一、從技術(shù)思維到第一性原理的認(rèn)知升級(jí)

如今，行業(yè)內(nèi)的概念層出不窮，如車云一體、SOV、敏捷開發(fā)、控制器等，各類公眾號(hào)中的相關(guān)名詞更是繁雜。但從授課角度而言，我并不推崇這些花哨的名詞，我認(rèn)為在眾多新概念涌入腦海后，需剔除背景干擾，把握核心本質(zhì)。

當(dāng)前，大量概念不斷沖擊著我們的認(rèn)知，我們需厘清知識(shí)間的關(guān)聯(lián)。唯有如此，在面對(duì)新名詞、新概念及它們之間的關(guān)系時(shí)，才能有更清晰的理解。人的記憶容量有限，應(yīng)聚焦本質(zhì)內(nèi)容。

首先，工程師需要掌握技術(shù)思維，即圖中藍(lán)色部分。各行各業(yè)都有其職業(yè)方向，大學(xué)期間或剛?cè)肼殨r(shí)，所學(xué)知識(shí)多屬此類。例如汽車工程、計(jì)算機(jī)軟件等專業(yè)，在大學(xué)中都能學(xué)到相關(guān)基礎(chǔ)。

通常，1-3年經(jīng)驗(yàn)的工程師，若能在某一技術(shù)領(lǐng)域深耕并做出成績，基本可滿足工作要求。但這些橫向的技術(shù)知識(shí)，在工作2-3年后便可能難以應(yīng)對(duì)需求。這類技術(shù)知識(shí)在網(wǎng)絡(luò)上及學(xué)校教育中最為常見。然而，2年后，尤其是在智能汽車或其他智能化產(chǎn)品領(lǐng)域，工程師更多面臨的是圖中黃色部分的問題。以安全為例，系統(tǒng)層面的安全涉及ISO 26262標(biāo)準(zhǔn)，而從硬件、軟件維度看，又分別對(duì)應(yīng)不同的知識(shí)體系。

真正能貫穿所有業(yè)務(wù)線的功能安全工程師極為稀缺。但在打造安全產(chǎn)品時(shí)，每個(gè)環(huán)節(jié)都至關(guān)重要。因此，資深工程師需打通各環(huán)節(jié)的關(guān)聯(lián)，以確保產(chǎn)品概念的完整性。目前，這樣的工程師數(shù)量較少，導(dǎo)致許多安全設(shè)計(jì)或敏捷體制設(shè)計(jì)呈現(xiàn)割裂狀態(tài)，各技術(shù)維度各自為戰(zhàn)，難以發(fā)揮實(shí)效。由此可見，從產(chǎn)品維度出發(fā)的知識(shí)體系比技術(shù)思維更重要，也更稀缺，且這類知識(shí)難以在學(xué)校習(xí)得，多靠1-3年的工作經(jīng)驗(yàn)積累，這一點(diǎn)至關(guān)重要。

從技術(shù)思維過渡到產(chǎn)品思維后，新的問題又隨之出現(xiàn)。以安全與敏捷為例，二者沖突顯著。互聯(lián)網(wǎng)行業(yè)強(qiáng)調(diào)敏捷，追求快速迭代，如五天一版本甚至一天一版本。

而在汽車工業(yè)中，傳統(tǒng)GVDP流程下，一款車的推出往往需要2年至1.8年，如今卻縮短至8個(gè)月或1年。智能汽車既需敏捷又需安全，這類矛盾需在更高層面解決。產(chǎn)品思維在各技術(shù)維度上也可能存在矛盾，使得智能汽車開發(fā)變得復(fù)雜，產(chǎn)品思維的邏輯也逐漸顯露出不適用性。

這就需要運(yùn)用第一性原理。馬斯克常提及這一概念，我本人也是其堅(jiān)定支持者。當(dāng)遇到非A即B的矛盾問題時(shí)，多數(shù)情況下需提升思考維度，以實(shí)現(xiàn)矛盾的統(tǒng)一。若仍有矛盾，則繼續(xù)提升維度，直至觸及本質(zhì)，即第一性原理。在智能汽車行業(yè)，第一性原理應(yīng)用廣泛，且觸及本質(zhì)時(shí)，行業(yè)界限會(huì)變得模糊。閑暇時(shí)閱讀基礎(chǔ)科學(xué)、關(guān)鍵原材料、哲學(xué)、人類本性等相關(guān)書籍，雖看似玄妙，但在面對(duì)復(fù)雜問題時(shí)，能幫助我們更好地理解。

