加州大學(xué)伯克利Dr. Allen Yang

當(dāng)前，人工智能行業(yè)正深陷 “GPU 競(jìng)賽” 的熱潮，在2026年CES（國(guó)際消費(fèi)電子展）現(xiàn)場(chǎng)隨處可見對(duì)云端 AI 應(yīng)用的熱議，“人均GPU 數(shù)量” 成為衡量技術(shù)實(shí)力的熱門指標(biāo)，從企業(yè)到國(guó)家層面都在追逐算力的堆砌。

美西時(shí)間1月6日-8日，鈦媒體CES 2026「Talk to the World」系列論壇在拉斯維加斯舉辦。會(huì)上，加州大學(xué)伯克利分校Vive 增強(qiáng)現(xiàn)實(shí)中心創(chuàng)始執(zhí)行主任Dr. Allen Yang提出了一個(gè)清醒而關(guān)鍵的觀點(diǎn)：我們應(yīng)超越云端，將目光投向物理世界，探尋物理 AI 的下一個(gè) “AlphaGo時(shí)刻”。

作為伯克利 Vive 增強(qiáng)現(xiàn)實(shí)中心創(chuàng)始執(zhí)行主任，Dr. Allen Yang主導(dǎo)著 AR/VR、元宇宙及賽車自動(dòng)駕駛?cè)髣?chuàng)新方向。過去四年，他帶領(lǐng)伯克利 AI 賽車隊(duì)連續(xù)征戰(zhàn) CES 自動(dòng)駕駛挑戰(zhàn)賽，并在 2025 年斬獲頭對(duì)頭超車項(xiàng)目冠軍。這些扎根物理場(chǎng)景的實(shí)踐讓他深刻意識(shí)到，物理 AI 與依賴云端數(shù)據(jù)的大型語言模型有著本質(zhì)區(qū)別，其真正的 “分水嶺時(shí)刻” 尚未到來。

他指出，雖然以AlphaGo和大型語言模型為代表的AI已取得里程碑式突破，但物理AI仍亟待屬于自己的“分水嶺時(shí)刻”。其挑戰(zhàn)并非源于算力不足，而是根植于物理世界獨(dú)特的復(fù)雜性。

首先，物理AI極度缺乏覆蓋所有極端場(chǎng)景的訓(xùn)練數(shù)據(jù)。不同于語言模型可汲取數(shù)十年互聯(lián)網(wǎng)的養(yǎng)分，現(xiàn)實(shí)世界中的“邊緣案例”——如罕見的天氣、突發(fā)障礙物、極端的機(jī)械故障——難以被窮盡采集。

其次，毫秒級(jí)的實(shí)時(shí)響應(yīng)是生命線。在高速行駛或緊急救援中，決策延遲意味著失敗甚至災(zāi)難。一個(gè)開源項(xiàng)目“LLM Colosseum”的實(shí)驗(yàn)生動(dòng)地證明了這一點(diǎn)：在《街頭霸王》游戲中，雖然小模型單次決策精度較低，但其高頻的決策速度能使其戰(zhàn)勝響應(yīng)緩慢的大型模型。這印證了那句古老的格言：完美是優(yōu)秀的敵人。

再次，眾多前沿場(chǎng)景中“云端”是缺席的。無論是月球探索、礦難救援，還是火災(zāi)現(xiàn)場(chǎng)，穩(wěn)定、高速的網(wǎng)絡(luò)連接都是奢望。在這些領(lǐng)域，部署在設(shè)備本地的“邊緣AI”是唯一可行的智能。

為攻克這些挑戰(zhàn)，Dr. Allen Yang的團(tuán)隊(duì)選擇在最具挑戰(zhàn)性的賽道上進(jìn)行實(shí)戰(zhàn)——高速自動(dòng)駕駛賽車。

