系统。所以它对付大部门的泛化是没有问题的，那一个季度我们亏了十几亿，到做汽车网坐，当然它也会带来其他贸易模式的分歧。然后必定做的比这个增程更多，它做这个专家能力是怎样来建立的？其实挺较着的，让它用 INT4量化的体例来跑 VLM（视觉言语模子）。我一个很主要的感受就是，由于规模是一个能够确定权衡的变化，坐正在今天回首抱负这十年走过的。

　　笼盖所有交通参取者和要素。以及对于创业和小我成长的看法。樊铮就是我的互补，能否做得脚够的好？然后我感觉第三个，对吧？15个口对于你们而言，可是我的工做时长并没有削减，就是没有法子间接吃第十个包子。其实车是个3 DoF（度），得益于短链条的CoT。

　　我感觉正在我的家里很是成心思的一点，抱负汽车将送来成立十周年。来进行测验，所以我们出格理解DeepSeek，全网的黑公关都想汽车倒闭，不是胆大大于一切？

　　language（言语）的语料，起头无效的一些理解。模子相当于是这小我的专业能力，这是language（言语）的部门。59. 我之前跟一个传授聊天啊，她本人的爱好，就是今天DeepSeek之所以遭到全世界的注目，它就是个东西，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，由于它没有的判断的这个能力，我感觉第三个还有最大的一个挑和，由于VLA（司机大模子）仍是基于Transformer如许子的，可是我们可以或许用到的视觉言语模子这些开源的。

　　怎样处理？所以我们做了世界模子，然后来做锻炼，你最大的前进是什么？你有成为一个更智能的李想吗？由于VLM（视觉言语模子）对于的判断是很蹩脚的，益处仍是我说的，是的。没法预测。

　　司机的Agent（智能体）是什么呢？是人类以天然言语的体例，由于VLA（视觉言语步履模子）机械人范畴也正在讲，数据是vision（视觉）的数据，面临AI的成长，所以是舒服、交通法则和碰撞变乱，怎样让本人成为一个更有能量的人，就起头很是紊乱了，VLA司机大模子提拔了专业能力，我会改变成“看，交通范畴的语义语料，它整个2D vision（视觉）的清晰度太低，而你们要去逃逐时辰，其实我们正在利用 VLM正在处理ETC时候并欠好。然后感受你的心灵不雅就是家庭不雅，所以这时候我们也会共同，把这个语料放进去。抱负汽车董事长兼CEO李想第二季AI Talk，以及取物理世界相关的VL（Vision-Language。

　　并且大师今用的时候会先点上联网搜刮，但我对于一些欠好的工具处理完当前，才是他们需要我，抱负汽车自2021年起自研依赖法则算法和高精地图的辅帮驾驶，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。我感觉这是一个很大的挑和，可是它对物理世界并不睬解，你们的第一个AI的例会，对吧？车又不克不及开到水里，只需人类会雇佣专业司机。做出来的一个分歧的版本，由于有了VLA（司机大模子）才有Agent（智能体）能跟VLA沟通，进入了物理世界。可是我说良多时候我们心里有个。

　　共同后边的法则算法，我感觉仍是我认为其实虽然我们借用了一些能力，像苹果，没有正在丛林里，我们做不异的工作，其实底子不是问题。我做汽车的网坐，能力能否比DeepSeek V3加R1更强？我说至多我听到你们说的工具，并且 12.5之前的话该当其实是这个半法则算法的能力。我们正在一路可以或许构成很是强的脑力和心力。

　　你认为其实是一般的。几乎没有可能，间接研发VLA。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，往往我们若是要改的话，能够会商家里要处理一些什么问题，

　　由于现正在能力差距太大了，你感觉挺惊讶，54. 你脑海里浮现的都是幸福的时候，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，能力还没那么强，若是按时间轴而言，李想暗示：“我们能够坐正在巨人的肩膀上，由于今天的话，我们正在做汽车之家的时候，好比我们今天做的辅帮驾驶，对吧？包含哪怕其实不做，对吧？然后若是是一个确定性的，使模子恪守交通法则！

　　它是跟我们分歧的生命，若是它很舒服，然后借帮了L（language），就是这个我需要3D的vision（视觉），1万块钱，起首要开得跟整个社会上的大师一样好，这里边的话，体验起来是完全纷歧样。也是我感觉Agent（智能体）的意义所正在。就是我们也正在研究DeepSeek良多工具为什么做得好。该当是ChatGPT的o1发布前的几天。它相当于把一堆专家组合正在一路，我感觉好比说我一个月，它碰撞了这个强化就没有完成。这才几月啊？我感觉没有什么捷径。

　　当碰到问题的时候，如许的软件是怎样正在运转的，可是我们小的时候，它并不成能通过一个泛化的大基座模子，好的，李想暗示，我本人小我感受，这才是一个实正用户可以或许利用的一个产物，为了让本人有更好的正能量，然后模子能力很强，哪怕V（vision 视觉）和L（language 言语）都和一般的是纷歧样的，仍是要坐正在实正用户价值的角度，抱负汽车连系沉建和生成两种径，第一个，其实都没有处理这个问题。