自动驾驶实现垂直领域的 AGI，有了新路径。
不是 Robotaxi ，而是 RoadAGI。
在英伟达 GTC 2025 上，元戎启行 CEO 周光 受邀分享，提出用 RoadAGI，能更快大规模商用自动驾驶，实现垂直道路场景下的 AGI ，RoadAGI 的实施平台，是元戎最新分享的 AI Spark：
不借助高精地图，一个平台赋能智能车、机器人甚至小电驴...... 总之，一切可动的移动体，都将具有自主移动的意识。
这是一条通过自动驾驶实现 AGI 的新途径。
元戎启行和 CEO 周光，代表 AI 公司、自动驾驶公司，开辟起了第二种可能性。
所以 RoadAGI 究竟是什么？
用 RoadAGI 迈向 AGI
先说人人可感知的场景------
你下一次点的外卖，可能是这样的：
赛博 "外卖小哥"，全程不用高精地图，自动识别店铺：
拿到商品后，一溜小跑到路口，自主识别到红绿灯：
然后一停二看三通过：
它还能进到楼里，自己过闸机、摁电梯：
然后到电梯里，再自己摁楼层：
出电梯直接给你送到公司前台：
整个过程，是不是跟咱们人一样？
你也可以让它把商品放外卖柜里：
这就是元戎启行在英伟达 GTC 2025 上，分享的物理 AI 最新进展：
RoadAGI。
用一套 AI 底座，解决路上的所有移动体，实现垂直道路场景下的 AGI。
前面展示的是 RoadAGI 落地的第一个形态 Spark 1.0 ，看着很像无人配送车，但是据了解有本质不同。
首先，技术上，其移动不依赖高精地图，在导航的指引下，自主识别周边环境信息，就能实现 "门到门" 位移。
为什么不需要扫图？
因为元戎把技术底座 VLA 走通了。
VLA，即视觉语言动作模型，是端到端的最新成果，预计今年年中量产上车。
新范式已得到了行业头部的响应，比如理想汽车，隐隐成为行业共识。
VLA 用一个多模态模型，统一过去的视觉语言模型和端到端，将道路图像信息和文本指示融合处理，输出驾驶行为和文字。
这意味着，VLA 打通了空间智能、语言智能和行为智能。
因此，VLA 加持的移动体，改善了配送体验。
以往的无人配送，只是负责配送的一个环节，只能做到 "楼到楼"。你买个东西，还要自己下楼取。
现在不一样了，直接实现 "门到门"，整个配送流程闭环了。
但问题是，元戎启行作为端到端智驾的代表性公司，智能驾驶领域的竞速正在如火如荼，怎么就此时此刻开辟起第二曲线来了？
围绕最新战略，量子位 进一步与周光展开了对话。
周光说，根本上是因为元戎从不将自己当作智驾公司，而是一家 AI 公司。
智驾只不过是实现物理 AI 的商业化选择，元戎已取得了不错的进展：
在国内最早摆脱高精地图依赖，率先转向端到端，去年首个量产车型上市后成为爆款，凭借单款车型获取了城区 NOA 市场 15% 的份额。
智驾爆款让元戎的数据飞轮加速转动。
经过 4000 万公里的智驾数据积累后，元戎的 AI 能力更加通用，是时候向上走，实现 RoadAGI，向物理 AI 再迈一步了。
周光认为，RoadAGI 的出现一定早于 L5，不过这还不算实现物理 AI，只是解决了道路场景。
而当实现物理 AI，并将其与生成式 AI 和语言 AI 打通时，真正的 AGI 就到来了。
以下为对话实录整理，内容较长，可参考目录阅读：
- 阅读指引
- 谈 RoadAGI：与无人配送本质不同
- 谈时间点：RoadAGI，为什么是现在？
- 谈影响：RoadAGI 对元戎的影响和目标？
- 谈 AGI：先 RoadAGI，然后 Physical AI，最终实现 AGI
- 谈 DeepSeek：中国的奇迹，让全球重估中国资产
