自動駕駛領域也會發生DeepSeek式劇變。

作者｜蘇霍伊??

編輯｜王博

科技行業最昂貴的假設是什么？

侯曉迪的回答是資源中心主義教條（resource-centric dogma）。

這一教條以漸近承諾（asymptotic promise）誘惑了人工智能行業：只有通過呈指數級增長的資源才能確保進步，而沒有這些資源就不可能取得進步。

漸近承諾可以通俗地理解為 “規模越大，表現越好” 的保證，也可以理解為是Scaling Law（規模法則）的概括。

但侯曉迪一直以來的觀點是：Scaling Law不是答案，堅決反對唯Scaling Law主義。

侯曉迪是自動駕駛卡車公司Bot Auto的創始人、CEO，在創辦Bot Auto之前，他曾是“自動駕駛第一股”圖森未來的聯合創始人，并先后擔任公司的CTO和CEO。

擴展數據規模、增加模型參數、提升計算能力……這套“法則”他再熟悉不過，但是他一直以來呼吁的是“不要盲目堆數據、GPU和車隊規?！薄?/p>

以前我講的理論身邊人都不相信。還堅持認為是“數據量不夠”，這讓侯曉迪很痛苦。但DeepSeek-V3&R1出現后，情況變了，有的人開始想起來：“曉迪，你當年好像也這么說過。”

在他看來，DeepSeek不僅顛覆了AI行業，還預示著其他以資源為中心的技術領域也將發生類似的劇變，尤其是自動駕駛行業，“DeepSeek的成功表明我們正處于范式轉變的風口浪尖，這種轉變可能會在一夜之間改寫游戲規則?！?/p>

在DeepSeek團隊身上，我們看到無情的務實主義和對效率的大膽追求，這些同樣出現在了侯曉迪身上：作為現實主義者，他以近乎嚴苛的理性拆解行業迷思；作為理想主義者，他將“愛與勇氣”視為技術變革的底層精神。

這種“矛盾”，直觀地體現在侯曉迪的創業經歷中。

當整個行業都在向數據驅動、大模型軍備競賽傾斜時，侯曉迪卻走向了另一條道路——堅信認知能力比數據量更重要，堅信科學工程化才是正道。他可以滔滔不絕地講述自動駕駛、AI、大模型的核心問題，卻從不使用“高大上”的術語。他拒絕講故事，只想走自己的路。

“創業不是一場被資本驅動的豪賭，而是一個工程師對技術最極限的踐行。”侯曉迪說。

侯曉迪與DeepSeek有許多“共鳴”，而這些“共鳴”也終因DeepSeek而被知曉。

本文，「甲子光年」對話Bot Auto創始人、CEO侯曉迪。

1.談DeepSeek：世界終于出現了一些糾偏機制

甲子光年：DeepSeek火了之后，你有什么感受？

侯曉迪：我好不容易等來了“撥云見日”時刻。

甲子光年：撥云見日？之前你不是被認為是科技行業“預言家”？

侯曉迪：以前我講的理論身邊人都不相信。他們堅持認為“自動駕駛系統的能力不夠是因為數據量不夠”，這讓我很痛苦。但現在情況變了，他們開始想起來：“曉迪，你當年好像也這么說過。”

甲子光年：看來“預言家”身份坐實了。

侯曉迪：更深層次的開心是，世界終于出現了一些糾偏機制，讓我們能更順暢地按自己的節奏開發系統。如今，我們更容易獲得應有的認同和肯定，尤其體現在融資方面。我不在乎他人的夸獎，但能讓公司融資壓力變小是好事。

甲子光年：我看你在LinkedIn上寫一篇文章夸DeepSeek，并認為“DeepSeek的成功為以資源為中心教條敲響了警鐘”，你是在DeepSeek上找到了共鳴嗎？

侯曉迪：首先說明，我們應不偏不倚討論DeepSeek的價值。

我發現有些人在把“科學玄學化”，如果一個人的資源很多，數據 也很多，那他就會愿意相信“資源制勝論”。這也是我常說的“用戰術勤奮掩蓋戰略懶惰”。但是資源制勝論本質上只是個信仰，相信一篇paper里面一個觀測在更廣場景、更大規模仍然適用。這不是科學，是玄學。

