专题：第二届自动驾驶产业发展论坛

　　4月25日，第二届自动驾驶产业发展论坛在北京召开 ，主题为“加速自动驾驶产业发展 凝聚自动驾驶安全共识
” 。清华大学计算机系长聘教授
，人工智能研究院视觉智能研究中心主任邓志东出席并演讲
。

　　邓志东指出，当前物理AI面临四大挑战：

　　第一 ，大型语言模型（LLM）本身缺乏物理空间概念。如何让LLM遵从物理规律并具备空间定位能力，是VLA和VA框架必须解决的问题 。语言引入后
，实际上也带入了主观性。

　　第二，真实物理世界的理解成为最大瓶颈
。邓志东认为 ，数字空间或文本世界的理解已做得很好
，甚至出现了“小龙虾
”这样的超级AI智能体；但若能在真实物理世界实现同等水平的理解，也将诞生自动驾驶领域的“小龙虾”。这种理解包括对目标及其周围物体的多属性识别（大小
、颜色、纹理 、形状、运动特征） ，以及物体之间的相对空间关系（远近
、左右、上下等） 。“时空物理世界的理解是基础
，也是最大的挑战
。 ”

　　第三，开放动态环境下如何桥接隐含空间中的各个模块。以往感知 、决策
、规划是人为分开的 ，现在全部放入潜空间后
，需要用语言等工具进行桥接 。邓志东认为，文本语言是较优方案 ，因为它能导入语义和知识增强
，增加决策规划的可解释性
。通过VLA加上RAG（检索增强生成）技术，可以充分利用先验驾驶知识 ，并在输出端实现对动作语义的可解释对齐。

　　第四，发展“经验主义的物理AI
” 。他提到
，开车是一项技能型任务，更依赖驾驶经验与技巧 ，而非智商或知识丰富程度
。“一个老司机和新手的差别就在于里程数。”邓志东提出
，这些经验应存储在可学习、可进化的持久记忆中，在推理阶段直接调用 ，从而大幅降低AI算力需求
，实现丝滑的敏捷响应 。

　　此外，邓志东还总结了自动驾驶演进的几个核心判断：自动驾驶正从分段式混合闭环转向一段式大模型驱动；汽车具身智能本质上是在成熟的工业产品上安放“大脑 ”与“小脑
”；世界模型分为外置与内置两类 ，VLA需发展内部嵌入世界模型的框架
，VA则通常聚焦外置世界模型与策略优化；

　　谈及AI对车企研发制造及产品价值范式的影响，邓志东表示 ，对研发制造端来说
，数据飞轮将取代图纸模型
。“车企的核心竞争力过去是精密机械制造能力，未来将会是数据闭环运营能力。不仅是自动驾驶 ，对整个企业来说可能都是数据闭环 。”同时，对产品价值端来说
，软件利润会高于硬件利润。硬件会标准化 、预置化，先把标准化的硬件预装 ，后面再通过软件的OTA升级
，还有订阅服务等等，去追求更大的利润空间
。

　　最后 ，邓志东展望到
，AI驱动的自动驾驶系统未来将会是“硬件平台+AI软件 ”一体化整合的移动AI智能体。相对于预装的标准化硬件，多样化的AI软件与智能增值服务或将占据价值链的高端 ，为此必须重点解决用户在AI汽车使用过程中的安全
、高效、舒适与情感陪护等需求 。

　　新浪声明：所有会议实录均为现场速记整理
，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的 ，并不意味着赞同其观点或证实其描述
。