- 谈 FSD 入华：领先国内一代，只是数据 "水土不服"
- 谈智驾行业：AI 越强大，越不需 Lidar
- 谈技术的选择：选择比努力重要
谈 RoadAGI：与无人配送本质不同
量子位：如何理解 RoadAGI？
周光 ：RoadAGI 实际上是基于 AI 的通勤能力。类似你出门上班，离开家到公司，从头到尾只用腿，很少用手。
就像 "外卖小哥" 一样，RoadAGI，或者说 Spark 1.0 可以实现配送的闭环：从店里拿到东西，然后用 "小电驴" 到另外一个地方，再把东西投递到目的地。
量子位：这和过去的无人配送车****有什么区别？
周光：我觉得技术层面上 有本质的不同。
我们是基于 AI 的，以前是基于高精地图。这意味着，RoadAGI 是免部署的。举个例子来说， 我要到你的办公室，你告诉我你的办公室在海淀的哪栋楼，哪个房间。
只要人能找到你的办公室，那么我们的 RoadAGI 智能体也应该可以。
当然如果说这个小区特别破旧，连字都没有，需要问路，AI Spark 可能目前还找不到。但只要是通过人观察就能找到的地方，AI Spark 就能通过推理，实现点到点的通勤。
而不是说基于高精地图，那是不现实的，这又不是酒店机器人。
我觉得今天的 L4 其实挺像酒店机器人。
量子位：你们打算怎么实现 RoadAGI，会软硬件全栈自研吗？
周光 ：没有。我们只做高等级的规划，把机器人看作一辆车 。我们不是说做一个能走的机器人，我们是机器人能走后，告诉他该怎么走。
比如像霍金，他不会走，但是他通过他的轮椅遥感，他知道该怎么走。
我们给的是一个高级的 AI 能力，而不是说腿能走的能力。
各家公司有各自的做法，做机器人的公司有很多积累，他们走得很好，甚至能跳能跑了。所以我们没有必要去做。我们替代的是控制无人机的飞手，替代的是机器人后面拿遥控器的人，我们的目的是实现真正的自动化。
量子位：实现 RoadAGI 的关键是什么？
周光：就像外卖小哥去一个地方，当他骑上小电驴的时候，这跟自动驾驶没有什么区别。
当他停好外卖车，接下来这部分跟自动驾驶就有区别了。
他下了小电驴，要去商场或者小区送东西，这就比较复杂了，这个场景我觉得需要通过 AI Spark 平台去解决。就像外卖小哥，甚至还要跑到每个楼的犄角旮旯里。
量子位：相当于外卖小哥下了车，就是一个新的场景？
周光：不是。我只是说解决这个场景，不能靠建高精度地图。
谈时间点：RoadAGI，为什么是现在？
量子位：RoadAGI，为什么是现在？是因为看到物理 AI 的浪潮和机会吗？
周光：其实去年 GTC 大会的时候，我们就想要做物理 AI 了。
**△**周光在英伟达 GTC 2024
端到端出来后，VLA 这条路逐渐走通了，那我觉得这个时候去做 RoadAGI 是比较正常的。
现在的一些机器人都是基于规则的，做一些低阶的控制，比如挥个手，跳一支舞。那些其实说实话不能叫物理 AI，它只能叫一个动作，今天可以通过学习做一个更长的动作。但是它不具备这个自主的行为能力。
量子位：做 RoadAGI 是出于投融资的考量吗？
周光：不是。我只是觉得我们应该去做这项技术，不是为了取悦投资者，就像过去我们率先做无图 NOA，转向端到端。
我们一直不是为了取悦投资者去讲故事。我们只是觉得端到端、VLA 这些技术出现后，不仅仅可以应用于自动驾驶。
量子位：做 RoadAGI 和具身智能的火热有关吗？
周光 ：RoadAGI 和具身智能根本不冲突，我们做的是规划和大脑。
量子位：为什么将 RoadAGI 称之为元戎战略的延伸？
