Meta FAIR Director 田渊栋博士 与孟醒(前滴滴无人车COO, 五源资本) | Robotaxi | O1 | Chain of Thought | IEEE TCSVT

自动驾驶的L2与L4：能力与责任的解耦

在讨论自动驾驶时，传统的SAE L1-L5分级标准往往混淆了技术能力与法律责任两个维度。孟醒指出，实际落地中，具备L4能力的车辆可能仅承担L2责任，即事故由人类兜底；反之亦然。这种解耦导致了两种截然不同的产品形态：L2辅助驾驶是整车功能的一部分，而L4无人驾驶则是独立的运营服务。L2产品本质上是体验主导型，其核心优势在于可以早期上线，即使功能粗糙，只要比没有好即可，且迭代速度极快，通过持续升级来卷上限。相比之下，L4产品更注重下限的提升，必须确保最差情况不出现愚蠢错误，其上线门槛极高，一旦达标，重点转向降成本与规模化，而非单纯追求体验上限。

“L2本质上因为它是辅助驾驶，因为人兜底，因为它更适合是一个产品闭环的形式来去交付给整车，所以它可能是一个整车的功能。然后L4呢...它因为要闭环去保证下线，所以它当更适合做运营。”

Tesla FSD与Waymo的性能差距实证

关于无人驾驶领域是否存在类似大模型的Scaling Law，孟醒持谨慎态度。尽管特斯拉声称FSD V12版本在端到端架构切换后性能有指数级提升，但孟醒通过实测发现，接管率并未呈现数量级下降。在旧金山特定路线（从Pier 39/42经Chinatown至Daly City）的测试中，FSD在市区驾驶几乎无法实现零接管，随机路线下大概率会出现1-2次接管，关键接管率（MPCI）处于个位数水平。相比之下，Waymo在相同语境下报告的MPCI约为10万英里（约16万公里）。这意味着两者在安全性上存在数千至一万倍的巨大差距，且目前尚未看到特斯拉能在短期内弥补这一鸿沟的明确苗头。

Scaling Law的局限性与Emergent现象

孟醒认为，虽然特斯拉在训练集群算力上逐步爬坡（从年初的1万H100等效算力增至年底的3万+），且用户反馈中出现了一些Emergent现象（如灵活处理坏红绿灯），但这并不等同于真正的Scaling Law爆发。特斯拉FSD的架构从多年补丁堆砌直接切换到端到端，能在保持性能持平甚至局部提升的情况下完成切换已属不易，但性能提升曲线并非指数级。此外，Waymo等L4厂商尚未大规模转向纯视觉基础模型，若其跟进，天花板可能进一步抬高。因此，目前并非插PPT的时刻，真正的突破仍需观察。田渊栋对此表示认同，认为目前对Scaling Law在自动驾驶领域的适用性仍保持不乐观，需区分理论学术维度与实际落地结果。

“从十二点一到十二点三点六到十二点四这三个版本是我自己比较详细的测过的...我觉得本质上看到的不是一个exponential的这样的一个curve往上走...离真正的目标还是有很多远处。”

嘉宾背景与行业视角

本次对话由TJ沟通会主办，孟醒现任五源资本前沿科技投资负责人，曾主导滴滴自动驾驶业务从0到1的建设，并在顺为资本负责前沿科技投资，投中小鹏汽车。田渊栋为Meta AI研究总监，专注于推理、规划与大模型结合的方向，曾在Google X及百度参与无人车项目，并在围棋AI、AI设计分析等领域有深厚积累。两人从产品定义、技术路线到商业模式，对自动驾驶行业进行了深度拆解，强调了L2与L4在商业逻辑上的根本差异，并对当前业界对Scaling Law的狂热保持理性审视。

