跑通全美全无人卡车首单后，他说要拿到无人驾驶的定义权 | Linear Voice
L4真正的战场是“没有借口”。
L4卡车全无人，侯晓迪某种程度跑在了马斯克前面。 在马斯克宣布量产版Semitruck下线前一天，侯晓迪带领线性资本天使轮企业「Bot Auto」跑通了全美第一单全无人自动驾驶卡车商业首单。
今天分享的内容，是侯晓迪最近接受智见autoweek的采访内容。在他看来，很多公司还是在用科技产品的思路做无人驾驶，而不是用工业化产品的思路。
在无人驾驶甚至物理AI领域，重要的是，单位经济成本能不能跑通。已经跑通的单位成本，能不能进一步规模化。实现规模化，才有可能诞生一家伟大的公司。
在今天无人驾驶的叙事里，每个创业者似乎都都在争夺定义权。
在4月30日马斯克宣布量产版Semitruck下线的前一天，与马斯克同样把无人驾驶卡车业务扎根于德克萨斯州的侯晓迪，带领Bot Auto跑通了全美第一单全无人自动驾驶卡车商业首单——没有安全员坐在驾驶座，没有远程人工实时兜底，完成了从装货、运输到卸货的完整真实货运流程。
但这次的侯晓迪不希望只做比马斯克更早一步的人，他希望拿到一次重新校准无人驾驶标准的机会。
在侯晓迪看来，过去十年，无人驾驶行业缺乏统一标准，各家自行定义成功：以OEM合作数量衡量商业化，以车队规模等同于规模化，以主观筛选的MPI等各项指标标榜技术水平，以新概念吸引资本。
他的核心论断是：做不到降低每英里运营成本的无人驾驶公司，全都是耍流氓，包括我们自己在内。
这是他带领Bot Auto在美跑通全无人首单后首次接受的访谈，以下为智见autoweek和侯晓迪的采访内容。
Q： 恭喜你用了24个月就跑通全美第一单全无人自动驾驶卡车商业首单，甚至比4月30日宣布量产版SemiTruck的马斯克还早一步，对你而言，这次跑通首单，想向行业和市场证明什么？
侯晓迪： 对我来说，其实不是我要向世界证明什么，这太中二，我都40多岁了，这件事只是我们走向最终成功的必经之路而已。
如果非要说我有什么私心，那就是我想借着这个机会给无人驾驶行业做一些定义。
现在很多人的逻辑都很奇怪：车多了，就叫商业化运营；开始收费了，也叫商业化运营。 基本上每家公司都在按自己的规则定义商业化。
也正因为这样，在一个还没有统一标准的阶段，整个行业的marketing才会非常混乱。大家不断抛出各种耸人听闻的消息，短期看当然能带来PR和市场优势，但长期一定会反噬自己，也会伤害整个行业。
**Q：**这种混乱具体指什么？现在几乎每家L4公司都在宣称自己进入了商业化阶段。
侯晓迪： 比如有人说只有跟OEM合作多了才算成功、才能商业化。我说这根本不对，你自己运营了多少英里？亏了多少钱？难道拉着OEM跟你一起亏吗？
客户运营也分好坏，如果客户亏钱，过两天就跟你取消合同，那也是你的失败。反过来，我们自己运营只要能赚到钱，那就是成功，凭什么非要把成功强行定义成客户运营？
还有的公司说我一下买200辆车、铺十几条线路就是规模化了。
所以如果说这次跑通首单我有什么目的，那就是希望能定义清楚什么才是真正的成功。
一个合理的定义，应该是把所有信息、所有子项都纳入进来，让你没有借口。 比如最简单的一种方式，就是把所有和车辆里程积累相关的成本全部算进去，不管这辆车跑的是什么场景、什么任务，最后统一除以车辆总里程。
这个结果，其实就是每英里成本（cost per mile 以下简称：CPM）。我认为，这是一个相对诚实、也相对没办法包装的指标。
Q： 你们现在融资是否还顺利？
侯晓迪： 创业公司本来就一直在融资，但过去这些年，外界关于我们的各种传言也一直没停过。
