当前位置：

文章详情

对话陶吉：自动驾驶还没有结束

陶吉入职长安时，公司已经有了一个一千张 A100 的集群。那是 2023 年，比他在百度训练模型时分到的卡还多。如今，集群扩到了三万卡，每年算力开销接近二十亿元。谈条件时，长安还给了他一个薪酬预算池，让他按市场价招人——贵的少招，便宜的多招。

去一家不熟悉的央企，陶吉也没有百分之百的把握。但在加入之前，他和长安把团队怎么组、能不能市场化招人，都谈得很细。公司对智驾的重视、投入资源的决心，以及对外部人才的接纳，让他觉得，这里有把事情做起来的机会。朋友后来跟他说，你挺勇敢。他自己倒没想那么多，创业本来就不确定，他也不是从一个安稳的地方走向未知，去闯就好了。

如今，他带着一支约 1,500 人的团队，仍然天天测车。今年国庆，他拿了一辆车，从重庆开回武汉，沿路还去了不同的小城市。内部一两天出一个新模型，他就去试。做了十三年智驾，一个新模型解决了之前跑不好的场景，还是会让他很高兴。

但就在加入长安之前，他曾认真准备过离开自动驾驶行业。

2023 年，陶吉是最早一批从自动驾驶看向具身智能的人。他写了通用机器人的商业计划书，种子轮融资也有了初步进展，金额不到一个亿，他觉得够开干了。那时，九成精力被他放在创业融资上，剩下一成用来聊智驾、接触主机厂。最后，反而是那一成让他看到了另一种可能：找一家有销量、有规模，也愿意投入下一代技术的车企，把智驾继续往前做。

后来，越来越多同行转去做机器人，有人拿到很高的估值。回头问他羡不羡慕，他说，祝贺他们，做好自己的事。问他会不会后悔，他说，更多往前看。

这两年，行业里反复有人说，最优秀的人已经去了具身，智驾留不住这样的人。也有人直接问，为什么还要留？这里还有什么值得做的？一个曾经吸引那么多人投入的方向，产品终于进了大量用户的生活，却也开始被认为缺少想象力。对于仍在其中的人，下一步往哪里走，成了一个很困扰的选择。

陶吉让我感兴趣，正是因为他认真考虑过另一条路，也为留下找到了自己的理由。

从百度早期无人车项目，到卡车自动驾驶创业，再到主机厂，他在这个行业走了十三年。如今，他是长安汽车首席智能驾驶技术官，从补齐上一代技术栈、建设数据和训练平台做起，带着团队先后完成高速领航、泊车和端到端城区辅助驾驶的量产。过去想让更多人用上自动驾驶的愿望，如今也能看到它在一点点实现。

采访之前，我们测过长安自研的智能辅助驾驶方案，表现比预期更好。我当然想问，一家央企怎样组建团队，怎样把外部算法人才和原有工程体系放在一起，又怎样在一轮技术变化中追上来。但聊着聊着，我发现自己不断把问题带回陶吉本人：过去的经历怎样改变了他的判断？他怎样看待那些没有走通的尝试？做了十三年，今天又在期待什么？

我一度想用「守望者」来形容他。聊过之后，又觉得这个词未必准确。他并不觉得自己是在守着一个接近尾声的行业，也没有把留下说成一件需要忍耐的事。每天测车，仍然能遇到没解决好的问题；模型有了进步，仍然会让他高兴。这种具体的反馈，从早年在百度做深度学习，一直延续到今天。

「自动驾驶还没有结束」，是他在这场对话中反复表达的判断。他认为，后面可能还有两到三个大的技术变化，今天那些表现不够好的复杂场景，恰好需要最前沿的方法去解决。对于一个见过多次希望、也经历过落地受阻的人，我想听清楚，这份判断究竟从何而来。

这期《无限不可能引擎》，我们和陶吉聊技术、商业化与长安，也聊一个人怎样决定，继续把自己的时间放在一件在大多数人看来已经不再性感的事上。

差一点离开，为什么又选择留下

大吉： 我们从 2023 年开始。当时有一波做自动驾驶的人转去做具身智能，你好像也想过转向，最后又回到了自动驾驶？

陶吉： 时间顺序再理一下：2023 年，我应该是最早一两个从自动驾驶看具身的人，很多智驾背景的具身公司是 2024 年、2025 年才开始的。那时跟投资人聊，最难的是说服他们：为什么智驾背景的人可以做机器人？我的 BP 有很大篇幅在讲两者的共通之处，比如数据闭环。后来这么多智驾的朋友去了具身，我也没想到。