Scaling Law 与涌现能力的本质争议

Scaling Law（缩放定律）的核心在于，当模型规模和数据量达到一定阈值时，会出现涌现效应，即模型突然展现出自主规划或处理未见推理任务的能力。这种从量变到质变的临界点，是学术界、产业界和投资人最兴奋的地方，因为它暗示了通过增加数据可能解锁AGI（通用人工智能）的实现路径。尽管投入是指数级的，但回报看似是线性的，这种非对称性驱动了巨大的资源投入。然而，这种投入更像是一种自证预言，类似于半导体行业的摩尔定律初期阶段，大家愿意相信并跟随这一规律，即便它并非严格的自然法则。田渊栋指出，Scaling Law 在初级阶段更像是一种工程上的赌注，而非像摩尔定律那样可以通过部门增长百分比精确计算的商业逻辑，其本质是“灌入大量数据看是否有效果”的黑盒实验。

“Scaling law 其实是指，就是注意力达到一定程度之后，就会有个涌现的效应，就是我们突然之间发现这个模型可以自主规划了啊，突然发现这个模型可以做一些没有见过的推理啊。”

目前对于 Scaling Law 的有效性仍缺乏定量的科学理解。人们担心的是，如果无法从本质上理解模型为何能学会这些能力，就无法可靠地推测未来 Scaling 是否持续有效。特别是对于规划或推理这类复杂问题，目前的模型并未展现出本质的算法突破。例如，OpenAI 的 O1 模型虽然在评测中表现优于前代，但这种提升并非断崖式的。随着问题复杂度的增加，O1 的性能会急剧下降，甚至与其他模型一样降至零效果。这表明 O1 并未掌握解决该类问题的底层逻辑，而只是在大规模数据下学会了较好的拟合，一旦规模超出训练分布，问题依然难以解决。因此，目前仍处于“两眼摸黑”的状态，缺乏对涌现机制的清晰刻画。

自动驾驶 L5 路线：特斯拉与 Waymo 的哲学分歧

在自动驾驶领域，L5（完全自动驾驶）被视为“圣杯”，但实现路径存在FSD（端到端）与Waymo（规则+感知）两种模式的竞争。这背后涉及一个技术哲学问题：技术发展是由内在使命驱动，还是由市场需求决定？孟醒倾向于后者，认为技术方向由产品需求主导。从商业逻辑看，L4（无人驾驶运营）的核心在于压缩成本和扩大规模，其天花板并非体验，而是经济性；而 L2（辅助驾驶）作为体验型产品，必须不断破除体验天花板，这迫使技术向更高程度的自动化迭代。因此，L2 路线更有可能通过持续迭代逼近 L5，因为其内在动力是体验提升，而非单纯的无人化运营。

特斯拉构建 Dojo 级别的超算集群，并非基于当前自动驾驶的实际需求，而是为了探测计算上限。这种投入带有强烈的使命驱动色彩，旨在不断向上探索能力的边界，即便部分资源可能被浪费或用于其他场景（如 xAI）。相比之下，Waymo 的 L4 模式在达到一定阶段后，核心任务转为提升地板（安全性、可靠性）和降低成本，而非无限追求技术上限。因此，孟醒认为，L2 路线实现 L5 的概率更大，因为其迭代机制与体验提升紧密绑定，而 L4 的商业场景并不强制要求突破体验天花板。这种差异导致特斯拉更有可能通过巨型数据和算力堆叠推动技术向前，而 Waymo 则更侧重于工程优化和成本控制。

神经网络代数结构与推理架构创新

在基础理论研究方面，田渊栋团队近期发表了一篇关于神经网络解的代数结构分析的文章。研究发现，神经网络通过梯度下降学到的解（如加法运算），并非简单地记忆表格，而是通过傅里叶变换等代数方式构造出来的。这种涌现现象表明，神经网络的内部表示可能与我们想象的完全不同。该研究揭示了神经网络解的代数可构造性，这意味着未来或许存在一种不依赖梯度下降的新路径来求解问题。虽然目前研究仅针对无注意力机制的简单版本，但初步结论表明，通过代数分析可以更深入地理解涌现机制，区分模型是“背书”还是真正理解了问题的本质。

