對話周光：自動駕駛實現AGI，RoadAGI比L5更快 | GTC 2025_風聞

一凡 發自 凹非寺

量子位 | 公眾號 QbitAI

自動駕駛實現垂直領域的AGI，有了新路徑。

不是Robotaxi，而是RoadAGI。

在英偉達GTC 2025上，元戎啓行CEO周光受邀分享，提出用RoadAGI，能更快大規模商用自動駕駛，實現垂直道路場景下的AGI，RoadAGI的實施平台，是元戎最新分享的AI Spark：

不借助高精地圖，一個平台賦能智能車、機器人甚至小電驢……總之，一切可動的移動體，都將具有自主移動的意識。

這是一條通過自動駕駛實現AGI的新途徑。

元戎啓行和CEO周光，代表AI公司、自動駕駛公司，開闢起了第二種可能性。

所以RoadAGI究竟是什麼？

用RoadAGI邁向AGI

先説人人可感知的場景——

你下一次點的外賣，可能是這樣的：

賽博“外賣小哥”，全程不用高精地圖，自動識別店鋪：

拿到商品後，一溜小跑到路口，自主識別到紅綠燈：

然後一停二看三通過：

它還能進到樓裏，自己過閘機、摁電梯：

然後到電梯裏，再自己摁樓層：

出電梯直接給你送到公司前台：

整個過程，是不是跟咱們人一樣？

你也可以讓它把商品放外賣櫃裏：

這就是元戎啓行在英偉達GTC 2025上，分享的物理AI最新進展：RoadAGI。

用一套AI底座，解決路上的所有移動體，實現垂直道路場景下的AGI。

前面展示的是RoadAGI落地的第一個形態Spark 1.0，看着很像無人配送車，但是據瞭解有本質不同。

首先，技術上，其移動不依賴高精地圖，在導航的指引下，自主識別周邊環境信息，就能實現**“門到門”**位移。

為什麼不需要掃圖？

因為元戎把技術底座VLA走通了。

VLA，即視覺語言動作模型，是端到端的最新成果，預計今年年中量產上車。

新範式已得到了行業頭部的響應，比如理想汽車，隱隱成為行業共識。

VLA用一個多模態模型，統一過去的視覺語言模型和端到端，將道路圖像信息和文本指示融合處理，輸出駕駛行為和文字。

這意味着，VLA打通了空間智能、語言智能和行為智能。

因此，VLA加持的移動體，改善了配送體驗。

以往的無人配送，只是負責配送的一個環節，只能做到“樓到樓”。你買個東西，還要自己下樓取。

現在不一樣了，直接實現“門到門”，整個配送流程閉環了。

但問題是，元戎啓行作為端到端智駕的代表性公司，智能駕駛領域的競速正在如火如荼，怎麼就此時此刻開闢起第二曲線來了？

圍繞最新戰略，量子位進一步與周光展開了對話。

周光説，根本上是因為元戎從不將自己當作智駕公司，而是一家AI公司。

智駕只不過是實現物理AI的商業化選擇，元戎已取得了不錯的進展：

在國內最早擺脱高精地圖依賴，率先轉向端到端，去年首個量產車型上市後成為爆款，憑藉單款車型獲取了城區NOA市場**15%**的份額。

智駕爆款讓元戎的數據飛輪加速轉動。

經過4000萬公里的智駕數據積累後，元戎的AI能力更加通用，是時候向上走，實現RoadAGI，向物理AI再邁一步了。

周光認為，RoadAGI的出現一定早於L5，不過這還不算實現物理AI，只是解決了道路場景。

而當實現物理AI，並將其與生成式AI和語言AI打通時，真正的AGI就到來了。

以下為對話實錄整理，內容較長，可參考目錄閲讀：

- 閲讀指引1. 談RoadAGI：與無人配送本質不同2. 談時間點：RoadAGI，為什麼是現在？3. 談影響：RoadAGI對元戎的影響和目標？4. 談AGI：先RoadAGI，然後Physical AI，最終實現AGI5. 談DeepSeek：中國的奇蹟，讓全球重估中國資產6. 談FSD入華：領先國內一代，只是數據“水土不服”7. 談智駕行業：AI越強大，越不需Lidar8. 談技術的選擇：選擇比努力重要談RoadAGI：與無人配送本質不同

