|
对话元戎启行周光：干掉我们的可能是大模型公司，不可能是同行｜泰坦Talk 文｜傲然
编辑｜杨布丁
汽车行业是当下最卷、最累的行业，但在周光脸上，你似乎看不到太多“苦难”。他可能也是我们对话过的创业者/CEO 里，最具“浪漫” 气质的一位——这种特质，伴随他的两次创业。
2019年，周光创立元戎启行（DeepRoute.ai ）时，延续了与第一家公司 Roadstar.ai 相同的选择 ，两家公司名称后缀都带“AI”，但公司命运大不同：2019 年，创立不到两年的Roadstar.ai 因创始团队抵牾解散，几乎在同一时间，元戎启行悄然成立，后续周光以 CEO 身份出现。
Roadstar.ai 聚焦 L4 级自动驾驶研发，2018 年以 1.28 亿美元 A 轮融资创下当时国内自动驾驶初创企业单轮融资纪录，估值达 4 亿美元，也成为该领域估值最高的初创公司；元戎启行则从创立起锚定技术量产，如今已快速成长为国内智能驾驶领域最年轻的核心力量，合作车企包罗长城、吉祥、smart 等，本年预计量产十几款车，规模达 20 万台。
第一次创业失败，如今反倒成了元戎启行的 “幸运”。按照周光的说法，那段履历给他上了一门技术之外的课，也让他明白连续创业者的价值：因为他们都踩过坑，再努力爬出来。
隐蔽在公司名背后的，是周光对AI的执念。“我们创始团队配景主要是 AI 为主，不是做编程出身的。” 从清华大学基础科学班的本科，到清华高能物理研究中央的研究生，再到德克萨斯大学达拉斯分校的人工智能博士，周光说本身是 “原生 AI 人”，而元戎启行的目标从一开始就清楚：打造物理天下的通用人工智能。
在周光看来，正是有了这种技术信念，成立6年来，元戎启行“少踩了许多坑”。2020年，元戎启行做无高精地图智能驾驶方案，2022年做端到端，2024年9月研发VLA 模型（视觉 - 语言 - 动作模型），该模型预计将于本年第三季度随量产车型正式落地。
VLA 并非元戎启行独有，理想汽车也已将其列为核心技术方向，两者的不约而同，体现出部门头部玩家对技术路径的共鸣。但智能驾驶行业的技术共识尚未形成，仍有不少玩家探索天下模型等其他方向。
本年6月，关于国内智能驾驶行业的发展，周光讲了他的明白。他认为智能驾驶行业尚未收敛，技术会飞速迭代，并在这飞速的迭代下创造无限可能；面对暴虐竞争，他认为，不务实没有当下，不浪漫没有将来，且行业变化越快，“浪漫” 越显珍贵。
周光的 “浪漫”，是技术理想主义和对非共识的服从 —— 他希望元戎启行不沉迷短期市场，在竞争中保持技术先辈性，让元戎的 AI 成为将来物理智能体的基础办法。
在这篇文章发布之前，我们又问了周光一个问题：生存中，你是个浪漫的人吗？
他回答：技术上浪漫。
以下为对话实录(在不改变原意的情况下，有删减调整) ：
“我们是更原生的AI 人，自然能找到正确的方向”
泰坦Talk：我发现Roadstar（周光创立的第一家自动驾驶公司，2019年解散）公司名后缀有AI，元戎启行也有AI，官网写着你们是一家 AI 公司。这是开始就确定的吗？
周光：一开始就这么想的。因为我们创始团队配景主要是 AI 为主，不是做编程出身的。我以为，人工智能技术的更大价值是在物理天下里大规模应用，所以我们公司的标语是 “Build AGI for physical world”，打造物理天下的通用人工智能，这是我们的愿景。
我们做的决议都在往 “通用化” 方向靠。比如，“无图”技术，让辅助驾驶摆脱了高精度地图的地域限制，是一种通用化；端到端技术就更通用了；再下一步的 VLA，是一个更通用的模型架构，可能会打破汽车和机器人之间的Gap（壁垒）。
我以为，通用化是人工智能的大趋势，现在的大模型基本就是数理化样样精通。
泰坦Talk：现在业内天天都冒各种新技术名词，比如 VLM、VLA、天下模型等，你怎么看这些概念之间的关系？将来还会一直有新词冒出来吗？
周光：肯定会啊，这是常态。因为AI 领域就如许，没有哪种方法能一直管用，也不能任意说一个方法就死了。比如 RL（强化学习）突然就火了，之前是 GAN（生成对抗网络），厥后又轮到 diffusion（扩散技术），但它可能也不一定能坚持多久，肯定会有新技术出来。
但难就难在怎么从一堆技术中找到真正有用的技术，究竟噪音太多了，可能十个、二十个技术方向里，真正能落地的也就那一两个。
泰坦Talk：你们怎么找到的方向？
周光： 我们自然就能找到，没有刻意去探求，可能因为我们是更原生的 AI 人才。
自动驾驶和大模型领域不一样，大模型领域基本都是原生做 AI 的人，所以在自动驾驶领域，你的思维越是AI导向，你越不容易犯错。许多时候犯错误的，反而是那些只会讲词的人。
