车东西对话芮勇：联想为什么要做车计算？

车东西

5天前

其实我们看看联想今天PC已经是全球第一，手机在中国我们做得还可以，在inprove，在拉美是第二、在北美第三，平板是全球前三。

芮勇讲述了自己向CEO杨元庆主动请缨，卸下CTO职位开始探索新兴技术商业应用背后的考量，核心是从领导探索性的技术走向技术的商业化探索，离应用更近。

文 | 国仁

在今年10月美国西雅图举行的Tech World期间，联想集团前CTO芮勇博士，以他的新身份接受了包括车东西在内的少数媒体的采访；巧的是，这届联想Tech World举办地，正是他早年他在微软工作期间，在美国待的时间最长的工作地点，所以相当熟悉。

▲芮勇博士讲解联想的车计算业务

芮勇博士的新Title是联想集团高级副总裁、联想新兴技术集团（ETG）总裁，这个联想新兴技术集团到底是干啥的呢？首先肯定是跟新技术的应用有关，更具体一点讲，目前最主要的切入点就是做“车载计算”。

甚至，我在联想Tech World的产品展区，已经看到了他们目前的研发成果，两款自动驾驶计算平台AH1和AD1，前者可用于L2++级智能驾驶，算力达700TPOS，后者可用于L4级别的无人驾驶，算力达2000TPOS，都是基于英伟达的Thor芯片。

▲联想现场展示的车计算域控制器计算平台

看来是有备而来，已经憋了一段时间的大招，目前国内主流高端车型智能驾驶芯片还是用的英伟达的Orin芯片。

在后面的采访沟通中，芮勇讲述了自己向CEO杨元庆主动请缨，卸下CTO职位开始探索新兴技术商业应用背后的考量，核心是从领导探索性的技术走向技术的商业化探索，离应用更近；他打了个比喻说，过去负责的事和现在负责的事就像是“科学院”和“工程院”的区别。

同时，芮勇也分享了为什么联想天然就适合做“大规模的复杂计算”，而以智能驾驶为代表的车计算正是一个最好的大规模的复杂计算场景。作为入局已经不算早的联想如何在车计算方面淌出一条道，如今进展有如何呢？我与几位同行媒体朋友和芮勇博士一个小时沟通中，得到了其中的一些关键信息。

▲芮勇博士在采访现场

下面是对话芮勇博士的实录，已经一定编辑整理：

01.

为何卸任CTO，要探索一条怎样的路？

芮勇：欢迎大家来到Bellevue，这个地方是1998年我博士毕业的时候参加了微软总部研究院，Bellevue这应该算是我在美国待的时间最长的一个地方。我在微软工作了18年，在这个地方不到一半的时间，在微软中国还多一点的时间。当时我在这边的时候主要是领导人工智能和多媒体分析，以及后面的Bing搜索，特别是图片、视频的检索等等。回到中国以后和亚勤还有另外几位一起创建了微软在中国的亚太研发集团，2016年10月份，几乎是八年之前这个时候我加入联想做CTO。

过去这八年做了很多事情，2017年1月份的时候就成立了联想历史上第一个人工智能实验室。当时元庆还交给我一个任务，当时的研究院80%是做硬件的，我们要把它变成反过来，80%要做软件和人工智能，20%做硬件，所以在接下去的一到两年，整个联想研究院人才结构、技术结构变得更加的软件，更加的AI，今天我们可以很自豪地说，联想几乎所有的产品里面都有AI的成分，包括我们的AIPC，包括服务器，包括SSG，这中间很多的AI成分大部分最早的发源地，不能说全部，大部分最早的发源地都是来自于研究院同事们的一些贡献。

过去这八年其实我也有很多观察和思考，今年刚好是联想成立40周年，40周年我做了很多思考，过去这40年我们回顾一下联想哪些产品和项目做得很成功？其实我们看看联想今天PC已经是全球第一，手机在中国我们做得还可以，在in prove，在拉美是第二、在北美第三，平板是全球前三。数据中心也是全球大概前五左右，存储服务器是全球前三，高性能计算是全球排在第一的。

做得很好的这些方面、这些产品有没有什么共性的地方？这也是我一直想问我自己的。后来我总结了一句话，我觉得大规模的复杂计算系统是联想的基因。什么叫大规模？我觉得这个种类的产品要超过一亿台，估计就是比较大规模了，要上亿。复杂计算系统的意思是说它可能需要有一个硬件、软件的联合优化过程，硬件里面可能也包括CPU，还有别的XPU一起有一个整个系统端的软硬一体的联合优化。符合这个标准的，联想做得都非常成功，我刚才已经举了这么多例子了。