在 2025 年 CES 自動(dòng)駕駛挑戰(zhàn)賽中，賽車實(shí)現(xiàn) 140 英里 / 小時(shí)的全自主行駛，伯克利車隊(duì)更是以 163 英里 / 小時(shí)的速度完成超車。當(dāng)普渡大學(xué)賽車嘗試反超時(shí)，兩車因彎道漂移打破 2-5 米安全距離，雙雙自動(dòng)緊急制動(dòng)，這一場(chǎng)景反映出，在動(dòng)態(tài)、高速的物理交互中，AI系統(tǒng)不僅需進(jìn)行復(fù)雜的實(shí)時(shí)感知與規(guī)劃，更必須在安全規(guī)則與競(jìng)爭(zhēng)目標(biāo)之間做出平衡。此后，他們又將賽道延伸至中國(guó)張家界天門山。這條全長(zhǎng)10.77公里、擁有99道彎的山路，為自動(dòng)駕駛系統(tǒng)提供了包含陡坡、急彎與多變天氣的綜合測(cè)試場(chǎng)。清華大學(xué)、浙江大學(xué)等九所國(guó)內(nèi)高校參與了相關(guān)項(xiàng)目。

2026年，Dr. Allen Yang進(jìn)一步宣布，將在原有賽事基礎(chǔ)上增設(shè)天門山人形機(jī)器人挑戰(zhàn)賽，邀請(qǐng)研發(fā)機(jī)構(gòu)測(cè)試機(jī)器人在非結(jié)構(gòu)化地形——如攀登999級(jí)臺(tái)階——中的移動(dòng)與決策能力。他表示，物理AI的進(jìn)展不僅依賴于算法與硬件的迭代，也有賴于跨學(xué)科協(xié)作與在真實(shí)場(chǎng)景中持續(xù)積累的經(jīng)驗(yàn)。在極端環(huán)境下的技術(shù)實(shí)踐與人才培養(yǎng)，或?qū)樾袠I(yè)帶來新的啟發(fā)。

以下為Dr. Allen Yang演講全文，經(jīng)鈦媒體編輯：

大家好，歡迎大家來到CES，我是Dr. Allen Yang。首先感謝鈦媒體的邀請(qǐng)，如今 CES 上到處都在談?wù)摶谠频娜斯ぶ悄軕?yīng)用。我也聽說，當(dāng)人們尋找下一個(gè)酷炫的人工智能應(yīng)用時(shí)，每個(gè)人都在問的一個(gè)問題是關(guān)于這個(gè)叫做GPP的新東西，我剛剛才知道這是指一家公司里人均擁有多少個(gè) GPU。所以擁有的 GPU 越多，似乎就越強(qiáng)大，甚至有人在問一個(gè)國(guó)家能有多少個(gè) GPU 來推動(dòng)應(yīng)用的發(fā)展。但今天我想邀請(qǐng)大家把目光超越云端，探尋物理人工智能領(lǐng)域的下一個(gè)“AlphaGo時(shí)刻”。

先簡(jiǎn)單介紹一下我自己。今年 2026 年對(duì)我來說也是個(gè)不錯(cuò)的年份，因?yàn)槲乙言诩又荽髮W(xué)伯克利分校工作了 20 年。在伯克利，我目前是 Vive 增強(qiáng)現(xiàn)實(shí)中心創(chuàng)始執(zhí)行主任，之前曾是馮氏工程領(lǐng)導(dǎo)力研究院的首席科學(xué)家。我很自豪能在三個(gè)領(lǐng)域引領(lǐng)創(chuàng)新：第一個(gè)是增強(qiáng)現(xiàn)實(shí) / 虛擬現(xiàn)實(shí)（AR/VR），第二個(gè)是元宇宙（Metaphors），第三個(gè)是賽車應(yīng)用中的自動(dòng)駕駛技術(shù)。

今年回到 CES，對(duì)我來說是個(gè)五味雜陳的時(shí)刻，因?yàn)檫@讓我想起，在過去的四年里，我們一直帶領(lǐng)伯克利人工智能賽車隊(duì)連續(xù)參加自動(dòng)駕駛挑戰(zhàn)賽。過去四年的 CES 都有我們的身影。特別是在去年 2025 年 CES 上，伯克利人工智能賽車隊(duì)贏得了頭對(duì)頭超車項(xiàng)目的冠軍。

