對談文遠知行韓旭：智駕終局論是妄想，不存在必贏的技術路線

“任何你覺得 That's it（就這樣了）的時候，很可能就會有新的技術出現。”

文丨郭瑞嬋

編輯丨龔方毅

智駕行業每隔一段時間就會冒出一輪終局論。2023 年地平線 CEO 余凱說行業十年終局仍將是 L2+++；一年后行業更愿意談 “決賽圈”“淘汰賽”；去年判斷變得更加具體，余凱說 “行業大局 3 年可定”，Momenta CEO 曹旭東說 “智駕競爭將在 2026 年結束，國內只有三家勝出”。

文遠知行 CEO 韓旭覺得，所謂 “終局論”，是因為跑在前面的人氣喘吁吁，急著要比賽結束 —— 但比賽不會因為領先者的意愿而結束 —— 自動駕駛技術還在快速迭代，幾個頭部公司都兵精糧足，有充足的現金儲備繼續投入。“甚至連 ‘結束的開始’ 都不是，現在只是 ‘開局的結束’。” 他對《晚點 Auto》說。

過去兩年，文遠知行確實成為了智駕量產排位賽里的新變量。去年 8 月發布了一段式端到端方案（用一個模型把傳感器數據輸出為駕駛決策，不經過人寫的規則），獲得奇瑞、廣汽的量產定點，被一家智駕公司技術負責人評價為 “行業新晉黑馬”。持續擴張的 Robotaxi 業務推動文遠知行去年收入增長 90%、達到 6.9 億元。

韓旭說，一段式端到端的突破有一個前提：文遠內部研發多年的仿真平臺 WeRide GENESIS 取得了超預期的進展。

一段式端到端的能力從數據中訓練而來，學習的優質數據越多，能力越強。但數據恰恰是行業共同的瓶頸：Robotaxi 公司的運營場景更集中、數據更干凈，但和其他 Tier 1 一樣數據規模有限；車企雖有數百萬輛車產生的海量數據，優質數據比例很低，篩選有用場景，像從礦石里挑鉆石；各家前期可以力大磚飛，再往后，雙方都需要更高效的數據生產方式。

韓旭把 WeRide GENESIS 比作一套合成鉆石的工具，按需生成各種天氣、光照下的復雜駕駛場景，場景中的其他車輛還具備類人的駕駛行為，可模擬出突然加塞、違停占道等博弈行為，直接用于訓練一段式端到端模型。這種能生成模擬真實世界視頻數據的仿真模型，在行業里也被稱為 “世界模型”，都是在云端搭建的模型訓練環境。

今年 1 月，文遠正式對外發布了這套仿真數據平臺，我們借此與韓旭進行了一次對談。交流中，他明確反對行業里一些流行判斷，比如一段式端到端 “上限高但下限低”、自動駕駛的技術范式已經定型等，“任何你覺得 That's it（就這樣了）的時候，很可能就會有新的技術出現”。

以下是《晚點 Auto》與韓旭對話的主要內容，略經編輯：

一段式端到端的突破，先要解決數據從哪來的問題

晚點：文遠知行去年 8 月發布了一段式端到端方案，成為一些業者眼中的 “黑馬”，你們什么時候開始做一段式端到端？

韓旭：我們挺早做一段式端到端，只是直到去年 8 月取得階段性突破才對外公開。對很多人來說，端到端是自動駕駛里的新路線，但 10 年前我們在語音識別領域就已經實踐過了。2016 年我在百度時和吳恩達一起做了全球第一個基于端到端的中文語音識別系統，Deep Speech 2。Anthropic 的創始人 Dario Amodei 當時是我的共同作者。

那是很標準的一段式端到端系統，輸入是語音，輸出是文字，中間沒有人為拆分的模塊。我那時就想是不是也有機會用在自動駕駛上。2022 年和奇瑞開始合作時，我們其實已經有相關研發，只是算力和數據條件還不夠，很長時間都沒有突破。