周光 ：我们是个 AI 公司，AI 本身就要做各个方面。端到端出来后，我们自然而然想到可以做机器人。
机器人需要高等级的智能，去做更高等级的规划，而不只是扫个图、能跑能动。我们的目的是用技术解决智能体的移动问题，像我们人，我觉得最重要的是手。
除了手之外，我们人应该是想去哪里都能去。人出门就用各种导航，进到小区，我们自己会观察，自己会看，走到目的地，然后再去做手上的事儿。
我认为 RoadAGI 是我们的能力延伸，而且是成熟的技术的延伸。
量子位：元戎做 RoadAGI 有什么优势？
周光 ：我们的优势是，我们把智能驾驶跑通了。我们之所以没有去做手，是因为做手跟我们的 RoadAGI 还是有区别的。
RoadAGI 跟我们目前做的端到端自动驾驶，我觉得是高度近似的，可能也就是数据闭环上有一些变化。
这也是做 RoadAGI 的一个原因：技术的相似。
另外一个原因是商业化。我认为 RoadAGI 最快的商业化落地形态其实就是 "外卖小哥"。
今天点到点的无人配送，有很多都需要依赖扫图，我认为商业价值比较受限，因为图很难穷尽。
我认为更有商业价值的就是 RoadAGI。像今天自动驾驶的 MPCI(Miles Per Critical Intervention) ，大家都能做到百公里级，这意味着两个小时出现一次安全接管。这在很多场景其实已经可大规模商业化了，比如洗碗。
我认为，L5 级自动驾驶难以实现就在于它的容错率太低了。而 RoadAGI 大量的场景其实是有容错的， 所以商业化会来得更快。
量子位：为什么不等市场更成熟了再去做？
周光：就和当初为什么我们要做无图一样，想做好自动驾驶就需要先做好 RoadAGI。
量子位：这不是一个成熟后再去做的事情，而是现在智驾需要这方面的能力？
周光：对，我认为智驾是需要具备 RoadAGI 能力的。
谈影响：RoadAGI 对元戎的影响和目标？
量子位：对于初战告捷的智驾业务，RoadAGI 战略或者说 AI Spark 平台会分散兵力吗？
周光：不会。为什么我们不去做手？如果是去做手肯定会分散兵力，因为技术栈不一样。
我们的 AI Spark 平台跟智驾其实是高度一致的，只是数据不一样而已。就像人走路用步行导航，驾驶用开车导航。这个相似度太高了，只需要换数据集。到了一个小区内部，就是泊车的场景。
量子位：RoadAGI 形成的技术壁垒是什么？
周光 ：在物理 AI 领域，我相信目前大家都还不具备像我们这样大规模量产的数据闭环能力， 端到端的能力。我觉得现在可能没有竞争对手。现在那些所谓对手，技术选择跟我们不一样，主要基于高精地图。
我们不认为他们是竞争对手，就像 ChatGPT 和 Siri 不会是竞争对手。
量子位：做 RoadAGI 有什么商业化目标？
周光 ：目前最先落地的一个场景是送外卖，先跑起来。我觉得这个成本更便宜， 用汽车的供应链，硬件成本可能也就一两万块，就能实现点到点的移动，前景广阔。
量子位：做自动驾驶是把司机从驾驶位拿下去，RoadAGI 是把外卖小哥从驾驶位拿下去。
周光：也不是。不光是将小哥从车上拿下去，因为外卖小哥下车后还要跑，RoadAGI 也要跑通下车后的这段路。
量子位：相比过去的无人配送还需要人去拿，RoadAGI 现在做了一个闭环，为什么会这样？
周光：因为技术成熟了。就好像 AI 游戏创业，ChatGPT 出来之前，没人会去变革游戏中的 NPC，因为以前技术不成熟，做不了。
今天有了端到端，加上机械手臂，可以做到一些复杂任务。如果不是技术成熟了，今天还要靠扫高精地图的话，我就不去做 RoadAGI 了。
量子位：为什么说现在技术成熟了？
