在自动驾驶领域的激烈竞争中，小鹏汽车正通过一条独特的路径，推动自动驾驶技术的飞跃。小鹏汽车自动驾驶副总裁李力耘在最近的一次技术沟通会上，分享了公司如何通过云端大模型与强化学习的结合，为自动驾驶技术注入新的活力。
李力耘指出，过去自动驾驶领域流行的端到端训练模式，虽然在一定程度上提升了智驾系统的能力，但其局限性也显而易见。他解释说，端到端模型的核心在于保持信息无损和降低车辆延时，从而让自动驾驶更加敏捷、高效和拟人。然而，这种模型的学习上限仅仅是接近人类驾驶水平，面对极端场景时，往往力不从心。
为了突破这一瓶颈，小鹏汽车决定跳出车端思维的局限，采用云端大模型蒸馏并辅以强化学习的方式。李力耘强调，自动驾驶技术的真正突破，必须超越车端芯片算力的限制，用更大的模型和更海量的数据，去大道至简地解决驾驶问题。
为此，小鹏汽车首次披露了正在研发的720亿参数的超大规模自动驾驶大模型——“小鹏世界基座模型”。这一模型将作为自动驾驶技术的核心，通过云端蒸馏的方式，将大模型的能力传输到车端，为“AI汽车”配备全新的大脑。
为了实现这一目标，小鹏汽车在算力优化方面也做出了巨大投入。从2024年开始，小鹏汽车搭建了AI基础设施（AI Infra），目前已建立起万卡规模的智能算力集群，是国内汽车行业最大的自动驾驶算力集群之一。算力储备达到10EFLOPS，集群利用率常年高达90%以上，高峰时期的运行效率甚至达到98%。
在云端大模型的基础上，小鹏汽车还引入了知识的蒸馏和强化学习两个关键技术。知识的蒸馏是先让云端大模型拥有深度思考（CoT思维链）的能力，然后再将这些能力蒸馏到车端模型上。通过这一过程，车端模型能够具备更强的泛化能力，应对更多复杂场景。
强化学习则用于进一步提升智驾大模型的上限，使其在某些场景下能够超越人类驾驶水平。小鹏汽车选择从设计奖励函数、奖励模型和世界模型三个方面入手，搭建整个奖励机制。通过这一机制，智驾模型能够获得更连续、更泛化、更多维的奖励信息，从而不断优化自身的驾驶行为。
在问答环节，李力耘和小鹏汽车自动驾驶产品高级总监袁婷婷回答了媒体和观众的提问。他们表示，小鹏汽车的AI模型开发与特斯拉在某些方面有相似之处，但也有很多不同之处。特别是在云端基座模型方面，小鹏汽车更注重模型的全面性和与物理世界的交互能力。
他们还透露，小鹏汽车的云端基座模型训练方式、架构和性能表现都与众不同。目前，他们正在训练的模型已经达到了720亿参数，训练数据量也达到了行业领先水平。这些优势将转化为模型性能上的巨大提升。
对于安全问题，李力耘和袁婷婷都表示非常重视。他们认为，安全是自动驾驶技术的生命线，必须确保在任何情况下都能保证乘客和行人的安全。为此，他们正在通过优化传感器覆盖、提升大脑智能水平和优化身手反应速度等方面努力提升安全性。
在谈到自研基座模型的必要性时，袁婷婷表示，自动驾驶技术的复杂性要求必须使用LLM作为骨干，并结合大量现实世界数据进行训练。小鹏汽车通过自研基座模型，能够更好地理解和应对物理世界的复杂性，从而提升自动驾驶技术的整体性能。
最后，袁婷婷还表示，小鹏汽车在AI开源浪潮中受益良多，并对未来的发展持开放态度。他们期待有一天能够通过开放的方式，为行业和世界提供一些反馈和贡献。
