No.0364
Science Partner
Bring you to the side of
导 读
当AI大语言模型写错一句话，人可以要求其重新生成。
但若AI在控制高速行驶汽车时判断失误，后果则可能截然不同。
2026年夏天，人工智能正迈过这道分水岭。
7月27日，美国斯坦福大学以人为本人工智能研究院（HAI）发布一份关于“世界模型”的政策报告，提出AI正从以语言为核心的阶段转向“空间智能”：模型不仅生成文字、图像，还需构建对现实环境的动态表征，预判环境如何随行动演变。报告强调，世界模型或将成为具身AI训练的核心基础。
就在同日，小鹏VLA 2.0开始进入德国道路测试。德国专业媒体留意到，小鹏汽车与人形机器人已共享图灵芯片及部分AI基础架构。更早些时候，大众汽车与小鹏合作的首款车型实现量产，大众首次将小鹏的智能驾驶系统及图灵AI芯片应用于量产车。
将上述事件串联审视，VLA 2.0引人关注的，不止于“智能驾驶再度升级”。
它更指向一个值得每一个关注科学的伙伴重视的变革：过去数年，大模型主要攻克的是内容生成难题。而下一阶段，部分模型开始学习理解现实、预测下一秒，并直接付诸行动。
汽车，或许将成为这种人工智能最早大规模融入普通人生活的载体。
现在，跟随伙伴君一同探索！
今日主笔｜旻宏
汽车开始配备“大模型”：小鹏VLA 2.0真正想要改变的，可能仅限于自动驾驶
01. 从预测“下一个词”，到预测“下一秒”
大语言模型处理的是一类相对常规的课题：依据上下文，推断最可能出现的后续内容。
随着具体智能特别是新能源汽车的普及，预测对象彻底转变。
车辆置身十字路口，面临的挑战已非预测下一个词，而是判断前车是否减速、自行车是否欲横穿、被大货车遮挡处是否可能出现行人，以及自身继续前行两三秒后整个交通场景将演变成怎样。
这种变化看似仅是模型架构的调整，实则暗藏深意：人类诸多行动，原本先于语言完成。
驾驶经验丰富的人遭遇前车急刹，不会先在脑中完整构思一句话“前方车辆正在急速减速，故须制动”，才开始踩刹车。现实世界要求的首要任务是即时感知、判断和行动。
更关键的是“预判未来”。
据Electrek消息，小鹏正在训练系统同步预测两件事：车辆应如何行动，以及未来时刻摄像头可能捕捉的景象。公司将世界模型与VLA视为同一问题的两面，一面学习如何行动，一面学习现实如何演变。
资深司机看到路边停着遮挡视线的大货车，往往条件反射式地减速，未必因为他确认发现了行人，而是经验告诉他：那里潜藏风险。
02. 汽车为何可能成为具身智能的首个“数据富矿”
AI所需的数据正在重塑。
大模型时代，互联网海量的文本、图像和视频可作为训练素材。Physical AI进入现实后，“浏览世界”已显不足。模型还需明确：人在特定场景中实施了什么动作？车辆打方向盘后环境如何变化？机器人抓取杯子，成功抑或失败？
斯坦福HAI于7月发布的“世界模型”报告特别指出，目前稀缺的一类资源是带有行动标注的真实交互数据，涵盖机器人运行轨迹与车队记录。这类数据不像网页文本那样容易获取，可能形成Physical AI竞争中新的资源壁垒。
这使得汽车占据了特殊地位，它本身就是一个高度量产化的机器人。 摄像头、车载计算平台、转向制动动力系统，分别对应“看”“想”“做”。尤为关键的是，海量汽车每日在复杂真实环境中行驶。
网友评论