周光：因为 VLA 逐渐开始成熟，让 RoadAGI 可持续了。我们 2023 年就想做（RoadAGI），但是当时端到端还没做出来，就先不去想别的。
量子位：现在可以说 VLA 高度成熟了吗？
周光：现在还没有。就好比端到端，我们从来都没有去纠结过什么叫两段式，什么叫一段式，我们不参与这种讨论。我们是家 AI 公司，我们不是一个纯智驾公司。
我们的愿景其实还是做物理 AI。我觉得这也需要产业链的，希望不是只有我们一个人做。我的逻辑很清晰，人的移动能力，跟车子高度相关。
量子位：你会担心一些公司进来抢 RoadAGI 的蛋糕吗？
周光：我认为不用担心这个。我觉得一个东西没人做才需要担心。如果美国的 Robotaxi 就 Waymo 一家，它能火吗？
我觉得第一，我们 RoadAGI 技术成熟度蛮高的。
第二，商业化非常清晰，我们的首个落地应用形态，是一个能大规模商业化的场景，有数千万的骑手。
量子位：有生态的互联网巨头如果后续进入，你们的 RoadAGI 相比之下有什么优势？
周光 ：我们的技术先发优势很大。互联网巨头也有竞争对手，如果从 0 起步，不如找我们合作，各种层面的合作，公司单独一个部门都可以找我们合作。
我觉得技术的领先性，其实是给我们商业竞争的时间窗口。
量子位：这个时间窗口怎么去算？
周光：算能够领先市场多久。如果领先市场 2 年，甚至可以重塑行业第一梯队。今天布局的优势不一定存在。
我觉得所有技术（领先），归根结底都是给你的时间，这就是技术的价值。ChatGPT 不就是这样，当 OpenAI 有了技术，所有人都参考 OpenAI，但 OpenAI 还是领先 2 年。
DeepSeek 出来后，可能缩短了这个差距，但是仅限于 DeepSeek 一家。
量子位：RoadAGI 会让外界对元戎有什么新的认识？
周光 ：我们一直不觉得自己是单纯的智驾公司，我们是个 AI 公司，而且是一个物理 AI 公司。只不过智驾是目前来说我们认为最能够商业化的场景。
量子位：RoadAGI 也是自动驾驶技术的经验积累，产生的商业化选择？
周光：今天自动驾驶的技术很成熟，你要是按照洗 100 个盘子碎一个盘子来说，那自动驾驶绝对超过这个水平了。
量子位：RoadAGI 可以理解为元戎的第二增长曲线吗？
周光 ：RoadAGI 是更大范围的 AI，它包含了智驾。我们做 RoadAGI 想把 AI 做得更通用化，不光是基于商业考量。
我们想做一个所有物理智能体（Physical Agent）都可以用的 AI，只是里面包含了汽车而已。为什么我们叫 RoadAGI，就是说以后所有的移动体都可以用这套 AI 去实现点到点。
我们是把 AI 更往上做了。如果从智驾的层面上来看，会觉得我们多了一条增长曲线。
但如果从 AI 的层面看，就像我们当时为什么做无图和端到端是一样的。它就是技术层面上更高的一个集合。
量子位：所以 RoadAGI 也可以理解为是元戎愿景的延伸？
周光：我们是一个 AI 公司。但没办法，从现实来讲，我觉得公司得活下来，商业化非常重要。
你不能商业化，技术再好也没有用，我觉得你要找到商业跟理想的平衡。所以我们扎实做智驾，做量产交付。
去年交付了快 3 万台车，今年有可能超过 20 万台车，我们要做商业化。但是我认为，我们不要忘记自己是一家 AI 公司。
量子位：你们是要不断地追求一些更难的东西。
周光：对，我们一直追求上限，一味地追求下限结果会不太好。
量子位：那实现 RoadAGI 需要多久？
周光 ：我认为 RoadAGI 一定早于 L5 级自动驾驶。我们认为会比较快，因为首先我们的自动驾驶技术有基础，其次它的安全性要求没有那么高。