泰坦Talk：可以明白为，你们 2019 年成立时，行业其实已经出现两个（基于规则和AI驱动）显着的发展方向了？
周光：我以为没有。2019 年还没有明确的分化，真正的分水岭是 2022 年底大模型出现之后。在那之前，你凭什么说写代码的不如学AI的？
泰坦Talk：你之前说2020年元戎就已经开始做“无图”了？
周光：那是我们本身的believe（坚持）。其实早在 2016、2017 年，行业就有个争议：是编程更厉害，还是人工智能更厉害？可能许多人以为人工智能就是编程，这是个误区。
我们当时见投资人时，也面临着许多类似问题，直到2022年大模型这波浪潮起来才厘清。
你看现在中国这些新成立的公司，创始人基本都是 AI 配景。
泰坦Talk：那个时候没有人再去质疑这个事情了？
周光：对，2022年之后所有人都知道AI是AI ，编程是编程，这是两回事，形成了行业共识。我们在2016年、2017年就很清楚，这是两个物种。
泰坦Talk：感觉你之前不怎么对外讲本身的技术，这是为什么？
周光：也不是，我们一直在讲“无图”方案。2023 年 2 月第一次讲“无图”时，已经有DEMO（样车）了，你能体验。
说实话，“无图”在当时是个反共识的东西。2023 年初在上海，许多人试我们的车，试完大家都不信。现在许多同行遇到我都说，当时看到元戎“无图”方案的时候，都以为是假的，说我们背地里用了高精度地图。
直到厥后，大家才知道我们当时是真“无图”。
泰坦Talk：当时决定做“无图”，是基于什么判断？
周光：我们应该是中国第一个“无图”方案。当时我们相信，人工智能能解决道路拓扑关系这类问题，它的本领更强大。
（作者注：道路拓扑关系反映的是，不依靠详细几何坐标的情况下，明白道路元素之间的抽象空间关联。包罗道路的路段、节点（如交叉口、端点）之间的连接方式。）
我们也是最早做 BEV （鸟瞰图）的，BEV 本来是前融合的延伸，不同传感器可以在前融合阶段处理，同构传感器也能在 BEV 视角下做前融合。既然如此，为什么不能用它来做静态物体检测、道路检测呢？
我们就是基于这个假设开始做的“无图”，一开始还是挺花时间的，不像今天，技术外泄很快。
泰坦Talk：你为什么这么坚信VLA是一个明确的方向？
周光：我以为它就是正确的啊。
我们需要的不是语言外貌的那些词，一个模型能不能“说话” 不紧张，关键是语言赋能的思维本领。我们需要的是语言背后的推理本领，没有这种本领，许多问题是无解的。
比如，当人看到公交车突然在非站点停车时，会本能地想“它为什么停？”，并通过推理得出车后面可能有个人，或者会有人冲出来。这种情况，你虽然看不见，但也可以靠推理做出决议。
它不是一个corner case（边缘场景），是经常发生的案例，不可能靠一条条写规则、编代码来解决，这需要common sense（常识），而许多常识都是通过语言背后的推理本领推理出来的。
我们认为，这是让人工智能再上一个台阶，也是解决自动驾驶长尾问题必须要做到的。一套基于Rule-Based（规则驱动）的体系，不管程序员多天才，都没有这个推理本领我们做 RoadAGI，就是希望AI 能具备对天下的认知。
（作者注：VLA模型，Vision Language Action Model，即视觉-语言-动作模型。元戎启行认为，通过VLA模型，AI汽车可以连接视觉、语言、动作，能识别和形貌道路环境、交通标志、道路参与者等，明白交通场景中复杂的交互事件、隐蔽的语义信息和逻辑推理，即便碰到潮汐车道、限行场景等特殊路标和边缘场景，体系也能有高效的场景泛化本领和稳固的驾驶表现。同时，基于VLA模型的端到端具有思维链的本领，拥有更长时序的推理本领，对于实时复杂路况的处理本领也会越强。并且VLA模型摆脱了“黑盒效应”，可解释性更强。）
泰坦Talk： 语言的推理本领是最核心的吗？
周光：语言只是个载体，当你考虑一件事 —— 比如考虑孩子去哪所学校上学，这其实就是在推理，那你是靠什么推理的呢？肯定是用语言，你想的是详细的语言，不可能是图像。
固然，用语言把推理过程说出来，能让用户更清楚地明白，不管是 Robotaxi 还是辅助驾驶，比如刹车这个动作，你得解释清楚为什么这么做吧？不然用户肯定会害怕、会慌。语言能让人放松，产生安心感。
在 AI 和自动驾驶领域，找对方向才是最关键的。你看现在许多都是跟随者，基本上这个火了就去跟这个，那个火了就去跟那个。我们还算是稍微有点想法的。
泰坦Talk：技术迭代始终会这么快吗？时间窗口期很短？
周光：我以为三年之内都会保持非常快的节奏，这个行业远没有到收敛的时候。
就像我一直说的，别看现在的市场占据率高，如果技术投入跟不上，有用吗？因为下一代技术很可能直接就把你淘汰了，你就out（出局）了。
我认为，在这个赛道里想要长久做下去，技术正确是第一位，第二是市场占据率。