量子位：如何理解RoadAGI？

周光：RoadAGI實際上是基於AI的通勤能力。類似你出門上班，離開家到公司，從頭到尾只用腿，很少用手。

就像“外賣小哥”一樣，RoadAGI，或者説Spark 1.0可以實現配送的閉環：從店裏拿到東西，然後用“小電驢”到另外一個地方，再把東西投遞到目的地。

量子位：這和過去的無人配送車****有什麼區別？

周光：我覺得技術層面上有本質的不同。

我們是基於AI的，以前是基於高精地圖。這意味着，RoadAGI是免部署的。舉個例子來説， 我要到你的辦公室，你告訴我你的辦公室在海淀的哪棟樓，哪個房間。

只要人能找到你的辦公室，那麼我們的RoadAGI智能體也應該可以。

當然如果説這個小區特別破舊，連字都沒有，需要問路，AI Spark可能目前還找不到。但只要是通過人觀察就能找到的地方，AI Spark就能通過推理，實現點到點的通勤。

而不是説基於高精地圖，那是不現實的，這又不是酒店機器人。

我覺得今天的L4其實挺像酒店機器人。

量子位：你們打算怎麼實現RoadAGI，會軟硬件全棧自研嗎？

周光：沒有。我們只做高等級的規劃，把機器人看作一輛車。我們不是説做一個能走的機器人，我們是機器人能走後，告訴他該怎麼走。

比如像霍金，他不會走，但是他通過他的輪椅遙感，他知道該怎麼走。

我們給的是一個高級的AI能力，而不是説腿能走的能力。

各家公司有各自的做法，做機器人的公司有很多積累，他們走得很好，甚至能跳能跑了。所以我們沒有必要去做。我們替代的是控制無人機的飛手，替代的是機器人後面拿遙控器的人，我們的目的是實現真正的自動化。

量子位：實現RoadAGI的關鍵是什麼？

周光：就像外賣小哥去一個地方，當他騎上小電驢的時候，這跟自動駕駛沒有什麼區別。

當他停好外賣車，接下來這部分跟自動駕駛就有區別了。

他下了小電驢，要去商場或者小區送東西，這就比較複雜了，這個場景我覺得需要通過AI Spark平台去解決。就像外賣小哥，甚至還要跑到每個樓的犄角旮旯裏。

量子位：相當於外賣小哥下了車，就是一個新的場景？

周光：不是。我只是説解決這個場景，不能靠建高精度地圖。

談時間點：RoadAGI，為什麼是現在？

量子位：RoadAGI，為什麼是現在？是因為看到物理AI的浪潮和機會嗎？

周光：其實去年GTC大會的時候，我們就想要做物理AI了。

**△**周光在英偉達GTC 2024

端到端出來後，VLA這條路逐漸走通了，那我覺得這個時候去做RoadAGI是比較正常的。

現在的一些機器人都是基於規則的，做一些低階的控制，比如揮個手，跳一支舞。那些其實説實話不能叫物理AI，它只能叫一個動作，今天可以通過學習做一個更長的動作。但是它不具備這個自主的行為能力。