有人说我们要卖给Amazon，有人说我们要收购别的公司，甚至还有人传我和投资人的各种故事。很多消息其实都没什么根源，传着传着就变了样。
融资我们当然一直在谈，而且我们的资金链一直没断，事情也一直在往前推进。
**Q：**你给无人驾驶卡车真正商业化下的终极定义是什么？
侯晓迪： 我觉得无人驾驶公司，或者更泛一点说物理AI公司，真正需要关注的只有一个问题：我们的单位经济成本能不能跑通。然后已经跑通的单位成本，能不能进一步规模化。
你不能说技术有多厉害，关键是什么时候能跑通商业闭环。
所以我觉得，现在最复杂最火热的这些物理AI新话题落到结果上其实很简单，就是到底能不能证明自己是赚钱的，而不是亏钱的。
Q：你公开提到的每英里0.64美元成本数据，这个口径具体怎么算？哪些成本算进去，哪些成本没算进去？
侯晓迪： 如果按我们内部全口径去算，去年整体其实还是3美元多一英里。这里面包括司机成本、无人驾驶套件、车辆本身等所有和运营相关的成本。因为去年绝大多数里程还是有人在车上跑出来的，所以司机成本一定得算。
我们的核心逻辑很简单：只要这项支出和车队里程存在比例关系，它就应该被计入。
比如存储成本，里程越高、数据越多，成本自然越高，那就算进去。但像deep learning模型训练这种成本，训练完之后部署到1辆车还是100辆车，本身不会线性增长，它就不属于按里程摊销的成本。
所以我们最后算的，其实是所有和车队里程强相关的成本，加总之后得到的CPM。
**Q：**你提出过一个很激进的判断：30辆车可能就能实现盈亏平衡，100辆车甚至有机会超过人工CPM。这个底层模型到底是怎么推出来的？
侯晓迪： 美国几家上市的无人驾驶卡车公司，其实已经公开过一些数据。像 Aurora、Kodiak都披露过自己的收入成本，或者类似的等效的。但这里还有一个问题：他们算的所谓成本，到底是不是全口径成本，有些公司其实也未必全算进去了，所以真实成本可能还会更高。
CPM之所以能压得比较低，一个非常核心的原因，就是车真的一直在运营，没有长时间停在那里。
其实你去看很多同行披露出来的运营情况，会发现他们的车辆使用程度并不高。当然，这也是他们自己的审计数据，人家也没必要故意把数字报低。所以我觉得问题的关键不只是你有多少车，而是这些车到底有没有真正跑起来。
**Q：**你一直在强调可用率，这个词为什么这么重要？
侯晓迪：很多公司其实还是在用科技产品的思路做无人驾驶，而不是用工业化产品的思路。
我举个特别简单的例子：Windows笔记本当然也能拍照，但你不会像用手机一样随时拿出来就拍，因为操作复杂度、便捷性完全不一样。
无人驾驶也是一个道理。如果系统不是按工业化运营标准设计，不是按一天跑20个小时、一周跑7天去打磨，始终停留在天天调试的技术产品阶段，车辆使用率一定很低。
一旦使用率低，总成本除以总里程，最终每英里运营成本自然会居高不下。行业真正的问题，往往不是成本太高，而是有效里程太少。
**Q：**拿掉司机之后，算不算L4商业化已经成型？
侯晓迪： 拿掉司机是L4商业成立的必要条件，但不是充分条件。
不拿掉司机，永远赚不到钱；但光拿掉司机还不够。你还必须把单位经济打下来，做到比人更便宜，才有资格谈规模化。只有规模化，才有可能诞生一家伟大的公司。
所以真正的重点，不只是车上有没有司机，而是你有没有能力把这套系统跑通、跑稳、跑大。
**Q：**那你怎么看现在很多公司讲规模化，但实际上还停留在口号阶段？
**侯晓迪：**问题就在于，他们没有真正把自己放到真实运营环境里看。
真正要验证的，不是实验室里跑得多漂亮，而是这个系统能不能在真实世界里产生生产力。 比如油污、恶劣天气、震动、高温、低温骤变、潮湿，这些都不是附加条件，而是现实本身。