泰坦Talk：所以你们是想先“小而美” 的跑出来，先跑到一个距离，拉开和别人的差距？
周光：对。“无图”方案、端到端技术，我们都是最早做的，基本比行业里早了一年。不过现在行业里总有人说 “我也是最早的”……
泰坦Talk：假设，真像你说的，将来两三年技术还是保持这种发展速度，那现在已经量产的车怎么办？
周光：已经量产的车该迭代可以继续迭代。量产车的算法是活的，芯片是死的，芯片顶多是提供算力。我们一直以为，100TOPS的稠密算力是入门线，低于这个标准后续（迭代）蛮难的。
泰坦Talk：你们VLA什么时候量产？
周光：我们是本年第三季度量产。我们上的肯定是一个能够落地商用的“真东西”，而不是输出一些固定pattern（模式）文字的“状态机”，那种也没必要了。
泰坦Talk：我前段时间看到一些观点，说 “VLA 到明年可能就成过眼云烟了，之后泛仿真会占据主流，再往后才是强化学习（RL）的高光时候”。你怎么看这个说法？
周光：这类观点我们就不评论了。大家各说各的，一直以来不都如许的吗？
我以为行业没必要都往一个方向挤，分散精神反而挺好，各做各的，最后各凭本事。
泰坦Talk：你前段时间提到了RoadAGI，最近也有人提到天下模型，这两者到底有什么不一样？
周光：不一样。Road AGI更多是模型往通用化走，它不但能用于车，还能适配移动智能体，关键在于模型的通用本领和泛化本领。跟天下模型肯定不是一个东西。
（作者注：RoadAGI是指道路场景的通用人工智能，元戎启行想打造一个通用的基座模型，让移动智能体都具备任意点到点移动的本领，包罗公开道路环境、封闭园区等全场景。）
泰坦Talk：天下模型它从技术原理上到底是什么？
周光：就是模拟器高级版。
“不务实没有当下，不浪漫没有将来 ”
泰坦Talk：你怎么应对现在这么暴虐的竞争？先追求技术，还是先追求规模？又该如何均衡这两者？
周光：我以为要务实与浪漫兼顾。公司没有一个实际支持不可，但如果公司没有追求、没有浪漫，没有先辈技术，它也没有意义。
其实我们也看到，有些智驾公司曾经市场占据率很高，最后还是出了问题，这说明没有技术先辈性，只谈规模没用。这一代技术上车了，那你下一代怎么办？反过来，如果没有充足的浪漫（也就是先辈技术），也做不出规模；可没有规模，又如何支持你的浪漫呢？
所以我认为两者同等紧张，不能只看规模，否则可能就没有将来。不务实没有当下，不浪漫没有将来。
泰坦Talk：你指的这个规模，比如对于元戎来说是多大的规模？
周光：现阶段还不好详细说，市场还没有完全开放。
Robotaxi 业务是个关键。我们非常期待马斯克能把Robotaxi这条路走通。最近特斯拉销量跌了许多，但他心思都在 Robotaxi 上。你以为特斯拉股价如果再翻一倍，是因为 Robotaxi ，还是因为销量翻倍？就算销量翻倍，可能也不会涨一倍的市值。
对我们这种 AI 公司来说，我以为先辈性肯定更紧张。固然也需要充足的体量支持。
泰坦Talk：你之前说过L5自动驾驶实现后商业模式会大变，会怎么变？
周光：商业模式会完全改变，不再是卖商品，是提供服务。
现在特斯拉是把车卖给个人消费者，Robotaxi卖给谁？它卖的是服务，而不是车。
现在你买车，车可能还能帮你开一段（指辅助驾驶），但本质上，技术还没到那个拐点。一旦技术成熟，到这个拐点，车就变成一个服务。如果技术还没到拐点，那车可能是一个high value（高价值）的配件。
泰坦Talk：那你以为这个拐点什么时候会到来？
周光：美国可能会走得比较快。
马斯克现在的Robotaxi策略是农村包围都会，先解决大农村路况，再铺到美国所有农村，再到都会。而Waymo是在旧金山、纽约、费城这些复杂路况跑，因为这些地方的图它都采集了。
泰坦Talk：不过也有观点认为，奥斯汀是Waymo最先落地Robotaxi的都会之一，因为路况相对简单。
周光： 没错，简单固然最好。特斯拉的技术路线是从简单到难，Waymo从难的地方开始搞，因为它算不过来账，两者可能在一段时间之内不会meet（交汇）的，一个专攻市中央复杂路况，一个在农村铺开。
但特斯拉是很容易scaling-up（规模化扩张），工厂天天能下线一万台车，真正进入服务模式后，就不再受限于卖车的逻辑，造多少车是我的事，只要车能跑出去挣钱就行。
泰坦Talk：拐点来了之后，像元戎如许的公司，你们也可以做如许的服务？
周光：这需要非常大量的资金，不是说我们能够玩的，我们可以成为其中一环。
泰坦Talk：详细来说，是指哪一环？
周光：举个例子，如果将来腾讯、阿里或字节这类巨头决定入局Robotaxi，我们可以提供核心技术支持，把核心技术做到那个水平，成为财产链中的关键一环。