掌握本質(zhì)后，面對(duì)各種繁雜的概念，能快速認(rèn)知其內(nèi)涵，這在時(shí)代快速變化的背景下至關(guān)重要。唯有思考本質(zhì)，才能加快認(rèn)知世界的節(jié)奏，為自身發(fā)展留出準(zhǔn)備時(shí)間，避免在新概念面前手足無措。因此，面對(duì)任何事物，都應(yīng)追溯源頭，探尋本質(zhì)，這也是我的授課建議。在后續(xù)講解具體概念時(shí)，我也會(huì)追溯其源頭，以幫助大家理解，例如敏捷開發(fā)并非絕對(duì)完美，SOA架構(gòu)亦非萬能，互聯(lián)網(wǎng)對(duì)車企的顛覆也需辯證看待，關(guān)鍵在于把握其中的界限。

二、智能汽車的第一性原理與系統(tǒng)架構(gòu)邏輯 

那么，智能汽車的第一性原理是什么？這一問題說法眾多，以下僅為我個(gè)人觀點(diǎn)。傳統(tǒng)汽車被視為可靠的機(jī)械產(chǎn)品，車企的目標(biāo)是將其打造成符合客戶預(yù)期、順手好用的工具，這是所有汽車人的追求。

但大約從2004年起，互聯(lián)網(wǎng)思維開始融入車企。以特斯拉為例，其顛覆性在于從機(jī)器人的角度看待汽車制造，核心是做機(jī)器人。若以傳統(tǒng)汽車的觀念去審視特斯拉，往往會(huì)難以理解其行為，甚至認(rèn)為其做法錯(cuò)誤，但實(shí)際上特斯拉并不受傳統(tǒng)汽車觀念的束縛。

基于這種思維，特斯拉先造車，再研發(fā)機(jī)器人，未來涉足無人機(jī)領(lǐng)域也不足為奇。從機(jī)器人維度看，汽車行業(yè)因?qū)Π踩砸筝^高，發(fā)展相對(duì)緩慢，而其他行業(yè)已基本完成相關(guān)轉(zhuǎn)型。

當(dāng)前，汽車行業(yè)正逐步構(gòu)建智能體的“身體”。機(jī)械產(chǎn)品為保證可靠性和質(zhì)量，多采用離散型設(shè)計(jì)，如分布式控制器及分解式開發(fā)流程。

而從智能體角度，“身體”是有機(jī)整體，各部分關(guān)聯(lián)緊密。當(dāng)前汽車行業(yè)中，控制器正從離散化向域控制器演進(jìn)，芯片也在不斷整合，旨在降低計(jì)算單元間的功耗（不僅指能量消耗），為軟件運(yùn)行提供更大自由度，以推動(dòng)汽車向真正的智能體發(fā)展。

目前，盡管我們常說汽車已成為智能體，但實(shí)際上仍有較大差距，不過這是我們的發(fā)展目標(biāo)。只有具備良好的“身體”，智能體才有可能實(shí)現(xiàn)；若仍停留在傳統(tǒng)機(jī)械結(jié)構(gòu)層面，智能體則無從談起。

從知識(shí)體系劃分來看，建議將汽車思維和互聯(lián)網(wǎng)思維分開考量，不相互混淆。最終，需明確這兩種思維在智能化產(chǎn)品開發(fā)中各自的角色。在開展工作時(shí)，若錯(cuò)誤運(yùn)用思維方式，往往難以取得良好結(jié)果。以上是對(duì)智能汽車后續(xù)發(fā)展方向的總體概述。

今天我們探討的是車云閉環(huán)鏈路。無論哪節(jié)課，我基本都會(huì)展示這張圖。如前所述，我們正在打造輔助駕駛、智能座艙等智能體，而人類是智能體的最佳典范，若產(chǎn)品能接近人類的智能水平，便基本達(dá)到了智能的標(biāo)準(zhǔn)。