而DeepSeek是“科學工程化”。像Quantization、Multi-Head的預測優化，都是工程細節，但他們做得很好，說明團隊執行力強。他們的執行基準不是靠模型大、GPU多，而是靠精細的工程優化把性能推到極致。

這一點和L4級自動駕駛很像，L4也是在工程優化上做了大量細節工作，而不是依賴單一的核心突破。兩者的共鳴點在于，成功更多是工程驅動，而非基礎理論創新。

甲子光年：把“科學玄學化”的是那些堆數據和算力的公司嗎？

侯曉迪：是的，科學玄學化是結果。是多個角色共同造成的。比如，能力平庸但身居高位的中層管理人員，短期勝利對他們至關重要。比起搞有風險的創新，這種有投入就有業績的項目肯定是最好的。

再比如，一些公司的高層，不關心技術，只關心融資。他們不在乎事情本質和真實發展規律，只要一個能說服金主的故事。

甲子光年：金主就沒責任么？

侯曉迪：當然金主也有責任，都說自己是 “風險”投資人，但絕大部分人投資人最喜歡的肯定還是這種基于共識的“無風險投資”。

這就會出現“回音室效應”（Echo chamber），即互相放大的機制。比如八個投資人投向同一方向，彼此交流時會強化、統一觀點，“我覺得Scaling Law很有用”“俺也一樣”。這樣的人多了，慢慢就形成了不可忽視的共識。

圖片來源：電視劇《三國演義》

甲子光年：這樣形成的共識會造成怎么的后果？

侯曉迪：Sometimes the biggest risk isn't betting against the consensus, it’s betting with it.用中文表達就是，有時候，最大的風險不是與共識對賭，而是與之同賭。

這種共識非?？膳拢?strong>因為造成共識的人是決策者，但他們未必具備技術前瞻性。

甲子光年：你認為DeepSeek能做出正確決策的原因是？

侯曉迪：組織文化。我經常說的一句話——工程問題永遠是大量的小問題，而非小量的大問題。

要解決大量小問題，就不能指望有“救世主”通宵達旦數月寫出一篇發現世界真理的論文，這只是科幻小說情節。真正的開發是大量的人每天在做微決策，組織的藝術就是讓有這些對“微決策”有決策權的人——未必是CEO或CTO，能自然而然地做出正確決策。

甲子光年：那健康的組織文化是怎么樣的？

侯曉迪：要保持理性樂觀，凡事基于事實和邏輯，去辯論去挑戰，這樣才能看的出來他人玄學化的東西，并進而把它們一個個的工程化解決。

甲子光年：哈佛教授Graham Allison曾發文稱，DeepSeek的關鍵研發成員潘梓正曾是英偉達的實習生，他是“美國失去的超級人才”，你怎么看？

侯曉迪：我并不認同“某個人才流失是美國的損失”這種簡單化的說法。真正決定成敗的，是組織的綱領和執行力。組織的行動綱領，決定了個體的產出。如果一個公司的GPU資源充足時，誰還會去優化計算？標注數據管夠時，誰還會研究自監督學習（Self-Supervised Learning），誰還會想去掉監督微調（Supervised Fine-Tuning）？

偉大的組織，關鍵在于敢于反常 識地走不同的道路，并堅定執行。只有在逆境中堅持，才能贏得真正的勝利。

2.談GPT-4.5：OpenAI強調的EQ，更像是一個外行的概念

甲子光年：2月28日，OpenAI發布了GPT-4.5，這次他們主打“EQ（情商）”，你覺得OpenAI是在用情商掩飾模型能力突破有限嗎？

侯曉迪：GPT-4.5證明Scaling Law又一次撞墻了。作為常年實名反對泛化Scaling Law的人，最近頻繁目睹撞墻事件。講實話，我是欣慰的。

我認為OpenAI開始講EQ的故事是無奈之舉，實際上他們并沒有真正打算去定義EQ，連個正經框架都沒有。OpenAI團隊裝也沒裝出來自己在EQ上有所突破的樣子。

甲子光年：你是加州理工學院計算與神經系統專業博士，理論上對AI的EQ有發言權。

侯曉迪：我看到標題時，對OpenAI講EQ這件事是期待的，但看完后感覺被戲弄了。其實挺可惜的，為什么做戲不做全套呢？EQ是理解認識“智能”的重要窗口，它也是個可以被科學測量的客觀度量。