你必须在这样的环境里去验证：它能不能真正scale，能不能真正把单车经济做正，能不能真的做到推到成千上万辆车，每辆车还能赚钱。
很多人只是把这句话当口号，但没有真的站到那个运营场景里去想问题。
拿F1和拉力赛举例子，很多无人驾驶公司的思路，更像是在按F1的逻辑做事：追求极致、想象环境是理想化的。但真实世界更像拉力赛，路况复杂、环境恶劣、变量更多、成本结构也完全不同。
所以我觉得，今天做无人驾驶，不能再用高大上的F1叙事去讲了，而应该在真正的拉力赛环境里思考它到底能不能成立。否则，你做的可能不是一个能落地的产品，只是一个看起来很漂亮的概念。
**Q：**提到规模化，你怎么看编队模式？编队模式是否能在一定程度上解决 L4 无人驾驶的盈利难题？
侯晓迪： 我觉得编队模式本身没什么问题。说实话，如果带着那种技术「臭老九」的心态去看，肯定会觉得编队不厉害、技术不高级，肯定会有人拿这个点来批判编队。但在我看来这都无所谓，能赚钱就行。
编队模式到底能不能赚钱。我承认编队模式在一定程度上，确实能解决无人驾驶很多小规模或者小概率发生的问题。
但至少在美国道路上，编队模式是存在硬伤的。
美国这边，如果多辆车贴得很近，还不允许其他车插队，咱们做个思想实验就知道，这其实已经严重阻塞交通了。所以美国很多州的法律都明确禁止这种紧密编队。如果非要做编队，就只能做松散编队，可松散编队就不可避免地会有其他车插进来。
**Q：**你总说安全没必要讲得太多，在你眼中，安全到底是一个已经被解决的工程问题，还是仍然需要不断攻克的科学问题？
侯晓迪： 我同意你一半的说法：在我看来，安全是一个工程难题，不是科学难题。
但这并不意味着安全已经被彻底解决。不是所有号称做L4的公司，都真的解决了安全问题。能把司机拿掉、还能正常上路的公司，才算是跨过了安全的第一个门槛。
而且这不是一劳永逸的。软件版本变了，硬件版本变了，我们就要重新证明自己是安全的。**L4公司每天真正头疼的，就是如何在持续迭代的系统里，既高效测试，又不牺牲安全的全面性和严谨性。**这个问题，比外界想象得更核心。
**Q：**你刚才提到无人驾驶行业的标准是缺失的，那你认为现在行业里最具迷惑性的指标有哪些？背后藏着大家什么样的私心？
侯晓迪： 就像刚才说的，第一个就是「只有跟OEM合作才算成功」这件事就非常扯。
对无人驾驶的商业闭环来说，OEM的价值只有两个：第一是能大规模制造车辆，也就是具备一年造2000辆车的产能，这是OEM独一无二的能力；第二个是在提供产能的基础上，能稍微降低一点造价。
除了这两个优势之外，OEM没有任何额外价值，剩下的全是劣势。
最大的劣势就是OEM的迭代速度远慢于创业公司。 所以当你自己还不需要那么大产能的时候，越早找OEM合作，亏得就越大。
在不需要额外产能的阶段过早绑定OEM，就是给自己戴上手铐，只会越亏越多。
第二个虚假指标是规模化。
在营收成本差还是巨大负数的时候谈规模化，我越看越觉得恐怖，实在不明白为什么很多公司把它当成优势来说。你部署得越多，亏得越多啊！
但绝大多数人没有基础财务概念，看不懂盈亏损益表，只能看懂这家公司部署了100辆车，厉害，那家部署了200辆，更厉害，这让我特别无语。
第三个是无条件的技术乐观主义。
也就是「我现在什么都没有，但未来技术一定会突破」。这也是非常糟糕的心态。深度学习是2012年底爆发的，我们现在根本不知道自己处在历史上的2002年还是2011年。
你还记得ChatGPT刚出来的时候，很多人争论它有没有智能，说它只是信息压缩，甚至说压缩就是智能，还有人说它只能处理互联网上已有的信息，创造不了新东西。