在推理架构方面，田渊栋团队提出了 DualFormer 模型，旨在解决当前大模型在规划和推理上的短板。受人类认知科学中 System 1（直觉/快速推理）和 System 2（慢速/逻辑推理）的启发，DualFormer 发现，当数据分布包含两种推理模式时，单一 Transformer 模型可以自动切换推理策略。对于简单问题，模型自动进入 System 1 模式；对于复杂问题，则切换至 System 2 模式。这种自动切换无需外部干预，且效果优于单纯的生成模型。相比之下，理想汽车等厂商采用的“大模型+小模型”架构是显式分工，小模型处理快速响应，大模型处理复杂思考。DualFormer 的创新在于证明了单一模型具备同时处理两种推理模式并自动选择的能力，这为下一代推理架构提供了新的突破方向。

“如果我们把数据的那个分布啊设成一个一个一个一个特殊的样子啊，它里面又有那个 System One 的推理方式，又有 System 二推理方式，放在混在一起，然后一起训练的话呢，你会发现这个网络其实它可以同时做啊 System One 和 System Two 啊的推理。”

此外，团队在高效训练方面也有进展，如 Get All 文章提出的方法，能在单卡（如 RTX 4090，24GB 显存）上直接训练模型，显著节省内存并可能提升性能。虽然 Scaling Law 的涌现现象令人兴奋，但田渊栋强调，目前仍需通过更深入的代数分析和架构创新，来定量地、科学地理解模型的学习机制，从而摆脱对 Scaling 的盲目依赖，实现更可靠的技术突破。

端侧部署的实时性与Anytime算法挑战

在自动驾驶等端侧实时决策场景中，大模型面临的核心痛点是结果输出的不确定性与算力资源的严格限制。早期版本在单任务上的推理延迟往往超过一秒，虽然后续优化将其压低至零点几秒甚至更低，但超时风险依然严峻，因为车辆无法等待漫长的计算结果，否则可能导致碰撞事故。目前车端尚未普及如田渊栋博士所研究的自动分配路由机制，理想的系统应能预判潜在问题并提前启动多个系统并行运行，但这会显著增加端侧体系的复杂度。

为简化这一体系，研究致力于让单一模型承担多重任务，同时引入Test Time Compute（测试时计算）的概念。例如，在围棋AI中，蒙特卡洛树搜索（MCTS）作为一种Anytime Algorithm（ anytime算法），具备在任何时刻停止并输出当前最佳解的特性，无需预先设定固定时间。这种特性使其非常适合比赛等有时间截止要求的场景。然而，在LLM时代，如何在端侧部署大模型以确保不超时且保持高性能，仍是亟待解决的技术挑战。

“如果有的话，我觉得可能在甚至于这个routing可能都不是对于一个单一问题，可能要预判有可能有什么问题，然后提前也gauge一些一些对吧？system就同时在跑，然后system one一直在在run的这样的一个过程。”

大模型推理本质：是真实推理还是词适配？

关于大模型是否具备真正的推理能力，学术界存在两种截然不同的观点。苹果公司的GSM研究指出，大模型可能并未进行真正的推理，而更多是词的适配；而DeepMind的Danny Zhou等人则通过理论证明，指出推理能力存在上限，即通过特定参数构造，浅层神经网络也能拟合复杂函数。田渊栋博士分析认为，Danny Zhou的研究主要证明了对于P类问题（多项式时间可解问题），如包含有限个逻辑门的电路，可以通过与门数量成正比的步数进行推理解决。然而，对于NP-hard问题，理论上需要指数级的推理步数，这与Transformer的能力边界并不矛盾，因为人类在面对NP-hard问题时也常依赖启发式捷径，而非精确求解。

苹果的研究进一步揭示，大模型对无关信息的干扰极度敏感。例如，在数学问题中插入一句与解题无关的“苹果是富士品牌”的描述，就会导致模型输出错误。Danny Zhou团队此前也有类似发现，即在阅读任务中插入无关语句会显著降低效果。这表明大模型可能缺乏真正的语义理解与无关信息过滤能力，其表现更像是对特定模式的记忆与复现，而非通用的逻辑推理。