实现 RoadAGI 比实现 L5 早，是因为 L5 要求不一样，我都不知道到底最后人类会对自动驾驶有着什么样苛刻的要求，才可以真的大规模甚至全国范围内没有人开、都是车自动驾驶。今天限定区域的自动驾驶，后台还配有安全监管，我认为这不完全算 AI。
量子位：所以 RoadAGl 的方向是明确的，但是你们不给自己定时间表。
**周光：**我们想成为中国第一家实现物理 AI 的公司。
谈 AGI：先 RoadAGI，然后 Physical AI，最终实现 AGI
量子位：你信仰 AGI 吗？
周光：我绝对信仰 AGI。
量子位：最近大家都在谈论 AGI，你怎么看？
周光 ：我觉得真正的 AGI 还需要时间，现在都是垂直领域的 AGI。比如说数学和化学领域，还有像我们这种道路场景。今天要实现一个万事皆好用的 AGI，还是困难的。
从更大的层面来说，语言模型跟生成式模型这两个完全不一样。我举一个例子来讲：
生成式 AI 里有很多东西不符合物理规则 ，比如碰撞、摩擦和穿透。但语言模型还要懂物理规则，它告诉你物体跟物体不能碰撞，这反映出现在基础模型层面还没有打通。
现在大家也在想如何去打通。比如我们人，可以把我们学到的东西以做梦的方式生成出来。但实际上，对于机器，语言 AI 跟生成式 AI 是不搭边的两个领域。
虽然说生成式 AI 可以用一些文字的 prompt，但并不代表它能理解这个物理场景。
量子位：你认为什么时候能实现真正的 AGI？
周光：当物理世界的 AI 跟数字的 AI，还有生成式 AI 能够打通，统一用一个模型实现的时候，我认为真正的 AGI 就来了。
量子位：类似世界模型？
周光：你可以认为算是一个世界模型。它有语言能力，有生成式的能力，还有物理世界的交互能力。就跟人一样，人会说话，会做梦，会在现实世界行动，我们这都是一体的，不是用三个 AI 模型构成的。
但不是那种模拟仿真的世界模型，人也不是通过代码行动的，这是两码事。AGI 应该有所有的能力。
现在的机器人，可以挥手，这是一套代码。然后下个动作，又是一套代码，这是另外一种东西。我们现在做的 RoadAGI，就是把所有物体的移动能力都放在一起了。
量子位：所以元戎目前也是去做一个模型？
周光 ：我们还没做到物理 AI，只是用 AI Spark 平台把路上的东西都解决了。我们的 AI 是一个更大的垂直 AI，在更大的领域里越来越泛化。
谈 DeepSeek：中国的奇迹，让全球重估中国资产
量子位：所以你怎么看 DeepSeek？
周光：我觉得 DeepSeek 是中国的一个奇迹。DeepSeek 打破了中国跟美国最好大模型之间的差距。我觉得以前的差距，是以年计量的，甚至超过一年。
DeepSeek 出现后，我觉得中国有一支团队，至少说在语言领域，它可以做到跟美国头部是一样的水平。我觉得这不仅是对中国，对全世界影响都挺大的，让全球重新评估了中国的资产。
我还是挺佩服的，哪怕是 OpenAI 的人也挺佩服 DeepSeek 的。
DeepSeek 让别人觉得中国其实是有好公司的，就像智驾行业一样，有好的公司，但也有一些滥竽充数的。我们都希望能够有更多 DeepSeek 这种公司出来，让好公司的实力可以被看到。
量子位：强化学习会改变智驾吗？
周光：我觉得大模型用强化学习进行后训练，现在都是行业故事。这也不是什么秘密。
谈 FSD 入华：领先国内一代，只是数据 "水土不服"
量子位：在国内体验 FSD 了吗，感觉怎么样？
周光 ：体验后感觉它的基础分析能力，和其他机动车的交互能力非常强，比如应对加塞，基本上会让你没有恐慌感。
