新浪汽车提到，今年在自动驾驶领域出现了诸多舆情方面的事件，想必您也有所见闻，存在一个典型场景，即在天色变黑之际，于高速公路上会有一些诸如锥桶布局或者道路施工的路段等需要进行避让操作的情形，就针对于此状况而言，鉴于我们所具备的是L4级别自动驾驶能力，面对这样的场景，究竟能不能实现应对自如呢 ？
安向京表示，没错，这实际上乃一个相当严肃的问题，因此我们在最初对行深智能能力予以定义之际，我们一直都认定安全是排在首位的，这属于一种责任，故而我们公司从一开始就确立了一条发展的路径，必定是从低速朝着高速迈进，我必定是先去覆盖低速的场景，比如厂内物流，其距离不超过20公里，我们刚才所提及的末端场景，毕竟速度要被限制在40公里以下等 。还有一个情况是从运货转变到运人，一开始我仅仅只从事货物运输而不涉及人员运输，当开始进行人员运输时，这两者之间就产生了一个类似电车悖论的难题，一旦在迫不得已的情况下出现了危险状况，此时你面临的抉择是，究竟是去保护车外的人员，还是去保护车内的人员呢？只要是进行运货，那货的价值向来是有限的，然而生命却是无限的，所以我必定是要保护人，也就是车外的人，所以这个问题挺好解决，可一旦是运人，这事就存在一点悖论了，此时就会变得很麻烦，比如说像您刚刚所举的这个例子，要是我以一个物理极限能够达到的速度去实施减速，那么其实我是能够不撞到这个锥桶的，可这就意味着里面的人，会由于这般大的减速而受到伤害，我要是进行减速，里面的人会受伤，我要是不减速，外面的人会受伤，这就是一个悖论。另外一个，先是存在有限场景，之后再扩展至随机场景，诸如刚才您所提及的那些均属于随机场景，而我们所讲的有限场景乃是指点对点，事先我便清楚这条路的状况是何种样子，它不会出现随机选择道路的情形，这一点我觉得也是当下我们应当严肃对待的 。
新浪汽车：所以我们现在所有产品基本上还是处于末端低速的？
安向京：末端低速的城配场景。
安向京：面对高速场景，现在还没有做？
安向京：高速场景，我们有实验，但是没有推出产品。
新浪汽车：预计未来大概是什么时候（会推出）？
安向京表示，他认为，伴随技术取得进步以及数据得以积累，我们届时将会逐步、缓缓地推出那些产品，就像刚才所提及的，从低速状态发展至高速度状态，从载货领域拓展至载人范畴，从限定情形转变为随机状况，这些都会逐步、一点一点地逐次解锁 。
新浪汽车：清楚，特别是今年，全网网友对于自动驾驶高速的辅助驾驶，城区辅助驾驶的关注度相当高，整个汽车行业里乘用车这个范畴，基本上已然成为了一个标配必选项，在这样一个情景之下，我们也察觉到，特别是今年华为提出了世界模型的架构，相较于早期的端到端，它等同于换了一套底层的算法，接着他们又会讲L2是基于L4而来的，我们做L4的话，当面临这种算法改变的时候，我们要怎样去应对呢？
安向京表示，对于这个地方的观点，他要稍微做一下纠正，L2并非由L4而来，实际上大家运用的都是人工智能无人驾驶的算法，只是场景各异，L4的传统思路是基于高精地图，是基于这种重视地图、轻视感知的模式发展起来的，它也是无奈之举，因为在过去L4多数场景下没有地图，或者无法获取，或者无法测绘地图，而L2是针对城区NOA等，它本身就有地图，本身就存在大量商用的导航服务，所以这是两个不同的场景，关键还是那句话，数据量决定智能程度，核心在于你在这些场景上拓展的数量以及在拓展过程中能否将这些数据有效转化为自身能力，这一点实则是核心的技术壁垒与护城河。
新浪汽车：那么，您是否认为，在进入到L4时代的这种情况下，高精地图是绝对不能缺少的呢？
安向京称：并非如此，它必然是与L2的轻图相结合的，于存在普通地图的区域就采用普通地图，在不存在普通地图的地方，我们能够借助高精地图来予以辅助 。
新浪汽车：在园区场景里，我们会遇到的最极限的案例是什么？