“如果你加一句就是跟这个问题无关的话……这句话就会让这个大模型那个出现短路，然后那个效果就变差。”

数学视角下的推理近似与AI物理学实证

从数学视角看，孟醒认为O1等模型的推理过程类似于数值分析中的近似法（如泰勒展开或牛顿法）。原本符号推理是精确的，但受限于计算能力，业界转向了多次迭代近似的数值方法。大模型的CoT（思维链）多层堆叠，本质上是在高维空间中通过多次跳转逼近最优解，这与传统数学中的近似理论一脉相承。尽管两层神经网络理论上可拟合任意函数，但理论可行性与实践搭建难度之间存在巨大鸿沟，如何有效构建这些层数以解决实际问题仍是难点。

此外，Allen Zhu等人开展的“大语言模型物理学”研究，通过系统化的控制变量实验，深入分析了微小变量变化对模型性能的影响。例如，在图推理任务中，研究证实模型确实学习到了类似动态规划的结构。尽管目前的研究多为经验性规律（如Scaling Law），尚未达到牛顿定律般的普适理论高度，但这些扎实的实证分析为理解模型行为提供了坚实依据，有助于业界更理性地评估技术边界与投资价值。

“Allen这篇文章其实是做了一个系统性的分析。然后得到一些结论，这结论相对来说比较solid的……可以拿来分析模型的行为是怎么样子。”

大模型在高级抽象与概念生成上的局限性

当前大语言模型在处理数学证明等复杂任务时，虽然能利用已有知识进行推理，但在生成全新抽象概念方面仍存在显著短板。以陶哲轩使用O1模型解决数学问题为例，其表现被评价为仅达到一般学生的水平，虽然知识广博且能头头是道地讲解，但缺乏深层理解。田渊栋指出，模型更像是一个“非常熟练的做题家”，对于已知路径的问题能快速给出正确步骤，但在面对需要探索新路线的难题时则显得力不从心。

“如果他再上两个台阶的话，可能会成为一个还可以的、一般的、一般般的一个学生的水平……如果他哪天能够生成一个新的很有意思的概念，并且用这个概念去推理的话，那它已经超过了或者说达到人类的水平。”

这种局限性的根源在于“鸡生蛋，蛋生鸡”的数据困境：生成新概念需要大量数据刻画，但新概念本身在训练数据中不存在。尽管神经网络内部可能存在隐式概念（如早期CNN分析中发现的节点对应人脸或正方形），但这些多为对已有数据的总结，而非真正的逻辑创新。因此，目前模型在已有概念的复用上表现优异，但在从无到有的概念创造上仍有距离。

Agent技术的现状与垂直领域的护城河

在Agent（智能体）领域，业界普遍认为其仍处于初步阶段。虽然基准测试（Benchmark）上的成功率有所提升，但在实际垂直场景中的应用仍需付出巨大代价。田渊栋提出了一个形象的比喻：大模型如同洪水，淹没了90%的通用领域，但剩下的10%是“高地”，这些高地由拥有稀缺私有数据和专家知识的个人或小型团队占据。

“百分之九十的地已经被水淹掉了……被淹的地方就是那个工作可以被AI给取代的地方，但还有百分之十的那些地方可能没办法淹，他们是高地。”

这些高地的核心在于专用数据与参数的差异。通用大模型难以通过公开数据学会极度垂直的知识（如仅存于少数人手中的复杂技能）。因此，未来的终局可能是垂直领域的专用Agent，它们通过结合开源模型与独家私有数据进行训练，形成难以被通用模型逾越的护城河。对于投资者而言，这意味着在通用Agent红海中需谨慎，而应关注那些拥有独家数据壁垒的垂直领域机会。

Agent评估体系与行业投资心态

当前Agent行业的评估体系尚不成熟，呈现出量化基准与感性体感并存的局面。早期基准如Web Arena、SWE-bench及其验证版SWE-bench Verified，以及OpenAI发布的Vector和TopBench，主要涵盖订票、简单Coding等场景。数据显示，任务成功率正在逐步提升，例如Claude最新的Sunny 3.5模型在相关基准上已达到约50%的任务成功率，这是一个显著的变化。