量子位：做RoadAGI是出於投融資的考量嗎？

周光：不是。我只是覺得我們應該去做這項技術，不是為了取悦投資者，就像過去我們率先做無圖NOA，轉向端到端。

我們一直不是為了取悦投資者去講故事。我們只是覺得端到端、VLA這些技術出現後，不僅僅可以應用於自動駕駛。

量子位：做RoadAGI和具身智能的火熱有關嗎？

周光：RoadAGI和具身智能根本不衝突，我們做的是規劃和大腦。

量子位：為什麼將RoadAGI稱之為元戎戰略的延伸？

周光：我們是個AI公司，AI本身就要做各個方面。端到端出來後，我們自然而然想到可以做機器人。

機器人需要高等級的智能，去做更高等級的規劃，而不只是掃個圖、能跑能動。我們的目的是用技術解決智能體的移動問題，像我們人，我覺得最重要的是手。

除了手之外，我們人應該是想去哪裏都能去。人出門就用各種導航，進到小區，我們自己會觀察，自己會看，走到目的地，然後再去做手上的事兒。

我認為RoadAGI是我們的能力延伸，而且是成熟的技術的延伸。

量子位：元戎做RoadAGI有什麼優勢？

周光：我們的優勢是，我們把智能駕駛跑通了。我們之所以沒有去做手，是因為做手跟我們的RoadAGI還是有區別的。

RoadAGI跟我們目前做的端到端自動駕駛，我覺得是高度近似的，可能也就是數據閉環上有一些變化。

這也是做RoadAGI的一個原因：技術的相似。

另外一個原因是商業化。我認為RoadAGI最快的商業化落地形態其實就是“外賣小哥”。

今天點到點的無人配送，有很多都需要依賴掃圖，我認為商業價值比較受限，因為圖很難窮盡。

我認為更有商業價值的就是RoadAGI。像今天自動駕駛的MPCI(Miles Per Critical Intervention) ，大家都能做到百公里級，這意味着兩個小時出現一次安全接管。這在很多場景其實已經可大規模商業化了，比如洗碗。

我認為，L5級自動駕駛難以實現就在於它的容錯率太低了。而RoadAGI大量的場景其實是有容錯的， 所以商業化會來得更快。

量子位：為什麼不等市場更成熟了再去做？

周光：就和當初為什麼我們要做無圖一樣，想做好自動駕駛就需要先做好RoadAGI。

量子位：這不是一個成熟後再去做的事情，而是現在智駕需要這方面的能力？ 

周光：對，我認為智駕是需要具備RoadAGI能力的。

談影響：RoadAGI對元戎的影響和目標？

量子位：對於初戰告捷的智駕業務，RoadAGI戰略或者説AI Spark平台會分散兵力嗎？

周光：不會。為什麼我們不去做手？如果是去做手肯定會分散兵力，因為技術棧不一樣。

我們的AI Spark平台跟智駕其實是高度一致的，只是數據不一樣而已。就像人走路用步行導航，駕駛用開車導航。這個相似度太高了，只需要換數據集。到了一個小區內部，就是泊車的場景。

量子位：RoadAGI形成的技術壁壘是什麼？

周光：在物理AI領域，我相信目前大家都還不具備像我們這樣大規模量產的數據閉環能力， 端到端的能力。我覺得現在可能沒有競爭對手。現在那些所謂對手，技術選擇跟我們不一樣，主要基於高精地圖。