大吉： 那你为什么又转回来了？

陶吉： 严格说，不叫转回来，因为具身我就没开始做。当时写了 BP，第一轮融资聊得还可以，有了初步进展，种子轮应该不到一个亿。我认为这个钱够开始做了。但上一段创业让我觉得，第一轮可以比较好地融，第二轮、第三轮如果商业化不及预期，就会有比较大的困难。国内投资人还是比较关注商业化进程。

大模型出来了，特斯拉也开始做端到端，这条技术路线是有希望的。但具身的不确定性太多：本体是什么形态，传感器需要什么模态，应用场景是什么。几个不确定性相乘，就是一个非常大的搜索空间。你聚焦哪一个点，还是都要做？

大吉： 这反而让你重新思考智驾的下一步？

陶吉： 对。智驾也在从规则往端到端、往大模型转，而汽车的本体、传感器、场景和数采相对都是确定的。 如果乘用车智驾也需要这样的技术升级才能往 L3、L4 走，就先利用乘用车大量的数据和已经存在的本体，把这件事真正摸通，再应用到机器人。

智驾看起来已经进入红海，不再那么时髦。你要判断自己追求什么：是东西真正落地、被很多用户使用的成就感，还是去风口浪尖追求时髦？

大吉： 一开始想去做具身，是觉得智驾遇到了什么问题？

陶吉： 也有创业的惯性。上一段创业结束，正好看到大模型让通用机器人变得有可能，就很自然地想到再创业。创业过的人很难回到大厂，这个惯性很强。

但仔细想的过程，其实就是写 BP、说服每一个投资人的过程。自己也在反思，你是不是真的笃信，它能在可预期的未来商业化落地？我对落地的追求还是比较强烈的。我不是那种明知道五年、十年后才能实现，却跟别人说马上就能实现的人。我希望看到做的东西在实际场景里被用起来。

而且技术闭环和商业闭环是相关的。没有大规模商业化，数据来源和数据量就不一样，Robotaxi 没有大量铺开，跟 L2 普及之后获得的数据有量级差异。

大吉： 是你先想好要做智驾，还是长安这样的机会刚好找到了你？

陶吉： 人生轨迹往往是自己的选择和命运提供的机会，在关键节点相遇。当时可能 90% 的精力在创业融资上，10% 在聊智驾，包括主机厂。最后反而是那 10% 让我觉得，应该找一个有量、有规模、能够商业化落地，也有决心承载下一代智驾技术升级的地方。

大吉： 你怎么看在百度的那段经历？今天大家提起，还是会说那是中国自动驾驶的「黄埔军校」。

陶吉： 非常宝贵。对个人、对参与其中的这群人，甚至对中国自动驾驶产业的发展，都很宝贵。商业化是另外一回事，但从技术、生态和人才培养来说，我觉得功不可没。这群人像种子一样散出去，开花结果。Apollo 开源也让很多公司省去了从零构建框架的准备工作，对生态的作用很大。

大吉： 你算坚持比较久的。身边很多人离开百度创业，是什么让你一直留下？

陶吉： 最早开始做，对这件事最熟悉、最有感情，这是一个事实。但在哪里做，对我没那么关键。我更在意哪个地方最有可能把 L4 Robotaxi 做成，我参与其中。2020 年之前，我一直认为百度是最有可能率先做成的地方，人才、资源、投入都很强。既然如此，我就应该在那里做。

大吉： 所以你后来认为，卡车会更容易商业化？

陶吉： 当时判断，城市道路大规模普及 L4 Robotaxi，技术上还有门槛。卡车看起来有一个中间形态：原来两个司机轮换开的路程，借助自动驾驶让一个司机跑下来，节省一个人的成本，也是走向全无人的踏脚石。

大吉： 最后实现了吗？

陶吉： 没有。商业化里的因素非常多，技术只是其中一块。

深入行业之后发现，两个司机轮换，主要是为了让货更快运到，这类货价值高、时效要求高，客户愿意出更高运费，但只占干线物流比较小的比例。更普遍的是一个司机慢慢跑，有时带着家人在车上，宁愿自己累一点，也要一家人把这笔钱挣下来，不愿再雇一个司机分钱。