左邊這張圖從人類角度出發(fā)，蘊(yùn)含了解剖學(xué)、生物學(xué)、認(rèn)知學(xué)等概念；右邊則是輔助駕駛軟件（座艙軟件與之類似）的基本運(yùn)行結(jié)構(gòu)或系統(tǒng)架構(gòu)，二者可按同一框架梳理，這一對(duì)應(yīng)關(guān)系十分形象。其中的部分概念，后續(xù)會(huì)詳細(xì)展開，此處先對(duì)這張圖進(jìn)行簡要說明。

今天所講內(nèi)容與這張圖關(guān)聯(lián)緊密。左邊圖中的“內(nèi)景”，類似道教所說的內(nèi)心世界，包含對(duì)外部世界規(guī)律的理解和內(nèi)心記憶。對(duì)于任何智能體而言，我們對(duì)事物的判斷、行為準(zhǔn)則等，并非完全基于客觀事實(shí)，更多是內(nèi)心世界的主觀認(rèn)知，這一點(diǎn)至關(guān)重要，它影響著我們對(duì)事物正確性的判斷。

整個(gè)輔助駕駛系統(tǒng)或人工智能系統(tǒng)，實(shí)則是在構(gòu)建一個(gè)內(nèi)心世界模型，以更好地適應(yīng)外部環(huán)境。外部世界包含信息和能量，人類與汽車皆是如此。這里有一個(gè)反認(rèn)知的概念，以人的手為例，未斷裂時(shí)我們認(rèn)為它是自身的一部分，斷裂后則不然。

但總體而言，這些身體部分更類似外部環(huán)境，會(huì)對(duì)我們的決策和行為產(chǎn)生影響。例如，跑步會(huì)讓人神清氣爽，飲酒過量可能導(dǎo)致決策失誤。對(duì)于輔助駕駛而言，具身認(rèn)知部分，即控制器、執(zhí)行器、傳感器的建模，會(huì)對(duì)決策產(chǎn)生重大影響，是系統(tǒng)架構(gòu)設(shè)計(jì)需重點(diǎn)考量的內(nèi)容。算法層面需應(yīng)對(duì)外部環(huán)境的不確定性，如場景庫的構(gòu)建、識(shí)別各類物體等；系統(tǒng)層面則需處理內(nèi)部的具身認(rèn)知問題。

因此，輔助駕駛系統(tǒng)的架構(gòu)設(shè)計(jì)需同時(shí)解決對(duì)內(nèi)和對(duì)外的問題，以形成完整架構(gòu)。關(guān)于自我意識(shí)，雖難以準(zhǔn)確定義，但可理解為腦內(nèi)電信號(hào)的傳遞與存儲(chǔ)，它構(gòu)建了我們對(duì)世界的理解，支撐決策和對(duì)外部事件的認(rèn)知。而輔助駕駛汽車的“自我意識(shí)”，不能簡單等同于車端軟件。

從汽車行業(yè)視角看，傳統(tǒng)車端軟件架構(gòu)的存在感較弱，占比不足10%。但在智能系統(tǒng)中，情況有所反轉(zhuǎn)，車端軟件架構(gòu)的占比會(huì)降低，因?yàn)檐嚩舜a將越來越多地由機(jī)器控制。

云端軟件架構(gòu)將成為重點(diǎn)，其開發(fā)量可能占90%以上。這是一個(gè)重要的變化，以往汽車行業(yè)較少涉及java等云端技術(shù)，如今云端構(gòu)建已成為核心，這可能會(huì)讓傳統(tǒng)汽車行業(yè)人士難以接受。

內(nèi)部模型中的差異識(shí)別，或稱為差異編碼理論，雖對(duì)大腦的研究尚未完全明確，但我個(gè)人認(rèn)可這一說法，因?yàn)樗c人工智能的實(shí)際應(yīng)用相契合。

行為閉環(huán)（圖中紫色部分）具有高頻實(shí)施的特點(diǎn)。如抬手、觀察他人表情等動(dòng)作，都是下意識(shí)進(jìn)行的，我們時(shí)刻都在經(jīng)歷感知、認(rèn)知、預(yù)測和執(zhí)行的過程。

輔助駕駛系統(tǒng)亦是如此，不同的感知、融合、預(yù)測和規(guī)控模型會(huì)在10毫秒至1秒內(nèi)運(yùn)行，以保障系統(tǒng)的正常工作。

