对话前图森未来CEO侯晓迪：大模型催快的自动驾驶与搅局的马斯克(6)

那时其实正好是ChatGPT出来的时候，大语言模型的进展令我也很震惊，为什么我没有做大模型呢 ？因为大语言模型当下的进展是技术进展，技术进展到产品之间的不落实性还很长，我已经走过这样的弯路了。当时我看到deep learning 在图像领域的进展，就去搞了第一家公司知图科技，做了一年以后发现其实这里边技术并不能够成为商业模式中最主要的部分，就是在商业上的不落实性，并不是一个技术问题。

而这个不落实性现在出现在大模型领域，到底什么样的商业模式对于大模型领域是合适的、真正能赚钱的？到底是大公司能先跑出来，还是小公司？最有早期应用价值的是哪部分？这些问题我都无法回答，所以我不应该因为一个技术强开，就进入到这个领域里面，我还是觉得应该说怎么赚钱，才是最基本的问题，也是最难回答的问题，回答清楚这个问题才能够进入到这个领域里。

所以最后我经过了仔细的权衡，还是认为过去 7 年我在无人驾驶领域的观察让我看到了这个领域的不变性，这是我最有价值的经验和知识。

我觉得每一个投资人都会说，哎呀晓迪你不该去做无人驾驶，你该做点别的，你要做大模型，我现在就给你投钱。我说我不做大模型，我们都不清楚未来会是什么样。无人驾驶是我明确一定能做出来的事情，我还是想去做这个落实性更高的事。作为一个长期主义者，我看到的是长期的落实性，而这件事情的价值遭很多没有长期主义视野的人低估。

如果把时间的窗口拉到十年，我很难想象人类作为一个种群，十年之后还由人来开车。物流系统必须有一次它的迭代和升级，这个升级由谁来完成？这个使命就放在这里，我想把这个使命实现。

《硅谷101》：现在全球的自动驾驶到了什么样的一个水平呢？它面临的主要问题跟瓶颈是什么？

侯晓迪：革命进入低潮期，面临着由加息带来的纯资本问题，但是资本又是很重要的一个问题。资本能浇灌一个行业，行业里边有了闲钱，人们的创造力就会得到解放，去发现一些可有可无的东西。早期技术的发展和产品的发展可能没有那么直接相关，很多时候你为了做一个技术，会发现产品最后一团糟，有的时候你为了做一个产品，你发现技术用在了你想象不到的地方。但是在这之后，技术就有可能就会遭用在更正确的产品上。

不过这个低潮期跟技术没什么关系，技术还是稳步甚至加速在发展。和大模型领域不同，无人驾驶行业的产品形态已经越来越清晰，这是我认为我过去几年最大的价值。

《硅谷101》：Sora 出来之后，这种世界模拟器的概念是不是能够赋能无人驾驶界可以发展的更快？

侯晓迪：咱们来个长议题，咱们谈谈世界模型。什么是世界模型呢？世界模型就是新瓶装旧酒，一九八几年的时候，机器视觉这个行业诞生的那个时刻， David Marr 老师就提出来了一个叫做 mid-level representation，他的这个概念也引导我入行，引导我读全面个本科初步的探索以及博士深入的探索。

在计算机视觉领域，我觉得 mid-level representation 是我最喜欢的一个议题。mid-level representation 后来也叫 internal representation（内蕴表达）。过了几年 deep learning 出来了，大家认为 deep learning 解决的核心问题是什么呢？其实是 representation 的问题。于是有一个特别著名的会议在 deep learning 诞生以后提出来，叫做 ICLRA， 这个会本身讲的就是 the learning of the representation，就是说这个内蕴表达或者内蕴表征是可以遭学到的，而且应该遭学到，而怎么学就是我们探索的事情。

这件事情不断地遭人包装，2024 年的版本叫做世界模型，但是这个世界模型首先可大可小，它的精度也是可糙可细。所以我觉得首先世界模型这件事它确实是一个本质问题，但是这个本质问题不新，其实 40 年前就已经有了，而且确实是 40 年以来贯穿整个计算机视觉和模式识别发展的核心问题。但是愚者的原罪在于外推，外推的地方就是说大家谈到世界模型就会把它认为是一个可以无限高精度的、无限远未来的外推模型，这是不对的，这就是我说的错误的外推世界模型。对外在世界的内蕴表达，这件事情是我们一直以来的追求，是我们整个行业几辈几代人一直以来的追求。但是不要把这个事情它的最终形态的结果就当成现在已经有的东西。

那我来再说说 Sora 是什么？Sora 是一个学了一套东西，使得它让你看起来这个东西像那么回事。很多年前有一个迪士尼电影叫做冰雪奇缘。