

作者:管学军
来源:选车网
2025年7月26日,世界人工智能之父——杰弗里·辛顿在“2025人工智能大会”上发表主旨演讲,他用通俗的语言讲清楚了人工智能发展的路径。那么透过辛顿的视角我们应如何理解现在中国汽车智能驾驶的路线之争呢?或者说,未来中国汽车智能驾驶的技术路线哪条是正确的呢?
做个通俗的比喻吧,如果你看过小朋友学骑自行车,就会明白人类学习的规律——没人会先背诵“平衡公式”,而是摔几次车后,身体自然形成“车把歪了就往反方向拧”的直觉。这恰是辛顿先生的核心观点——人类大脑本质是个“会学习的大模型”,靠不断试错形成动态反应模式。
在中国智能驾驶赛道上,正进行着两种路线的较量,恰似两种学骑车的方式,一种像人类靠直觉摸索,另一种像程序员编写操作手册。用辛顿的理论来看,这两条路的未来走向,藏着智能革命的关键密码。
像学骑车般的“端到端”路线
特斯拉、Momenta等企业走的这条路,就像教AI直接模仿老司机开车。你给它看1000段“看到红灯刹车”的视频,它不会死记“红灯=停车”的规则,而是自己琢磨,红灯亮时,周围车辆的速度变化、行人反应和刹车距离的关系,慢慢形成类似人类驾驶的直觉。