你去看杨立昆早年在X上发的帖子，也在质疑大语言模型的技术水平。就算这样，ChatGPT带来的技术突破也比深度学习小得多。而且这种级别的技术突破，差不多10年才会有一次 —— 上一次是2012年，这一次是2022年底。我很难相信毫无基础的技术乐观靠资本浇灌就能在未来几年实现，我不信。
**Q：**你刚才说的这些之外，行业总在提的MPI（每千英里接管次数）算是什么指标？
侯晓迪： MPI从定义上就有问题，每个企业报出来的数字都是自己审核过的。
只有公司认为某件事不安全、跟安全相关，才会上报；如果公司觉得跟安全无关，就可以不报。所以每家公司的MPI数值，本质上取决于这家公司对安全的主观阈值，几乎跟技术水平无关。
就拿加州政府那个最官方的MPI排名来说，你去看它的原文定义就会发现，里面明确保留了公司主观判断安全阈值的空间。只要有这个主观空间存在，各种牛鬼蛇神的操作就都出来了。
**Q：**你提出过技术资本与共识资本的概念，无人驾驶终局胜出者需要具备什么特质？终局能胜出的玩家，一定是技术资本主导的玩家吗？
侯晓迪： 不是，首先得有技术。很多人都在做，如果没有技术，你可能花1000倍的成本也做不出来，或者做得很差。这是第一点。
但足够聪明的人是有一些的，我觉得中美加起来，轿车、卡车这条线上的主要玩家，差不多也就10个左右。 他们的智力水平、技术水平，或者说技术判断，足够进入这个逐鹿中原的局面。
这本质上首先是技术精英之间的争斗。更重要的是，你不一定要发明了什么，发明本身也有运气和时代背景，但你得真正吃透技术的本质。
谁能很早判断出VLA不work，谁就能少走很多弯路。
**Q：**你对最近行业都在说的VLA已死的说法怎么看？
侯晓迪： 我完全不认同VLA已死这种说法。因为我的看法是，VLA从一开始就没真正活过，也没有任何证据表明它能work。
很多行业里流行的判断，往往只是情绪，不是事实。行业大咖的观点，真正值得看的是他们对长期趋势的判断，而不是一时的概念热度。
比如我觉得中美加起来，真正第一天就没在VLA上投时间、投钱的公司，也就那么几家。
**Q：**你希望十年后，行业公认的自动驾驶核心标准，是什么样子？
侯晓迪： 我觉得很多共识其实已经在慢慢形成了。说句自我标榜的话，我认为CPM这个概念就是我定义的。
是我第一个在行业里举着CPM的大旗，先骂自己再骂同行，说我们所有人都要知耻而后勇 —— 做不到降低CPM的无人驾驶公司，全都是耍流氓，包括我们自己在内。
我是从这个点开始，真正去谈无人驾驶的商业化的。现在越来越多的人开始接CPM这个标准了，虽然很遗憾，大家并没有像我主张的那样，用全包式的口径去计算 —— 也就是不管什么成本都要算进去，别搞各种扣除和猫腻。
但至少现在，在所有分析师和投资人的要求下，CPM已经成了每家公司不得不面对的核心压力指标。 反观MPI（每千英里接管次数）就不一样了，它后面永远跟着一行小字：最终解释权归本公司所有。凡是有这种条款的东西，你永远得不到真诚的答案。
**Q：**现在行业里仍然有一种非常主流的观点：L4必须依赖足够大的车队规模，才有可能真正盈利。但这几年你一直不完全认同这个逻辑。
侯晓迪： 我觉得这里其实有一个误区。你只有一两辆车、五辆车，当然怎么都很难盈利，这个没什么可讨论的。但很多人会下意识把盈利能力和车队规模直接划等号，我觉得这个逻辑并不完全成立。
因为你会发现，在CPM这件事里，尤其是在早期阶段，真正决定优化空间的很多项，其实和车队规模没那么强相关。
有大量工作，其实只靠很少数的车就能完成，而且这些工作能极大提升车辆的使用率和可用率。这里面首先是技术问题。你要让车真正能稳定地被使用，而不是今天这个故障、明天那个问题，最后导致车根本跑不起来。