今天，我想談?wù)勎锢砣斯ぶ悄?。之所以伯克利以及許多與我們競(jìng)爭(zhēng)的大學(xué)會(huì)投身其中，是因?yàn)槲覀兿肱嘤乱粋€(gè) “分水嶺時(shí)刻”。

這些分水嶺時(shí)刻對(duì)培養(yǎng)未來的人工智能用戶至關(guān)重要，而且大家都知道，到目前為止，人工智能創(chuàng)新無疑是吸引數(shù)百萬用戶速度最快的技術(shù)，對(duì)吧？這其實(shí)要?dú)w功于人工智能過去的分水嶺時(shí)刻，比如 IBM 研發(fā)的 “深藍(lán)”、DeepMind 研發(fā)的 “AlphaGo”。

現(xiàn)在，每個(gè)人都知道強(qiáng)化學(xué)習(xí)，在過去三年里，大型語言模型也應(yīng)運(yùn)而生。所以，在來 CES 準(zhǔn)備PPT之前，我本打算說服大家，物理人工智能仍在等待屬于它的黃金時(shí)刻，也就是它自己的分水嶺時(shí)刻。

為什么這么說呢？第一個(gè)原因是，盡管強(qiáng)化學(xué)習(xí)造就了世界上最厲害的圍棋選手，能擊敗所有圍棋大師。但現(xiàn)在，如果你和自動(dòng)駕駛公司交流就會(huì)發(fā)現(xiàn)，僅靠強(qiáng)化學(xué)習(xí)，還不足以打造出像人類一樣擅長(zhǎng)駕駛的自動(dòng)駕駛系統(tǒng)。

一個(gè)關(guān)鍵的例子就是我們慘痛經(jīng)歷過的 “Beta 三時(shí)刻”。在這里，我準(zhǔn)備了一段短視頻，向大家展示伯克利人工智能賽車隊(duì)過去經(jīng)歷的一個(gè)關(guān)鍵失敗時(shí)刻。

這段視頻會(huì)讓大家看到我們學(xué)到的東西，以及我們?cè)诓死驮S多大學(xué)里，認(rèn)真教給最優(yōu)秀學(xué)生的知識(shí)。當(dāng)我們把這些理論應(yīng)用到高速人工智能賽車的現(xiàn)實(shí)世界中時(shí)，我們發(fā)現(xiàn)，課本上的知識(shí)往往無法直接奏效。

（視頻播放）

這是 2024 年在印第安納賽車場(chǎng)，伯克利對(duì)陣圣母大學(xué)（Uni More，結(jié)合語境推測(cè)）的一段短視頻。接下來，大家就會(huì)明白我在說什么了。

當(dāng)時(shí)發(fā)生了什么呢？

在這場(chǎng)比賽之前，印第安納賽車場(chǎng)遭遇了特大暴雨，由于云層厚重，GPS 衛(wèi)星信號(hào)丟失。我們的賽車系統(tǒng)在那一刻決定將定位源信號(hào)從一個(gè)系統(tǒng)切換到另一個(gè)系統(tǒng)。這些混合系統(tǒng)的不一致性，導(dǎo)致我們的控制算法選擇了錯(cuò)誤的行駛曲率，而不是正確的那條。這恰恰說明，當(dāng)我們談?wù)撐锢砣斯ぶ悄軙r(shí)，它實(shí)際上是理論與實(shí)踐、科學(xué)與工程的深度結(jié)合。

在來 CES 之前，我還準(zhǔn)備了第二個(gè)理由，想說服大家物理人工智能的分水嶺時(shí)刻尚未到來。

我的第二個(gè)論點(diǎn)是，行為智能似乎比語言智能更基礎(chǔ)。

在座有孩子的各位可能都能理解，人類嬰兒在學(xué)會(huì)用母語描述世界之前，就已經(jīng)會(huì)通過行動(dòng)去探索未知的世界了。但現(xiàn)在，在CES 上，多虧了黃仁勛的主題演講，我們知道英偉達(dá)已經(jīng)全面進(jìn)軍物理人工智能的新時(shí)代。所以，我覺得他們幫我省去了很多說服大家的功夫。