▲芮勇邀请Nvidia相关负责人介绍车计算平台

过去这几年其实每年我都会组织研究院的同事，包括技术骨干和管理骨干每年的春天我们会有一个战略讨论，我叫它春华策，是每年4月份前后。每年秋天的时候，丰收的时候我们还有另外一个管理干部的战略讨论，叫秋实赋，这是我过去这八年一直在drive大家做的春花和秋实。有很多思考，下一个大规模复杂计算的场景在哪里？今天我们的PC会持续做得更好，手机、平板、服务器、高性能计算都会持续做得更好，但是我想寻找的是下一个新兴大规模的复杂计算场景在哪里。

当然前四五年大家说是不是物联网IoT？其实IoT我们做了很多分析，很多产品放在一起都是IoT，确实也挺大。但是你把它再细细看，确实长得都不一样，有的大，有的小，有这个形状，有的那个形状，每一个都很难卖到一个亿以上，都叫IoT，但是你看这里面的风扇叫IoT，那个墙里面还放了一个东西是IoT，每一个都不一样，你都要重新开发。

所以我觉得IoT可能不是下一个大的新兴的的规模复杂计算系统，是什么呢？可能直到前两三年的时候，汽车发生了一个新四化的过程，我们知道新四化就叫电动化、智能化、网联化和共享化，这四化其实促使了传统汽车发生一些改变，其实一个汽车里面有大概100多个ECU，很小的计算单元，这个ECU有的是控制雨刷，有的是控制玻璃升降，这些不是联想的基因，我刚才讲了联想的基因是大规模复杂的计算系统，这些太简单了，称不上复杂。所以我觉得直到新四化之前，车计算跟联想也不太相关。

直到过去这两三年，100多个ECU迅速向四五个域控制器集中的时候变化就发生了。有四五个域控制器，这里面并不是每一个都是跟联想基因是有关系的，我觉得有两个跟联想的基因是最有关系的。一个是自动驾驶的域控制器，另外一个是智能座舱的信息娱乐系统。这两个域控制器是跟联想最相关的。因为一旦这100多个ECU向四五个域控制器集中的时候你就会突然发现它变成一个很复杂的计算系统，这里面很多还包括像异构计算，怎么做优化，有软件，又有framework，又有硬件，这些东西都需要做。这个就越来越跟联想的基因相似了。

所以在两年以前我们在研究院内部就成立了一个新的实验室，面向汽车智能化的车计算实验室，现在给他一个比较正式的名字，像我昨天提的叫做AI定义的车计算。我们知道原来都软件定义的数据中心，软件定义汽车，现在是AI定义的车计算。这是前两年我做的一个判断。挺有意思的是在今年又发生了几件事情印证了我们当时做的一些预估是对的。一件事情就是在今年的5月份端到端自动驾驶，端到端FSD这件事情被做出来了，自动驾驶的算法在这之前主要是基于规则的，我相信大家这个领域也都非常熟，基于规则的真是有几十万行代码，因为是基于规则的。今天比如说是在上海市训练了某一个自动驾驶算法，下面到另一个城市去，这个算法可能就不是可行了。可能要改一条规则，但是你要改一条规则不行，下面很多规则都得改。所以这种可适应性就比较差一些，尤其对一些边边角角的corner case经常会出错，所以第一代的自动驾驶算法就面临着这个问题。

第二代的自动驾驶算法，端到端FSD出现之后，其实它非常像人作为一个驾驶员如何驾驶的。诸位在开车的时候一定是两个眼睛去接收外界的视觉信息，进来了之后你在大脑里面就是一个神经网络的计算，计算完了之后就是几个输出，要么就是往左拐，要么就是往右拐，要么就是踩刹车，要么就是踩油门，人就是这么做的。它是一个端到端的，视觉信息输出的是我的动作。今天的端到端FSD非常像人的这个做法，所以它对不同环境的适应也会更好，但是从第一代的算法到第二代算法的改变其实就它需要算力性质发生一些变化。