在此，重點(diǎn)談?wù)勵(lì)A(yù)測的重要性。首先，需明確傳感器存在延時(shí)這一事實(shí)，即使看似實(shí)時(shí)傳輸?shù)南鄼C(jī)、雷達(dá)數(shù)據(jù)，也存在延遲。人類大腦同樣存在延遲，如飲酒后反應(yīng)變慢。

這種延遲會(huì)對(duì)智能體的生存產(chǎn)生影響。智能體的本質(zhì)是在不確定環(huán)境中生存，延遲會(huì)導(dǎo)致其無法及時(shí)對(duì)外部環(huán)境做出反饋。例如，在危險(xiǎn)情境中，延遲可能引發(fā)嚴(yán)重后果。因此，預(yù)測對(duì)智能體至關(guān)重要。人類在做出動(dòng)作時(shí)，大腦一直在進(jìn)行預(yù)測，因?yàn)槲覀冎姥劬吹降牟⒎菍?shí)時(shí)畫面，規(guī)控所依據(jù)的是融合預(yù)測出的未來場景，而非單純的感知結(jié)果。此外，執(zhí)行環(huán)節(jié)也存在延遲，如想到抓賊時(shí)，賊可能已逃脫。因此，融合和預(yù)測對(duì)于閉環(huán)至關(guān)重要。

預(yù)測的另一作用是差異識(shí)別。驅(qū)動(dòng)人們前進(jìn)的并非虛無縹緲的信仰，而是差異識(shí)別。以女性找男朋友為例，初期感知到的多為正向信息，世界模型會(huì)預(yù)判與該男性有美好未來，進(jìn)而促使其做出持續(xù)交往的決策。

差異識(shí)別則是在決策反饋過程中，發(fā)現(xiàn)預(yù)測結(jié)果與實(shí)際感知存在偏差。例如，預(yù)判會(huì)與該男性結(jié)婚，但對(duì)方突然離開，這種偏差會(huì)通過感知反饋至大腦，使人產(chǎn)生不適。這種不適雖是本能的消極情緒，卻至關(guān)重要。它會(huì)驅(qū)動(dòng)人們反思，意識(shí)到預(yù)測模型的不準(zhǔn)確，進(jìn)而重新建模，如總結(jié)識(shí)別“渣男”的經(jīng)驗(yàn)，調(diào)整感知和融合方式，以在未來做出更準(zhǔn)確的預(yù)測。

這一過程類似于成長，它是觸發(fā)性的，幫助我們發(fā)現(xiàn)內(nèi)部世界模型與外部世界的差異，并根據(jù)客觀反饋調(diào)整模型。

第三個(gè)過程是云端訓(xùn)練，核心是差異消減。即根據(jù)獲取的信息，調(diào)整大腦中的世界模型，這一模型更多存在于云端。我們會(huì)通過FOTA、OTA等方式，將調(diào)整后的模型反饋至車端。人類的學(xué)習(xí)過程與之類似，總結(jié)經(jīng)驗(yàn)后避免再犯同樣的錯(cuò)誤，形成腦內(nèi)自循環(huán)。

智能體正是在與不確定環(huán)境的對(duì)抗中不斷成長。傳統(tǒng)車企也存在類似的閉環(huán)，如工程師根據(jù)用戶反饋進(jìn)行調(diào)整，但這一過程依賴人工，并非機(jī)器自主完成。

抖音的成癮性是一個(gè)有趣的現(xiàn)象。我們身處的不確定環(huán)境中，除客觀世界外，還存在其他智能體，如抖音。如今，人們與客觀世界的直接交互減少，更多通過手機(jī)、大屏等電子設(shè)備進(jìn)行，這些設(shè)備阻斷了直接溝通。

從賽博朋克的視角來看，這并非好事。生物與智能體之間存在博弈和對(duì)抗，而客觀世界的教育具有強(qiáng)制性，人們需根據(jù)客觀事實(shí)調(diào)整自身。