你要想，今天还有谁能拿得出几百亿、千亿的钱砸进去？假设技术成熟都需要这么多钱，之后才能形成规模化和商业化，任何技术的遍及都需要海量资金，蛮难的。特斯拉本身就有这么多钱，它把技术做出来，就能干出来。
泰坦Talk：所以这是不是你看好滴滴的一个原因？
周光：滴滴省了很多多少钱，它不用推广了，只要把车做出来就行。你想，你光推广让别人用你的东西都挺费劲的，滴滴可能自然就有优势，这方面的成本会低许多。
泰坦Talk：特斯拉的 Robotaxi 真正实现更大范围遍及后，会对目前的 L2 级辅助驾驶以及 L4 级 Robotaxi 市场带来什么影响？
周光：我认为，起首特斯拉的技术路线本身就源于量产体系，所以Robotaxi 的运营实际上也会反哺量产，让端到端的技术路径进一步延伸。这可能会对现有的基于高精度地图的自动驾驶方案造成较大冲击。
无论是在中国还是其他地区，目前Robotaxi 的主流方案基本都依靠高精度地图，比如出了限定区域就跑不了。
泰坦Talk：你以为L2 与 L4 技术路线之争会因此消失吗？
周光：我一直认同用 AI、用数据驱动自动驾驶的逻辑，因为自动驾驶本质上也是 AI 机器人的一种。所以对我而言，其实一直不存在靠rule-base、靠高精度地图的技术路线，这不一定走得通，我以为行业可能会形成一个共识。
其实在 2021、2022 年，也就是端到端和大模型技术爆发前，很难说清楚，但 ChatGPT 的出现让大家看到了大模型的reasoning（推理）的本领，再加上 2023 年后端到端技术的出现，辅助驾驶技术提升特别快。
接下来，大模型+端到端，就是VLA，它带来的提升是质变的。我以为行业会形成共识，都要朝着大模型 + 端到端的方向发展。
泰坦Talk：这已经是一个共识了，那在你看来，现在行业最大的非共识是什么？
周光：其实我不太关注这些，因为我们有本身的技术理念和坚持，所以一般也不喜欢看别人在干啥。我们一开始做“无图”，我们就黑白共识，是吧？
从我们自身的路径来看，我们倒是挺共识的，可能外界有一些声音，我们也不去judgement（评判）。
泰坦Talk：你以为特斯拉FSD真的要跟第三方合作，会有人用它吗？
周光：好的技术，为什么不用？这更多是一个商业考虑。
泰坦Talk：你跟马斯克有过沟通吗？或者尝试过跟他沟通吗？
周光：我没有沟通过，但是之前本来是有个机会可能可以见到他，但厥后他的行程取消了。
泰坦Talk：他行程取消的那次，你想跟他聊什么？
周光：就想让马斯克看看我们的技术。因为2023年的时候，特斯拉做的是反共识的事情，我们在中国做“无图”方案，也是反行业共识的。
就是说除了特斯拉以外，还有人也在做“无图”技术、做端到端技术，可能是如许一个感受吧。
泰坦Talk：上海车展跟你聊完，第二天我问了一位圈内高层，我说最近周光一直在疯狂输出VLA，为什么？他跟我说，周光可能要成为中国的马斯克。
周光：没有，没有，没有这个意思。
“干掉我们的可能是大模型公司，不可能是同行”
泰坦Talk： 你以为 L2、L3、L4、L5 这些分级里，哪些有必要，哪些没必要？我现在感觉从 L2 到 L5 的演进速度特别快，好像一旦技术方向确定，实际落地会比预期快许多。
周光： 特斯拉显着就是L2到L5，没有L3，也没有L4。会非常快的scale-up。
泰坦Talk：对，马斯克在社交媒体上说，两到三年之内都会自动驾驶车辆会发生巨大的改变。
周光：我以为highly possible（极有可能）。美国的都会路况其实很简单，尤其是中西部的小都会，路况真的很简单，它可以做到一个月不接管，非常现实。 中国可能不一定，因为中国路况复杂，美国黑白常、非常、非常可能实现的。
泰坦Talk：那个时候，汽车的产物形态是不是也会发生很大的变化？
周光：应该会吧，但不紧张。我以为自动驾驶本领和产物长得什么样不要紧，我相信马斯克也没想好车长什么样，现在他造出来的车，哪怕无人驾驶，也是像正常的车。
泰坦Talk：如果真的有一天实现了，现在的车厂是不是都变成代工厂了？
周光：那不是，我以为车厂也有可能做这个事，谁都有可能做这个事，核心是谁能先把握关键技术。
泰坦Talk：但它中间也有个运营商。
周光：对，所以我才说，资金是必要的，同时还需要有渠道和流量。以滴滴为例，要是它有了相干技术，推广起来成本会低许多，我相信有钱的巨头同样有本领做这件事，究竟它们并不缺推广的资金。
技术本身可能是一个入门门槛，不一定只有我们公司能做出来，我认为国内第一梯队的企业可能陆续在一两年内能做出来。
泰坦Talk：从目前中国市场的智驾竞争来看， 你怎么看规模优势和先发优势？
周光：我认为规模是有优势的，但先发不一定有优势，多少人证明了“长江后浪推前浪”。先发且对，才有优势，先发错了，它就没有优势。
在这个快速变化的行业里，选对技术线路是最关键的。
