与任少卿的交流，始于一个日常却颇具挑战性的场景——智能车辆如何在特定时间段内遵守公交车道的使用规定。
在过去，人工智能系统遵循着预先编写的规则行事，但在如今端到端的自动驾驶模式下，固定的规则正在被淘汰，取而代之的是AI需要自主学习适应各种交通状况，这一转变既带来了进步也带来了挑战。
因此，是否可以说智能汽车行业内外对于“端到端”自动驾驶存在一定的盲目信任？
作为一项综合性技术，自动驾驶为何需要端到端？
端到端模式为何在此时兴起？其本质是什么？
它将对智能汽车的研发及行业变革产生何种影响？
对于这些问题，作为世界级AI科学家、ResNet联合发明者，并且是蔚来智能驾驶部门的领导者，任少卿无疑是最具权威的解答者。
任少卿认为，端到端的发展趋势是一种必然，就像汽车制造逐渐趋向集成化生产一样，尽管存在技术难题，但并不存在独门绝技。
在他的观点中，无论是AI还是自动驾驶，近几年虽有所变化，但其核心并未改变。下面是他对几个关键问题的看法：
探讨端到端
量子位：端到端如何识别公交车道，并根据时间调整行为？
任少卿：实现这一点的方法多种多样，若需准确识别，则可能还需学习如何辨认文字。
量子位：目前尚无法实现？
任少卿：当前系统主要依赖历史经验，但由于这些经验中包含大量噪音，使得精确识别变得困难。
所谓噪音，是指系统在缺乏明确指示时的行为偏差。例如，当看到其他车辆驶入公交车道时，系统可能会跟随进入；反之则不会。然而，依据交通规则，不应随意进入公交车道，这便是噪音。
因此，如何精准识别，是亟待解决的问题。
量子位：近年来，端到端成为了行业热点，众多企业纷纷投入。
为什么不直接编写规则来解决公交车道的问题，反而要摒弃手写规则？
任少卿：考虑到不同城市的公交车道规则差异巨大，且随时可能变动，为每个场景编写规则显然是不切实际的。
在过去，当应用场景相对简单时，例如高速公路上的导航辅助，编写规则是可行的。然而，随着城市道路领航辅助及主动安全功能的出现，面对更为复杂的环境，传统的编写规则方法已难以胜任。
跳出自动驾驶领域，端到端技术的应用还在于追求统一性。而在自动驾驶领域，这一技术的发展是为了解决日益复杂的场景需求，提高系统应对全面复杂场景的能力。
此外，端到端技术还反映了AI发展的两大趋势：性能提升和泛化能力增强。
量子位：所以Transformer不仅提升了算法效能，还促进了泛化能力的发展？
任少卿：Transformer是一个重要工具，但更深层次的目标是追求更好的效果和更广泛的适用性。
量子位：用户似乎越来越关心智能驾驶是否采用了端到端系统。但实际上，这对于他们来说可能并不重要，只要车辆表现良好即可。
任少卿：用户对此的关注反映出他们对技术细节的兴趣，这本身是件好事。
量子位：端到端将如何改变你们的研发流程？
任少卿：实际上，深度学习在自动驾驶中的应用早已开始，只是近期关注度上升，使人们更加关注这一过程。
量子位：自动驾驶是否会遇到类似于“9.11”与“9.9”大小判断失误的问题？
任少卿：确实存在类似问题，这在自动驾驶中表现为Corner cases，即误检或漏检。解决这类问题通常涉及时序分割和校验机制。
量子位：视频数据包括真实标注数据和由世界模型生成的数据，这与语言模型中的合成数据类似。
任少卿：任务的通用性决定了其价值。从视觉角度看，定义一个更基础的任务有助于解决更广泛的问题。
量子位：视频生成视频是否是对问题的一种穷举？
任少卿：是的，从本质上讲，视频生成视频涵盖了所有可能性，是更根本的任务。
量子位：现今的世界模型与以往的虚拟仿真有何区别？
任少卿：虚拟仿真侧重于再造视觉世界，而世界模型旨在全面理解现实世界。
量子位：蔚来在介绍世界模型时提到类似人脑的两部分划分，这是出于简化理解的目的还是系统本身的特性？
任少卿：这种划分是为了便于理解，实际上系统内部是相互耦合的。
量子位：对于生成式AI，你有何看法？
任少卿：生成式AI正在发生显著变化，尤其是在自动驾驶与机器人融合方面，世界模型提供了接近通用的解决方案。
量子位：构建世界模型过程中会面临哪些工程问题？
任少卿：面临诸多挑战，但世界模型正成为未来机器人、自动驾驶和语言模型的基础框架。
量子位：世界模型的多元自回归生成结构是什么？
任少卿：该结构包括生成、自回归和多元三项特征，旨在解决多数据源问题，实现跨领域融合。
量子位：城区NOA体验差异的因素有哪些？
任少卿：主要由模型、数据、优化机制和功能多样性四个方面决定。
量子位：如何看待自动驾驶与机器人的未来发展？
任少卿：自动驾驶和机器人技术正趋于融合，目标是打造具备广泛适应性的智能体。
量子位：你如何看待近年来产业的变化？
任少卿：近年来自动驾驶领域发生了显著变化，这些变化很大程度上源于AI在其他领域的进展。
量子位：是否预示着未来将朝着通用模型的方向发展？
任少卿：的确如此，但关键是如何实现这一目标。随着AI与机器人技术的交叉融合，智能驾驶的发展也将受益于此。