早期訓練一段式端到端，就像馴服一頭野獸。車大部分時候可以開得很好，但有時也會突然亂打方向盤。量產有時間限制，我們不可能等到它完全成熟才上車，所以從高精地圖到無圖、再到兩段式端到端和一段式端到端逐步迭代。我們和奇瑞合作的第一款車型星紀元 ES （2024 年 3 月推送高速 NOA 輔助駕駛功能），還是基于傳統機器學習的高精地圖版本。

晚點：有同行說，文遠知行去年能做出一段式端到端，是因為從特斯拉挖來了技術大牛。

韓旭：這絕對子虛烏有。首先，我們沒有從特斯拉挖人，更不存在去學別人的技術。第二，回顧文遠知行的歷史就知道，我們很少去挖其他家的人，最近發布的 “英才計劃”，更強調校招英才，自己內部進行培養。

另外，我不太同意 “個人英雄主義” 的說法，一支球隊拿了冠軍是整個球隊的榮譽，而不是一兩個球星的功勞。

晚點：那你們去年突破一段式端到端的關鍵是什么？

韓旭：一段式端到端最缺的是高質量數據，尤其是現實世界里很難穩定采集到的長尾數據。過去我們一直受這方面的制約。真正推動研發進度明顯加快的，是通用仿真模型 WeRide GENESIS。它可以生成大量現實中極少出現、但對訓練又非常重要的場景數據。

過去車企說他們的優勢是有數百萬輛車產生的數據，可從巨量數據里獲得有用的長尾數據，但這就像在一堆礦石里人工提煉、篩選鉆石，最后只有個位數數據可用。WeRide GENESIS 就像發明了一套合成人工鉆的工具，不需要大礦石，只要有碳，用強壓就能根據自己的需求產生合成鉆，生成任何想要的數據。

晚點：WeRide GENESIS 也是去年取得較大突破，是什么巧合么？

韓旭：WeRide GENESIS 和一段式端到端相互促進。我當然希望更早突破，只是最終在那個時間點做出來了。

晚點：WeRide GENESIS 解決了哪些問題？

韓旭:第一是更真實，過去很多生成內容是 Computer Graphics（計算機圖形學，簡稱 CG）生成的，一眼就能看出是假的。第二是物理一致性，比如下雪、強光等復雜環境，生成結果符合真實物理規律。第三是它在 3D 空間完成生成和重建，精度達到厘米級，視角變化后不會失真。第四是我們給場景里其他交通參與主體都賦予了 Agent 形式，可以像人類司機那樣搶道，和那些根據預設程序勻速直線運動的物體有很大不同。

晚點：為什么取名 GENESIS？翻譯過來剛好是 “創世紀”。

韓旭：我們聯合創始人兼 CTO 李巖取的，是 Generative Engineered Neural Environment for Simulated Intelligence in Self-driving（用于自動駕駛模擬智能的生成式工程化神經環境）的首字母縮寫。

但我覺得不是剛好，就是李巖故意的。

晚點：這兩年智駕行業在提 “世界模型”，它和 WeRide GENESIS 的關系是什么？

韓旭：WeRide GENESIS 本身就是世界模型，它能生成模擬真實世界的視頻數據。但自動駕駛需要的世界模型，和具身智能討論的世界模型可能不同。WeRide GENESIS 不需要闡述物體的硬度、溫度和材質。

晚點：WeRide GENESIS 用到了哪些新技術？

韓旭：只能說我們使用了最新的生成模型，具體的技術細節不方便對外公開，但像 NeurIPS、ECML 上發表的很多研究，我們都有跟進。

晚點：生成式模型常見的問題是幻覺，你們怎么處理？

韓旭：幻覺確實可能出現，完全消除非常困難。我們用基于人類反饋的強化學習去約束生成結果，同時用自動駕駛算法本身去反向篩數據。因為數據存在明顯幻覺時，自動駕駛系統的行為通常會異常，這類問題其實比較容易被檢測出來。