辛顿在演讲中举过“乐高积木”的例子,即,人类理解语言时,每个词像可变形的积木,会根据上下文调整形状再拼接。在这种技术路线中,摄像头看到的路况、雷达测的距离,就像这些积木,AI会实时调整它们的组合方式——突然窜出的小猫会让“刹车”这块积木变得特别重要,而在空旷的高速公路上“加速”这块积木会占主导地位。
这种技术路线的优势很明显,遇到施工绕行、暴雨天视线差等突发情况时,它能像老司机那样灵活应对。但问题也和人类学习一样,需要海量“练手”数据(就像新手要开够几千公里才能熟练),而且学来的经验很难直接复制给另一台机器——这也是辛顿指出的“人类知识难以传播”的局限。目前,中国公司正通过每辆上路车辆一起收集数据,以解决这个问题,就像一群人一起练车,互相分享经验。
像查手册般的"规则驱动"路线
百度Apollo、华为ADS走的这条路,更像给AI装了本超级详细的《驾驶手册》。工程师会把“看到红灯要停3秒”、“转弯要让直行”等规则写成代码,再配上高精地图,标注每条车道线的位置。就像有人骑车时,车把上始终架着导航仪,严格按指令操作。
这正符合辛顿说的“数字智能优势”,规则写好后,能瞬间复制给所有车辆,就像一本手册可以印成千上万本。在高速路、封闭园区等简单场景,它表现得又快又稳。例如,去年深圳开放的L3级自动驾驶,主要就是这种路线在跑。
但麻烦出在复杂路况,遇到行人突然横穿马路,同时旁边又有辆车超车,这种情况“手册”里没写过的路况组合,这就会让AI系统犯难了。辛顿警告过这种“规则爆炸”的风险,就像你永远无法穷尽所有骑车可能遇到的情况,工程师也写不完所有交通场景的规则。为此,华为给车装了激光雷达当“额外眼睛”,百度则靠不断更新地图来打补丁,但这都让系统越来越复杂。
从辛顿理论看未来
辛顿先生的观点其实已经给出了清晰判断,就像人类既能靠直觉骑车,也能背交通规则一样,未来很可能是“混合进化”。
端到端路线需要突破“经验共享”难题,辛顿提到的“知识蒸馏”技术,简单说就是让一个AI把学到的本事“教”给另一个,就像老司机带徒弟。目前,中国团队已经做到让一辆车的紧急刹车经验,通过数据处理后,让所有同型号车都学会。
规则驱动路线则要解决“灵活性”问题。辛顿举过一个有趣的例子,人类会虚构记忆(比如记错昨天吃了什么),AI也会“幻觉驾驶”(例如,把阴影当成障碍物)。现在华为在系统里加了“质疑机制”,让AI像新手问教练那样,遇到不确定的情况会减速确认,这正是借鉴了人类学习的容错特性。
据了解,在上海的智能驾驶测试区,已经能看到这种融合的苗头,在高速路上用规则驱动保证效率,进入城区则自动切换到端到端模式应对复杂路况。辛顿说过,真正的智能不是非此即彼,而是像大脑那样,既会靠直觉反应,也能调用理性分析。
这场发生在中国的技术路线之争,本质上是在回答辛顿的终极之问:当机器开始像人类一样学习,我们该如何让它们跑得更安全、更聪明?或许答案就藏在每个普通人的驾驶经验里——那些靠直觉躲过的危险,那些被红绿灯规范的秩序,终将共同塑造智能驾驶的未来。
☟☟☟
☞人工智能产业链联盟筹备组征集公告☜
☝
精选报告推荐:
11份清华大学的DeepSeek教程,全都给你打包好了,直接领取:
【清华第四版】DeepSeek+DeepResearch让科研像聊天一样简单?
【清华第七版】文科生零基础AI编程:快速提升想象力和实操能力
【清华第十一版】2025AI赋能教育:高考志愿填报工具使用指南
10份北京大学的DeepSeek教程
【北京大学第五版】Deepseek应用场景中需要关注的十个安全问题和防范措施
【北京大学第九版】AI+Agent与Agentic+AI的原理和应用洞察与未来展望
【北京大学第十版】DeepSeek在教育和学术领域的应用场景与案例(上中下合集)
8份浙江大学的DeepSeek专题系列教程
浙江大学DeepSeek专题系列一--吴飞:DeepSeek-回望AI三大主义与加强通识教育
浙江大学DeepSeek专题系列二--陈文智:Chatting or Acting-DeepSeek的突破边界与浙大先生的未来图景
浙江大学DeepSeek专题系列三--孙凌云:DeepSeek:智能时代的全面到来和人机协作的新常态
浙江大学DeepSeek专题系列四--王则可:DeepSeek模型优势:算力、成本角度解读
浙江大学DeepSeek专题系列五--陈静远:语言解码双生花:人类经验与AI算法的镜像之旅
浙江大学DeepSeek专题系列六--吴超:走向数字社会:从Deepseek到群体智慧
浙江大学DeepSeek专题系列七--朱朝阳:DeepSeek之火,可以燎原
浙江大学DeepSeek专题系列八--陈建海:DeepSeek的本地化部署与AI通识教育之未来
4份51CTO的《DeepSeek入门宝典》
51CTO:《DeepSeek入门宝典》:第1册-技术解析篇
51CTO:《DeepSeek入门宝典》:第2册-开发实战篇
51CTO:《DeepSeek入门宝典》:第3册-行业应用篇
51CTO:《DeepSeek入门宝典》:第4册-个人使用篇
5份厦门大学的DeepSeek教程
【厦门大学第一版】DeepSeek大模型概念、技术与应用实践
【厦门大学第五版】DeepSeek等大模型工具使用手册-实战篇
10份浙江大学的DeepSeek公开课第二季专题系列教程
【精选报告】浙江大学公开课第二季:《DeepSeek技术溯源及前沿探索》(附PDF下载)
【精选报告】浙江大学公开课第二季:2025从大模型、智能体到复杂AI应用系统的构建——以产业大脑为例(附PDF下载)
【精选报告】浙江大学公开课第二季:智能金融——AI驱动的金融变革(附PDF下载)
【精选报告】浙江大学公开课第二季:人工智能重塑科学与工程研究(附PDF下载)
【精选报告】浙江大学公开课第二季:生成式人工智能赋能智慧司法及相关思考(附PDF下载)
【精选报告】浙江大学公开课第二季:AI大模型如何破局传统医疗(附PDF下载)
【精选报告】浙江大学公开课第二季:2025年大模型:从单词接龙到行业落地报告(附PDF下载)
【精选报告】浙江大学公开课第二季:2025大小模型端云协同赋能人机交互报告(附PDF下载)
【精选报告】浙江大学公开课第二季:DeepSeek时代:让AI更懂中国文化的美与善(附PDF下载)
【精选报告】浙江大学公开课第二季:智能音乐生成:理解·反馈·融合(附PDF下载)
6份浙江大学的DeepSeek公开课第三季专题系列教程
【精选报告】浙江大学公开课第三季:走进海洋人工智能的未来(附PDF下载)
【精选报告】浙江大学公开课第三季:当艺术遇见AI:科艺融合的新探索(附PDF下载)
【精选报告】浙江大学公开课第三季:AI+BME,迈向智慧医疗健康——浙大的探索与实践(附PDF下载)
【精选报告】浙江大学公开课第三季:心理学与人工智能(附PDF下载)
【AI加油站】第八部:《模式识别(第四版)-模式识别与机器学习》(附下载)
人工智能产业链联盟高端社区

一次性说清楚DeepSeek,史上最全(建议收藏)
DeepSeek一分钟做一份PPT
用DeepSeek写爆款文章?自媒体人必看指南
【5分钟解锁DeepSeek王炸攻略】顶级AI玩法,解锁办公+创作新境界!
【中国风动漫】《雾山五行》大火,却很少人知道它的前身《岁城璃心》一个拿着十米大刀的男主夭折!

免责声明:部分文章和信息来源于互联网,不代表本订阅号赞同其观点和对其真实性负责。如转载内容涉及版权等问题,请立即与小编联系(微信号:913572853),我们将迅速采取适当的措施。本订阅号原创内容,转载需授权,并注明作者和出处。如需投稿请与小助理联系(微信号:AI480908961)
编辑:Zero