甲子光年：那么OpenAI應該講什么內容，才更符合你的期待？

侯曉迪：EQ不應僅指個體的情緒管理，而應涉及對他人情緒的理解與反饋。真正的EQ涉及人的情緒認知和調節能力，而不僅僅是“說話得體”。但是現在OpenAI所強調的EQ，更像是一個外行的概念，實際上只是為了讓模型能更“圓滑”地回應用戶，而非真正衡量情商。

關于EQ，我們可以讓大模型來測謊，分析情緒反應，甚至通過臨床試驗驗證模型在心理輔導中的作用。EQ的研究應圍繞人的行為展開，而不是作為一個概念隨意包裝。如果沿著這個科學的方向發展，是大有可為的。

甲子光年：但OpenAI的演示中并沒有這么做。

侯曉迪：這本是一個值得深入研究的方向，也是我的專業領域——意識研究。

這件事屬于心理物理學（psychophysics）的范疇。作為一個長期研究這一領域的人，看到他們以如此隨意的方式處理這個問題，真的很難接受。真正要做EQ，就應認真對待，承認這是一片未知領域。

甲子光年：你覺得OpenAI的態度不真誠？

侯曉迪：如果他們真心想探索這個方向，至少可以組織幾位研究員，花幾個月時間做一些基礎研究，初步定義一個Benchmark（基準測試），這種Benchmark應該以人類社會的福祉為目標。

我們不該局限于如何讓大模型成為“小鎮做題家”，堂堂正正的對大模型提出empathy/social skill（同理心/社交能力）等指標的定量研究，這才是科技向善的體現。

甲子光年：智能的本質是什么？

侯曉迪：智能的本質是多維度的，僅憑數學競賽滿分就認定實現了AGI，這是無法被接受的。

比如多任務測試（Multi-test）。文字處理能力也分多個方面，如摘要、語法糾正等，智能是由大量任務的集合刻畫的。情感交互任務的集合及其表現與人類標準的接近程度，才真正有價值。

再比如，大模型能否通過測謊儀？能否感知他人情緒波動？能否像心理醫生一樣，在交互中識別病理現象或異常行為？這些才是智能的一部分。

3.談無人駕駛：用數據規模來回應質疑是錯誤的

甲子光年：離開圖森未來之后，你再次投身L4級別無人駕駛卡車創業，在美國創立了Bot Auto。之前圖森未來在對外宣傳時是會強調數據和里程數的，你不怕再次掉入資源中心主義陷阱？

侯曉迪：一段時間以來，很多自動駕駛公司積累大量的測試里程以捕捉所有邊緣案例，并建立龐大的GPU集群來訓練端到端的AI模型以處理所有邊緣案例。

但我覺得里程數被過度強調了。

離開圖森后，我沉淀了一段時間才決定重新出發。2023年4月，我去見投資人，當時融資環境極差，主流觀點是無人駕駛已經沒機會融資了。甚至有人說無人駕駛的窗口已經關閉，應該去做機器人或大模型。

到2023年年中時，我也不敢說一定能成，但我直覺上認為無人駕駛未必那么“燒錢”，不是簡單的“砸錢換結果”?；谶@個想法，我才創立了Bot Auto。

甲子光年：說實話，你當時有沒有想過去做具身智能、大模型的創業？

侯曉迪：我當然想過，而且非常認真地研究過、調研過。當時有投資人很直白跟我說，“你要是做機器人我給你錢，你做無人駕駛，我不給你錢。”但我最終還是決定做無人駕駛。

甲子光年：為什么還想做無人駕駛？

侯曉迪：開玩笑說，這就是“自討苦吃”。（笑）

還想做無人駕駛是因為我在無人駕駛領域交過很多學費，踩過很多坑，這些經驗很寶貴，放棄了很可惜。

另外就是，我真正追求的是持久而深遠的，長期意義上的成功。一輪融資的順利與否只是短期波動，我不應太關注。

沒有選擇做機器人是因為我決策時關注的全都是長期意義上的問題，這里面不確定性太多了。機器人創業有不可忽略的問題：運營成本、商業模式是什么？零部件穩定性如何？客戶是誰？能從誰那里賺錢？這些問題我想不清楚。