晚點：幻覺問題和數據質量有關嗎？

韓旭：當然。如果數據來自量產輔助駕駛，往往比較 “臟”。而文遠知行大部分數據來自自有 Robotaxi 車隊，比一般數據干凈得多，而且大部分都可以用，我們用這些數據訓出來的 WeRide GENESIS 幻覺比較少。

晚點：你們怎么評估 WeRide GENESIS 是否好用？

韓旭：我們會去看 inspiring 指數或者攻擊弱點的指數，比如是否能產生很多我們沒想到的、但確實可能真實發生的場景，幫助我們找到自身算法的局限性。

晚點：對于仿真技術，現在業內比較推崇特斯拉的 3D Gaussian Splatting（3DGS，高斯潑濺），WeRide GENESIS 和它有什么區別？

韓旭：首先我們非常尊重特斯拉在視覺感知和 3D 重建領域的工作，他們推動了整個行業的進步。但 WeRide GENESIS 和特斯拉的 3DGS 在目標和架構上有本質區別。

特斯拉的 3DGS 主要用于車端實時環境重建 Occupancy Grid Map（占位柵格地圖），是感知層的一部分。

WeRide GENESIS 的范圍更廣，是一個工具鏈的聚合平臺，可以生成場景、生成符合物理規律的交互，我不知道特斯拉有沒有做到后者，我們生成的每輛車都可以跟自車交互，這一點非常不容易。

WeRide GENESIS 還定義了復雜的評估指標，可以用來衡量交互是否自然，還可以自動診斷問題，甚至給出算法改進建議。

WeRide GENESIS 算法診斷、改進流程。

晚點：去年的智駕路線是 VLA、世界模型更火，文遠為什么選擇一段式端到端，而不是直接投入做 VLA 和世界模型？

（注：世界模型在行業里還有另一層含義，指車端模型本身，而非云端的仿真環境，比如蔚來智能駕駛研發副總裁任少卿認為，用圖像直接交互的世界模型比基于語言模型的 VLA 有更高的認知帶寬。）

韓旭：我個人覺得，VLA、世界模型這些名詞本身沒有太大意義。如果一段式端到端做得不好，照樣不如兩段式、不如規則算法。選擇什么路線跟自己的目標實現相關，和品控、軟件流程都有關系。

晚點：地平線副總裁蘇箐認為接下來自動駕駛很難再有新的技術范式出現，你同意嗎？

韓旭：我不覺得現在一段式端到端再加世界模型就是終局了，技術具有強大的不可預測性。任何你覺得 “That's it” 的時候，很可能就會有新的技術出現，所以要時時刻刻盯緊前沿、努力突破。我們要一直努力開發新的東西。

從 L4 到 L2++，文遠知行補的是量產這一課

晚點：文遠知行為什么要做 ADAS？是無心插柳的嘗試嗎？

韓旭：是我們 “處心積慮” 很久的規劃。五六年前，車規級算力芯片主要還是英偉達 Xavier，算力只有約 70 TOPS，激光雷達價格也還在一兩萬元，當時不少 ADAS 方案甚至不裝激光雷達，我認為 L4 和 ADAS 的技術棧差別很大。后來 Orin 出現，算力明顯提升，激光雷達價格降到幾千元，車廠也開始大規模上車，我的判斷是，兩者在算法上的距離已經沒有過去那么大了，文遠知行應該堅定進入 ADAS 市場。

晚點：奇瑞星途星紀元 ES 是你們拿到的第一個車型定點，當時你們怎么競爭到這個項目？

韓旭：博世的品牌、過往的聲譽，以及我們的技術展示。我們向奇瑞展示了已有的 L4 技術，告訴他們，我們的 L2++、L3 能做到什么水平，同時盡量壓縮成本，保持很強的服務意識、快速迭代的節奏。我們和博世合作 18 個月就推出了第一款高階輔助駕駛量產產品，屬于 “老兵帶新兵”——老兵帶著新兵在一個老兵都沒有打過仗的戰場上，打贏了一場仗。