我想，在 CES 上，大家已經(jīng)聽說了很多很棒的新工具，它們能幫你獲得更多 GPU、更大內(nèi)存，還能實(shí)現(xiàn)更長(zhǎng)的思考過程。或許你還會(huì)用到混合專家模型（Mixture of Experts）、思維鏈（Chain of Thoughts），讓你的 GPT 模型思考得更聰明、更深入。不過，拋開這些優(yōu)秀的工具，我想針對(duì)物理人工智能補(bǔ)充幾個(gè)觀察結(jié)論。

第一，物理人工智能需要更多的極端邊緣案例。

為什么這么說呢？當(dāng)我們?yōu)榇笮驼Z言模型增加更多 GPU 時(shí)，強(qiáng)大的計(jì)算平臺(tái)本身就能讓 GPT 模型變得更聰明。為什么？因?yàn)樗械?GPT 模型都從互聯(lián)網(wǎng)獲取知識(shí)。

自互聯(lián)網(wǎng)泡沫以來的 30 年里，互聯(lián)網(wǎng)幾乎已經(jīng)涵蓋了所有的邊緣案例、世界上所有的語言，你只需編寫一個(gè)腳本就能爬取互聯(lián)網(wǎng)上的這些數(shù)據(jù)。事實(shí)上，你甚至可以說，互聯(lián)網(wǎng)為語言模型準(zhǔn)備的內(nèi)容太多了。有時(shí)候，我們的人工智能模型會(huì)從這些數(shù)據(jù)中學(xué)習(xí)到不良內(nèi)容。這就像我們必須向孩子屏蔽那些不好的語言，避免他們學(xué)到一樣。

但如果切換到物理人工智能領(lǐng)域，很容易就能明白，如今沒有任何一家物理人工智能公司能聲稱，他們已經(jīng)積累了足夠多的物理人工智能數(shù)據(jù)，涵蓋了所有的極端邊緣案例。

我想分享的第二個(gè)觀察結(jié)論是，除了需要覆蓋所有邊緣案例，物理人工智能還要求極高的毫秒級(jí)低延遲性能。

對(duì)于 GPT 模型來說，增加更多 GPU 會(huì)消耗更多能源、更多時(shí)間，這也會(huì)導(dǎo)致訂閱費(fèi)用更高，對(duì)吧？所以，你要為你的算力、云服務(wù)、使用時(shí)長(zhǎng)支付更多費(fèi)用。但在物理人工智能領(lǐng)域，情況并非如此 —— 為更大的模型支付更多費(fèi)用，并不一定能帶來成功的解決方案。

我給大家舉個(gè)例子。

有一個(gè)名為 “LLM Colosseum” 的開源項(xiàng)目，在這個(gè)項(xiàng)目中，作者們對(duì)接了不同類型的語言模型，讓它們操控游戲角色玩《街頭霸王 3》。比如，在這段視頻中，你可以讓 ChatGPT 操控紅色的角色。你也可以讓另一個(gè)可能更小的模型，比如 Mistral，操控綠色的角色。

然而，實(shí)驗(yàn)結(jié)果出來后，相當(dāng)令人驚訝 —— 或者說，取決于你的視角，也可能并不驚訝。“LLM Colosseum” 的實(shí)驗(yàn)發(fā)現(xiàn)，雖然小型模型的單次推理精度較低，但它們每秒、每分鐘能進(jìn)行更快的推理，做出的決策數(shù)量也比大型語言模型多得多。

換句話說，英語中有句老話 “完美是優(yōu)秀的敵人”，在物理人工智能領(lǐng)域，你寧愿每秒獲得 50 次、100 次（或赫茲級(jí)）的不完美決策，也不愿用一個(gè)龐大的大型模型，每秒只能進(jìn)行 1 到 2 次完美決策。在這種情況下，小型模型實(shí)際上會(huì)比大型模型表現(xiàn)更好。