泰坦Talk：最近何小鹏提出一个观点，说 “买车先看算力，算力是检验智能辅助驾驶本领的第一标准”。你怎么看？
周光： 以游戏显卡为例，英伟达的显卡，4090 肯定比 4060 性能好，这是毫无疑问的；同一架构的芯片，算力越大，表现自然更优。但问题在于，不同芯片之间的差异很大 。
所以，这个说法并不完全对，也不能说它错。究竟，同一架构下算力越强越好，这是显而易见的，但芯片的适配性、算法与硬件的协同效率，同样是影响智能驾驶本领的关键因素。
泰坦Talk：那你以为将来自动驾驶公司，或者现在这些头部的新势力企业，都需要本身造芯片吗？
周光：我以为没必要，真的没必要。量如果起不来，造芯片干嘛呢？
其实GPT出来之后我是挺焦虑的，我以为，真正干掉我们的可能是大模型公司，不可能是同行能干死你，从来没有同行能干死你的，都是你本身死的。
举个例子，激光雷达的竞争，终极它到底怎么样？它是因为纯视觉本领出来，而不是激光雷达公司相互之间PK死，一定是其他外部原因。
对我们这个行业来说也是如此。比如，GPT-4V 展现出的推理本领，这种突破性的进展，根本不是单纯靠算力就能解释的。
本领充足的公司，同行是打不败你的。但是，你会被降维打击。
泰坦Talk： 那如果有一天OpenAI做了自动驾驶，你怎么办？
周光：所以我们非常坚定地做大模型和VLA啊。你只能被加入（大模型）这个阵营，否则你就是死。（不加入的话）你怎么可能呢？你看到了大模型的效果，当它能在汽车上实现实时运行，你怎么可能可以赢啊？No way you can success（根本看不到成功的可能）。
固然，现在数字天下的大模型要落地到物理天下，确实存在不少壁垒 —— 比如domain knowhow（行业专属知识）、算力限制等等，这肯定不是件容易的事。
但试想一下，当一个 100 亿甚至 1000 亿参数的大模型能在汽车上运行，算力不再受限，并且已经熟悉物理天下的各种场景后，你凭什么能赢过它？靠写几行代码吗？No way you can success。
我们做 AI 的就很清楚，这也是为什么我们要做 VLA——VLA 就是大模型与物理天下的结合，方向非常明确，forget about其他路径，两个路径的差距就像“你拿着火枪去打一个用弓箭的人”一样。
泰坦Talk： 你怎么去圈定元戎这家公司的边界？你现在做什么，将来想做什么？
周光：我们现在的核心肯定是围绕车，究竟汽车是第一个实现大规模量产的智能体。我们希望让自身技术在物理天下中得到更广泛的应用。
泰坦Talk：你们同行预判，将来中国的智驾公司只会剩下三到四家，你怎么看这个观点？
周光：我以为任何行业都是如许，不只是智驾领域，大模型不也是嘛，现在就三四家了。
泰坦Talk：从智驾市场来说，现在大家都在说已经形成了 “自华魔” （自研智能驾驶的车企、华为和Momenta）的格局，你以为是如许吗？
周光：那“自”就有十家了吧？这个是营销策略嘛。我们倒还好吧，我以为这个不本质。为什么说我们公司许多东西能做对？就是因为底层思维。
怎么看公司行业地位？“不知道，本身评价本身是最不要脸的”
泰坦Talk：你刚才讲的，许多都是所谓浪漫的事，回到现实，当下你以为遇到的最大挑衅是什么？
周光：肯定是量产交付。客岁，我们完成了从 0 到 1 ，本年是 1 到 10——本年十几款车型要同步交付，压力还是蛮大的。
对我们来说，其实碰到了一些挑衅，但团队非常团结，大家都很拼，这点让我很感动，我相信本年一定能完成这十几款车的交付目标。
固然，我们也在思索一个问题：公司是否有必要在现阶段、在技术没converge（趋同）之前，你就要做everything（所有业务）？比如，假设中国市场一年有 200 款车型，我们真的需要全部做了吗？真有那个必要吗？其实是我们深度思索的问题。
固然，我以为有意义的几十款车还是要做的，让你有充足的市场份额，让公司务实、造血，让你有充足的市场和数据，支持你想做的浪漫的事。
泰坦Talk：你们的基因是一家AI公司，但你又在做非常苦、非常累的活，这个过程当中，你以为一个理想的构造是什么样的？你要为它做什么？
周光：说实话，只有在完成量产后，你才知道怎么去打磨体系。从第一次量产，到现在这么多车型同步量产，我相信本年结束后，我们会建立起一整套健全的体系，能够支持多项目并行 —— 哪怕明年要推进几十款、甚至上百款车的量产，也是没问题的。
这套体系真的是需要在战场里面练出来，不是靠拍脑壳定个技术方案就能成的，它就是 “苦出来” 的。所以我们也很佩服那些能做这么多车型的公司，他们在量产这块确实比我们走得早。
我以为要在这个市场存活，既要有技术先辈性，也要有量产规模，两者都不占的话，基本就活不下去了。皆占是最好的，但这两者之间其实存在一定冲突 —— 你做得越多，投入到下一代技术研发的资源就越告急。所以关键是要找到均衡，没有一定的量产规模，连基本的资源都得不到保障，必须在量与先辈性之间找到一个均衡点。