花很大力气，只解决了很小比例的需求，很多物流老板没那么大兴趣。可能还是要真正把人去掉，才能彻底改变行业。 但这又回到最初的难题：技术今天能不能做到全无人？ 重卡在高速上出了事故，风险、损失都很大。

大吉： 你刚才说，最近三年才想清楚 L2、L4 的关系。这个答案是什么？

陶吉： 先说，这只是我的看法，今天仍然有不同观点。我认为应该用数据驱动的方式往上走。

Robotaxi 的车队规模，跟每年大量新增的乘用车相比差很多。不是每辆车的数据都要，而是车辆数量和覆盖里程足够多，才能把真正低概率的长尾场景发现出来，积累到让它在数据库里不再那么长尾。L2 是用消费者买单的产品形态实现规模化；Robotaxi 要先把技术做得足够好、去掉安全员，才容易算过账、扩大规模。如果相信数据的 Scaling Law 是解决自动驾驶的关键，我认为应该通过乘用车量产、通过 L2 渐进地去做。

大吉： 数据驱动不是新概念，为什么以前没有想清楚？

陶吉： 过去的瓶颈在人。每个问题都要分诊团队分析、人工标注、判断训练什么，甚至根据问题去写规则，可能一千辆车的数据都消化不完。端到端之后，自动化标注和能消化更多数据的模型，减轻了这部分瓶颈。今天说「数据驱动」，含义已经不完全一样了。

大吉： 那 L4 公司必须跟乘用车公司合作？

陶吉： 终局还不好说， 但我觉得有 L2 自研能力的公司会去做 L4，它已经握有这些生产资料，技术范式也相通。反过来，L4 公司如何解决数据问题，确实是一个问题。 我已经看到有公司向主机厂买数据。开始我以为他们应该有很多数据，对方说，过去主要存出问题的数据，供人分析、修改策略，量其实很少。但今天训练端到端，需要大量正常的人类驾驶行为数据，光有问题数据不够。

大吉： 有人找你们买吗？卖了吗？

陶吉： 找得挺多，包括 L4 公司，目前没有卖。技术上，端到端让不同公司的数据更有可能复用，但数据怎么定价，高频和长尾数据的价值怎么衡量，怎样规范交易，行业还在探索。它到底是一件商品，还是主要供自己使用、顺带出售的东西，商业逻辑也没有完全理清楚。

大吉： 从端到端到 VLA，再到世界模型，你觉得还会发生大的变化吗？

陶吉： VLA、世界模型本质上也可以属于端到端的大范式：传感器输入进来，用更大的模型、更强的表达能力，可能加入语言能力，最后输出轨迹。 但至少在智驾里，我还没有看到足够强的信号，证明它们已经让能力跨到下一个台阶。

大吉： 什么叫下一个台阶？

陶吉： 比如车跟过马路的行人博弈。行人减速，想让车先走；车看到行人，也减速停下。双方没有理解对方的意图，停完之后，又同时起步。

人开车会看很多信号：行人的身体姿势、朝向、动作倾向，路上是只有你一辆车，还是车流不断。他是在等你过去，还是已经等不到机会、想让车停下来？这涉及环境、语义和意图理解。

今天这一代端到端模仿学习，更多是模仿人在相似场景下的行为，表现很依赖数据配比。停车等待的数据放得太多，可能不该等时也在等。我们期待 VLA、世界模型真正去理解这些因素，推演不同情况下会发生什么，从带噪声的数据里学到意图与行为背后的关系，而不是只依赖工程师挑出足够多「好的行为」。 今天有不错的尝试，但我认为还没有跟现有端到端拉开代际差距。

大吉： 所以，别人说自动驾驶最前沿的战场结束了，你不同意？

陶吉：我认为没有结束，后面可能还有两到三个大的变化。 你们测了很多车，即使是今天最好的，在复杂场景里也一定还有不满意的地方：效率不够，或者哪里不太对。剩下的问题看起来比例不多，但它们是难的问题，还有很长的路要走。