投資人可以短期布局，中期收獲，實現幾年內的豐厚回報。但作為創業者，我的使命不同，我必須堅持到最后，確保我做的這份事業最終能創造真正的價值。

甲子光年：你在創立Bot Auto時，有沒有賭的成分？

侯曉迪：我更傾向于說這是一種基于經驗和專業直覺的判斷力，而非盲目下注。Bot作為一家公司成立時，我確實有兩個關鍵假設需要驗證。

第一個假設是算法模塊能整合到一起。當時團隊三四十人，做深度學習的只有5人，沒法按傳統方式分組。我們逼著自己把所有模塊整合在一起。2023年下半年，我們研究了大量預訓練論文，預判預訓練能節省標注的資源和算力，同時多任務和多模態能讓分散的神經網絡融合成一個大網絡。這是最初的假設，只是一個不包含太多細節的大方向，但直覺告訴我，這個方向繼續探索下去，肯定會有驚喜。

第二個假設是業務不能是數據密集型的。我們沒錢做大規模標注，比如前司（圖森未來）幾千萬張圖片的標注規模，光標數據就得兩年。所以我們Bot內部有個口號——“插上電就能跑”。新網絡的冷啟動必須是高度自監督的，不能用昂貴的人工標注數據。數據來源可以是基于過去幀的預測，比如給模型看前五幀預測第六幀，也可以用仿真數據。

甲子光年：結果如何？

侯曉迪：結果很喜人，“插上電就能跑”給了我們很大啟發。有段時間，我們甚至開始算電費——這點電費能換來多少算法性能提升？結果發現非常劃算。

到2024年3月之前，我們在數據標注上沒花過一分錢，所有數據要么來自MIT License的公開數據集，要么是自己生成的仿真數據，要么是用各種自監督的預訓練，最后真成了！尤其是模型的多模態特性給了我們很大啟發，整體進展遠超預期。

甲子光年：最初的大膽假設基本都被驗證了，接下來有什么新的假設？

侯曉迪：比如車隊規模到底多大？這是無人駕駛領域的一大誤解。融資時，很多人拿特斯拉的保有量和無人駕駛測試車隊規模類比。這是完全錯的。

你看絕大多數無人駕駛的測試車隊都不大，而且這些車也都不是開足馬力每天連軸轉的測試，因為對于大多數公司，開發重點根本沒到非百萬英里數據不可解決的程度。

我一直堅持的觀點是，關鍵不在于數據有多少，而在于你能不能用好。較少數據都沒有挖掘出價值的時候，非歸因到自己數據量不夠，那不就是“差生文具多”么。

甲子光年：如果無人駕駛不靠“數據量即正義”，那該怎么做？

侯曉迪：經常有人問我這個問題。我積累100萬英里，他們問200萬英里的問題怎么解決；到了1000萬英里，又問2000萬英里的極端情況如何處理。按此邏輯，數據和測試里程永遠不夠，像在無盡的漸進路徑上狂奔。

深度學習再強、數據再多總還會有檢測不到的BoundingBox（邊界框），這時有人會杠：“那解決不了怎么辦？”

用數據規模來回應這些質疑是錯誤的。沿著積累數據這條路走到黑，到后面邊際效益遞減，會越走越絕望。這時候就需要轉變思路了。哪怕業界著名的里程高車隊大的Waymo，也不可能因為擔心動物園的大象跑到馬路上而做一個“大象檢測器”，而是要靠一個“通用障礙物檢測”的方案來解決。這樣一來，是靠不同的傳感器或者不同的算法做保險，成倍的降低失效率了。

另外一個點是，世界上沒有絕對的安全。飛機有百萬分之一的墜機概率，但我們仍然會選擇坐飛機。自動駕駛同理，關鍵是把風險降到合理范圍內。比如比人類司機安全數倍。

而且算法只是系統安全的一部分，比如輪胎爆胎這種硬件風險，就不是算法能徹底消除的。

科學的方法是拋棄主義，分析風險來源，嘗試量化。如果接受貝葉斯主義，所有事情都有概率，即使不可觀測或無法精確量化，至少可以估計。估計出一個可量化的區間，這件事就能達到。我們的目標是做出一套超越處于最佳狀態下的優秀人類司機的系統。但是即便如此，我們并不保證無人駕駛系統能避開穿著隱身衣在夜間潛行橫穿高速公路的忍者。