但在被電子設(shè)備屏蔽后，人們面對(duì)的可能是不那么客觀的世界，如抖音、元宇宙等。這些智能體并非教育人們，而是迎合人們，以降低大腦的功耗，使人獲得愉悅感，但這會(huì)阻礙成長，而這些智能體自身卻在不斷成長，深入了解人類。從這兩張圖的對(duì)比中，可看出人類認(rèn)知模型與人工智能認(rèn)知模型的緊密聯(lián)系。

三、智能汽車行業(yè)的發(fā)展趨勢與模式革新 

后續(xù)我們接觸的各類概念，都可從這張圖引申，回歸到打造機(jī)器人這一第一性原理。所有技術(shù)都服務(wù)于提升智能體的性能，車云一體系統(tǒng)的講解也是為了闡明這一點(diǎn)。

以下總結(jié)行業(yè)在這一思想指導(dǎo)下的幾大趨勢。首要趨勢是削弱硬件研發(fā)制造對(duì)軟件迭代的影響。要實(shí)現(xiàn)意識(shí)自由，需先保證“身體”自由，而傳統(tǒng)汽車工業(yè)的邏輯并非為此服務(wù)，因此需要變革。整車電氣化、精簡化、平臺(tái)化、生產(chǎn)自動(dòng)化等，都是為了優(yōu)化硬件，避免拖累軟件迭代。傳感器、執(zhí)行器、控制器的硬件預(yù)埋，是為了方便用戶后續(xù)擴(kuò)展功能，但這一策略存在爭議。電子電氣架構(gòu)的域控化、集中化，如艙駕一體，使得汽車逐漸向“電腦加四個(gè)輪子”的方向發(fā)展。

第二個(gè)趨勢是軟硬件協(xié)同開發(fā)思路的整體調(diào)整，這涉及人的因素。供應(yīng)商與甲方的關(guān)系、行業(yè)標(biāo)準(zhǔn)、芯片選型、人才培養(yǎng)等都將發(fā)生變化，且這種變化可能與傳統(tǒng)認(rèn)知相悖。

傳統(tǒng)汽車思維與互聯(lián)網(wǎng)思維不應(yīng)混淆，但也需認(rèn)識(shí)到，汽車行業(yè)在百年發(fā)展中積累了處理硬件事務(wù)的寶貴經(jīng)驗(yàn)，在軟件層面則需借鑒互聯(lián)網(wǎng)思維。

例如，在敏捷開發(fā)與V模型的應(yīng)用上，存在困惑。有人第一天學(xué)習(xí)V模型，第二天學(xué)習(xí)敏捷開發(fā)，卻不知在項(xiàng)目中如何選擇。這需要找到融合兩種思維的方法，后續(xù)會(huì)介紹相關(guān)方法論。

第三，軟件工具被視為與工程師同等重要的生產(chǎn)力，這是互聯(lián)網(wǎng)思維的重要體現(xiàn)?；ヂ?lián)網(wǎng)企業(yè)曾通過調(diào)整生產(chǎn)關(guān)系盈利，但未提升生產(chǎn)力，如動(dòng)態(tài)定價(jià)等，這并未真正降低社會(huì)成本。

而人工智能行業(yè)能提升生產(chǎn)力，在不增加人口的情況下創(chuàng)造“人口紅利”，這使得我們有能力兼顧更多需求。數(shù)據(jù)驅(qū)動(dòng)成為重要的開發(fā)方式，數(shù)據(jù)資產(chǎn)的保護(hù)力度加大。在車端軟件無需過多人工開發(fā)時(shí)，數(shù)據(jù)的重要性愈發(fā)凸顯。

研發(fā)過程中對(duì)數(shù)據(jù)管道構(gòu)建的重視程度提高。數(shù)據(jù)管道是信息流轉(zhuǎn)的抽象概念，傳統(tǒng)的數(shù)據(jù)流轉(zhuǎn)依賴人工，如郵件溝通，存在諸多不確定性，如遺漏、錯(cuò)誤、版本不一致等，且受時(shí)間限制，可靠性低。

汽車工業(yè)雖有完善的流程和文檔，但人工處理過程仍存在風(fēng)險(xiǎn)。例如，軟件迭代速度加快，傳統(tǒng)V模型體系難以跟上，嚴(yán)格執(zhí)行可能導(dǎo)致失控。因此，需將處理過程自動(dòng)化、流程化。