晚點：如果新兵覺得要往 A 處打，但老兵要往 B 處打，那怎么辦？

韓旭：我們幾乎每天都會遇到這種情況，發生過拍桌子、各種拉數據吵架，但工程和科學世界有個特別好的地方在于，只要大家的心是正的，對事不對人，數據會自己說話，車開得好就行了。如果你是一個真正坦坦蕩蕩想做技術、想做好產品的人，是會坦率承認自己錯誤的。我非常討厭明明錯了還不認錯的人。

晚點：奇瑞一開始對你們的印象是怎樣的？

韓旭：我們也不知道，很多時候我們也很鈍感，不管別人怎么看，我們努力做好就行。就像在畫一幅油畫，這個過程里客戶對你的評判都不重要，最終能夠出好的作品才是最重要的。感謝奇瑞的包容。

晚點：做奇瑞第一個項目時，你們多少人駐場？

韓旭：我們是車輪大戰，一撥人駐完了再換一撥人，有時是百人規模駐場。

晚點：你們和博世怎么達成合作的？

韓旭：應該說，是博世最終答應了我們。任何一家想進入汽車和高階輔助駕駛領域的創業公司，都會希望和博世合作，我們也一樣。2018、2019 年，文遠知行還參加過博世的孵化器訓練營。非常感謝博世最終認可我們，愿意和我們合作。文遠知行的長處是算法，但缺少量產經驗；博世作為全球第一大供應商，在安全和軟件質量管控上非常成熟，我們從中學到了很多。未來我們也會繼續和博世緊密合作，更好地服務車企。

晚點：在你們和博世磨合的過程中，你改變最大的一個認知是什么？

韓旭：第一，不要急著下結論，相持不下的時候，大家可以再考慮考慮；第二，要時刻提醒自己，你不可能永遠是對的，還是要具體問題具體分析。治理公司也是一樣的，我從來不會說我永遠都是對的，有爭執的時候，就把邏輯和判斷講清楚，而不是搞 “政治”，抓住錯誤不放，要避免這種影響團隊團結的負能量。

晚點：你們天天坐 L4 的車，回頭再看 L2++，感受是什么？

韓旭：我們坐純無人 Robotaxi，都可以在車里睡覺。現在的 L2++，我更多是覺得 “還行，勉強可以接受”，距離 L4 還差得很遠。我心里對 ADAS 量產有一個更核心的目標，這也是特斯拉做得很好的一點，它通過公開視頻展示 FSD 在極端場景下如何避免事故、甚至救人一命。

這也是我們在 ADAS 領域的優勢：我們知道一輛車的安全性和駕駛質量的上限在哪里，我們照著 L4 的標準一點一點提升。我希望未來博世和文遠知行的 ADAS 系統，能夠有這樣的 “尖峰時刻”。如果我們的技術真的產生了安全價值，對我個人和整個團隊來說，都是最大的欣慰，這甚至比實現商業價值更令人開心。

晚點：會不會覺得 “L4 很酷，L2++ 很苦”？

韓旭：L2++ 真的很苦，因為它本質上是在提供服務。我以前是技術大拿的心態，即便在創業之初也是這樣。和車企合作之后，我花了一些時間來學習服務意識，現在好多了，愿意以服務心態去對待。

我印象很深的一次，是我從上海坐了很久的車去蕪湖看同學們。到蕪湖的時候天已經黑了，辦公室外面正好在修路，也沒有路燈，黑咕隆咚的。那天還下著雨，我打著傘，一腳踩進了一個水坑，到了辦公室，好不容易坐下，又坐到一張灑了湯的椅子上，褲子一下就濕了。我悲憤地站起來，再低頭一看，發現剛踩水坑的褲腿也沾到了黏糊糊的臟東西，可能是水坑里的垃圾。

我作為 CEO 去看同學們，但大家都在忙，沒人顧得上理我。我就自己去衛生間，一邊烘干褲子，一邊把褲子上的臟東西清掉。當時確實有點心酸，但再一想，大家都在拼，我也沒什么可說的，就一起去做。