我們不認為他們是競爭對手，就像ChatGPT和Siri不會是競爭對手。

量子位：做RoadAGI有什麼商業化目標？

周光：目前最先落地的一個場景是送外賣，先跑起來。我覺得這個成本更便宜， 用汽車的供應鏈，硬件成本可能也就一兩萬塊，就能實現點到點的移動，前景廣闊。

量子位：做自動駕駛是把司機從駕駛位拿下去，RoadAGI是把外賣小哥從駕駛位拿下去。

周光：也不是。不光是將小哥從車上拿下去，因為外賣小哥下車後還要跑，RoadAGI也要跑通下車後的這段路。

量子位：相比過去的無人配送還需要人去拿，RoadAGI現在做了一個閉環，為什麼會這樣？

周光：因為技術成熟了。就好像AI遊戲創業，ChatGPT出來之前，沒人會去變革遊戲中的NPC，因為以前技術不成熟，做不了。

今天有了端到端，加上機械手臂，可以做到一些複雜任務。如果不是技術成熟了，今天還要靠掃高精地圖的話，我就不去做RoadAGI了。

量子位：為什麼説現在技術成熟了？

周光：因為VLA逐漸開始成熟，讓RoadAGI可持續了。我們2023年就想做（RoadAGI），但是當時端到端還沒做出來，就先不去想別的。

量子位：現在可以説VLA高度成熟了嗎？

周光：現在還沒有。就好比端到端，我們從來都沒有去糾結過什麼叫兩段式，什麼叫一段式，我們不參與這種討論。我們是家 AI 公司，我們不是一個純智駕公司。

我們的願景其實還是做物理AI。我覺得這也需要產業鏈的，希望不是隻有我們一個人做。我的邏輯很清晰，人的移動能力，跟車子高度相關。

量子位：你會擔心一些公司進來搶RoadAGI的蛋糕嗎？

周光：我認為不用擔心這個。我覺得一個東西沒人做才需要擔心。如果美國的Robotaxi就Waymo一家，它能火嗎？

我覺得第一，我們RoadAGI技術成熟度蠻高的。

第二，商業化非常清晰，我們的首個落地應用形態，是一個能大規模商業化的場景，有數千萬的騎手。

量子位：有生態的互聯網巨頭如果後續進入，你們的RoadAGI相比之下有什麼優勢？

周光：我們的技術先發優勢很大。互聯網巨頭也有競爭對手，如果從0起步，不如找我們合作，各種層面的合作，公司單獨一個部門都可以找我們合作。

我覺得技術的領先性，其實是給我們商業競爭的時間窗口。

量子位：這個時間窗口怎麼去算？

周光：算能夠領先市場多久。如果領先市場2年，甚至可以重塑行業第一梯隊。今天佈局的優勢不一定存在。

我覺得所有技術（領先），歸根結底都是給你的時間，這就是技術的價值。ChatGPT不就是這樣，當OpenAI有了技術，所有人都參考OpenAI，但OpenAI還是領先2年。

DeepSeek出來後，可能縮短了這個差距，但是僅限於DeepSeek一家。

量子位：RoadAGI會讓外界對元戎有什麼新的認識？

周光：我們一直不覺得自己是單純的智駕公司，我們是個AI公司，而且是一個物理AI公司。只不過智駕是目前來説我們認為最能夠商業化的場景。

量子位：RoadAGI也是自動駕駛技術的經驗積累，產生的商業化選擇？

周光：今天自動駕駛的技術很成熟，你要是按照洗100個盤子碎一個盤子來説，那自動駕駛絕對超過這個水平了。

量子位：RoadAGI可以理解為元戎的第二增長曲線嗎？

周光：RoadAGI是更大範圍的AI，它包含了智駕。我們做RoadAGI想把 AI 做得更通用化，不光是基於商業考量。

我們想做一個所有物理智能體（Physical Agent）都可以用的AI，只是裏面包含了汽車而已。為什麼我們叫RoadAGI，就是説以後所有的移動體都可以用這套 AI 去實現點到點。

我們是把 AI 更往上做了。如果從智駕的層面上來看，會覺得我們多了一條增長曲線。

但如果從 AI 的層面看，就像我們當時為什麼做無圖和端到端是一樣的。它就是技術層面上更高的一個集合。

量子位：所以RoadAGI也可以理解為是元戎願景的延伸？

周光：我們是一個 AI 公司。但沒辦法，從現實來講，我覺得公司得活下來，商業化非常重要。

你不能商業化，技術再好也沒有用，我覺得你要找到商業跟理想的平衡。所以我們紮實做智駕，做量產交付。

去年交付了快3萬台車，今年有可能超過20萬台車，我們要做商業化。但是我認為，我們不要忘記自己是一家 AI 公司。

量子位：你們是要不斷地追求一些更難的東西。

周光：對，我們一直追求上限，一味地追求下限結果會不太好。

量子位：那實現RoadAGI需要多久？

周光：我認為RoadAGI一定早於L5級自動駕駛。我們認為會比較快，因為首先我們的自動駕駛技術有基礎，其次它的安全性要求沒有那麼高。

實現RoadAGI比實現L5早，是因為 L5 要求不一樣，我都不知道到底最後人類會對自動駕駛有着什麼樣苛刻的要求，才可以真的大規模甚至全國範圍內沒有人開、都是車自動駕駛。今天限定區域的自動駕駛，後台還配有安全監管，我認為這不完全算AI。