长安的智驾，是怎么做起来的

大吉： 长安是一家央企，也不是大家眼里的新势力。有些科技公司、大团队都没做好智驾，你怎么判断自己去了能做起来？

陶吉： 没有百分之百的把握。但如果公司把这件事放得足够高，投入资源的决心明确，研发组织也相对清晰，我觉得就有机会。

当时谈得很细：团队怎么组建，能不能市场化招人。长安愿意在机制上突破，比如给一个薪酬预算池，让我按市场薪酬招人，贵的人少招一些，便宜的人多招一些。真正有挑战的是外部科技人才跟主机厂原来的人才怎么融合。去之前，我感受到他们对外部人才足够尊重、接纳，也足够开放，这点打动了我。

大吉： 现在的投入，兑现当时的承诺了吗？

陶吉： 我刚去的时候，已经有一个一千张 A100 的集群，在 2023 年并不容易，比我在百度训练模型时分到的卡都多。到今天，集群已经是三万卡的规模，每年的算力开销大概十几亿、接近二十亿元，团队的人数大概一千五百人，包括平台研发和交付。长安在履行承诺，也是在履行他们的战略规划——不能叫「他们」，应该叫「我们」的战略规划。

大吉： 你刚加入，就开始做端到端了吗？

陶吉： 没有。地基还没有，没法盖高楼。刚去时，连上一代 BEV 感知模型都还没建立起来。前面一年，先补齐技术栈，在高速领航、泊车上量产，把团队、流程和评价体系打磨出来，同时从招人开始，一点点搭数据闭环和训练平台。 端到端真正立项，已经到 2024 年第四季度了。

大吉： 为什么没有直接跨到世界模型？

陶吉： 我们选择得比较务实。 长安虽然投入很大，但人才储备、效率，包括更高层仍然存在的一些流程，可能还不足以支撑今天就去挑战一个纯粹的无人区。 无人区没有前人的脚印，你要把整个山头挖一遍，看看哪里有萝卜；沿着已经被证明的大致路径去找，需要的资源不在一个量级。

大吉： 公司给你的目标是什么？

陶吉： 肯定是数一数二，但需要对齐怎么走、多久走到。长期目标不变，短期先进入第一梯队，不能从没上牌桌，直接变成数一数二。

大吉： 你认为现在已经进入第一梯队了吗？

陶吉： 我觉得是。我们有一套老板、研发、产品共同认可的评价体系，从各个维度综合评分，能看到头部方案在一个区间，还没跑好的跟它有比较明显的差距。

大吉： 我们前阵子测过，体验确实不错，刷新了对长安的印象。但还没有做足够综合的测试，所以不能现在就得出它是不是第一梯队的结论。资源、路线，讲起来似乎其他公司也能具备，为什么你们能做起来？

陶吉： 归结成一句话，还是按规律办事。资源投入是基础。与其看对外讲了什么技术故事，不如看实际用了多少算力，背后关联的是投入的钱、训练平台、卡的使用效率，以及有没有足够数据把卡用起来。

另一个很重要的是组织。智驾是一个非常庞大、复杂的系统，一百个人的工作跟另一百个人紧密相扣，再跟下一百个人相扣，像齿轮一样，任何一处卡住，链条都会出问题。算法、工程、交付必须互相支撑，不能不配合，更不能反向转。

大吉： 端到端对组织提出了什么新挑战？

陶吉： 过去分感知、规控，端到端到底谁来做？原来做规则规控的人往哪里去？有的公司让感知和规控各做一套去 PK，良性竞争当然好，但也很容易变成协同低效和资源浪费。

大吉： 那行业里的明星科学家重要吗？

陶吉： 重要。有些人在特定时期起到了关键作用，帮助公司做到局部领先，也有号召力，能够凝聚共识。但一定要靠明星吗？未必。更重要的是体系本身，能不能让优秀人才不断涌现，让这些齿轮持续顺畅地转。

算法没有那么多秘密，随着人才流动，很多东西很快都会知道，真正难的是怎么快速做出来。端到端讲了两年多，能把一段式做好的，也没有那么多。

大吉： 差距到底藏在哪里？

陶吉： 我们也还在追赶，未必有资格评价大家。但很多差距确实在细节里。端到端把很多工作转到了数据工程。团队如果各搞各的数据集，精力放在重复工作上，数据质量就难保证。有了数据质量，还要调配方、高效实验，数据团队、训练平台、模型评测要配合好。每天能验证两个模型、十个模型还是五十个模型，长期积累下来，差异会很大。

