楼天城PK李想

最近，小马智行CTO楼天城和理想汽车CEO李想分别接受了《晚点Auto》和腾讯新闻《潜望》的采访。有意思的是，面对同样的问题，二者却有着不一样的思考。

关于自动驾驶L2和L4的实现路径，楼天城认为依靠L2的端到端永远无法实现L4的自动驾驶。

这个观点其实是从第一性原理出发。他认为L2端到端的核心是通过人类驾驶的真实数据模仿学习更像人，它的主要作用是帮助人开好车；而L4的要求则必须要超越人，它的目的是替代人，安全性就必须高于人类安全10倍以上。

基于这个逻辑，楼天城认为，L2和L4永远不可能互为通路，即L2无法通过现实数据的“升级打怪”实现L4；反之，L4也无法通过降维实现L2。

因为L2辅助驾驶的逻辑是在碰到极端复杂的情况时人及时接管保证，强调系统“知难而退”，提高人的优先级；而L4的逻辑恰好相反，他强调系统在这种情况下“要迎难而上”，解决它，系统具有唯一决定权。

楼天城把L2和L4的技术称之为Learning by Watching和 Learning by Practicing，观察学习和训练学习。他认为L2的端到端就是模仿学习，而基于世界模型的L4属于训练学习。端到端可以实现L2，无法实现L4，L4必须用世界模型来实现。

楼天城认为L2和L4之间存在交集，但是到了一个分岔口以后就分道扬镳。这里他举了一个长短跑的例子，二者都能达到强身健体的目的，但是要成为专业运动员，二者需要具备的能力不同。L2需要的能力是端到端，而L4需要的能力则是世界模型。

他将世界模型比喻成一个factory，而自动驾驶技术的差别在factory的精度，而不是端侧模型的能力。因为世界模型可以模拟5-10秒发生的事情，然后拿系统去验证它，但端到端只能预测，预测出来的结果未必准确，在实际驾驶中就容易出错。

到这里我们来看点有意思的，这几天理想汽车也密集对外阐述其智驾理念，按照李想的设想，通过“端到端+VLM”架构，理想能够在明后年实现L3（既有监督自动驾驶），而L4又是L3的延续；通过L3最终升级到L4，属于一个范畴。

李想还提到端到端只能实现L3，要实现L4必须使用VLA，一个包含了视觉，语言和行动的多模态模型。

这和楼天城的观点有冲突：

1、李想定义的L2和L4是两个完全不同的东西，L2是辅助驾驶，L3是有监督自动驾驶，L4是完全自动驾驶，L4是L3的延续，属于一个范畴。楼天城也认为L2和L4是两回事，分歧在于楼天城认为端到端不能实现L4的自动驾驶，但李想又说端到端能够实现L3，即有条件的自动驾驶。

2、楼天城认为实现L4的自动驾驶需要世界工厂来完成，而李想认为是VLA。世界工厂是人为构建出来的一个虚拟世界，而VLA则是一个端侧大模型。

3、李想认为端到端无法实现L4的理由是泛化不够，需要通过VLA来解决，这里强调的是模型的重要性；而楼天城认为端到端无法实现L4的理由是现实世界数据远远无法达到自动驾驶需求的上限，必须自己构建世界模型，并且保证足够高的精度，而且有闭环能力。他认为模型本身不重要，重要的是世界模型构建的闭环能力。

4、理想还提到要在明后智驾MPI达到500km，甚至1000km以上，但楼天城认为，MPI 为 1000 公里的 L2 产品不存在，因为它反人性。

楼天城认为，今天大部分 L2 系统的 MPCI，大概最高到 300 公里，而 L4 至少是 10 万公里级别。而理想近期的目标是MPI达到100km。

5、李想认为，L4首要解决的应该是泛化性和通用性问题。但楼天城认为，适用范围并不是L4 Robotaxi的首要任务，它可以不需要特别大的范围，比如在一个城市里也可以，所以这方面不是它最大的优化目标，安全性才是。

这里我们在引入一个特斯拉的案例，特斯拉做L2辅助驾驶和L4 Robotaxi的思路是通过一套FSD系统不断进行数据积累“升级打怪”来完成，Robotaxi要实现商业价值的前提必须拿掉驾驶员，那就属于L4的范畴。当然，中间可能会加入世界模型的帮助，但无论如何，这和楼天城与李想的观点有悖。

有意思的是，李想和楼天城都对自己的观点绝对自信。楼天城认为，将来特斯拉要实现L4的Robotaxi一定会切换到世界模型。李想则认为，要实现广泛性、通用性、而不是特定区域的L4，一定是VLA。而且Waymo、特斯拉最后也会变成VLA。所有想通往L4的企业可能都是VLA，或者比VLA更好的方式。

楼天城一直在强调闭环的能力，它认为只有世界模型才能闭环，包括生成数据，评价好坏，高度仿真，数据挖掘。而模仿学习的方式永远不可能闭环。

亦如10年前大家对自动驾驶技术的分歧一样，时至今日，L2辅助驾驶商业化已经率先落地，L4商业化也是曙光乍现。在商业化落地前夕，楼天城和李想的观点代表了行业顶级大脑的不同思考。共性的点在于，二者都认为L4技术会在3年内取得重大突破，届时答案一目了然。不着急，让时间给出答案吧。