如果是几十万行代码，并且是基于规则的，大家可以想想这一定要有很多CPU算力，CPU算力就是干这件事的。但是你后来变成了一个基于神经网络的，它就得变成一个AI算力需求，所以它对算力平台的需求不一样了，刚好我们在两年之前就布了这个局，我们觉得车计算会变成一个对AI算力需求的计算，所以我们也打造了一个平台。昨天我跟大家也提到我们的AD1，这个平台应该是AI算力平台性能最强大的平台。这个基于自动驾驶域控制器是一个大的AI场景。

另外一个是智能座舱，或者叫信息娱乐系统。刚好过去一年发生了很多事情，都跟AI相关。发生了什么事情？原来的人工智能主要是一些割裂的。每一件小任务都是由割裂的AI单独去完成，没有串起来，没有集成起来。举个例子，今天可能我开车的时候，前面车内的摄像头看我开了很长时间，眼睛都快睁不开了，有点累了，有点困了，它可能提醒你要休息一下，这是第一步。

第二步，得赶快跟车内的信息娱乐系统说，你帮我找下一个高速出口，或者说休息区在什么地方？它得给我答案。有了这个答案之后，我得再讲说，你赶快给我导航，导到这个休息区。好几步它都在帮你，但是都是分别、割裂，像不连接在一起的烟囱一样的。但是今天这些信息都可以同时输入同一个大的Transformer的架构。我的疲劳信息输进去了，同时也就预测到了我下面就会问下一个休息区在哪？同时它也想到了，我下一步会问怎么开车过去？这几件事情都综合在一起之后直接就帮我导航到休息区去了。

这是另外一个在信息娱乐系统的域控制器上发生的一些事情。这几件事情发生就让我觉得可能现在是一个非常好的机会，抓住这个机会，汽车行业的朋友我相信你们都对这个行业做过报道，其实它是一个很传统的行业。现在真是到了一个让它进行现代化的时候，这个时候就会有很多大的机遇，所以基于这个原因，我和元庆也建议过好几次，我觉得我应该站出来干这件事情，我们需要找一个新的CTO把整个公司的技术抓起来。

所以大概在十个星期以前Tolga成为集团新的CTO，我现在完全专注在新兴技术集团这个方向，如果看我过去这八年带领的研究院和新兴技术集团之间的相似性和不一样的地方是什么呢？我就打一个比方，研究院主要做的是探索性的创新，因为你可能不知道到底是哪条路登那个山峰是对的？所以你是一个探索性的创新。新兴技术集团应该是叫做有既定目标的创新，我看清楚了，现在就是把汽车智能化、现代化做好，沿着这条路走。所以一个是探索性的创新，新兴技术集团是有目标性的创新，如果再结合大家都耳熟能详的国内最大两个创新机构，科学院和工程院，我觉得可能联想研究院更像科学院这样，把一些基础的，探索性的事情做好，工程院的话，第一要把这个技术方向找到，第二把这个方向的技术变成产品，产品变成业务，这就是这两个的关系和区别。

所以过去这十个星期我也花了很多的时间，大家看我现在到处跑，看一些合作伙伴，一些客户等等，整个进展还是不错的。所以基本上我把来龙去脉讲起清楚了，看看大家有什么别的问题？

02.

芮勇答车东西问

车东西问题：芮勇博士，我们有一个车东西的产业媒体，关注汽车智能化、自动驾驶等等，刚才听您讲到背后的渊源，很有魄力，做这个事。应该说自动驾驶解决方案目前来看是相对成熟和竞争很激烈的市场，这里面既有传统tier1厂商，您刚才也提到国内是比较快的，国内在这方面人工智能驾驶tier1的能力也有好的一些好的企业，联想会用什么方式来参与这个市场，和这些玩家去竞争呢？

芮勇：我觉得从几个角度看，第一，我们首先要对自己有个很清晰的认识，我们确实不是最早进入这个行业的，虽然我们看到这是非常非常大的机会，但是我们不是最早进来的，这是首先我们要认识到的一点。

第二，联想有自己的优势，我们的优势，我们对计算其实研究了40年，我刚才提到，我为什么一直在找联想的DNA，到底是什么，基因到底是什么，过去这40年，就是大规模复杂计算。你说是因为很多传统的Tier1，的基因不是那个基因，他想转也比较难，这是从传统Tier1的角度看。第二从一些纯新兴的AI公司看，也有一些AI公司也在做这个，他们对这种整个的软硬一体的联合优化设计这件事情，也远远不如联想对这件事情的理解，我们这件事情也干了40年，这是跟这两类类型的企业相比，我们的一些优势。