甲子光年：所以你認為，問題的根本在于我們對安全認知需要修正。

侯曉迪：我們在面對安全問題時，不能情緒化處理，就像科學不能被玄學化，而應該用科學方法解決問題。所以我們內部正在推進一個項目，叫做Safety Science（安全科學）。既然游戲是科學，那安全也應該是。

如果總是用情緒化的方式討論，比如“生命只有一次”“你怎么能把路上的行人置于危險境地？” 這樣的談話容易把無人駕駛逼到不切實際的位置，不得不去面對一個永遠不可能達到的安全目標，就陷入了沒有意義的爭論。

為平息此類爭論，行業只能以更多測試里程回應，用更多資源緩解焦慮。一邊投入資源消解焦慮，另一邊是無科學依據的質疑。兩者此消彼長，造成資源浪費，拖累行業走向錯誤方向。

現在是需要糾偏的時候，而DeepSeek就像一記當頭棒喝，讓不少人清醒了，這是好事。

甲子光年：那無人駕駛還需要回答如何確保安全的問題嗎？

侯曉迪：需要。但問題歸根結底很簡單：第一，厘清路權；第二，無權時不涉險，有權時盡量避讓；第三，確保前兩條，同時最大化效率。

真正做起來你會發現，做到前兩條相對容易，挑戰在于保障前兩條的同時滿足第三條。歷史上無人駕駛出的問題，也恰恰是因為前兩條安全問題，向效率做了妥協，最終沒守住安全邊界，才導致的事故。在這一點上，我們做的是卡車，面對的問題比轎車容易許多。

甲子光年：無人駕駛卡車和無人駕駛乘用車有什么不同？

侯曉迪：無人駕駛卡車里沒有乘客，只有貨物。遇到突發情況，貨物可以等，它們不會抱怨，這種等待成本和心理壓力遠低于載人場景。對我們而言，無人駕駛會變成一個純粹的成本優化問題——在絕對安全的前提下，能否將效率提升到可以盈利的水平？

越早實現這個目標，公司就能越早進入擴張階段。

甲子光年：你看到無人駕駛商業化拐點了嗎？

侯曉迪：無人駕駛和可控核聚變類似，都指向商業化拐點。只要可控核聚變釋放的能量大于維持成本，就能賺錢。無人駕駛也一樣，系統復雜、維護成本高，但一旦低于雇傭司機成本，就進入盈利模式。

在拐點到來前，規?；荒芫徑馐袌鼋箲]，但并不能解決根本問題，所以我們反對規模化擴張。這些年我一直強調車隊或增加人員都按照最低限度配置，堅持節儉運營。在規?；猩虡I價值前，所有擴張都是錯誤的。遺憾的是，今天仍有很多公司走在錯誤方向。

4.談“端到端”：誰說無人駕駛是端到端，不是片面就是天真

甲子光年：今年國內很多車企開始卷智能駕駛，“端到端”自動駕駛也出現在了很多車企的宣傳話術中。你之前跟我們說過，“端到端”不是一個學術概念，而是一個情緒載體。去年，這篇文章發布后，你對于“端到端”的評價也引發了一些討論。你有什么要解釋的嗎？

侯曉迪：可能大家太關注我喊的口號，而忽略掉了背后的意思。我想表達的是，要不要“端到端”或者扣什么帽子都不重要，關鍵是現在的人工智能，尤其是神經網絡比五年前發生了什么變化？這些變化如何實現？理解了本質，就會發現有大量的不同的變體可以實現同一個目的。

我一直公開反對“端到端”，誰說無人駕駛是“端到端”，不是片面就是天真。

關于神經網絡的進展趨勢， 我總結兩點：第一是多任務處理（multitasking），第二是多模態（multimodality）。這兩點是無人駕駛和很多其他應用的核心。抓住這兩點后，實現手段就很自然了。“端到端”只是其中一種方式，不是唯一。

