蘇箐講演未盡之詞——智駕供應鏈將大洗牌

2022年從華為轉投地平線的蘇箐，這幾年少有公開言論。12月9日，他作為首席架構師，在首屆地平線技術生態大會上的講演，相當罕見。與總是“贏贏贏”相比，講出當前的技術困難，并從技術發展脈絡的角度，對未來進行一番預測（對不對另說），還是很有含金量的。這場講演里面，他的高管身份淡了，項目工程師的色彩更濃厚。大家可能都更想聽點業內對于自動駕駛的真話，盡管這些話里“贏”的成分太少。

芯片公司開始做算法

事后有很多人認定蘇箐的講演底色是悲觀的。更準確地說，他在技術必然性的樂觀和“工程地獄”的悲觀之間搖擺。其樂觀在于，技術路徑已經非常確定，暫時找不到比Transformer注意力機制更好的標準算子（因此他將特斯拉 FSD V12稱之為“奧本海默時刻”）；悲觀性在于，還要做那么多苦工。發現“端到端”的喜悅，很可能是這幾年工程創新的頂峰。接下來要不斷收斂定義，做技巧性優化。

看上去“優化”似乎沒什么技術含量。其實不然，如何設計高效的注意力機制，處理傳感器（主要是攝像頭）產生的海量Token，考慮到處理Token的目標，都是捕獲時空長距離依賴關系，在端到端的旗幟下，視頻流轉化為最適合Transformer理解的連續向量，技術挑戰性一直被低估。

光學畸變、光線變化、陰影估算、多相機時空戳精確同步、將視頻流編碼為空間和語義的神經表達，都是非常考校技術實力的部分。蘇箐所謂“做苦工”，不僅是要處理這些技術問題，更主要是在SOP期限壓力下，做出堪用的、可供商業化部署的一攬子解決方案。這些工作現在屬于Soc公司的“菜”，因為通過定制化計算單元（NPU、ISP），可能比純軟件方案更高效地解決以上難點。

這恰恰是以前屬于華為、Momenta這類供應商，以及蔚小理等新勢力的技術護城河范圍。但現在芯片公司開始做算法，業內的智駕供應鏈，又開始發生微妙且重要的變化。

地平線就做了HSD（Horizon SuperDrive），對應特斯拉的FSD。這意味著芯片公司從Tier2，升級為Tier1，與其他方案解決商（比如博世、大陸、電裝等）結成生態伙伴，由他們基于芯片公司的芯片和感知算法開發標準軟件，對車企交付。

可以預料，芯片公司成為完整的智駕方案Tier1，只是時間問題。芯片公司自己就成為智駕生態的中堅。跨國Tier1高興沒多久，就將迎來更多的對手。

對于那些不愿意投入上千人做算法的中小車企、跨國車企，則是空前的利好。他們也有可能做出與巨無霸型智駕供應商掰手腕的產品了，如果后者不能再領先一步的話。

到頭來，可能會導致所有的智駕供應商，都致力于垂直整合智駕供應鏈，從Soc到軟件，從傳感器到執行機構一把抓。那么，會不會出現智駕供應商與車企搶著當“鏈主”的局面？大概率不會，因為有能力自己垂直整合的車企，往往不會直接采購整體智駕方案。

這是蘇箐在演講中并未明言、但反復暗示的最大的觀點。地平線在產業中的野心，絕不是解決好車載算力就完事的。

世界模型可能是L4的必要但不充分條件

一段式端到端的特點，就是從感知到輸出控制信號之間是黑盒子，大家不放心。加交通規則約束兜底是普遍做法。但只要使用規則，就有寫不完的規則。有人提議“軟約束”，即給推理出來的行車方案，在訓練中引入評估模型（基于物理規則），這就更像人類的“因果關系”思考模式，比粗暴裁剪輸出優雅多了。但這部分算法，大概尚未閉環。而且這樣造成一些VLA方式的“慢思維鏈”變得更慢了。

世界模型被看成是與VLA對立的的方案。其實兩者并不沖突。世界模型（WM）本質上是短時（大概2、3秒）預測模型。在L2向L4過渡階段，WM的作用是存疑的。

現在看，在L2階段，WM的核心價值在于減少誤剎、提升舒適性。其關鍵在于，通過對物理世界的模擬，預測出多個交通參與者意圖活動的可能結果。這就又回到因果預測，模型需要理解場景中的因果關系。有些是概率極高、甚至確定的（比如綠燈會催動車流、車輛行人看見紅燈會停），但無法預測不理智的莽撞行為。后者才是發生事故的主要誘因。

在L3/L4中，WM必須升級為可長時程推演和“反事實思考”的認知模型。蘇箐的“自動泛化”夢想，大概依賴于此。真正的瓶頸在于，WM與后續的決策規劃模塊仍是“兩張皮”。在很多架構中，WM預測了結果，端到端再進行代價計算，這里面存在信息延誤和誤差積累。有人主張，讓WM多干點活，不僅預測，還要評估各個行為分支的好與壞。這樣做可能產生更多的代價。

蘇箐與業內有些公司的看法一致，即沒有WM，L4沒有可能。但僅有WM，仍然解決不了極端場景下的安全降級策略、實時性與穩定性的平衡。WM看上去更適合當一個訓練“引擎”，安全駕駛不應該由其兜底。

L4缺工具，L3需要設定新規則

在中美科技與產業界，大家一股腦地都去投資大模型，“玩命堆算力，不要問有沒有用”。這種瘋狂投入在商業上是否劃算，取決于一個規律——算力成本增加，與性能提升，存在大致的線性比值。但大家有點隱約覺得，快觸碰到“天花板”了，即投資效能在下降。

這其實也正常，算力可以堆，但是高質量數據并非無限。獲取極端場景數據越來越困難，意味著訓練效果也下來了。雖然訓練的“規模化”一直有效，但追求訓練效率，就必須設計更好芯片與協同算法。這就又回到了芯片公司的強項。

現在監管批準了少數L3量產車型上路，但要在特定路線和特定工況下使用。L3與L2最大的區別，是誰來兜底。而廠家兜底的前提，仍然是用戶有效接管（依靠數據盒子判斷）。但如果不清晰劃定接管條件。L3和L2又有什么區別。

目前，L2強調的是統計意義上的安全（多少億公里的事故率），L4必須追求邏輯意義上的安全（證明通常意義上的場景都安全），后者必須要有新的驗證、測試和仿真技術。而L3則需要智駕系統證明自己的安全邊界。蘇箐所謂“平滑過渡”，大概率是從體驗出發的，但在L3階段，如果無法逾越責任歸屬問題，那么過渡到L4，就成了空話。

當然，相比技術上責任歸屬，用戶同樣在意商業責任歸屬。保險公司推出“技術責任險”，由主機廠買單。而智駕方案供應商則將算法、芯片與安全里程承諾打包出售給主機廠，從而實現層層承諾，將用戶從兜底責任中解脫出來。

這樣做的結果，就是實力強且規模大的智駕供應商，迅速瓜分掉主機廠訂單。即更具垂直整合能力、掌握大筆資源（投資云算力、組建超大算法研發團隊和芯片硬件研發團隊）的供應商，將毫無懸念地拿到少數幾張幸存者資格證。

這樣一來，自動駕駛商業模式收斂，經歷的時間將很短，甚至遠比L2到L4過渡時間要短得多。至于是否“平滑”，只能由幸存者負責闡釋。

注:圖片部分來源網絡，如有侵權，聯系刪除。

大廠的共同生存指南 寶馬高翔：在變革中保持謹慎的創新

馬斯克萬億薪酬背后