**Q：**那你们为什么坚持自营车队？自持和自营的核心区别是什么？
侯晓迪： 我觉得大家总期待那种明天突然有个大新闻，然后商业模式彻底变了的时刻，但其实我们的商业模式从2023年开始就没变过。
至少在早期阶段，我们一定会自己去运营车队。这里其实还有一个容易被误解的点，很多人会问：你们到底是不是自持车队？为什么一定要自持？但其实，自持和自营是两回事。
我们从来没嘴硬说一定要自己持有所有车辆。今天很多车其实也不属于我们本身，我们会通过租赁、贷款等金融方式来解决车辆资产问题。也就是说，车辆这个物的所有权未必在我们手里。
但车队运营一定是我们自己来做。 因为真正重要的，不是你拥有多少辆车，而是你能不能把整个运营系统跑顺，把CPM持续压下去。
**Q：**一家真正有含金量的L4公司，除了单位经济和可扩展性，还有没有第三个指标？
侯晓迪： 资金使用效率。就是融了多少钱，花了多少钱。
**Q：**如何证明一家公司的可扩展性是真能力，而不是讲故事？
侯晓迪： 订单。战报会撒谎，战线不会。
**Q：**那什么才是你说的真实的订单？
侯晓迪： 是你真真正正通过自己宣传的主营业务劳动所创造的价值。举个例子，如果我是一家机器人公司，说自己的主营业务是搬砖，结果天天只给人做展览，那展览就不是你的主营业务。
你说未来机器人搬砖能创造巨大经济价值，那你现在搬一块砖能赚多少钱？这个得能算出来。在我看来，所有Physical AI公司，归根结底都应该有一个最基础的价值创造底线，本质上就是某种形式的搬砖—— 对我们无人驾驶卡车来说，就是每英里的运输收入。
你当然可以说自己还能做技术服务、技术授权，但这些都不是你的主营业务。而且技术授权这种收入极不稳定，这个月可能有，明年一整年都可能没有。
所以判断一家公司是讲真话还是讲故事，就看它通过自己宣传的主营业务赚到了多少钱，以及这种赚钱模式本身是不是可持续、可扩展的。
**Q：**特斯拉的Robotaxi车队几天前已经正式开始夜间运营了，FSD v15也在推进更大规模的升级，今天再看他们的进展，你对自己之前的判断有变化吗？
侯晓迪： 没有。因为我觉得首先要看一个最基本的东西：它到底有多少车，真的形成密度了没有。
我在湾区坐Waymo晚上打车还行，但白天高峰期，从A到B经常要等十几分钟、二十几分钟。这个等待时间，已经直接把它作为Uber或Lyft替代品的可能性打掉了。
Robotaxi这件事，核心不是技术看起来多厉害，而是你有没有足够的车队密度，能不能提供有竞争力的服务。 Waymo现在在湾区有不少车，但密度还是不够；特斯拉现在的车队规模和运营状态，也还不是我们讨论的那个量级。更何况它很多时候还有副驾在场。
所以我觉得，现在谈这个，和我们在谈的L4不是一回事。
**Q：**如果未来某天Robotaxi比Robotruck先实现大规模盈利，你会承认自己判断错了吗？
侯晓迪： 不会，我只会恭喜他们。Robotaxi做得好，当然也会间接帮助Robotruck。我不是在否定别人的路线，我只是想把无人驾驶卡车这个行业里一些外界没那么了解的便利性讲清楚。
如果Robotaxi成功，我也不会因此就放弃我们自己的方向。只有当我们自己发现走进死路，才会重新做商业或者战略判断。
就目前来看，我们的判断是清晰的：固定点对点的货运模式、稳定的合同重复性、以及真实世界里的正向反馈，都在支持这条路继续往前走。
**Q：**短期内，至少在可预见的阶段，你应该都不会去碰Robotaxi，还是会继续专注在Robotruck这些场景上？
侯晓迪： 对，短期内我们还是会专注Robotruck。
**Q：**对于当下的L4创业公司来说，今天最稀缺的资源到底是什么？
侯晓迪： 最稀缺的首先不是单纯的钱，而是一种适配Physical AI的新融资形态，或者说资本的新用法。
