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
。