大吉： 如果一家公司的体系已经证明有效，为什么下一轮技术变化时，又会掉队？

陶吉： 一个可能的原因是肌肉记忆。过去成功时搭建的组织、积累的资产，都不容易抛弃，涉及很多人和钱。沿着惯性，可以继续优化旧系统，但如果下一个台阶需要破坏式创新，就可能有困难。这只是其中一个可能原因，也可能有组织定力、老板判断等其他因素。

技术在进步，行业为什么更焦虑

大吉： 用一个词形容今天的智驾行业，你选什么？

陶吉： 焦虑，而且今天尤其焦虑。这个行业一直挺苦，但过去很多年也在风口浪尖，大家拿到了好的尊重和回报。那时更多是技术焦虑，L4 什么时候跨过门槛，下一步用什么方法？今天是多重焦虑。

第一是商业化。 算力投入这么大，最终用户为产品付的钱却不匹配，像一个大血池，流出去的多，流进来的少。这些价值最后由谁认可、谁买单，是一个宏观问题。 第二，技术焦虑仍然存在。 端到端让人眼前一亮，但 VLA 和世界模型还没有证明可以大幅领先现有这一代。 第三，还有人才向具身流动 ，行业里会讨论招人难、简历质量等问题。

大吉： 所以缺人才吗？

陶吉： 也没有到整个团队都缺顶尖人才的程度。一千五百人的团队，不需要每个人都是顶尖学术人才。车端算法集中到统一模型之后，最核心做模型的人可能也就几十个，不到一百人。怎么稳定这些人很重要，但还有很多工程性、强执行的事情。

长期还是要吸引好的人进来，但我没有那么悲观，最后会走向平衡。智驾虽然焦虑，也能给人安定感，做的东西看得见、摸得着，能量产，消费者在用，有正面、负面的反馈。我跟具身行业的人聊天，他们有时候也羡慕这种安定感。他们也焦虑，每天论文那么多，看都看不过来。

大吉： 消费者可能已经用脚投票了，没有智驾的车不买，但团队还要证明 ROI。主机厂内部也会这样吗？

陶吉： 一样会被挑战：为什么不买更便宜的供应商方案，而要花这么多钱自研？本质都是价值认可、价值捕获的问题。

大吉： 长安有华为这样的合作伙伴，自研团队怎么跟供应商相处？

陶吉： 我们有基本盘。 启源比较明确要用自研，深蓝会等你成熟后使用，阿维塔有跟华为合作的综合考虑，这些由公司更高层综合判断。 长安确定必须有自研核心能力，合作也一定开放，但不会一开始就把自研和供应商完全放到自由竞争里，还是要给成长中的团队相对稳定的空间。

即使自研竞争力足够强，也需要供应商：车型和价位跨度大，有的层级我们不做；交付有高峰低谷，供应商能帮助削峰填谷；跟好的供应商合作，也是对齐行业技术的标尺。

大吉： 主机厂越来越多做自研，供应商的空间会缩小吗？

陶吉：我认为会收缩，最后供应商收敛到合理的数量，大家能够有钱赚。但自研也有门槛：要有足够搭载量，才能摊薄研发成本。头部可能把智驾做成差异化卖点，中后部通过供应商把自己拉到一个不差的水平。

大吉： 有 L2 自研能力的主机厂，往后会做 Robotaxi 吗？

陶吉： 我觉得会往 L4 走，但具体形态有不同可能：没有方向盘、面向运营的车是一种，面向私人用户的 L4 也是一种。Robotaxi 能不能率先规模化，需要技术、政策和公众接受度共同支持。即使私人用户有了 L4，也不代表他一定愿意把自己的车放进运营网络，这是另一个需要检验的假设。

大吉： 如果一个限定区域里的无人车已经可以运营，为什么你还说下一代技术没有跑通？

陶吉： 限定区域可以做到足够熟悉，借助额外的方法，把某些容易出错的问题压下去，保证安全。但已经能在一个区域内运行，跟低成本地扩展到更多区域，不是一回事。

大吉： 智驾跟具身究竟有哪些能够协同的地方？

陶吉： 当前最能复用的，是平台基建和数据闭环工具链：数据生产、质检、训练平台。到模型本身，今天能复用的还没有那么多，道路数据跟机器人收拾家务的数据，在特征空间里未必有共同表达。将来如果有一种模型，能够让它们共享底层认知和潜在能力，再针对任务微调，那才是真正打通。