我的態度是忘掉什么是“端到端”，借用李小龍的話：“像水一樣，我的朋友（be water, my friend）。”

甲子光年：關于“端到端”，行業里的認知有什么變化嗎？

侯曉迪：現在行業里越來越多人公開承認自己其實不是純正的“端到端”了，但外界仍把“端到端”看作特別神圣的東西。

有些企業為了炒作，刻意營造神秘感，把自己的技術包裝得很神圣，其實毫無意義，反而造成行業內耗。

而在線下的工程師交流場合，大家更容易說實話：“啊，你們家也是這么做的？我們也是這樣。那這算端到端嗎？”“嗨，管他呢，反正大家都叫端到端?！蔽衣犨^幾次這種對話，每次都被逗樂了，我心想：“行吧，你們愛怎么說就怎么說?！?/p>

甲子光年：行業里都這么說，你不這么說，會不會顯得格格不入？

侯曉迪：當所有人都在打擦邊球時，你會發現整個行業在逼著大家都去打擦邊球。但我屬于那種寧可不打這個球，也不去打擦邊球的人。有時候我會有種交流困難的挫敗感，但我發現投資Bot Auto的人，就是喜歡我這種敢撞墻的精神，所以做好自己就行。

甲子光年：我們了解到，Bot Auto的無人駕駛使用的全新的技術框架，你們團隊此前是否有經驗？

侯曉迪：具體架構肯定是一邊做一邊摸索。我們搞的是把Deep Learning 集中化，我們內部叫Foundation to All。成功的關鍵不是Scaling Law，而是科學方法的工程化。我們現在參數量也沒有大到離譜，網絡架構的變化是關鍵。

我們應該專注向怎么利用好這些新趨勢，而不是陷入“冠名權”的爭吵里。我們的神經網絡是多頭的。從某種意義上說它也是個MoE（混合專家模型）。以前我講MoE時很多人不懂，現在也是拖DeepSeek的福，溝通成本一下子低很多。

甲子光年：MoE加上科學工程化，能直接移植到無人駕駛嗎？

侯曉迪：這不是簡單的移植，而是要看到本質。以前模塊間的信息傳輸很稀疏，而我們要讓它能承載更多上下文信息。用時髦的術語說，就是Token（標記），且Embedding（嵌入）的維度要足夠高。

我描述的是核心原理。真正工程師先前的時候，自由度其實非常高。只要關鍵部分處理到位，總歸會看到性能的進步。但原理不是一個化工廠的流程手冊，讓你“順著做就一定成功”，這些原則勾勒出了一片地，告訴你地底下有石油，但怎么挖出來，還得看你的方法。

比如就剛才我說的這個原理——讓不同功能模塊或任務（Multitask）能放到一個基礎的基座下，共享更多信息，改善模塊間通信信道。這是一個方向性的觀察。至于具體實現是否用混合專家模型MoE，甚至是端到端，并不是最核心的問題。可能過段時間，結構不再是MoE，而是另一種體系，甚至還包含非Deep Learning模塊，但如果這些模塊能高效共享背景信息，也完全有可能做出一個高性能的系統。

不要拘泥于具體實現方式，不要把問題框死在你這招“是劍宗還是氣宗”，殺傷力高的，才是好招式。

甲子光年：其實，技術路徑不應該成為判斷智能的標準。

侯曉迪：行業內太多主義之爭，吵來吵去，結果反而模糊了方向性的觀察和論斷。

甲子光年：無人駕駛領域為什么會有主義之爭？

侯曉迪：如果不談主義，那大部分人瞬間就沒有參與資格了。他們沒有經驗積累，沒有專業水平，沒看過paper，也不知道成功實驗背后的多少失敗嘗試。談主義很容易讓更多人有發言權。但壞處就是過度簡化。任何事情過度簡化以后就不再對未來有指導意義了。

你看商業航天領域有什么主義？誰能指導火箭發射？誰能決定耐熱材料？沒人談主義，因為指導不了。醫療制藥領域呢？誰能判斷藥物是左旋還是右旋？這些硬科學領域幾乎沒有主義。