我觉得（基础能力）比目前国内玩家强上一代，这也是我们这一代系统的目标。我们希望这一代智驾系统，能够做到 FSD V13 的感觉。
评价 FSD 的能力，不能拿公交车道和自行车道来说。因为 FSD 在中国没建过高精度地图，没见过公交车道和自行车道，不能拿这个来算接管。要对比真正体现 FSD 智能的地方。
量子位：国内 FSD 的体验，对比你在硅谷的体验有什么不同？
周光：硅谷更好一些，毕竟在硅谷 FSD 有数据。我觉得因为 FSD 没有国内的数据，所以说它的静态能力还是不够好，有蛮多问题。
但是它的动态能力，就像人开车，不管在中国还是美国，交互博弈的逻辑是高度相似的， FSD 是没问题的。所以我说它比较强。
还有一点，FSD 对人的处理比较保守，因为美国车子的习惯是看到行人就让，但在中国的复杂道路，车子总是让就没法走了。
量子位：所以你觉得 FSD 路测更长时间，有了数据之后，水平会提上来？
周光：我觉得如果 FSD 没有国内的数据，还想彻底在国内做好，蛮麻烦的。比如说正常的过拟合，你的训练集就等于是你的测试集，这种过拟合是最好的。
但现在 FSD 的训练集来自美国，测试集来自中国，这怎么办？
虽然可以通过测试集的 score 去调整模型，不过这种方式不是很直接，很花时间，但是也可以提升模型的性能。因为你对模型打分是基于中国道路打分，每次都会得到反馈，然后根据反馈去修改模型，修改数据，但是这肯定不是最好的。我认为也会有提升，但是不会那么快。
量子位：FSD 能克服水土不服吗？
周光 ：有数据就能解决。如果 FSD 能拥有中国的数据，我觉得以特斯拉的能力，3-6 个月，再考虑到还有部署各种问题，6 个月绝对可以上一个大台阶。
量子位：你认为 FSD 至少领先一代，那你觉得国内有希望追上吗？
周光：我们新一代系统的目标就是做 FSD V13 这种 AI 架构。我认为这不是说堆人、堆数据就能解决的，而是需要更先进的 AI 架构。
你一定要花时间、花资源想明白 AI 架构怎么做。我们公司想的很清楚，如何做到 V13 的这套架构。加大数据量之后，我们也应该有类似的性能。
量子位：FSD 的「车位到车位」，你怎么看？
周光：现在的车位到车位是通过建图，不是基于大模型，我们人开车也不是靠高精度地图的。
我觉得还是要通过 AI 的技术，去把「车位到车位」做出来，而不是说建个图。
目前市面上的策略，「车位到车位」在车库里全是扫图，然后出车库又是无图。
谈智驾行业：AI 越强大，越不需 Lidar
量子位：如何看待智驾行业今年的爆发，相比你的预期，是快还是慢？
周光 ：我觉得华为点燃了性能之火，比亚迪点燃了普及之火。对我们来说都是好事。但是我认为有的技术门槛不高，主机厂自己能搞出来高快 (高速和城市快速路)NOA 和自动泊车。
城区 NOA 现在有技术门槛， 但三五年后就不见得了。技术都是这么发展的，但是对企业来说，智驾是一场淘汰赛，现在的竞争非常激烈。
跟元戎在一起可以让车企领先一年到两年 ，增加车企的竞争力。我们是一个小公司，但是我们可以帮一家大公司领先，让它更有竞争力，这就是我们的价值。
量子位：相当于元戎能给车企一个加速度，帮它节省时间。
周光：是的，所以我觉得现在车企其实也要想一想，不是仅仅解决高快 NOA 跟泊车就完了。
量子位：所以你做好了未来主机厂都自研智驾的准备？
周光 ：我是说智驾供应商得做得更好，如果你的竞争优势还不如主机厂自研，那其实没有必要活下来了。为什么有的智驾公司活不下来？
就是因为它能做出来的，主机厂都能做出来，而且比这些智驾公司还好。技术过时了，写几行代码，扫个图，这些基于规则的东西都已经平权了。