大吉： 年轻人应该留在智驾，还是去具身？

陶吉： 我对自己团队的建议，是从智驾出发，往具身的方向前进，把眼前的苟且走向诗和远方。但不同人有不同选择。如果你对驾驶任务没有特别的感情，就对泛化、空间任务感兴趣，或者想百分之百投入下一代范式，可以去具身公司看看。

大吉： 有人担心智驾已经差不多了，在这里再耗几年青春，也没有结果。

陶吉： 其实都没那么容易。 智驾要上一个台阶很难，那个台阶恰好也是具身要完成的事情，是非常类似的挑战。 我不认为智驾结束了，今天这代技术进入成熟量产阶段，不等于整个事情结束。在智驾里，可以做量产调优，也可以挑战下一代技术。现在还有一个困境，就是价值怎么变现，有多少用户愿意买单，有多少资本愿意投进来。

大吉： 现在蒸馏把城市辅助驾驶带到更低算力的平台，大算力版本还有什么意义？

陶吉： 成本会不断下探，以前认为跑不了城区的平台，现在也能跑，表现还不差，这是好事。但如果都只做 L2，低成本方案有八九分，高成本方案十分，却要多花一倍钱，消费者就会算性价比。高算力平台需要承担探索下一代、更高阶能力的任务。

大吉： 最低多少算力可以做城区？为什么更低就不行？

陶吉： 目前看到有百 TOPS 左右的平台做城区，但不是说更低绝对不行。继续往下，需要投入更多精力做裁剪、蒸馏，是否达到可用门槛、投入产出是否值得，需要算。

做了十三年，他还在期待什么

大吉： 你现在还亲自测车吗？

陶吉： 每天都在测。国庆拿了一辆车，从重庆开回武汉，沿路也会去不同的小城市测。全国泛化测试说武汉很难。我在武汉长大，自己开车没觉得有多难，但把智驾开回去，就发现很多对人不算大问题的场景，对它很有挑战：老城区自行车道窄，或者被占用，两轮车、行人很多，混行、逆行，怎样兼顾效率和安全。内部一两天有一个新模型，出来我就会去试。

大吉： 如果你测出了一个问题，会让团队立马解决吗？

陶吉： 不会，还是按规律办事。做智驾一直是先解决头部问题，要分类、统计，看哪些出现概率高、解决后收益大。测试时打点上云，数据和记录进入系统，再由测试、产品等相关负责人一起判断优先级。不是所有问题都要立刻解决。

大吉： 从科技公司、创业公司到主机厂，最大的变化是什么？

陶吉：真正进入汽车工业体系了。 量产有哪些节点，不同节点怎么验证，质量体系、准出体系是什么，都要形成共同语言。成本和投入产出的账也更清楚了：几万元到几十万元的车型，用几个平台？多一个平台，多一份研发成本；少一个，又可能满足不了不同价位的需求。

大吉： 你说得好像都还好，没有特别难适应的地方？一个人到重庆，去一个不熟悉的央企环境，当时没有忐忑吗？

陶吉： 我学习能力还可以嘛。觉得还好，也很大程度上是因为有帮助我的人。很多车型同时量产，要跟很多人沟通，有熟悉长安的人帮我打通不熟悉的部分、分担工作，这很重要。这种合作也是磨出来的，我得信任他，他也得信任我。

朋友也说我挺勇敢，但我真没想那么多。创业也是不确定的事，我不是从一个非常确定的环境来到这里。都是面对未知，去闯就好了。

大吉： 那你职业生涯最焦灼的时候是什么阶段？

陶吉： 2020 年到 2023 年，前一段创业经历，包括百度后期做车路协同、智慧交通的一些商业化尝试。焦灼更多发生在商业化上。但我对智驾这件事有热爱，也有信仰。2013 年刚开始做时，想的是聪明的人应该做对社会有价值的事，并没有看清这会是一门多好的生意，或者能给个人多大回报。