但無人駕駛領域不一樣，大家都會開車，自然覺得有發言權。大語言模型領域更是如此，人人都使用語言，就覺得自己能夠評價。人們總以為自己擁有智能，就覺得自己能夠評判智能。

甲子光年：你的很多觀點是反共識的，甚至在給行業“潑冷水”，各方褒貶不一的反饋也隨之而來，看到這些反饋，你內心是怎么想的？

侯曉迪：第一，觀點就是力量。我相信這點，因為我是一個自洽的人。我講這些沒有任何企圖，只是覺得這是我看到的真實世界，我愿意說出來。越純粹，越有力量——這是我這么多年學到的重要一課。

第二，這個世界雖然有各種噪音，但整體還是好的，我依然愛這個世界。

甲子光年：有什么收獲嗎？

侯曉迪：當我講真話時，我能交到真朋友，能得到意料之外的善意。

真的有完全不同行業的人，專門來加我微信，就為了說一句：“曉迪，我覺得你講得太好了?！蔽矣X得這些意料之外的善意，是人生旅程中很有意義的部分。

人生不是一長串小考試，而是一張體驗卡。要去體驗真實，體驗這個世界里的善意。這是我對于“活著”的態度。

5.談創業：我沒有近憂，全是遠慮

甲子光年：創辦Bot Auto已經一年多了，在這個過程中，有沒有經歷特別艱難的時刻？

侯曉迪：我覺得沒有。老話說“人無遠慮，必有近憂”，而我沒有近憂，全是遠慮。我現在天天想的問題，基本都得以年為尺度來規劃安排。

甲子光年：你變了。

侯曉迪：這的確是我的一個改變。以前我更關注技術，現在我發現技術不是全部。

我現在給自己的定位是守護者，希望守護這家公司。技術研發的日常工作就算沒有我的參與，兩個月后，工程師團隊肯定也能圓滿完成任務。但如何保證公司兩年后不會面對生死存亡的危機——這才是我最關注的。

甲子光年：那你要面對的問題有哪些？

侯曉迪：比方說：到底走scrappy-centric（資源有限但靈活高效）還是resource-centric（資源充足但可能效率低下）的路？我們開始時選其中一條，然后一直堅持下去。

這次Deepseek的突破，我特別想為他們叫好，因為看到了這種“主義”的勝利。

但他們的勝利跟我們有關系嗎？沒有。無論Deepseek存在與否，我們仍會走自己的路。是我們能否在缺少外援，資源受限的情況下，依然能夠把無人駕駛做到商業化，站著把錢掙了。我是清晰的看到這條路的，哪怕外部環境艱難，哪怕我們不去賭自己的運氣，我們把自己該做的都做到，就能夠自然的走到終點。

所以我沒有近憂，全是遠慮。

甲子光年：關于改變你說過：“現在抓的細節少了，如果有個算法問題要晚一個月才能攻破，以前你可能會拍桌子親自上陣，但現在這種情況不太可能了。”那你覺得從執行者到守護者的角色轉變難嗎？

侯曉迪：不會，二者相輔相成。如果我天天在搞遠慮的事，那近憂就會有一重、兩重、三重防護網，我們在防護上做得不錯。我覺得，現在團隊的成熟度非常高。相比5年前，我很放心現在的團隊。

甲子光年：會不會有時忍不住還想拍桌子親自上陣？

侯曉迪：我仍然會在一些項目上抓細節，主要為了三件事：

第一，鍛煉團隊，親自做項目打個樣，讓他們看看怎么做； 第二，保持手感，公司的大決定，基本都需要有戰場前線的具體信息。 第三，愿景溝通，每個項目不同合作方的預期都不一樣，這時候我就可以幫著串聯軟件與硬件、技術與運營、商務與法務。

下面這張圖講的就是愿景問題，很多時候大家嘴上說著以為一樣，但其實出入非常大，所以需要大家一起做項目，把想法對齊。我們團隊流動性強，沒有固定組織架構，經常根據項目抽調人手，做完就解散再換。這樣的組織形態下，我作為具體執行者創造的價值不重，但我給大家畫一張圖能兼容所有團隊，就顯得很重要。

