7107
192016 年，王乃岩和图森未来从“还不知道怎么控制一辆车”开始做自动驾驶。此后他担任图森中国 CTO，经历了全无人演示、量产订单，也经历了公司突然崩塌；
后来，他去小米负责 L3 技术探索，是因为仍想看见技术真正进入产品、被千家万户使用。在他看来，完全解决自动驾驶或许等于 AGI，但自动驾驶的商业化并不需要等到 AGI。
现在，王乃岩更愿意用 Physical AI 而不是具身智能来描述下一阶段的问题：智能如何理解、预测并改造物理世界；表征、世界模型、在线推演和强化学习应该如何组合；GPT-3 式的泛化与 AlphaGo 式的超越人类，究竟是哪两条不同的坐标轴。
聊到最后，问题又回到他自己：过去的成功也会形成路径依赖，而他想保持少年感，拥有一次“无限开火权”，毫无保留地打一场痛快仗。
Outline
00:01:56 王乃岩的第一个订书机回答
00:03:53 从小霸王学习机到信息学竞赛
00:08:23 为什么去浙江大学
00:13:42 从 ACM 转向计算机视觉
00:20:52 读博不是预先规划好的道路
00:38:12 把深度学习第一次用进目标追踪
00:47:25 百度 IDL、CMU、MXNet，以及一个每天都有惊喜的技术爆发期
01:04:27 自动驾驶的第零年，还不知道怎么控制一辆车
01:08:51 完全自动驾驶等于 AGI，但自动驾驶商业化不等于 AGI
01:14:05 图森带来了什么：全无人演示的高光、酸甜苦辣的成长，以及 2024 年的突然崩塌
01:18:11 为什么去小米做量产：技术的意义，是最后能被千家万户真正用起来
01:21:55 L2、L3 与 L4 的鸿沟
01:33:35 AlphaGo 时刻与 GPT-3 时刻：超越人类与初步泛化
01:38:08 Physical AI 的路径分歧：只把模型堆大，为什么可能无法获得时序和空间感知
01:44:11 世界模型的四种用法
01:51:16 为什么总要表达反对：行业需要不同的声音，也需要避免错误认知变成共识
01:54:58 做一个有少年感的老登
01:58:36 遗憾、失败，以及他想要的一次“无限开火权”
02:02:45 不要被现实锤得失去年轻感
本期提到的人与概念
信息学竞赛与 ACM-ICPC：在定义清楚、数据准备好的范围内解决问题。王乃岩把比赛看作快速进入陌生领域的入口，而不只是争夺名次。
稀疏表示与鲁棒矩阵分解：王乃岩读博早期使用的一组方法。他把这些方法带进目标追踪，从“研究方法”走向了“解决视觉问题”。
目标追踪（Tracking）：在连续画面中定位同一目标。它是王乃岩从方法研究进入计算机视觉的关键任务，也成为他早期代表性工作的方向。
AlexNet 与 ImageNet：AlexNet 在 2012 年的 ImageNet 挑战赛上显著领先传统方法，成为深度学习重新进入主流视野的重要节点。
百度 IDL：百度深度学习研究院。王乃岩在 2014 年加入实习，参与 ImageNet 相关工作，并近距离经历中国早期深度学习研究的高峰期。
陈天奇：XGBoost 的主要作者，也是 MXNet 的核心推动者。王乃岩谈到 MXNet 时特别强调，最重要的 credit 应该给陈天奇。
MXNet：早期有重要影响力的开源深度学习框架。节目里把它放在 Caffe 之后的“第二代框架”语境中讨论。
图森未来（TuSimple）：以自动驾驶卡车为核心方向的公司。王乃岩从公司早期转型开始参与，后来负责中国团队的技术工作。
L2、L3 与 L4：L2 仍要求驾驶员持续负责；L3 在系统正常工作范围内把驾驶责任交给系统；L4 则需要在限定运行范围内完成无人驾驶。
ODD（Operational Design Domain）：自动驾驶系统被允许工作的条件与范围，包括道路、天气、速度和区域等限制。
PNC（Planning and Control）：规划与控制模块，决定车辆接下来怎么走、怎么把动作执行出来。端到端模型改变的是实现方式，不意味着规划控制能力消失。
自动驾驶 2.0：王乃岩用来描述的一条路线：把 L2 的泛化与通用性，和 L4 的安全、可靠、可解释结合起来。
AlphaGo 时刻与 GPT-3 时刻：前者强调在特定任务上超越人类，后者强调模型开始展现通用与泛化能力；两者不是同一种突破。
表征学习：让模型形成能够压缩和组织世界信息的内部表示。王乃岩认为，越不依赖单一任务设计的表征，越可能具有真正的泛化性。
Physical AI：能够在物理世界中感知、推演并行动的人工智能。相比“具身智能”，王乃岩认为这个名称更宽泛，也更准确地覆盖自动驾驶等不同形态。
世界模型：用于预测环境如何演化的模型。节目里按离线/在线、开环/闭环拆成四种用法，并区分像素生成与潜在表征上的预测。
柯尔莫哥洛夫复杂度：用描述一个对象所需的最短程序来衡量其复杂度。节目里借它讨论智能是否可以理解为对世界规律的极致压缩。
制作
制作人/主播：君泽
声音设计/剪辑：君泽、ChatGPT
知乎：闻烜、CC、冬菇