例如进入一个分拣中心，要到达某一个指定的分货位置，这时场景变化众多，随时，扎堆的货物会产生剧烈改变，此外场景中有建筑物，有天花板，进而致使GPS定位信号丢失诸如此类，这样的场景实际上挑战极大。
新浪汽车：没有信号的话…
安向京：靠识别，靠感知，靠高精地图，靠这些辅助手段。
新浪汽车：难道能说没网络了就会全然不受控制了吗？依旧是依照自身的理解去做的 。
安向京：对。
新浪汽车：商用车领域存在不存在我们所做的这类产品，关于营销的话术，您或许会留意到，乘用车今年提及了诸多如世界模型、VRM、VRA、一端式端到端、两段式端到端等各种各样的词汇，大家听了也是一头雾水，然而在商用车领域，好像大家不曾说起过这些内容。
安向京表示，道理层面是相同的，只是商用车更着重于处理问题呀，就是那种你为我运送货物的情况，然而乘用车呢，更侧重于感受方面，也就是人机交互这一块呢。举出一个极为典型的实例，VRM与VRA实际上是源自同一源头的，和A存在一个起界定作用的差异之处便在于，你是否能够和人类的语言建立对齐关系，和人类的感觉达成对齐状态，也就是说，L2级别的无人驾驶，它着重突出的是，自身运行起来要如同经验丰富的老驾驶员开车那般，这种感受是非常关键的，与此同时，我要明白自己正在做什么，你也要明白我正在做什么，我要怎样使你理解我说出的话语，你又要如何让我理解语言，这就显得相当重要了，然而，对于乘用车而言并非如此，乘用车仅仅需要从A点抵达B点，你帮我把问题解决掉就可以了，所以说乘用车不太注重与人类的感受实现对齐这一方面，你只要能够安全且及时地将货物送达即可，它并不在意开起来是否像老司机，刹车次数多不多，加速度大不大以及是否晃动，这些它并不太关心，也不太需要通过与人交互来弄清楚你要前往何处，怎样才能更好地到达那个地方，它不需要这些内容，所以或许从术语角度会存在一点不同，但是这些情况都是真实存在的，最为核心的关键就是怎样运用通用人工智能的技术，逐步提升我的无人驾驶能力，从而服务于无人驾驶从A点到B点的运力交付。
新浪汽车：就强化学习而言，我们这边究竟是怎样进行布局的呢，包含因果推理能力，对于商用车来讲，要是仅仅单纯地去完成任务，而不追求过程当中的体感的话，那么这部分的能力是否还需要呢？
安向京表示，需要注意，这个因果推理能力，对于无人驾驶而言是极为重要的，缘由在于，人的学习与机器的学习存在着一个本质性的区别，人的学习必然是基于过往的学习情况，然而机器的学习能够基于未来，这是为什么呢 ？这一回我的数据能够改变我的算法，能够凭借我记录到的未来方面的数据去改变我的算法，因而这一点是人类所没有具备的优点，所以讲 ，我们的因果推理以及数据闭环相当重要，对于我们而言，一个corner case（音），我或许得记住前20秒后15秒全部的数据，以此达成更优化的设计，人类很难采用这种学习的办法。还有一个是强化学习，强化学习的本质呢，如同对着一个最终目标去学习，也就是运用最终目标去奖惩过往历史中的某些动作以及决策。在此情形下，有一个极为重要的概念，那便是价值观的对齐 ，强化学习所奖惩的究竟是什么呢？是不是安全？是不是流畅？是不是舒适？是不是效率？又或者是感受，这是相当重要的。对于商用车来讲，我们更为强调的是安全，务必得让安全处于首位，将安全用作奖惩 。
新浪汽车：那么呀，在确保安全得以维持的情形之下呢，我们能够朝着往后去看上几年的时间哟，放眼未来去瞧三到五年、五到十年的时段呀，您可认为接下来那个会给商用车带来极大变革的时间点或者某一个场景、一项技术的突破究竟会是什么呀？