大模型确实在剧烈重塑公司组织形态，我们也在经历这个过程。只要远景清晰，公司一定能在新的组织形态里进化出来，未来两三年各家都会长出像个人风格一样鲜明的管理特色，但这不是核心瓶颈。
行业总在跟风蹭热度：两年前我们去湾区，所有人都问你们为什么不是SaaS公司，SaaS有自己完整的指标和估值逻辑，大家一窝蜂去追；现在又反过来质疑SaaS会被AI替代，转头去炒具身智能。你永远蹭不上所有热度，因为热度转变得太快；但坚持看商业本质，又常常不被当下的社会共识理解。
所以这里面一定有取舍，穷有穷的活法，富有富的活法。我们可能不被理解，估值也未必有具身智能那么高，但坚持自己的路，至少不会把自己带进死胡同。
Physical AI有它独有的痛点，我把它概括成两个词：Metal and Mind。
Metal是卡车加传感器这些硬件资产，Mind是无人驾驶运营。我们是专注做Mind的公司，但规模化必须依赖大量Metal。谁来为这些硬件买单、让业务快速形成正向循环，是只有Physical AI公司在成功早期才会遇到的独特问题。
现有资本体系勉强能支撑我们把单位经济跑通，但完全匹配不了规模化所需的大额、长期资产资金。Physical AI的本质是单位经济乘以可扩展性，难的从来不是前者，而是后者。
现在的问题是：一方面很多投资人拿不出这个量级的钱；另一方面市场也还没形成共识，不知道资本该怎么帮实体业务放大价值创造。
所以对我们来说，最稀缺的不是车，不是订单，而是一个能把资本、硬件资产和运营三者真正打通的新融资形态。
**Q：**今天几乎绝大多数国内智驾公司，都相信靠大模型、端到端、世界模型从L2+进化到L4，你为什么坚决不认同？
**侯晓迪：**因为你说的这些公司，99%本质上都还是L2+公司。中国真正长期做L4的公司，其实没几家。文远、小马，恰好这些公司的很多观点，和我反而是高度一致的。
所以有时候你会发现一个很有意思的现象：很多L2+公司每天在宣扬的东西，根本不是我们这些L4公司每天在忙的事情。那这里面就只有两种可能：要么是我们这些L4公司不务正业；要么就是，他们其实根本不知道L4公司每天在解决什么问题。
**Q：**我观察到你前几天刚转发过采访文远知行创始人韩旭的文章。
侯晓迪： 我挺喜欢韩旭，他敢说真话。国内真正做L4的就那少数几家，大部分天天炒新概念的人，我连听都没听说过。反倒是那些技术实力过硬的人，说出来的话都很有道理。
我们天天急得忙里忙外解决的问题，根本不是L2厂商说自己能搞定的事。他们承诺的不是我们的难题，我们关注的核心问题他们一个都没谈。说白了，L2+厂商对 L4 真正要面对的问题完全无知。
超市和饭馆的冲突，就是现在L4和L2+的冲突。 有些超市天天造势说饭馆用预制菜、又贵又不健康，喊大家来买菜回家做。所有超市都能跟着沾光，这本质上是集体共谋，把饭馆当敌人。
但赚钱逻辑根本不一样：超市卖菜赚原材料的钱，饭馆按盘赚成品服务的钱。L4 是开饭馆的，卖完整的端到端无人驾驶服务；L2 +是开超市的，卖辅助驾驶这个半成品工具。
**Q：**但如果FSD v15这种级别的模型实现了质的飞跃，它难道不能通过不断逼近长尾场景，最终在安全上达到L4的水平吗？
侯晓迪：我觉得这里有一个特别大的误解： 很多人以为L4要解决的，是更极致的安全问题，但其实不是。
L4真正要解决的问题，是大量的「what if」。
比如摄像头坏了怎么办？传感器失效了怎么办？系统发现自己不健康了怎么办？积水、雨雾天气导致感知能力下降怎么办？硬件故障了怎么办？路况突然和系统记忆偏差特别大，要不要继续冒险？还是应该主动停下来？
这些才是L4每天真正处理的问题。
