核心内容摘要
清华大学邓志东：未来，自动驾驶系统将是“硬件平台+AI软件”一体化移动AI智能体
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。