軟件從1.0到2.0的轉(zhuǎn)變是一大趨勢。軟件1.0以硬件流轉(zhuǎn)為主，軟件靜止，依賴工程師的知識(shí)和規(guī)則算法，迭代效率受物理限制，軟硬件解耦以保證硬件流通性，但處理效率較低。軟件2.0則以軟件與IP流轉(zhuǎn)為主，硬件靜止，依賴數(shù)據(jù)管道和數(shù)據(jù)資產(chǎn)，對(duì)工程師要求提高，機(jī)器迭代效率高，在工具層面軟硬件耦合。

傳統(tǒng)開發(fā)中，工程師獨(dú)自思考，開發(fā)規(guī)則算法，使用Matlab/C/C++等語言，硬件通用。軟件2.0中，工程師構(gòu)建知識(shí)和管道，機(jī)器產(chǎn)生數(shù)據(jù)并形成一體化設(shè)計(jì)，采用Python/C++/定制加速庫等，使用定制化芯片。

當(dāng)下處于過渡階段，即軟件1.5，融合了兩種模式。對(duì)于軟硬件解耦與耦合的爭議，需結(jié)合具體業(yè)務(wù)體系來看。汽車行業(yè)在傳統(tǒng)業(yè)務(wù)中采用低代碼方式，實(shí)現(xiàn)了軟硬件耦合，保證了效率；而在保證硬件流通性時(shí)，又追求軟硬件解耦，但這影響了處理效率。

隨著整車功耗要求提高和計(jì)算量增加，傳統(tǒng)方式已難以為繼。車云一體的業(yè)務(wù)邏輯構(gòu)建，使得機(jī)器能自主處理一些簡單問題，如分析司機(jī)的常規(guī)車速，類似抖音的自動(dòng)化邏輯，且正逐步處理更復(fù)雜的業(yè)務(wù)。

車云閉環(huán)的基本邏輯是構(gòu)建數(shù)據(jù)閉環(huán)，即機(jī)器人的閉環(huán)。車端軟件中，深度學(xué)習(xí)模塊占比增加，減少人為迭代；云端則實(shí)現(xiàn)自監(jiān)督學(xué)習(xí)，即“授人以漁”。

在時(shí)間維度上，軟件迭代是人工開發(fā)與數(shù)據(jù)驅(qū)動(dòng)模式的結(jié)合。初期功能多由人工開發(fā)規(guī)則算法，同時(shí)開發(fā)篩選器以發(fā)現(xiàn)差異，這是成長的關(guān)鍵。從大量數(shù)據(jù)中篩選出有價(jià)值的信息是難點(diǎn)，篩選器在這一過程中發(fā)揮重要作用。

隨著發(fā)展，數(shù)據(jù)驅(qū)動(dòng)型算法占比增加，篩選器的維度提升，人工開發(fā)代碼減少，實(shí)現(xiàn)迭代。這一過程類似教育子女，從父母教導(dǎo)到子女自主學(xué)習(xí)。

閉環(huán)在智能體中無處不在，車云一體構(gòu)建的是數(shù)據(jù)閉環(huán)，與傳統(tǒng)車企的閉環(huán)相比，更直接、高效，能減少失真、錯(cuò)位和主觀干擾，直接對(duì)接用戶需求。

傳統(tǒng)車企的閉環(huán)鏈路長，反應(yīng)遲緩，而現(xiàn)在的閉環(huán)更強(qiáng)調(diào)與用戶直接掛鉤，若能達(dá)到抖音對(duì)用戶需求的響應(yīng)程度，智能汽車的發(fā)展便較為成熟。

總結(jié)而言，車云一體化旨在構(gòu)建高效的數(shù)據(jù)閉環(huán)，以第一性原理為指導(dǎo)，借鑒人類認(rèn)知模型，推動(dòng)軟件從1.0向2.0轉(zhuǎn)變，實(shí)現(xiàn)智能體的自主成長。對(duì)于傳統(tǒng)汽車行業(yè)人士而言，這些新概念雖陌生，但了解其源頭和邏輯，有助于適應(yīng)行業(yè)變化。這些變化的源頭在于智能化浪潮下，對(duì)智能體本質(zhì)的探索和追求，以及為應(yīng)對(duì)快速變化的市場和技術(shù)需求而進(jìn)行的模式革新。