有一些车企也在做这个事情，但是联想非常清楚，我想再次强调，联想是绝对不会去造车，我们只是把这个看成一个下一个大的计算场景的机会。这个就完全不一样了，你提的那些自己也在做，只是为了自己做，他的竞争对手没法用。我们是一个平台，我们会最大化的去和所有的车企去合作，因为我们并不造车，这是我想说的第三点。

第四，我们刚才也提到了在整个全球的布局，我觉得联想这40年除了我刚才说的DNA以外，还有一点做的很好，立足中国，从中国始发，但是它会走向全球的这么一个能力和魄力，现在政府也一直在聊出海，怎么帮助企业出海，这件事情，联想，我个人感觉，不一定准确，应该是国内做的最好的企业，稍微有点不太谦虚，但是我们好好想想的话，确实是这样的。

这个车计算其实也会沿着这条路走，我们的这些竞争对手，他们可能没有一个先植根中国然后走向全球的经验和过程，我们会对这件事情非常清楚。

第五，从技术和产品上来讲，是，现在确实有很多公司也在做，但是我昨天也提到，现在最大的AI算力的域控制器，我还没有看到谁做出比我们更大的，这是最大的。因为过去的这8年，我们把联想的AI能力也培养上来，所以我刚才提到的很多AI能力可以进一步加持，从这5个角度，至少我们是应该挺有机会在这里面去放手看一看的。

▲联想展示的两个域控计算平台均基于英伟达的Thor芯片

车东西问题：我也去联想展台开上看了一下自驾和座舱这两个计算平台，有一点疑惑，为什么咱们选择从英伟达的Thor而不是比较主流的Orin，您演讲的时候也提到它是算力目前最高的算力，也就表明它肯定是用到高端车型的，是不是也就表示咱们的目标？

芮勇：这个问题也很好，但这个问题其实我觉得跟你第一个问题是有关系的，可能你第一个关系问完了以后，第二个问题你应有答案。现在很多人都在做Orin，联想在做Orin没有什么太大的意义。你其实也很清楚，我相信在座的都有一些技术的背景，今天用Orin想办法达到thor的算力，你要叠加很多，所以第一，至少是4个，问题在哪？第一是可能更贵。

第二你会发现每一个和每一个之间的带宽问题的瓶颈。更高成本还做不到更好的性能。就像我今天讲大模型，我4月在上海跟大家提到，AIPC的on-device大模型里，很多时候并不一定是它本身计算单元的算力不够，而是因为它的内存和内存的RAM不够，而上一代芯片平台是带宽问题，这种大的东西就会发现被卡住了。成本高性能又不具备优势，为什么不直接选择更好的。

车东西问题：如果基于Thor芯片是不是联想要从高端车型来切入？

芮勇：我觉得是这样，你要看你怎么定义高端车型，我是觉得国内的车企已经都是比欧美车企在整个的现代化的进程当中要快了很多。国内的很多你说的30万以上，我觉得有些20多万的都算是偏高端吧。目前如果从L2++这个功能需求看，Drive Thor可能是中高端的。

如果是L4需求，我们看到的是所有面向L4自动驾驶公司都会往大算力平台发展。我举一个例子，今天的自动驾驶可能在海外做的比较好的是特斯拉，它自己在做硬件，硬件一代、硬件二代、现在在做硬件五代，它换了一个名字叫AI5，AI5的算力会很大，为什么？就是因为它发现了真正要把自动驾驶这个事情做好，需要非常强大的AI算力。面向L4大家一定都得往这个方向走。大算力是非常重要的基础。

车东西问题：联想的大算力平台是不是已经有一些车型合作？

芮勇：自动驾驶领域，Robotaxi/ Robotruck这类商业无人车其实是需要的，还有是自动的快递、无人物流车也是需要的，还有是自动清扫车，这四个场景今后都会用到。我们再往下，我往未来再展望一下，今后你想想，我说的那个新四化，电动化至少国内车企差不多了，没啥问题。智能化在过程当中，网联弄的也差不多了，最后一个是共享化，共享化你就会发现到后来很多东西就是一个运营，所以再想想，这个事情，它是一个更大的远景，运营的话，无论是扫地的还是物流的，还是载人的还是卡车，只不过是运营的中间的一个部分而已，你要再往下进行展望的话。