晚點：有沒有特別想找人傾訴的時候？

韓旭：經常有。我有非常好的團隊和朋友可以傾述，比如李巖，還有很多其他同事，他們也愿意聽我傾訴、給我建議。

晚點：你一般會傾訴什么？

韓旭：什么都會傾訴。我也會說這樣的話——“瘋了嗎？那誰的兩段式端到端都做得不好，憑什么抓住我們的（一段式端到端）一頓猛批？” 但我們被人批完以后發發牢騷也就接著干活。沒有車廠的猛批、沒有來自對手的壓力，我們怎么能做出好的產品？所以該吐槽吐槽，該干活干活。

晚點：同一時期和你們一起從 L4 轉型拓展 L2++ 的還有其他公司。

韓旭：目前為止，全世界范圍內兩線作戰且都取得成功的公司就只有文遠知行。

晚點：為什么只有你們兩線作戰了？

韓旭：我們做到了堅持。團隊累的時候當然會想放棄，他們常常會問，明明我們單獨做任何一件事情，都可以做到全中國最好甚至是全世界最好，為什么我們要同時打兩場戰役？但文遠知行有個很好的文化——抱怨歸抱怨，決定了就要全力以赴。我們是一家非常相信集體主義精神的公司，追求把 infrastructure（基礎設施，常指自動駕駛工具鏈）的各個方面都要做好。文遠知行最具有競爭力的是它的內部培養機制，我從來不覺得找一兩個 “大牛” 會改變一個公司的走向。

晚點：你們內部的培養機制具體是怎樣的？

韓旭：我們無論哪條業務線都遵循內部培養的邏輯，我們有導師制，由老帶新，新同事可以快速上手業務。

晚點：ADAS 量產團隊和端到端團隊做出成績后有拿到額外獎勵嗎？這在文遠知行內部屬于重大突破獎嗎？

韓旭：當然屬于，給了年度特等獎。

晚點：做 ADAS 量產之后，對你們做 L4 最大的改變是什么？

韓旭：主要是工程性的幫助。L4 車隊是自己的，有問題可以隨時改，它的軟件更像一個連續函數，任何時候都可以升級、改版。但 L2++ 的軟件是一代一代迭代的，更像是離散函數或階躍函數，到一個時間點必須封版，不能再改，所以一定要嚴格把握時間線去做，這對 L4 是很大的促進。

晚點：在 L4 場景里，怎樣才能真正用好一段式端到端？

韓旭：這是一個非常核心的問題，但再講下去就涉及太多技術細節了。如果你加入文遠知行，我可以詳細講。

晚點：很多人會說，一段式端到端上限高但下限低。

韓旭：我個人的看法是，一段式端到端下限低，本身就是一個誤解。很多 “下限低”，其實是模型幻覺的問題，關鍵在于你怎么把幻覺去掉。這不是一個簡單的 “Aha moment” 就能解決，而是需要巨大的 infrastructure 來做，需要大量干凈、有用的數據。那這些數據怎么來？從 WeRide GENESIS 來。

晚點：行業各家對于要不要用規則來給一段式端到端兜底安全有不同的看法，因為加規則可能會影響到原生的絲滑體驗。

韓旭：我覺得這是人類的錯覺。很多時候，人類對機器行為的解釋本身就是錯的。如果放在仿真平臺里看，有些急剎并不是規則觸發，而是端到端自己的決策。并不是 “好的都是端到端，差的都是規則”，現實不是這么簡單。

不信智駕 “終局論”，只是跑在前面的人氣喘吁吁了

晚點：今天，剩下的幾乎每家都有自己比較深度綁定的車企客戶，但文遠知行還沒有這樣的客戶？

韓旭：廣汽投資我們了，是我們非常堅定的客戶，我們在廣汽有不少定點。但文遠知行不太適合用單一的綁定關系來討論，我們既做 L2++，也做 L4，會同時和多家車企合作，也會和很多平臺公司、商用車廠商合作。