量子位：有人说，你们合作的第一款车就成为爆款，是因为运气好，你怎么看？
周光 ：有 10 个选项，落到你头上，这才叫运气好。而我们做量产车的时候，无图 NOA 就只有我们和华为有。那个时候很多人还在讲高精度地图。
我觉得别把自己的不成功归因为别人的运气好。
量子位：有人看了 FSD 的国内测评后，认为智驾还是需要激光雷达，你怎么看？
周光：我觉得没有。你看特斯拉纯视觉的 OCC(Occupancy Network) 做的很好。只能说 FSD 偶尔走错路，违反交规，但你什么时候见过 FSD 蹭过马路边。这就叫基础能力，OCC 可不分中国和美国的道路。
量子位：那你怎么看待纯视觉和激光雷达的路线之争？
周光 ：我觉得智驾越 AI 化，就越不需要激光雷达。你看大模型，有人用激光雷达了吗？没有，大模型照样认得准，比如 ViT 和 SLAM，靠视觉都可以做得非常好。
甚至当 AI 足够强大的时候，视觉的效果是超过激光雷达的。
一开始做自动驾驶的时候，激光雷达做物体检测比如能得 90 分，摄像头只能得 70 分，两个加在一起 95 分，当时增益效果非常好。现在激光雷达可能到了 98 分的水平，而纯视觉可以做到 97，两个加在一起还是 98。这几乎没有增益了。
之前是因为两个传感器效果都不太行，所以说 1+1=2。现在是 1+1=1.1，甚至 1.01 这种效果。往后走，AI 模型越来越强，可能 1+1 它就几乎等于 1 了，激光雷达就没有必要装了。现在可能还是有少量的增益，但是我认为对特斯拉来说，可能增益没那么大。因为他们的 OCC 做得很好。但你说主驾去掉人，做自动驾驶，那么哪怕多 0.01，也是想去争取一下。
但是现在一定不会像以前那种，所谓的激光雷达和视觉前融合，有那么大的不同，以前就像加了魔法一样，现在加激光雷达的收益越来越小了。
量子位：所以你们的 AI Spark 平台没有用激光雷达。
周光：我们的 AI Spark 平台就不适用于高速运动物体，目前落地的场景速度不会很快，就像外卖小哥那个电动车，限速 25km/h。
量子位：随着算法不断进化，会终结一些路线相关的争议？
周光 ：至少说目前来看，增益肯定还是有的。说实话，纯视觉的车，对于边缘场景的把控就会差一些，但是其他的没什么大的区别。但是特斯拉的 OCC 很准确，连超声波都不装了，你从车机上看它渲染出的界面就可以看出来。
这种就属于是真功夫训出来的。它的模型吃了很多数据，这是拼钱的，钱多就可以把这些做好。这里面也没什么魔法，就是你数据多，然后训练，再然后就出来了。
谈技术的选择：选择比努力重要
量子位：有从业者认为，解决问题比解决问题的方法更重要，你怎么看？
周光：从商业角度上来讲有道理，但如果都以这个逻辑去做技术，那就很难出现颠覆性的东西。
只解决问题，不找到方法，永远不会上一个台阶。我觉得每家公司不一样。我们是一家 AI 公司，我们就更希望能做 AI 的事儿，而不是去做纯粹商业目的的选择。
量子位：为什么你觉得基于工程的公司很难长久活下来？
周光：因为技术变化太快了。现在这个时代是一个技术高速变化、日新月异的时代，我觉得在技术特别成熟的时候，工匠精神是有用的。
但在技术高速变化的时候，我认为工匠精神要向后排。
量子位：现在还打 DOTA 吗？
周光：打，为什么不打？
量子位：打 DOTA 有什么风格？
周光 ：我就喜欢看准机会上。哈哈哈哈哈。我觉得看清楚更重要。打游戏其实不在于你有多勇猛，看准时机最重要，想明白最重要。
选择比努力重要。
欢迎在评论区留下你的想法！
--- 完 ---