量子位：所以RoadAGl的方向是明確的，但是你們不給自己定時間表。

**周光：**我們想成為中國第一家實現物理AI的公司。

談AGI：先RoadAGI，然後Physical AI，最終實現AGI

量子位：你信仰AGI嗎？

周光：我絕對信仰AGI。

量子位：最近大家都在談論AGI，你怎麼看？

周光：我覺得真正的AGI還需要時間，現在都是垂直領域的AGI。比如説數學和化學領域，還有像我們這種道路場景。今天要實現一個萬事皆好用的AGI，還是困難的。

從更大的層面來説，語言模型跟生成式模型這兩個完全不一樣。我舉一個例子來講：

生成式AI裏有很多東西不符合物理規則，比如碰撞、摩擦和穿透。但語言模型還要懂物理規則，它告訴你物體跟物體不能碰撞，這反映出現在基礎模型層面還沒有打通。

現在大家也在想如何去打通。比如我們人，可以把我們學到的東西以做夢的方式生成出來。但實際上，對於機器，語言AI跟生成式AI是不搭邊的兩個領域。

雖然説生成式AI可以用一些文字的prompt，但並不代表它能理解這個物理場景。

量子位：你認為什麼時候能實現真正的AGI？

周光：當物理世界的AI跟數字的AI，還有生成式AI能夠打通，統一用一個模型實現的時候，我認為真正的AGI就來了。

量子位：類似世界模型？

周光：你可以認為算是一個世界模型。它有語言能力，有生成式的能力，還有物理世界的交互能力。就跟人一樣，人會説話，會做夢，會在現實世界行動，我們這都是一體的，不是用三個AI模型構成的。

但不是那種模擬仿真的世界模型，人也不是通過代碼行動的，這是兩碼事。AGI應該有所有的能力。

現在的機器人，可以揮手，這是一套代碼。然後下個動作，又是一套代碼，這是另外一種東西。我們現在做的RoadAGI，就是把所有物體的移動能力都放在一起了。

量子位：所以元戎目前也是去做一個模型？

周光：我們還沒做到物理AI，只是用AI Spark平台把路上的東西都解決了。我們的AI是一個更大的垂直AI，在更大的領域裏越來越泛化。

談DeepSeek：中國的奇蹟，讓全球重估中國資產

量子位：所以你怎麼看DeepSeek？

周光：我覺得DeepSeek是中國的一個奇蹟。DeepSeek打破了中國跟美國最好大模型之間的差距。我覺得以前的差距，是以年計量的，甚至超過一年。

DeepSeek出現後，我覺得中國有一支團隊，至少説在語言領域，它可以做到跟美國頭部是一樣的水平。我覺得這不僅是對中國，對全世界影響都挺大的，讓全球重新評估了中國的資產。

我還是挺佩服的，哪怕是OpenAI 的人也挺佩服DeepSeek的。

DeepSeek讓別人覺得中國其實是有好公司的，就像智駕行業一樣，有好的公司，但也有一些濫竽充數的。我們都希望能夠有更多DeepSeek這種公司出來，讓好公司的實力可以被看到。

量子位：強化學習會改變智駕嗎？

周光：我覺得大模型用強化學習進行後訓練，現在都是行業故事。這也不是什麼秘密。

談FSD入華：領先國內一代，只是數據“水土不服”