晚點：智駕行業喜歡講排名，你怎么看 “地大華魔” 這個一梯隊供應商排名？

韓旭：我覺得定點情況已經說明得很清楚了，這是一個客觀事實。

我唯一的觀察是，這個格局變化非常快。跑在前面的公司總會說 2026 年是決勝之年，最后只剩兩三家，這是因為跑在前面的人也氣喘吁吁，希望比賽能早點結束。對 ADAS 來說，遠遠還沒到結束的時候，甚至連 “結束的開始” 都不是，現在只是 “開局的結束”，離終局還很遠。

晚點：你覺得什么時候會結束？

韓旭：我認為比賽持續的時間甚至要比兩三年更長，當然會有人說，落后者一定希望比賽越長越好。

但事實是，新能源車的競爭都持續多少年了，到今天我們還不敢說新能源車的賽局已定。自動駕駛技術還在不斷迭代，一段式端到端出來，整個格局就變了，再看看幾個頭部公司都兵精糧足，有很多現金儲備，這些信息結合在一起，從何能推演出 2026 年戰局就會結束的邏輯，這就是 Wishful Thinking（癡心妄想）。

晚點：跑在前面的公司氣喘吁吁，那文遠知行是什么狀態？

韓旭：從從容容、游刃有余。不過，我們也還有很大的提升空間，我們跟車企的合作還不夠深入，定點還不夠多。

晚點：你們用什么和 Momenta、地平線競爭？

韓旭：以前怎么競爭，現在還是怎么競爭，一個一個定點去談，沒有什么特別的。如果我們在技術上有一定領先性，能夠很好地保證高階輔助駕駛的安全性，車企自然會選擇好的產品和服務。

晚點：不少智駕公司都在做軟硬一體，只做軟件會被擠出第一梯隊嗎？

韓旭：如果芯片出貨量達不到百萬級，一定是虧的。現在做軟硬一體跟早期的新能源一樣，都是在燒資本的錢來沖量，講資本故事，能夠從資本融到錢。軟件公司找到優秀的硬件伙伴、提供好的軟件能力，這本身是一個市場博弈的過程。

我喜歡《孫子兵法》里的一句話——“兵無常勢，水無常形”，沒有必贏的戰略，沒有必贏的戰術，也沒有必贏的武器，一切都是動態的，取決你怎么協作、怎么配合、怎么隨機應變。

很多媒體認為只要用了某種技術路線，就一定能做好，這實際上是把真正的工程開發通俗化、娛樂化和演義化了。我對這些 “大詞” 不感興趣，也反對宣傳只要用某種武器就一定會贏。

晚點：文遠知行現在有 ADAS 量產業務，也有 L4 業務，未來會想做成一個什么樣的公司？

韓旭：文遠知行的戰略一直沒有變化：我們是一家自動駕駛公司，核心是無人駕駛技術，最主要的產品是 Robotaxi。與此同時，ADAS 是我們一個非常重要的方向。我們兩條路線會慢慢合二為一，我們已經開始用一段式端到端做 L4，你們可能很快就會看到文遠知行的 Robotaxi 變得更加絲滑。

我希望我們能夠認認真真把技術做好，踏踏實實把人才培養好，成為全世界第一的自動駕駛公司，這對我才最具有實質意義，至于現在表現得好壞、排在第幾位，都是暫時的。

晚點：特斯拉、小鵬、理想這類車企，以及 Momenta、元戎這類智駕公司，能有多大機會從 L2++ 做到 L4？

韓旭：我不覺得把公司簡單分類是個好方法，這需要具體去看。我認為，如果特斯拉的 FSD 模式能真正做好并保證安全，是有機會的。但是端到端模式要保證安全，本身極其困難。這也是為什么只有極少數像文遠知行這樣的公司，才能把它真正做成。

晚點：這屬于技術機密？

韓旭：是的，我現在確實沒法說，所以你們也不用再問了。

晚點：L2++ 公司對于做到 L4 都很有信心，理想和小鵬最近都提到 L4 的落地時間節點在未來三年內，你會怎么看待這條時間線？

韓旭：要做成任何事都要有一定基礎，比如參加高考，你在模擬考考到了年級四五十名，說 3 年后要考上清華大學，這是有可能的，但仍然需要非常多的突破性努力。放話容易，但要真正把事情做出來是難的。我更喜歡談論已經做到的事情，以及如何做到，而不是每天說一些不切實際的目標。比起關注別人說了什么，我更關注我們什么時候能把無人駕駛覆蓋到更廣的區域。