除了结果导向的评估，过程评估（Agent as Judge）也日益重要，旨在捕捉中间步骤的正确性而非仅看最终答案。然而，许多创业者仍持谨慎乐观态度，甚至出现“闭眼盲冲”的现象，忽视基准测试而依赖用户反馈迭代。田渊栋强调，建立自洽的评估体系和垂直领域的数据优势，才是Agent技术获得实质性进展和投资青睐的关键。

科幻创作需顺应技术时代的范式转移

田渊栋博士分享了他于2020至2021年间创作的科幻小说《破晓之钟》，其核心动机在于科幻作品必须扎根于当下的技术语境。他指出，不同世纪的技术水平决定了想象力的边界：16-17世纪的机械文明催生齿轮潜艇，电子时代带来新的叙事可能，而AI时代则需要全新的科幻范式。当时他并未预料到技术迭代如此迅速，以至于小说中“言出法随”的设想在几年内便初现端倪。随着AI能够根据指令快速生成可运行的App，重复性劳动的意义被彻底消解，这迫使人们重新思考人类价值与社会架构。小说设定了一个名为“零银河联盟”的统一银河系，其核心特征是“所思即所得”，这种设定引发了对组织架构、人类发展意义以及外星文明入侵逻辑的深层探讨。他认为，高等文明若入侵地球，不再遵循旧有的“海盗式”资源掠夺逻辑，而是基于信息时代的更高维度视角，这种思考为技术从业者提供了自我娱乐与哲学思辨的空间。

“如果AI时代，外星人入侵地球应该写法是两样的了……不可能再像以前那样，外星人开着大炮巨舰过来把地球炸个稀巴烂。”

交互式叙事：从PGC到UGC的杠杆效应

孟醒老师从Storytelling的角度切入，探讨了电影与游戏之间的媒体形态空白。他引用Mark Andresen的观点，指出电影是“短时长、弱互动”，通过编剧预设最优路径；游戏是“长时长、高互动”，让用户体验非最优路径。两者之间缺乏一种“弱互动、长时长或无限内容”的新媒体形式。在中国，抖音等短视频平台通过降低互动门槛并拉长使用时长，提供了一种基于UGC的解决方案；而交互式电影则代表了PGC的多元化内容生成。这两种模式都需要“杠杆”——平台利用社会资源（UGC）或雇佣专业团队（PGC）来创造内容。孟醒认为，AI能力的提升使得个人创作者能够利用工具拉通故事，从文字生成图片、视频，甚至口述生成沙盒游戏。这种趋势使得故事的定义越来越广，门槛越来越低，叙事方式从固定的单线式转变为开放的沙盒式多线式，极大地扩展了创作者的广度。

“本质上就是电影是短时长弱互动……游戏是长时长长高互动……有没有一个弱互动、长时长或者endless的这个内容的出现？”

故事生成的技术路径与情感算法挑战

关于故事生成的具体技术路径，孟醒描绘了一个从文本到交互体验的演进阶梯。第一层是利用GPT等模型进行文本生成，其质量取决于Prompt的好坏或模型的微调；第二层是生成图片，形成类似传统连环画的视觉叙事；第三层是生成视频，将故事演绎出来；最高层则是通过口述生成限定性沙盒游戏，用户在其中拥有自主行动空间。他强调，虽然大模型是重要成分，但非模型部分的体验设计同样关键。这包括如何构建互动图（Graph）、如何定义和模拟情绪（Emotion）、以及如何实现戏剧性（Drama）。这些具体产品体验层面的突破，大概率不会由单纯的大模型公司主导，而是需要跨领域的深度结合。田渊栋博士总结道，无论是学术求道还是工具利用，好奇心是驱动这一切的根本动力，它促使我们认识工具、探索更大的虚拟世界。

“我觉得所谓story就是story是什么？我觉得它的定义就会越来越广，因为它的门槛降得越来越低……从一个固定型的单线式变成一个开沙盒式的多线式。”