我想分享的第三個(gè)觀察結(jié)論是，在更多前沿應(yīng)用場(chǎng)景中，月球上可沒有云端，所以你根本沒有機(jī)會(huì)為你的云端和互聯(lián)網(wǎng)搭建現(xiàn)代化的基礎(chǔ)設(shè)施。這些前沿應(yīng)用包括火災(zāi)救援。當(dāng)發(fā)生火災(zāi)、你的房子被燒毀、整個(gè)社區(qū)都被燒毀時(shí)，你怎么可能還能用上互聯(lián)網(wǎng)呢？這還包括油氣勘探、采礦作業(yè)。

當(dāng)然，當(dāng)我們考慮幫助美國(guó)國(guó)家航空航天局（NASA）將宇航員送往月球和火星時(shí)，我們?nèi)绾未蛟斐瞿苋菁{整個(gè)機(jī)構(gòu)所有知識(shí)的智能宇航服？但與此同時(shí)，我們不可能先在月球或火星上搭建云端。月球上沒有云端。

總而言之，我今天想和大家分享的觀點(diǎn)是，除了尋找能提供更多 GPU、更大內(nèi)存、更長(zhǎng)思考過程（比如下一個(gè)思維鏈技術(shù)）的優(yōu)秀新工具，我們還必須把目光超越云端，將物理人工智能視為下一個(gè)前沿領(lǐng)域。

為什么？有三個(gè)原因。

第一，邊緣案例與安全對(duì)人類用戶至關(guān)重要。

因此，當(dāng)我們部署物理人工智能機(jī)器人或汽車，讓它們與我們共享同一個(gè)環(huán)境時(shí)，這些系統(tǒng)必須在邊緣端實(shí)現(xiàn)毫秒級(jí)延遲的決策。無論你的云端技術(shù)多么復(fù)雜，至少你必須有一個(gè)本地解決方案作為安全備份。

第二，對(duì)于許多前沿應(yīng)用來說，邊緣人工智能就是你唯一能依賴的人工智能 —— 你沒有能力為你的應(yīng)用、宇航員或作業(yè)人員搭建云端。

以上就是我想分享的主要觀點(diǎn)和理由，我試圖說服大家，對(duì)于物理人工智能應(yīng)用，我們必須把目光超越云端。

接下來，我想和大家分享一些我們?yōu)樘綄の锢砣斯ぶ悄芟乱粋€(gè)分水嶺時(shí)刻所做的創(chuàng)新嘗試。

第一個(gè)是回顧 2025 年 CES 印第安納自動(dòng)駕駛挑戰(zhàn)賽，在這場(chǎng)比賽的決賽中，伯克利人工智能賽車隊(duì)對(duì)陣普渡大學(xué)人工智能賽車隊(duì)的頭對(duì)頭超車項(xiàng)目。五年后，參與自動(dòng)駕駛挑戰(zhàn)賽的十支隊(duì)伍已經(jīng)實(shí)現(xiàn)了 140 英里 / 小時(shí)（約 225 公里 / 小時(shí)）的全自主行駛基準(zhǔn)速度。

140 英里 / 小時(shí)，這個(gè)基準(zhǔn)速度是加州或內(nèi)華達(dá)州高速公路限速的兩倍，在那些地方，超過這個(gè)速度就會(huì)被開罰單。

除此之外，比賽規(guī)則要求進(jìn)行頭對(duì)頭競(jìng)爭(zhēng)，進(jìn)攻方需要制定正確的行為和運(yùn)動(dòng)規(guī)劃，才能超越防守方。作為進(jìn)攻方，你必須在超過 140 英里 / 小時(shí)的速度下，成功選擇一條清晰的路線，超越你的 “對(duì)手舞伴”（指防守方賽車）。

大家可以看到，藍(lán)色的是伯克利的賽車，金色的是普渡大學(xué)的賽車，這是去年在拉斯維加斯賽車場(chǎng)舉辦的 CES 比賽中的場(chǎng)景。伯克利的賽車以 163 英里 / 小時(shí)（約 262 公里 / 小時(shí)）的最高速度超越了普渡大學(xué)的賽車。這比 140 英里 / 小時(shí)的基準(zhǔn)速度還要快 20 英里。

