这两天英伟达创始人兼CEO黄仁勋受邀参加中国第三届链博会，会后接受媒体采访聊了很多有意思的话题，具体到自动驾驶我们采取了一些片段，从老黄简短的回答里我们能看到自动驾驶当前的路线和下一波趋势，以及哪些公司在这方面已经有超前意识在提前布局。
在回答AI相关的问题时，老黄把AI的发展分为4个阶段，分别是感知，生成，推理，机器人。对照看来，4个阶段恰好是自动驾驶技术的演变轨迹。
早期的感知AI主要通过海量数据学习，比如识别文字、图像，理解故玩PG电子游戏时，有哪些特色亮点值得关注？事内容，甚至区分猫狗等物体。
这个大家非常熟悉，也就是大家常说的模仿学习阶段，行业称之为“预训练”。认真做，它怎么做，这一段的核心就是数据量。但是人类的驾驶习惯有好有坏，所以系统训练出来的效果也良莠不齐，时好时坏。
再往后就是生成式AI阶段。比如早些年很多自动驾驶公司提到过的合成数据的概念，对于常规场景数据举一反三的能力，以及道路拓扑结构的分析能力等。比如在同一个路口，根据一段真实数据生成不同的云雪雨雾，甚至春夏秋冬不同天气，季节下的场景还原；此外还有一段复杂的场景里，通过交规和车道线生成道路拓扑结构方便自车做路径规划，都属于这一段的技术范畴。
当下，AI处理推理学习阶段，更像人类的学习方式——从被动接受信息转变为主动思考。当你遇到一个从未经历过、从未读过相关内容、也从未见过的问题或场景时，你需要对其进行拆解分析。
这里面的推理包含了2个步骤，首先是对现实场景进行解析，判断属于什么情况，第二是采取什么策略，对应自动驾驶的认知和执行两个阶段。这两个步骤的好坏直接决定了自动驾驶行为策略。
具体到真实场景来看，比如与一辆大型公交车并列的自车看到公交车突然刹车时，虽然是视野盲区，如果自车具备很好的推理能力，它也会选择刹车，因为它推理公交车一定看到了什么障碍物才会选择刹车，所以选择跟进这一动作。这非常像人的驾驶风格。在实际驾驶中，这样的场景多如牛毛，无处不在。这个就是很多自动驾驶公司在讲的思维链。
这一阶段的AI就像在家做数学题，通过多场景模拟训练，持续进行推理思考，变得越来越聪明。这种学习方式称为“后训练”。
老黄还说了一句话容易被大家忽略“后训练模式对算力要求很高，但对数据量的需求相对较少。”
这一阶段的自动驾驶对数据的依赖度没有“预训练”阶段那么高，我们能从里面摘出来2个关键词：高算力和高质量数据。更重要的是，系统自己能够根据这些高质量数据具备极强的推理能力，而推理的前提是具备更高的算力。
联系最近一段时间国内很多技术大佬的发言能够跟这个阶段呼应上。小马智行楼教主，地平线余凯也提到人类很多数据并不值得学习，数据在精不在多，甚至人类需要有一个更高维度的世界模型供系统去学习，根本原因就是技术范式发生了变化。
算力的要求到底有多大没人给出量化答案，也有人说这是老黄刻意放大了算力的价值，因为他做的就是这个生意，DeepSeek用“蒸馏+推理”的方式摆脱了算力的依赖，我觉得大家应该只是数据量没有统一而已。
当然，老黄也不否认新技术的进步。这里我们来看看老黄的原话“DeepSeek R1采用的是一种极具创新性的高效架构，其独特之处在于：每个token所需的计算量和计算资源都大幅降低。这种设计创新是必然的——因为DeepSeek R1本质上是一个推理引擎，需要反复迭代运算。这就要求每个生成的token都必须极致高效，才能保障整体推理过程的顺畅运行。”
现在系统所需的计算量大幅减少，可以进行更长时间的思考，并得出多个优质答案。老黄认为这实际上开辟了一个全新领域——温和AI（Gentle AI）。简单点说就是给系统“减负”，让它有更多的时间和精力去自己思考。
这种推理能力不仅会用在云端，边缘设备也将具备，可以搭载简单的功能型AI，比如自动开门，就是当系统识别到人有进入车内的动作时猜测他的需求然后自动打开车门。
最后一个就是机器人，老黄没有展开说，我理解应该是VLA（视觉-语言-动作）模型，就是自动驾驶从平面智能到空间智能，从二维到四维。其实就是通用机器人的形态。
联系到前两天元戎启行CEO周光在接受媒体采访时也提到了的观点，将来打败他们的可能并不是自动驾驶同行，而是大模型公司。这个信息基本就对上了，本质上自动驾驶是AI的一个分支，AI的技术怎么走自动驾驶就怎么走。
目前小鹏、理想、元戎都在提推理（思维链）、VLA的概念。当然，肯定还有很多公司也在储备的能力，可能牵扯到商业机密没有对外传播而已。
有意思的是，老黄还提到AI的很多问题现在也在被不断攻克。例如人类反馈强化学习（RLHF）确保AI执行符合人类价值的任务，检索增强生成（RAG）减少幻觉。这对自动驾驶的提升非常大。强化学习已经被用在自动驾驶中，不少企业也叫奖励机制。检索增强生成就是对过往数据的调用，对比，减少自车幻玩PG电子游戏时，有哪些特色亮点值得关注？觉，比如系统看到一个塑料袋，不确定是石头还是塑料袋，如果此前碰到过这种情况，就会调用过往数据，然后对比，避免“误触发”，也就是业内俗称的“幻觉”，这在AEB上比较常见。
最后，老黄也不忘自夸一句，“我们是全球少数几家能够实现从算法架构、系统软件、硬件系统、网络技术直至芯片设计的全栈创新的企业。”
老黄认为这种全栈技术整合能力是人类科技史上所罕见的。因为通常软件算法、系统集成、芯片设计、网络技术等专长都会分散在不同企业，而英伟达将这些能力有机整合在一起——从基础架构到语言模型算法，从机器人技术到计算机图形学，乃至量子化学和5G射频技术。
这里我们其实也可以联想另一个问题，车企自研芯片也必须具备这样的能力，否则成功的难度非常大。对应看来，蔚小理3家自研芯片挑战巨大。
按照老黄的说法下一阶段AI将会向着推理，机器人的方向发展，自动驾驶也必将是这个路线，对照一下看看哪些公司压中了技术趋势。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
网易直击黄仁勋见面会，他说了这28句线亿美元买个安心：苹果押注美国本土稀土
2年1100万去快船！NBA官网显示太阳已裁掉比尔 9700万分5年支付
折叠屏iPhone参数大公开：A20 Pro+C2基带，存储内存规格明确
vivo X300 Pro再次被确认：LYT828主摄+两亿潜望，且搭载天玑9500