泰坦Talk：有没有一个特别明确的词，能形容元戎目前在行业里的位置？
周光：不知道呀……行业身位都是行业评价的，我怎么评？本身评价本身是最不要脸的。
泰坦Talk： 你以为客户为什么会选择你们？
周光：从技术层面来讲，元戎证明了本身，我们的表现没问题。
另外，我们其实都挺负责的，我们要做，肯定就是冲着做好去做，所以客户愿意把一些紧张的、王牌车型定点给我们。不像有些情况，可能会先占着（定点），但实际上没好好做。
对车企来说，越紧张的车型，越希望供应商能真的用心，而不是把这个项目当成100个项目中的1个。我们的策略是choose carefully and serve well（谨慎选择，好好服务）。
泰坦Talk：那你以为这些死掉的智驾公司，它死掉的最核心的原因是什么？
周光：就是我说的两点：你的量不占优，技术先辈性不占优。 务实、浪漫皆不占。
但是我以为，这个行业变得越快，可能浪漫的水平会越紧张一点，现在行业变得太快了。
DeepSeek不就是一个极致的浪漫嘛？
泰坦Talk：所以现阶段你们是不是也少了一些浪漫？
周光：是的，少了一点浪漫了。
泰坦Talk：那你怎么办？
周光：加油吧，这个也没有什么好办法，没办法。就是你说的，做得越多，就越缺少浪漫，要找到一个均衡。
像特斯拉，有充足的量之后，它今天就是纯浪漫了，车子卖多卖少紧张，但没有Robotaxi紧张。今天特斯拉就是把浪漫放在务实之前了。到了它这个阶段，反正也无所谓了，我的务实，我也挥霍得起。
泰坦Talk：如果真像你说的，有一天你们可能被一家大模型公司或者更大的科技公司打败，你有没有想过，你们可能会被他们收购？有这种可能性吗？
周光：固然有这个可能性，没有什么不可能的，不挺正常的嘛。
泰坦Talk：所以你以为大模型公司想做车是分分钟的事情吗？它不需要规模化量产的经验吗？
周光：那肯定也不是分分钟。数据、domain knowhow对他们来说是个壁垒，你怎么知道物理天下需要什么样的输出？究竟这不是文本。
语言模型处理的是文字、文本数据，但物理天下的场景和需求，这里面肯定有瓶颈。 开车的时候，许多场景都需要这种主动思索和预判，你想不到怎么办？
泰坦Talk：所以从一家 AI 公司的视角看现在的这些车厂之间的竞争，你以为将来会是什么样的趋势？最近大家也在说牌桌论，淘汰赛已经开始了。
周光：我肯定没办法给太多意见，但我以为AI肯定是淘汰赛中的一个核心本领之一。AI 是必要不充分条件，不是说有了 AI 就一定能成，但必须得有。
泰坦Talk：我们往更远一些说，如果有一天大家基本已经形成共识，AI 定义汽车、改变整个行业。到那个时候，你以为整个生态里会出现哪些形态的公司？
周光：我以为肯定会存在特斯拉这种全栈自研的公司，也会有像我们如许，能为车企提供AI 本领的公司。
现在这个行业，一年前的技术都可能已经失去商业价值了，所以不是谁都有机会成长为全能型企业，生态里的公司形态一定会是多元的。
泰坦Talk：在打造爆款层面，你们现在跟合作车企怎么做？或者你们本身怎么做？
周光：固然谁都想做出爆款，对吧？我以为除了技术够好，真诚的态度很关键。但这里有个抵牾点：如果你做太多，做出爆款的概率会受到影响。大家会想，你那么多项目，凭什么会把我的紧张车型给你做？
这真的不是靠绝对的资源堆砌就能成的，将来车型数量肯定会往少了走，今天可能是百花齐放。
泰坦Talk：你判断这个时间什么时候来？这对于你们这种体量的公司来说很紧张，你要撑到那个时候，要比别人更快跑到那个点。
周光：对，其实我以为，这对于整个行业都挺紧张的，可能三年到五年时间内，也许会更快。
泰坦Talk：那以后汽车产量会急剧下降？
周光：那我不知道，这是经济学家的事。
“长期竞争，技术先辈性能让你活得久”
泰坦Talk：我们回到公司层面，你们是2019年成立的，很快就疫情了。那段时间你们履历了什么？怎么挺过来的？
周光：我们当时运气好，如果说2020年成立就完了。当时我们成立之后获得了第一笔钱，这笔钱帮我们扛过了疫情第一年。2021年融到了第二笔钱，阿里的投资对公司来说意义尤为重大，我们一直都很感谢阿里。
泰坦Talk：成立六年，你最满意的点和最不满意的点是什么？
周光：务实层面还是要再增强，可以更务实一点。
泰坦Talk：跟车企合作之后，你以为对你资助最大、或者说本身成长最快的是哪方面？有没有被车厂diss过？
周光：肯定被diss过，虽然我们更务实了，车厂让我们更务实，形成了体系。
体系黑白常痛苦的，务实是第一位，改变是挺难受的，但我们也扛过来了，还在继续改善和提高。
泰坦Talk：你们本年是几款车？里面有中国品牌也有外洋品牌？