大吉： 现在把长安的智驾做出来了，会不会想，为什么没早点来？

陶吉： 没这么想。 早点来，时机未必对。公司的投入意愿和决心到没到，技术成熟度到没到？主机厂要能量产的东西，不只是演示。几个条件得碰到一起。

大吉： 所以不太会回头后悔？

陶吉： 对，更多往前看。

大吉： 团队里有人要离开，你怎么留？

陶吉： 先把对行业的认知跟他交流，我可能对当下的信息了解得更全，也看过更长的发展轨迹。再就是，该画饼还要画饼：你想做的、我也认为有价值的事情，将来可以一起做。

大吉： 你在这个赛道已经做了十三年，当时也没想到会做这么久。刚才说还有诗和远方，也许有一天会做机器人，现在很多车企也在成立机器人团队。

陶吉： 我更愿意把它叫作「行动 AI」，Action AI。现在一些自动驾驶公司会讲「物理 AI」，但我觉得「物理」还不足以表达动态性。驾驶是一件高度动态的事，需要跟其他有心智的智能体交互、博弈。「行动」可能更能代表这一类任务，包括移动、出行，将来也可能涉及更高自由度的设备。

今天大家讲具身，好像一定要谈人形，至少是上半身人形。但从汽车到人形，中间其实还有很多不同的形态。有人选择直接跳到那一头，也有人选择渐进地走，都有可能。

大吉： 你说「行动」，我一开始理解成了「移动」，但其实它又不只是移动。具身里通常会分移动和操作，你说的 Action AI，是把这些都包含进来？

陶吉： 对，包括有接触和没有接触的任务。人形机器人要完成很多与物体接触的操作，自动驾驶则在另一个极端，要避免接触。中间还有一些形态，既要移动、避障，也要完成接触和操作的任务。

大吉： 你觉得智驾还要做多少年？做到什么状态，算达到了你的预期，可以去做别的了？

陶吉： 不一定是串行， 可以是第一曲线和第二曲线并行。把智驾做上牌桌，把这一代基建搭好，让产品进入稳步迭代，就可以同步考虑第二曲线。 基建本身也能复用，不用反而可能浪费。

大吉： 那是智驾负责人同时带一个机器人团队吗？

陶吉： 不是。长安本来就有独立的机器人业务。我说的是这个团队探索的第二曲线，不代表长安的战略就是这样安排。 我的第二曲线也未必是机器人，比如从乘用车扩到重卡、物流小车。 本体形状、传感器安装和运行工况变了，但希望同一套底座模型能适应不同场景，而不是每个品类都重新组织一拨人、成立一家公司。也可能涉及部分移动操作，比如挖掘机，既有移动，也有接触任务。这些都只是可能，眼下最重要的，仍然是把刚量产的乘用车产品打磨好。

大吉： 所以两条线并跑，智驾还能做很多年。不会超过十年吧？

陶吉： 五年？你说智驾这件事？智驾行业里不是有一句话，永远都是五年嘛。每次问自动驾驶什么时候实现，答案都是差不多还要五年。那也先按照五年说吧。

大吉： 回头看这十三年，你觉得自己是一个更有耐心的人吗？

陶吉： 我认为自己是有耐心的，也比较愿意做让内心安定、脚踏实地的事情。今天拥有的这些，都是做智驾带来的，所以也很感谢过去的经历，包括百度给的机会。

大吉： 回头看 2023 年的选择，看到有人去了具身，获得很高估值，甚至上市，会羡慕吗？

陶吉： 祝贺他们，恭喜他们。每个人都有自己的视角，将来我们也可能闯出更好的赛道。做好自己的事。

大吉： 这十三年，什么事情让你有成就感？

陶吉： 微观上，每一天的进步都会有成就感。早年做图片搜索，原来的技术怎么做都不好，搜出来颜色有点像，语义却不相关。深度学习出来后，每天看到实验结果、产品效果变好，会很兴奋。到今天也一样，一个新模型解决了之前跑不好的场景，就特别高兴。

长期来看，这个行业经历过很多困难、煎熬，但回头看，十多年把它推动到今天，我参与其中，也有很大的成就感。工作给我的正反馈非常多。

大吉： 你没有特别在意要到什么职位、变成上市公司的老板，或者挣多少钱？

陶吉： 现在这些对我没有那么重要。中间也迷茫过，后来发现，给我更多正反馈的，还是事情本身。

大吉： 我采访吴新宙时，他说智驾要站好最后一班岗。你们是同一类人吗？