接下來，很快大家就會(huì)看到，按照比賽規(guī)則，普渡大學(xué)的賽車要嘗試反超伯克利的賽車，但這時(shí)發(fā)生了一些事情。

普渡大學(xué)的賽車還沒準(zhǔn)備好，現(xiàn)在他們得加把勁了。所以，決定是跟在后面還是超車，完全是自主進(jìn)行的。場(chǎng)邊的學(xué)生和教職員工什么也做不了。他們唯一能按的按鈕就是放棄，也就是切斷電源。除了切斷電源，他們只能站在一旁，等著看電腦如何運(yùn)作。兩個(gè)系統(tǒng)之間沒有任何通信。

除了要負(fù)責(zé)自己的駕駛決策，你還必須感知對(duì)手的動(dòng)向，猜測(cè)對(duì)手要做什么。

普渡大學(xué)的賽車來了。

速度飆升到 158 英里 / 小時(shí)，他們還沒完成超越，沒完成超越。沒有發(fā)生碰撞。所以，如果你想看碰撞的畫面，可能會(huì)有點(diǎn)失望。

但當(dāng)時(shí)的情況是，根據(jù)比賽規(guī)則，兩輛車之間必須保持 2 到 5 米的安全距離。

如果任何一輛車或兩輛車都檢測(cè)到安全距離被侵犯，根據(jù)規(guī)則，車輛應(yīng)該立即剎車。不幸的是，普渡大學(xué)的賽車嘗試超越伯克利賽車的那一刻，正好是在彎道處。如果你在彎道處高速行駛，賽車會(huì)向外側(cè)漂移。正是因?yàn)檫@種漂移，安全距離被打破了。所以兩輛車實(shí)際上同時(shí)啟動(dòng)了緊急剎車。

但因?yàn)檫@是一場(chǎng)比賽，進(jìn)攻方（普渡大學(xué)賽車）剎車就意味著放棄比賽，就在那一刻，兩輛車都做出了正確且智能的決策，保護(hù)了安全距離，退出了高速行駛。

也正是在那一刻，去年在 CES 上，伯克利的賽車以 163 英里 / 小時(shí)的最高速度，贏得了頭對(duì)頭超車項(xiàng)目的冠軍。

我想，作為擁有這輛價(jià)值 100 萬美元賽車的教職員工之一，同時(shí)也是監(jiān)督研究生參與這項(xiàng)全年無休的高速方程式風(fēng)格比賽的導(dǎo)師，對(duì)我來說，最寶貴的時(shí)刻。

其實(shí)并不是我們的賽車超越了其他賽車。而是在那一刻，學(xué)生們臉上露出的笑容和滿足感 —— 他們真正學(xué)到了如何突破物理人工智能極限的關(guān)鍵知識(shí)，我認(rèn)為這就是教育的價(jià)值。

而且我認(rèn)為，對(duì)于所有想打造下一個(gè)產(chǎn)品的企業(yè)家和初創(chuàng)公司來說，這才是最寶貴的資產(chǎn)，這些學(xué)生正是你們應(yīng)該溝通合作的對(duì)象。

我很期待能和大家交流，如果你想?yún)⑴c進(jìn)來，共同創(chuàng)造下一個(gè)分水嶺時(shí)刻，接下來，我想給大家展示另一個(gè)領(lǐng)域的案例。

把賽車推向高速只是邊緣案例中的一種，事實(shí)上，這是一種你本不應(yīng)該遇到的邊緣案例，也就是人類駕駛員非法將自動(dòng)駕駛汽車開到法定限速以上的情況。

但對(duì)于來自中國(guó)的觀眾來說，2025 年中國(guó)有一個(gè)名為 “懂車帝” 的社交媒體平臺(tái)，他們創(chuàng)建了六大類邊緣案例，對(duì) 20 多款自動(dòng)駕駛系統(tǒng)的性能進(jìn)行了測(cè)試。

當(dāng)然，這不是你想和家人一起遇到的邊緣案例，而這實(shí)際上是最新的測(cè)試結(jié)果，無疑是亞洲范圍內(nèi)最全面的自動(dòng)駕駛測(cè)試，涵蓋了六大類邊緣案例。