晚點：Robotaxi 的商業模式是不是更利好打車平臺？

韓旭：我覺得很明顯不是，出行平臺公司有很多家，而真正能夠做到安全、可靠的無人駕駛技術公司只有兩三家。這里面，我將所有用高階輔助駕駛來展示自己將來能做無人駕駛的公司排除在外，在我眼中只有使用了自有技術，并實現至少 100 輛純無人車隊運行半年以上的公司，才可以稱為 Robotaxi 公司。

晚點：你今天強調了很多遍 “安全”，但 “安全” 對文遠知行這類 L4 公司來說，應該是技術最基本的下限？

韓旭：車輛能否安全運行，反映的是技術本質。發生事故是個小概率事件，當觀測只有 100 次時，誰都沒發生事故，消費者也就看不出差距。而無人駕駛是一個高頻運行的系統，運行規模足夠大、時間足夠長之后，“大數定律” 就會體現出來——小概率事件發生的頻次最終會在大量重復試驗里收斂到一個穩定值。今天我們所看到的一兩次安全事故，就是真正實力的體現，誰的安全事故少，誰的實力就是最好的。

晚點：大數定律是否也適用于 L2++ 定點的商業競爭？

韓旭：本質上是適用的，但有一個前提，數據必須完整、真實地被記錄。如果小概率事件發生了，卻沒有記錄，或被當作 outlier（異常值）抹掉，那大數定律就起不了作用。

晚點：在不出事故的情況下，消費者可能體驗不出 60 分、90 分和 99 分智駕之間的差別，但 60 分的智駕更便宜、可能營銷也更好。這對文遠知行或行業里做到更高安全水平的公司來說意味著什么？

韓旭：這個問題很好。可以類比食品安全問題，如果沒有監管，賣劣質食品的人一定會把賣優質食品的人擠出市場。

智駕也是一樣，一定要保證出事故多的公司受到限制，甚至被淘汰。我們也看到，工信部已經在往這個方向制定規則、出臺政策。所以本質上，還是要保證小概率事件被真實記錄，并且有公平公正的市場監督。

消費者未來也可以通過保險的價格來識別，保險公司給哪個高階輔助駕駛系統降保費，哪個就更安全。這個標準最有指標性，未來兩三年內或許就能看到這個標準的應用。

晚點：我們能感受到，你不喜歡講熱詞，這和你的求學或創業經歷有關嗎？還是來自你的個人性格？

韓旭：都有關系。我很早就經歷過對熱詞的追逐，比如當年 SVM（Support Vector Machine，支持向量機）出來，大家就把 SVM 用到各種地方；后來 Sparse Representation（稀疏表示）、再到 Bayesian Network（貝葉斯網絡）、CNN（卷積神經網絡），都有出現類似情況。

但我覺得真正做研究、做產品，還是要回到問題本身。一個好的產品，不是堆幾個 buzzword（時髦術語）就能讓用戶買單的。我對這些熱詞確實不感冒，因為滿口熱詞的人，可能連幾篇 paper 都沒認真讀過，實在是令人鄙視。

晚點：你是黃煦濤教授（伊利諾伊大學厄巴納-香檳分校杰出講座教授，被譽為華人計算機視覺宗師）的學生，在學校時，他也是以這樣的方式去教你們的嗎？

韓旭：我從 Tom（注：即黃煦濤教授） 身上學到了很多。他數學非常好，但從來不會向我們炫耀一些很復雜的公式，常說的反而是問題的本質是什么，鼓勵我們去解決問題。他從來不說自己是 scientist，而是說 “I'm an engineer. Engineer is supposed to solve the problem（我是一位工程師，職責是解決問題）”。

李安琪對本文亦有貢獻

題圖來源：文遠知行