**Q：**我可不可以理解为你想表达的是，大家都在用模型能力提升的逻辑理解L4，这本身就是个巨大的误解？
侯晓迪： 对。很多人还是一种实习生心态，总想着把模型训得更好一点。但问题是，这件事永远没有尽头。
哪怕今天AI已经这么强了，ImageNet能做到100%正确率吗？做不到。甚至很多标签本身都是错的。所以我们不是在追求一个不断更好一点的渐进曲线，因为那个曲线的边际收益会越来越低，而且没有终点。
L2的很多进步，本质上是在一个大家已经接受的benchmark上继续优化，然后再试图用这种性能提升去证明自己已经接近L4。
但L4根本不在这个维度上竞争。
Q：既然不在模型性能维度竞争， 那L4真正的战场在哪里？
侯晓迪：是 「There's no excuse」—— 没有任何借口。
不管发生什么，我们都不能给自己找借口。我们可以假设世界上任何事情都会发生，哪怕天上掉陨石。那在这种情况下，系统能不能始终做出相对正确的操作？以及在做出这些操作之后，整个商业闭环还能不能成立？
如果这两个问题都成立——第一，我们始终能做出相对正确的事情；第二，在这个基础上还能赚钱；那这件事就成立了。
我相信未来L4一定会卷入交通事故，但关键不在于永远零事故，而在于：当事故发生时，我们是不是已经做了系统能力范围内最正确的操作，并且尽最大可能避免责任。
所以我们追求的，不是再好一点的模型，而是一个真正能闭环、能负责、能长期运营的系统。
**Q：**今天行业里围绕端到端、世界模型的讨论很多，甚至已经影响到外界对公司路线的判断。你觉得是在帮助行业理解技术，还是在提前制造判断？
侯晓迪： 现在行业最大的问题就是概念太多。**技术定义本来是用来帮助理解的，不是用来评判的。**但很多人喜欢拿几个关键词，就给公司和产品下结论。
什么端到端、世界模型，很多词本身就没有清晰定义，还很难证伪。端到端宽泛到任何人都可以说自己是，也可以说自己不是；世界模型更离谱，一群人讨论半天，最后谁也说不清楚它到底是什么。
新概念传播得特别快，但很多传播的人，可能连一篇相关论文都没认真读过，更别说真正做过。然后大家就拿这些关键词互相贴标签、互相评判，好像掌握了一个新名词，就和真正做事的人站到了同一个高度。
iPhone出来之前，Symbian理论上也有很多智能手机的技术标签，但它就是不好用。最后真正重要的，从来不是你贴了什么标签，而是你到底有没有把产品做出来。
现在行业的定义之争太喧嚣，也太没必要。真正重要的还是回到事情本身：这个技术能不能解决问题，这个产品能不能跑通。
**Q：**你这个感受似乎很深，有没有具体的例子能说明这种概念错位？
侯晓迪： 我给你讲个特别真实的例子。有一次我在给投资人讲presentation，讲到一半，对方突然问我：你这个是不是JEPA？
我当时直接愣住了，我说什么是JEPA？后来我现场查了一下，发现是Yann LeCun提的一个概念，大概意思是模型既能做embedding，又能做prediction。
我看完以后说：那我这不就是吗？但问题是，我们2023年的slide差不多就已经是这个结构了。我之前根本不知道这个词。所以你会发现，很多时候行业是在用一个新出现的关键词，反过来定义别人。但这其实是很肤浅的一件事。
**Q：**回到一个更现实的问题，行业现在对端到端的认知转变，比如开始强调安全兜底、工程补丁，这种变化是否也和年初特斯拉的动作有关？
侯晓迪： 看特斯拉的动作，首先要明白它本质上是一家做股价和预期管理的公司。
从技术角度看，顶级公司之间的技术能力没有本质代差，足够资金支持下，能拿到的技术都差不多。真正拉开差距的，不是有没有某一项技术，而是如何把技术整合成产品。