量子位：在國內體驗FSD了嗎，感覺怎麼樣？

周光：體驗後感覺它的基礎分析能力，和其他機動車的交互能力非常強，比如應對加塞，基本上會讓你沒有恐慌感。

我覺得（基礎能力）比目前國內玩家強上一代，這也是我們這一代系統的目標。我們希望這一代智駕系統，能夠做到FSD V13的感覺。

評價FSD的能力，不能拿公交車道和自行車道來説。因為FSD在中國沒建過高精度地圖，沒見過公交車道和自行車道，不能拿這個來算接管。要對比真正體現FSD智能的地方。

量子位：國內FSD的體驗，對比你在硅谷的體驗有什麼不同？

周光：硅谷更好一些，畢竟在硅谷FSD有數據。我覺得因為FSD沒有國內的數據，所以説它的靜態能力還是不夠好，有蠻多問題。

但是它的動態能力，就像人開車，不管在中國還是美國，交互博弈的邏輯是高度相似的， FSD是沒問題的。所以我説它比較強。

還有一點，FSD對人的處理比較保守，因為美國車子的習慣是看到行人就讓，但在中國的複雜道路，車子總是讓就沒法走了。

量子位：所以你覺得FSD路測更長時間，有了數據之後，水平會提上來？

周光：我覺得如果FSD沒有國內的數據，還想徹底在國內做好，蠻麻煩的。比如説正常的過擬合，你的訓練集就等於是你的測試集，這種過擬合是最好的。

但現在FSD的訓練集來自美國，測試集來自中國，這怎麼辦？

雖然可以通過測試集的score去調整模型，不過這種方式不是很直接，很花時間，但是也可以提升模型的性能。因為你對模型打分是基於中國道路打分，每次都會得到反饋，然後根據反饋去修改模型，修改數據，但是這肯定不是最好的。我認為也會有提升，但是不會那麼快。

量子位：FSD能克服水土不服嗎？

周光：有數據就能解決。如果FSD能擁有中國的數據，我覺得以特斯拉的能力，3-6個月，再考慮到還有部署各種問題，6個月絕對可以上一個大台階。

量子位：你認為FSD至少領先一代，那你覺得國內有希望追上嗎？

周光：我們新一代系統的目標就是做FSD V13這種AI 架構。我認為這不是説堆人、堆數據就能解決的，而是需要更先進的 AI 架構。

你一定要花時間、花資源想明白AI架構怎麼做。我們公司想的很清楚，如何做到V13的這套架構。加大數據量之後，我們也應該有類似的性能。

量子位：FSD的「車位到車位」，你怎麼看？

周光：現在的車位到車位是通過建圖，不是基於大模型，我們人開車也不是靠高精度地圖的。

我覺得還是要通過AI的技術，去把「車位到車位」做出來，而不是説建個圖。

目前市面上的策略，「車位到車位」在車庫裏全是掃圖，然後出車庫又是無圖。

談智駕行業：AI越強大，越不需Lidar

量子位：如何看待智駕行業今年的爆發，相比你的預期，是快還是慢？

周光：我覺得華為點燃了性能之火，比亞迪點燃了普及之火。對我們來説都是好事。但是我認為有的技術門檻不高，主機廠自己能搞出來高快(高速和城市快速路)NOA和自動泊車。