周光：十几款车，要达到20万台这个量级，本年都是中国品牌。
泰坦Talk：刚开始谈客户的时候，你们的量产车并不多，那客户怎么相信你们啊？你是怎么拿下他们的？
周光：因为一开始，只有我们有“无图”。当时整个行业里，要拿下客户，对方肯定要看两点：一是算法行不可，二是有没有量产经验。
在那个时间点，你选有量产经验的公司，不好意思，它没有“无图”方案；有本领做“无图”方案的，又没有量产经验。回到 2023 年那个节点，根本找不到既有量产本领、又能提供无图方案的公司。只有我们，没有别人。
泰坦Talk：所以你们这些合作是在很短的时间内促成的吗？
周光：那个时间点的决议都很关键。因为大家都清楚，当时如果量产一套有图（高精度地图）的智驾方案，基本没有市场竞争力。所以在那个阶段，决议的优先级里，可能量产经验不是第一，先辈性是第一。
泰坦Talk：所以你刚才一直夸大技术的前沿性和领先性，是不是也是因为这个原因？
周光：长期竞争，先辈性能让你活得久。
泰坦Talk：你们还是比较幸运的，他们还没有选定供应商，恰恰你们也有这个方案。现在还会有如许的机会吗？
周光：现在的逻辑不一样了。当时是属于是人无我有，现在是属于我们都挺好，又有量产经验，效果又好。
“‘社会大学’ 这门课还是需要的，躲不过去”
泰坦Talk：谈一谈CEO这个身份，其实我们都知道你有过一次创业失败的履历。 当时事件爆发是在2019年，你很快又以 CEO 的身份开办了新公司，当时是怎么走出那段低谷的？
周光：没什么吧，我感觉我还是心比较大吧，没感觉怎么样。
泰坦Talk：你心有那么大吗？你平时怎么解压？
周光：运动，跑跑步。说实话，我以为有时候钝感也是好事，让你不被这些杂音所影响。
泰坦Talk： 刚刚以CEO的身份出现时，你有没有担心过公司可能会失败？当时的心情是怎样的？
周光：我以为没什么呀，（就算创业不成）哪怕打个工、找个高薪的不很正常吗？对我来说，更多是以为时代给了如许的机会，不是为了赚钱或者别的什么，就是想做点事。
现在也不缺聪明人，当时我在基科班（清华大学基础科学班），我们宿舍八个人里几个状元、奥赛金牌。但像我如许，正好学人工智能，又赶上了时代需要这些技术，还能找到合适的生态位，这种机会太难得的，所以肯定要珍惜如许的机会。
泰坦Talk：你从第一次创业履历里面学到了什么？最大的经验教训是什么？
周光：除了技术先辈性，公司运营的其他维度同样关键。我们第一次创业时，技术层面就是国内最好的，但在股权分配、团队激励、核心成员稳固性这些事上，还有对人性的明白上，都得上一个台阶。
那之后我才明白，为什么大家更喜欢连续创业者？因为他们踩过坑，“社会大学” 这门课还是需要的，躲不过去。
泰坦Talk：你有没有上过教你怎么当CEO这种课？
周光：没有。我不认为这些东西是不可以被copy（复制）的，每个时代都有每个时代的独特的公司文化和机制。
我曾经一度以为阿里、华为这两家公司有本身非常强的文化，但厥后发现，每个时代都需要有本身的公司模式，因为技术和工作模式变了。你可以去看他们，了解他们，但不需要去copy他们，它的形成都是当时那个时代的一个产物。
泰坦Talk：现在的许多新势力已经陷入规模陷阱，到了这个阶段显着撑不住了，所以他们也在学一些东西，比如华为的 IPD 体系之类。你现在学习目标和对象是谁啊？你最欣赏的那个？
周光：对，该学就得学，但不是去照抄，肯定行不通。
我以为都要看，每个公司它能够到今天，还有每个很牛的人，他都有本身的亮点和擅长的点，这些其实都值得我们去关注、去学习。
泰坦Talk：你以为你现在是一个好CEO吗？
周光：我不知道呀，这个东西，我不知道怎么定义。
泰坦Talk： 大家都说，这个投资人和合作伙伴其实更看重的是人，你的合作伙伴是看中了你什么？
周光：我以为你有一个好东西是关键，公司诚信、正直这些品质也同样紧张。但反过来说，产物不可，你再真诚有什么用呢？
泰坦Talk：车企更复杂吧，你现在面临的这些人和事更复杂吧？
周光：是挺复杂的。
泰坦Talk：你之前在百人会的发言引起了不少争议，影响挺大的。你现在依然以为L4是骗人的吗？
周光：其实我一直在说，Robotaxi 作为一种商业模式，它一定是真的。但你技术线路不一定是L4呀，你看特斯拉就是直接L2到L5，跳过L3跟L4，这是它技术线路决定的，人家不靠高精度地图。
我当时说的 “骗人”，是说 “靠高精度地图”，指技术线路是骗人的，而不是指Robotaxi 商业模式有问题。 什么叫L4自动驾驶？限定区域内的自动驾驶就是(使用)高精度地图，你们画个地图让车跑，说是自动驾驶，所有人都能用，怎么make sense（讲得通），对吧？所以当时大家就误解了。
泰坦Talk：通常面对这些争议的时候，你是什么反应啊？
