上周，在纽约市的一场盛大活动中，通用汽车公布了其以AI驱动的车辆开发、先进电池技术、高性能车载计算机和自动驾驶为中心的新技术路线图。其中一些信息并不新鲜：我们早已知道，这家汽车制造商正在开发免手动的、无需看向路面的自动驾驶技术，并且一直在试验新的电池化学材料。从某种意义上说，活动的真正目的在于展示这些元素是如何结合在一起的。通过其新推出的“智能定义车辆”范式，通用汽车寄希望于人工智能、集中计算和虚拟工程，旨在将车辆开发时间缩短一半，力求将典型的四到五年过程压缩到仅超过两年。然而，这一高科技改革是在行业面临严重挑战和极其微薄的容错率的背景下进行的。通用汽车的激进转变正值这家汽车制造商面临一波高效能的中国电动车制造商的全球扩张浪潮之际。同时，美国电动车需求的放缓迫使通用汽车重新调整电气化的希望，平衡数十亿美元对下一代电池工厂的投资与持续的软件开发成本。毫无疑问，对于通用汽车而言，将未来押注在未经过验证的软件架构和自动驾驶技术上是一场高风险的赌博：如果这些复杂的AI系统出现故障或开发进度滞后，通用汽车将面临巨额资金的消耗，同时在灵活的竞争对手（如特斯拉）面前进一步落后，这些竞争对手从一开始就是以软件优先的公司。在活动后，我与通用汽车的首席产品官斯特林·安德森坐下来，讨论了公司的冒险新项目，以及他计划如何引领这个拥有百年历史的底特律巨头穿越一个越来越快、以软件驱动的世界。这个采访经过轻微编辑，以便于长度和清晰度。因此，这确实是一次重大宣布——有很多不同的部分。你认为这里是否有一个统一的主题？如果有，你认为是什么？汽车变得更智能了。就是这样？就是这样。我想是的。你的车辆正在成为一个值得信赖的智能伴侣，我们以多种方式实现这一点。我想我可能是为数不多的几个对我们在开发过程中所做的事情感到如此兴奋的人，这使得这一过程更快、更好。我不知道有多少人能够以我认为它应有的精神得出这样的结论，但当我们能进行数百次的设计决策时——以前只能容纳一次——我们能够达到的测试水平和性能最优化是巨大的。真的是巨大的。我已经被我在活动后遇到的两个人问过：“嘿，安全呢，速度是否以牺牲安全为代价？”我们获得速度的方式是通过虚拟化测试，使我们能够提高安全性。历史上，我只能承担X个原型去进行碰撞测试，这需要六个月。现在，我在虚拟世界中启动数千个测试，从中获得的反馈要快得多。因此，我获得了速度，获得了安全，更好的覆盖率和更好的理解。在这个过程中，还有很多额外的收益。“我在虚拟世界中启动数千个测试，从中获得的反馈要快得多。”——斯特林·安德森你们使用的AI模型是什么？我知道你提到过数据在这里是某种货币，因此显然你们从自己的客户那里提取了很多数据，但外面也有许多产品可用。内部提取和外部寻找之间的分界线是什么？这是个好问题。这取决于我们如何使用它。在许多情况下，基于变换器的基础模型启用了我提到的一些生成设计功能——我们拥有基于几十年的设计文件、分析等的足够内部数据，这使得我们能训练出一个能够很好表达我们数据的系统。但是，我们可以访问——在许多情况下，任何人都可以访问——大量的数据来为我们提供信息。在通用汽车的墙外存在的数据与这些模型共同训练，往往使其变得更出色。因此，我们对所有模型都这样做。你提到过从确定性代码转向从世界结构和数据中学习的概率性AI。你具体是如何将这些模型嵌入到车辆中的？有多少是在本地运行，多少是从云中提取的？对于任何安全关键功能，推理是在车载系统上进行的，因为我们无法处理延迟、可能的中断或其他问题。你今天早些时候看到的一些团队展示的例子，比如OnStar AI交互，并不是安全关键的。你可能注意到，由于延迟，你在这些交互中有一些往返，因为我们不需要全部在车载系统上运行。