甲子光年：2024年你經歷的Magic moment是什么？

侯曉迪：我自己身上其實沒有，我反倒覺得2024年，世界因為AI的技術突破變得特別浮躁。我一如既往的做著我的分析、判斷、實踐，沒什么人信，但其實也不太影響我。唯一區別是，噪音確實大，稍微有點難以適應。

但回頭來看，只不過是大家參加了一場極度瘋狂的嘉年華。嘉年華散場，大家漸漸走出來了。世界的客觀規律沒變我的認知也沒有變，變的是參與群眾。

如果一定讓我說一個2024年的Magic moment，那我不說我自己，換個更宏大的視角談談社會和人類文明演進吧。這是人類加速發展的一年。在2024年底，連我媽都開始用大模型了。大眾正越來越多地擁抱技術，技術也正成為生活不可或缺的一部分，這是好事。同時我看到有更多的，比我認知更深、比我更有想象力的人，開始帶領大眾，對科技、對人工智能、對人類社會、甚至對我們文明的未來命運展開了廣泛而深刻的討論。這個過程是我們這個時代的啟蒙運動。

雖然也有不少批評的聲音，說鐘擺一會兒擺向左邊的極端，一會兒擺向右邊的極端。但如果不站在個體而是站在文明的進程來看，文明的進程很少有直線前進的。 這不是在原地兜圈子，而是在走一條蜿蜒曲折的盤山公路。

甲子光年：你對今年的人工智能和無人駕駛有什么新的期待？

侯曉迪：大模型要在產品層面實現飛躍，不僅靠自身技術突破，更在于與其他技術結合。我期待這一點，也反對盲目堆資源的做法，目前持這種看法的人已不少。

關鍵是把LLM融入計算機科學體系，而不是拋棄已有的技術積累。計算機科學發展近百年，現在很多人只會調大模型，導致技術斷層。但RAG等方向已有突破，搜索和優化的價值也在回歸。

就比如最近很多人談的Chain of Thought 思維鏈，現在發出來的不少工作還是基于經驗主義在探索，但其實有大量的上上代甚至上三代的古早AI技術，它們背后的哲學思辨和指導方向，遠沒有被吃透，被充分利用。我期待這方面能通過文藝復興的形式，產生下一次大的突破——這和無人駕駛無關，但意義深遠。

One More Thing

甲子光年：3月4日，Bot Auto發布了2025年的無人駕駛商業貨運計劃，這對你們來說意味著什么？

侯曉迪：2025年的無人駕駛商業貨運計劃對我們來說很重要，這事兒可不是拍腦袋決定的。先說重點，今天我們將啟動的休斯敦到圣安東尼奧之間的自動駕駛卡車運營，我們不搞技術表演，這是實打實的商業試運營。

我們是沖著兩個最實在的問題去的：

1.客戶到底愿不愿意用無人卡車運真貨？ 2.對無人駕駛公司，這生意最終能不能賺到真金白銀？

現在這個時間點，外界肯定會有質疑的聲音。但我們看行業現狀，大家都不約而同的把目標定在2025年。這些并非巧合，而是技術成熟度曲線的必然。當硬件冗余設計通過百萬英里測試和軟件迭代速度超過事故發生率時，商業化的窗口自然就打開了。

上一次美國高速公路上有無人駕駛卡車，是2021年。巧了，也是我們團隊做的。自從那個時候起，我就一直在尋找這個問題的答案——怎么才能讓無人駕駛公司盈利。Bot Auto的成立，人員組織架構的搭建，技術路徑的選擇，包括這次的Driver out試點，都是我答案的一部分。

關于這次試運行，有兩點我想強調：

1.本次試點將嚴格記錄完全無人駕駛卡車的真實運營成本，從硬件成本、油耗到出車效率，檢修頻次，我們會把所有運營數據都視為可審計的財會數據； 2.我們拒絕“為自動駕駛而自動駕駛”，所有技術創新必須經受商業驗證。這四個月的試運營，會直接指導我們后續的工作重心。

最后引用我常對團隊說的話：“無人駕駛的終極測試不在實驗室，而在貨運公司的損益表里。”2025年，我們會用真實貨物、真實路線、真實賬單，向行業證明自動駕駛卡車不是科幻概念，而是可規?；纳a力工具。

（封面圖來源：受訪者提供）