前段时间，有幸跟小米智驾团队的几位领头人：陈光博士、陈龙博士、王乃岩博士做了一轮

前段时间，有幸跟小米智驾团队的几位领头人：陈光博士、陈龙博士、王乃岩博士做了一轮交流，做个简单分享吧：目前已知的是，小米内部有三条线在同时跑：（陈光 端到端、陈龙：VLA、王乃岩 L3自动驾驶；）陈光博士带头的端到端路线，这是目前HAD量产的主线，广州车展上亮相的1.11版本，就是基于强化学习和世界模型的第一个全量版本。通过RL强化学习的方式，让模型在高质量的世界模型中不断的试错与环境交互，通过累积奖励让模型理解场景，学会驾驶。这也是行业达成共识的训练方式。我问了陈光博士一个问题，你们目前最大的挑战是什么？他的回答：「不是数据体量，而是高质量数据的获取」。小米用户在十一期间，跑了1亿公里，如果按照一个视频片段40秒、每秒跑20米、每小时跑80公里来粗略计算，拿到1000万个Clip（片段），只需要大概800万公里。如何在海量的平庸驾驶数据中，找到那些极具价值的“长尾数据”很难。当你把长尾数据挖掘出来，如何做泛化会更难。行业里有一种观点：差数据训练出来的AI，甚至不如程序员手搓代码好用。所以，这也是小米转向RL+世界模型的原因，但这个范式同样充满挑战。我个人理解，RL+世界模型有三个难点：1、如何保证生成场景在长时序上的逻辑自洽、物理真实？2、如何让仿真训练的经验无缝迁移到现实？3、如何设定奖励函数？强化学习的核心是“奖励”，但驾驶行为不好量化，应该用自监督还是人类监督？总之从理论到实践，从研发到工程落地，很难。在互联网上，认知＞真相，但在用户端，体验＞认知；所以小米这次的起调也是克制的，先交出版本，优化过去的问题、增强体验，通过更快速的迭代，来追进头部，我认为这个思路是对的。所以接下来，就看后续版本，小米能追到什么程度。等1.11全量的时候，我相信大家会有自己的判断。今天就先写到这里，下一期分享陈龙博士带头的VLA路线。他在2025年4月左右正式加入小米，此前在自动驾驶独角兽公司 Wayve 担任核心科研职务。我们最早了解的视觉语言自动驾驶，也是从Wayve的“Lingo”开始的。他也是影响Lingo落地论文《Driving with LLMs》的第一作者。陈龙又是如何看待如今VA、VLA的路线之争呢？