周光：不理啊，有什么好理的？你什么都理，那人不都废了吗？
泰坦Talk：我以为你作为一家AI公司，你的野心还是很大的。
周光：还好吧，我没什么野心吧。我们就只是想把AI技术做出来、做好，真没有什么太多的野心。
泰坦Talk：你怎么看今天的机器人行业？现在许多声音。
周光：我也不去评判了，还是做小脑的多，基本都是Boston Dynamics （波士顿动力）的路线。但机器人领域里，还有特斯拉、Figure、Pi（Physical Intelligence） 这些玩家，他们和Boston Dynamics走的是不一样的路线，这是区别。
泰坦Talk： 我看报道说，你在百度的时候，对面是彭军，斜对面是楼天城，斜后方是韩旭。你们现在还有接洽吗？
周光：没有吧，很少了。
泰坦Talk：如果用一个词或一句话来定义元戎这家公司，你以为它的特质是什么？将来成功的标志又是什么？
周光：我以为 “底层思维” 可能是我们的核心特质，想问题比较底层，我们肯定不是那种同流合污的公司。成功的标志，我们一直说，希望成为将来的基础办法。
什么叫基础办法？就是将来所有物理agent（智能体）里，都有元戎的软件和 AI 在运行。就像 30 年前的中国联通、中国移动，当时是最牛的企业，现在成了基础办法，这说明它们做得非常成功。
泰坦Talk：像你们如许的公司做成基础办法，它得多大规模的人啊？
周光：也不一定，我以为时代在变。你看现在的 AI 公司，同等业务规模下，显着比上一批企业小一个数量级。比如 OpenAI 也就一千多人，不一定非要靠那么多人了。
泰坦Talk：我之前看了一些你对外的言论和媒体报道，感觉你可能是个比较 “飘” 的人，像风筝一样。但今天聊下来，以为你更像个铅球，这是不是和你第一次创业履历有关？
周光：肯定有关系的。一个人到了 30 岁，很难被改变了。只有履历过一些重大的事，才可能真正带来改变。那次创业履历，肯定是有一些影响的。
泰坦Talk：你平时怎么去学习啊？你现在怎么看学习这个词？
周光：我以为就是要持续学习，而且是多维度的。不过对我来说，更紧张的其实是和高质量的人交流，这可能是最有效的输入方式。
泰坦Talk：你身上最大的缺点是什么？
周光：最大的缺点啊？有的时候还是比较懒……
泰坦Talk：但你之前不是说懒比较好吗？李想有一个观点，他说懒人其实在产物定义方面很有优势。那你最大的优点是什么？
周光：我以为，我想问题想得比较清楚。
泰坦Talk：所以你可能是一个“铅球”。你有什么一直坚持的爱好吗？
周光：打游戏啊。不过，现在是吃饭的时候会看别人打游戏。
泰坦Talk：你以为跟 AI 一起长大的这一代，应该怎么正确明白 “学习” 这两个字？他们该如何面对学习，家长又该怎么明白 “教育” 这两个字？
周光：AI 对这一代的影响肯定特别大，曾经我们说 “学好数理化走遍天下都不怕” 这种观念，可能都会有变化了。
我以为要想清楚：哪些本领是 AI 替代不了的？比如基础的推理本领，哪怕有 AI，人还是得有本身的逻辑判断；还有良好的社交网络和社交本领，AI 没法替你去与人打交道；人的创造力和灵感，这些都是 AI 难替代的。
至于工具类的技能，其实不用太在意了。比如会不会写 Python、JAVA 或 C++，这些都不紧张 ，AI 更多是作为工具存在的，紧张的是你怎么设计和运用这些工具，而不是纠结于工具本身。
泰坦Talk：死记硬背这种就不需要了吧？
周光：死记硬背还是基本得有，你不背你怎么去推理呢？但你不用像以前那种，一字一句地背也没有必要了。
以下是《泰坦Talk》固定环节，我们希望每期都跟嘉宾聊聊曾被视为 “汽车界 iPhone 时候”的苹果造车计划。
泰坦Talk：你怎么看苹果放弃造车这件事？它为什么会放弃？
周光：以我当时了解到的情况，苹果一开始就想造一辆没有方向盘的车，但当时那种技术还没成熟，好像是去不了方向盘，我们了解到，他们的车其实已经造出来了，但成本高达十万美元，可能也是苹果的光环太高了，最后放弃了。
当时大家以为自动驾驶可能三到五年就可以大规模的完全无人化，结果发现并不是如许。但我相信，如果是苹果的车子，卖 1zu00 万人民币大家还是会买的。
泰坦Talk：那你以为它还会返来造车吗？
周光：这我还真说不好。当时停止泰坦计划的时候，并没有停掉自动驾驶相干的研发。我猜他们的思路是，等自动驾驶技术成熟了，再转头来造车。
不过，有一点能确定，AI 肯定是更核心 ，对苹果来讲，假设今天有L5技术，那苹果造这个车也很快。
往期内容
来源：https://view.inews.qq.com/k/20250711A020JX00
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！ | 
/1 