车东西问题：您现在是不是研究车比较多一点？

芮勇：我还真不是这个领域方面的人，我们现在负责车计算的副总裁，今天因为赶去参加另外一个会去了，要不然他会在这的。

他本身的背景，我要再跟大家讲讲这个背景，当时看了这个方向之后，我需要这个团队是一个什么样的团队。这个团队一定要有计算的基因，不懂得计算，那就让传统Tier1做就完了，光懂得计算是不行的，今天无论是PC也好、手机也好，这些东西都是消费电子，消费电子和车上的电子你们都是专家，是非常非常不一样的，所以一定要这个人即懂汽车也懂计算，我就来找，找到了今天带领这个团队的同事叫唐心悦，唐心悦过去十几年二十年，大概有一半的时间在做计算，有过大的互联网公司做过很多跟计算相关的工作，还有一半时间做跟车相关的事情，是交叉的方向。

车东西问题：现在团队大约多少人？

芮勇：规模不大吧，在初期我们更注重的是怎么打造非常高效的团队。

03.

芮勇答媒体问

问题：站在往未来一段时间看，您觉得咱们联想在车计算上面还有哪些痛点要解决？以及目前针对技术痛点是否一些对应的技术解决方案？

芮勇：我和国内外的一些车企都聊过，他们觉得车企还是欠了很多信息技术的债，好多事情他们现代化的过程，之前做的不太多，我是觉得这里面有很多事情可以做。我只是在谈车的智能化，其实我觉得像车企，整个供应链的智能化，整个IT系统的智能化，这里面有很多事情可以做，联想过去都很有经验。我们供应链过去三年都排在全球的前10，亚太排在第1，这里面有很多跟AI相关的功能。这些痛点是我现在说的这件事情以外的痛点，它这些痛点也是联想过去这8年自己有过实际经验，也可以帮助到我们的车企。

具体到我现在说的汽车智能化，我觉得一个痛点可能是我们现在AI算力平台，我们现在已经把算力平台打造出来，下面还是要和一些自动驾驶、算法的企业以及车企之间怎么合作，把这个事情从上到下彻底打通，让它更高效的过程，这是一个。

第二，信息娱乐系统，信息娱乐系统今天现有的一些产品和技术，我们觉得还不太够，这是为什么我们想做一个比较大的革命性的变化，今天我们在车里面，我进车里，手机也可以跟汽车发生一些互动，但是这些互动绝大多数是发生在应用的层级，APP这个层级。

另外一个APP，我又得去适配，去改变东西，再用一个APP，又得去弄，这件事实就变得非常繁琐，并且并不高效。联想的优势，我们有手机、有PC、有平板，在车内的计算系统，我们现在也在做，其实是可以从系统层级把这件事情打通。这件事情一打通，解决了很多问题，从根本上解决这个问题。

问题：在业务落地的方向，联想作为一家全球化的公司，首选的可能会是哪些自己的客户呢？

芮勇：我是觉得我们如果看今天联想做业务，其实海内海外都是在齐头并进的，但是很多第一步的创新，第一步的布局是发生在国内的。无论从AIPC，今年4月，那个时候我们的AIPC从中国开始的，但是到了10月份，现在我们逐步在往海外推，汽车的智能化和车计算是一样的，肯定会是从中国先开始，中国走的速度、步伐都比海外快，但今后你还是要立足中国，放眼世界，这样的话整个市场就很大，但是我们第一步肯定从中国开始。

问题：您刚才说要跟各大车企去广泛合作，我们都知道国内的车企，对数据的敏感性，之前从以往的历史经验来看，不太愿意开放数据所以合作起来有一些问题。联想是怎么打算和他们去合作？

芮勇：首先我觉得我们不会收集数据，我们把我们做的事情跟大家讲得再细一点。我们想做的是计算平台，我还是要回到联想的基因到底是什么。联想的基因就是做这种大算力的复杂系统的计算平台。再往上走，其实我们很愿意和车企一起做这个事情。

今天有另外一个汇报，有人还问我问题，我说有传统的叫Tier1，我们可以叫Tier0.5。Tier0.5是什么意思？有些公司可以把软硬平台都做好了，你把这个东西交给车企，他们再往上开发，那就像Tier1一样。

但是还有的车企说，行，你这个平台挺高效的，开发起来也很方便、便利，但是我们现在也没有再往上开发的功能，你能不能把这个也作为一个服务跟我们一起做了？这件事情我们也是可以和车企一起做的。