城區NOA現在有技術門檻， 但三五年後就不見得了。技術都是這麼發展的，但是對企業來説，智駕是一場淘汰賽，現在的競爭非常激烈。

跟元戎在一起可以讓車企領先一年到兩年 ，增加車企的競爭力。我們是一個小公司，但是我們可以幫一家大公司領先，讓它更有競爭力，這就是我們的價值。

量子位：相當於元戎能給車企一個加速度，幫它節省時間。

周光：是的，所以我覺得現在車企其實也要想一想，不是僅僅解決高快NOA跟泊車就完了。

量子位：所以你做好了未來主機廠都自研智駕的準備？

周光：我是説智駕供應商得做得更好，如果你的競爭優勢還不如主機廠自研，那其實沒有必要活下來了。為什麼有的智駕公司活不下來？

就是因為它能做出來的，主機廠都能做出來，而且比這些智駕公司還好。技術過時了，寫幾行代碼，掃個圖，這些基於規則的東西都已經平權了。

量子位：有人説，你們合作的第一款車就成為爆款，是因為運氣好，你怎麼看？

周光：有10 個選項，落到你頭上，這才叫運氣好。而我們做量產車的時候，無圖NOA就只有我們和華為有。那個時候很多人還在講高精度地圖。

我覺得別把自己的不成功歸因為別人的運氣好。

量子位：有人看了FSD的國內測評後，認為智駕還是需要激光雷達，你怎麼看？

周光：我覺得沒有。你看特斯拉純視覺的OCC(Occupancy Network)做的很好。只能説FSD偶爾走錯路，違反交規，但你什麼時候見過FSD蹭過馬路邊。這就叫基礎能力，OCC可不分中國和美國的道路。

量子位：那你怎麼看待純視覺和激光雷達的路線之爭？

周光：我覺得智駕越AI化，就越不需要激光雷達。你看大模型，有人用激光雷達了嗎？沒有，大模型照樣認得準，比如ViT和SLAM，靠視覺都可以做得非常好。

甚至當AI足夠強大的時候，視覺的效果是超過激光雷達的。

一開始做自動駕駛的時候，激光雷達做物體檢測比如能得90分，攝像頭只能得 70 分，兩個加在一起95分，當時增益效果非常好。現在激光雷達可能到了98分的水平，而純視覺可以做到97，兩個加在一起還是98。這幾乎沒有增益了。

之前是因為兩個傳感器效果都不太行，所以説1+1=2。現在是1+1=1.1，甚至1.01這種效果。往後走，AI 模型越來越強，可能1+1它就幾乎等於1了，激光雷達就沒有必要裝了。現在可能還是有少量的增益，但是我認為對特斯拉來説，可能增益沒那麼大。因為他們的OCC做得很好。但你説主駕去掉人，做自動駕駛，那麼哪怕多0.01，也是想去爭取一下。

但是現在一定不會像以前那種，所謂的激光雷達和視覺前融合，有那麼大的不同，以前就像加了魔法一樣，現在加激光雷達的收益越來越小了。

量子位：所以你們的AI Spark平台沒有用激光雷達。

周光：我們的AI Spark平台就不適用於高速運動物體，目前落地的場景速度不會很快，就像外賣小哥那個電動車，限速25km/h。

量子位：隨着算法不斷進化，會終結一些路線相關的爭議？

周光：至少説目前來看，增益肯定還是有的。説實話，純視覺的車，對於邊緣場景的把控就會差一些，但是其他的沒什麼大的區別。但是特斯拉的OCC很準確，連超聲波都不裝了，你從車機上看它渲染出的界面就可以看出來。

這種就屬於是真功夫訓出來的。它的模型吃了很多數據，這是拼錢的，錢多就可以把這些做好。這裏面也沒什麼魔法，就是你數據多，然後訓練，再然後就出來了。

談技術的選擇：選擇比努力重要

量子位：有從業者認為，解決問題比解決問題的方法更重要，你怎麼看？

周光：從商業角度上來講有道理，但如果都以這個邏輯去做技術，那就很難出現顛覆性的東西。

只解決問題，不找到方法，永遠不會上一個台階。我覺得每家公司不一樣。我們是一家AI公司，我們就更希望能做AI的事兒，而不是去做純粹商業目的的選擇。

量子位：為什麼你覺得基於工程的公司很難長久活下來？

周光：因為技術變化太快了。現在這個時代是一個技術高速變化、日新月異的時代，我覺得在技術特別成熟的時候，工匠精神是有用的。

但在技術高速變化的時候，我認為工匠精神要向後排。 

量子位：現在還打DOTA嗎？

周光：打，為什麼不打？ 

量子位：打DOTA有什麼風格？

周光：我就喜歡看準機會上。哈哈哈哈哈。我覺得看清楚更重要。打遊戲其實不在於你有多勇猛，看準時機最重要，想明白最重要。

選擇比努力重要。