這六大類邊緣案例充分表明，至少在自動(dòng)駕駛領(lǐng)域，物理人工智能的分水嶺時(shí)刻尚未到來。

為了解決這個(gè)問題，我和我的團(tuán)隊(duì)實(shí)際上打造了下一個(gè)人工智能賽車核心挑戰(zhàn)賽。

所以，在這個(gè)案例中，我們的目標(biāo)是見證下一個(gè) “AlphaGo時(shí)刻”

我們并不是要在一級(jí)方程式賽道上追求最高速度，所以我們邀請(qǐng)了九所大學(xué)，帶來了最先進(jìn)的電動(dòng)汽車平臺(tái)，其中一款最頂尖的電動(dòng)汽車平臺(tái)，來到了中國(guó)張家界的天門山。

這條賽道是一條山路，全長(zhǎng) 10.77 公里，海拔落差超過 1000 米，有 99 個(gè)急彎。幾乎都是 180 度的彎道，我們還涵蓋了復(fù)雜的雨天和霧天山地氣候。

對(duì)于那些還不了解天門山和張家界的人來說，這里是電影《阿凡達(dá)》中潘多拉星球取景地的原型。所以在 2025 賽季，我們成功與中國(guó)九所頂尖大學(xué)合作，共同探尋人工智能的下一個(gè)分水嶺時(shí)刻。

這些大學(xué)包括清華大學(xué)、浙江大學(xué)、上海交通大學(xué)、西安交通大學(xué)、湖南大學(xué)、武漢理工大學(xué)、吉林大學(xué)和海南大學(xué)。

接下來，我想給大家看一段有趣的視頻。

（天門山比賽視頻）

視頻就到這里。所以，自動(dòng)駕駛的分水嶺時(shí)刻已經(jīng)到來了嗎？還沒有。

因?yàn)閷?duì)于那些積極參與人工智能賽車的人來說，我們知道，目前最好的人工智能解決方案，首先，據(jù)我所知，還沒有端到端的解決方案。沒有任何大學(xué)或公司能承受用強(qiáng)化學(xué)習(xí)去 “懲罰” 一輛價(jià)值 100 萬美元的方程式賽車，這永遠(yuǎn)行不通。

其次，我們知道，下一個(gè)前沿領(lǐng)域可能是將 “從 A 點(diǎn)到 B 點(diǎn)的自動(dòng)駕駛” 與下一個(gè)應(yīng)用場(chǎng)景相結(jié)合，這將引領(lǐng)我們發(fā)現(xiàn)那個(gè)分水嶺時(shí)刻，也就是 “AlphaGo時(shí)刻”。

對(duì)于 2025 年的物理人工智能來說，我們非常自豪地看到，我們的比賽已經(jīng)引發(fā)了大量關(guān)于 “人類與物理人工智能” 的討論，在不久的將來，它可能會(huì)成為全球關(guān)注的焦點(diǎn)。僅 2025 年的比賽，就吸引了超過 50 萬人在為期 6 周的時(shí)間里親臨現(xiàn)場(chǎng)觀看。在線上，比賽的觀看量超過了 10 億次，當(dāng)然，每所大學(xué)都有自己的粉絲。此外，相關(guān)的社交媒體討論也超過了 800 萬條，所以這是一個(gè)在一年內(nèi)迅速走紅的頂級(jí)賽事之一。

那么，我們接下來要走向何方？

明年，也就是 2026 年 CES，今天我很高興能和大家分享一個(gè)消息：在 2026 年的人工智能賽車比賽之外，我們將與天門山國(guó)家公園密切合作，邀請(qǐng)所有有能力的人形機(jī)器人公司，來嘗試創(chuàng)造他們的分水嶺時(shí)刻 —— 也就是他們的 “AlphaGo時(shí)刻”，讓機(jī)器人從天門山山腳攀登 999 級(jí)臺(tái)階，抵達(dá)山頂?shù)奶扉T。

最后，感謝大家的聆聽。

(文｜引擎視角，作者｜韓敬嫻，編輯｜李玉鵬)