所以，本身我们并不去碰车企的数据，我们要么是在算力平台上它可以自己开发，如果它需要和我们一起开发，也是跟它一起开发，而数据是属于它的。

问题：不同车企不同车型怎样能够实现广泛的高效适配呢？

炳川答：我来补充一点，其实从一个行业早期没有形成标准化的时候很容易是大家有各自不同的方案以及通信协议，甚至一个摄像头有不同的通信协议。但是，IT行业发展了这么多年，逐步地都已经形成了标准化，其实汽车行业也是一样的，包括GMS的接口，接显示也好，接摄像头也好，接其他的也好，包括网络也好，其实是现在这个行业硬件的接口上已经统一了，所以这个问题不用特别担心。剩下的问题交给芮勇来回答。

芮勇：还有一个事情我一直在考虑，为什么我们今天的传统汽车行业没有真正大规模地蓬勃发展起来，相比于IT行业。其实IT行业过去30年发生的事情，比如我们在80年代PDP11等等，没有真正地爆发。

真正爆发的时候是什么时候？是因为PC开始出现了。PC开始出现以后，它不再是一个一个竖的烟囱，而是有人把横向贯通的技术做了。比如有人在做芯片，有人在做操作系统，有人在做整个的开发平台，我觉得今后的汽车行业会往这个方向走。走到这个方向之后，整个汽车行业就会像三四十年以前IT行业的爆发一样。

我是觉得从炳川这个角度讲，整个的汽车行业就在经历40年以前IT行业经历的一些事情，越来越多的东西会变成标准化，因为不标准化，这个行业今后谁都赚不着钱。

问题：除了车计算平台之外，新成立的这个信息技术集团可能聚焦的还有哪些方向？

芮勇：这个问题我在做新的集团之前我自己是有过思考的，元庆也询问过我，还有好几个别的技术是潜在要放下来的，但是我自己的思考是这样的，我是觉得做产品化、产业化很重要的一件事情就是聚不聚焦。这件事情足够大、足够大，把这件事情给做好了，再去做下一件事情。所以，我现在绝大多数的精力就是聚焦在AI Define Vehicle Computing，就是人工智能定义的车计算这方面。

再回到你这个话题，我现在是非常专注地看这一个方向，我脑子里在想其它几个方向，也没跟团队讲。我跟大家说一个事情，我为什么提到端到端的FSD？这是第一次端到端的FSD能够把我们今天火热的AI所谓的离身智能和具身智能，之前我跟一个媒体讲了什么是具身智能，什么是离身智能，什么是AI，等等的，我是怎么分这个类的。今天的具身智能到了端到端的FSD是第一次从AI的算法框架把机器人和自动驾驶统一在了同一个AI上面，这是第一次。所以，我们看这两个中间有很多相似的东西，不一样的东西，我为什么要着手汽车的智能化？

我们看自动驾驶算法，它是什么？框架是一样的，是端到端的，但是它的目标函数比机器人要简单很多。它的目标函数就是我前面有个障碍物，我现在就是唯一的目标，我别撞到这个障碍物，这就是我唯一的目标。机器人、机器手要把这个抓起来，第一我要判断从哪边抓？我应该是横着抓更好，还是竖着抓更好？我们都知道，肯定是横着抓好。机器人是要判断的，我是要横着抓，还是竖着抓，我抓的时候，下手是从这边下去，还是从这边下去，一旦下了手之后，这个力度是大还是小？大的话容易碎，小的话我抓不起来。所以你们会发现，同一个算法框架下，目标函数最简单的一个是自动驾驶，但是今后会往具身智能走。

自动驾驶，除了目标函数以外，有另外一个事情，就是它的输出是一个可数的、限定的，就四个，往左拐、往右拐、踩油门、踩刹车，没了。你再看机器人的输出会有多少？我为了实现这个目标，本身就已经很难了，我输出，哪个角度上，什么速度，什么力度？输出变得非常非常大。

所以我觉得在这个统一的端到端的FSD下第一个实现的是汽车的自动驾驶，因为它的目标函数更简单，它的输出空间更小。第二是在限定场景之下的机器人。第三是在非限定场景下。这是一个一步步走的过程。

这个间接地回答了你的问题我脑子里还在想什么。但是今天我就聚焦在车计算。