安向京称，其觉得伴随算力的提高，VRM、VRA会大规模被应用于无人驾驶之中，并且会达成周伯通练武之左右互搏，此世界模型在这点上价值极大，它能够实现左右互搏，即运用真实场景虚拟出或者仿真出形形色色的动态场景，用以训练无人车的算力，使无人车的算法性能得以快速提升，而非一定要置身于这些场景，才能够学习该场景，这里存在几次技术上的跃迁，最早的一回是把人开车的行为转变为规则，接着借助程序员的语言让车行驶，那是几十年前的无人驾驶技术，到了2010年前后，深度学习技术是可让所有会开车的人都提升车的性能，该如何做呢？这个行为是画框框，框框里的这个属于人，那个属于物；这一辆是自行车，那一辆则是机动车；你的车需要如此这般地绕；在整个这件相关事情的过程当中，所需要具备的是画框框这样一种能力，所需要具备的是深度学习算法工程师所拥有的那种能力；而这就并非仅仅只是一个会开车的程序员所能达成的了。再接着往后，处于那个时代，我们所拥有的智能程度，是按照投入多少人力来决定的，原因在于这一切都和画框框有关联。再往后，进入了Transformer时代，又进入了AGI时代，此时，我的标注是自动化的，我的能力是可以自动生成的，我已无需你画框框了，我能够反复地训练并提升我的性能，这时你采集多少数据便会拥有多少能力。更往后的阶段里，存在着这样一个世界模型，借助这个世界模型，我能够模拟场景当中所发生的各类事情，知晓其中具体有哪些车辆，而不再被要求必须借助实际的车辆去采集数据，我认为这对于开发效率以及生产效率而言，是一种幅度极大的提升，是实现效益增进的有力助推，所以这样的情况无论是针对无人车的安全保障方面，还是在其运行效率方面，均会使得两者出现本质级别的跨越 。
新浪汽车：我瞅见有些车宣称自身是1000万Clips版本，于商用车范畴内，会存在片段数量这一情况吗 ？
安向京表示，一样的，概念是同一的，它属于训练模型，是那种端到端的模型，无论属于一段式的，还是两端式的，这个端到端的模型需要规模多大的数据加以投喂，在此其中我们所强调的是有效数据或者多样化的数据，也就是看该数据的质量 。
新浪汽车：还是要看质量。
安向京称：没错，它被叫做分布，瞧这个数据的分布，是不是具备足够的宽度，足够的广度，绝不能够仅仅将关注点聚集于高速公路，如此一来便会引发孤僻动作。
新浪汽车：那么，是不是那种数量极少但质量颇高的情况，其产生的效果会比单纯数量极高的那种效果更为良好呢？
安向京：这是肯定的，怎么来评价质量，学术界就有很多争议了。
新浪汽车：最末的一个问题，我要问一下您，要是采用一个技术方面的名词去表述企业的能力，您认为会选用哪一个关键词呢？
安向京称，我认为是“认知创新”，此乃我们极为突出的一大特性，鉴于行深于无人驾驶赛道已然历经30年积累，我们还打算再持续30年，我们是对技术满怀执着的一群人，在此之中，我们一直坚信无人驾驶并非单纯的普通替代，并非要把司机从车上移除，而是整个运力载具的信息化共享，这才是其真正的核心价值所在。那么既然你所达成的是运力载具的信息化共享，那你理当反过来从业务的逻辑层面去思索这个产品究竟该如何构建，并非是现有的产品呈现出怎样的状况，你就去考量怎么将其替代，因而行深智能始终是在所处的这一方面实现认知上的颠覆，其中包括对技术认知与众不同，对场景认知存在差异，以及我们对于业务自身逻辑的认知也不一样。例如我方提出，未来无人物流车绝非一件一件地送货，而是运送标准化单元容器，旨在达成空间转移共享平台理念，未来并非运送一个个具体物件，而是实现空间转移平台管理，将物流转变为空间转移，在此进程中，可搭载诸多物品，不但能服务三通一达等一众物流企业，连快递、生鲜、烟草、预制菜等广大物流城配体系也能服务，甚至还能进一步服务环卫、安防，乃至煤气泄露巡检等一系列应用，所有终端移动应用或具身移动应用，均可被无人驾驶能力覆盖并赋能，这便是极具想象力的空间与赛道，此乃我方行深的愿景与使命，亦是我方行深区别于其他无人驾驶企业的核心所在。
新浪汽车：感谢安总，我们今天的采访到这里结束！