历史上每一次新旧更替，都不是单点技术胜出。Google打败Yahoo，iPhone打败Symbian，靠的都不是某一项技术，而是三个更底层的东西：产品形态、组织结构，以及围绕它们形成的协同方式。
**Q：**依赖远程人工兜底的系统，算不算真正的L4？判断标准是什么？
侯晓迪： 人工兜底本身不是原罪，就像车队编组也不是原罪。但有一个绝对的核心判断标准：人工兜底需要的反应时间。
如果要求人在5秒钟之内必须介入、按紧急停车按钮，不然就会撞，这绝对不能接受，也完全不可规模化。本质上还是一辆车配一个人，只是把司机从驾驶室搬到了远程控制中心，工资照发，成本一点没降，商业模式根本不成立。
只有一个人能同时监控十几辆甚至几十辆车，才具备真正的可扩展性。
**Q：**我突然想到你之前提到过 「foundation to all」，就是现在大家说的基础模型吗？
侯晓迪： 我觉得咱们先退很多步说，首先世界模型这个东西，所有人都搞不清楚它到底是什么意思，行业里根本没有共识。但基础模型是有明确价值的，它是 ChatGPT给我们带来的非常激动人心的进展。
关于基础模型的特性，众说纷纭，有人说参数量大就行，有人说必须有语言能力，这里面有真有假。我只谈我认为基础模型必须具备的、有区分度的两个核心属性：
第一，它必须是一个模型能解决多个任务**，也就是超大规模多任务学习，而不是一个模型解决一类问题、堆一堆模型拼起来；
第二，它必须能产生涌现行为**，也就是触类旁通的能力 —— 把一个核心任务做好之后，能用极低的成本快速完成相关的其他任务。
最直观的就是数据标注成本的大幅降低。标注成本是一个可审计、可量化的硬指标，能直接判断一家公司是不是真的摸到了基础模型的门槛。
不过这里要特别注意，很多人把因果搞反了，或者把相关性当成了因果性：是真正做成了基础模型，才会带来标注成本低的结果，而不是反过来 —— 不是说你刻意压低标注成本，就等于做成了基础模型。
这就像班上成绩最好的同学，往往不是最努力的那个，但你不能说既然成绩好的不用最努力，那咱们都别努力了。
**Q：**我理解看来，你另一层想表达的是人肉标注不是新时代AI公司该长期依赖的方式。这和行业数据量越大、标注越多，模型越好的判断是完全相反的，你又提出了一个反共识。
侯晓迪： 他们说的每个字都对，但 「好」和「好」是不一样的。我每天去工地搬砖也能赚钱，但能靠搬砖发家致富吗？肯定不能。
数据越多、标注越多，模型效果越好，这句话带来的是线性的、边际递减的提升，越往后投入越多，提升越慢。这种 "每天变好一点" 的说法非常有误导性，真正的差距是时代的差距。
基础模型是2020年之后未来5到10年的最强音。 一家公司有没有进入基础模型时代，看标注量就知道。只有进入这个时代，才能感受到生产力革命级别的提升。那些还在鼓吹堆数据、堆标注的人，一定是没有见过更高维度的风景。
**Q：**你们现在一个月的标注成本是多少？
**侯晓迪：**5000块钱。
**Q：**这是什么水平？
侯晓迪： 夸张的水平。
**Q：**现在所有L4公司都在说自己有自研仿真平台，你觉得真正有用的仿真是什么样的？
侯晓迪： 首先，仿真和标注本来就是两码事，不能混为一谈，别人家具体什么情况我也不清楚。但我可以明确说，很多公司对仿真的理解完全走火入魔了。
一上来就吹我们的仿真渲染得跟照片一模一样，这纯粹是不务正业。仿真的价值根本不在于长得像不像照片，这件事在公司成立第一年可能还有点用，第二年第三年就毫无价值了。
真正有价值的，是能不能准确仿真车与车之间的交互行为，能不能还原真实的交通场景，说白了就是能不能还原犯罪现场。
**Q：**仿真的核心价值到底是什么？它和全无人商业盈利之间存在怎样的必然关联？
侯晓迪：仿真和全无人商业化的关联非常直接。 无人驾驶的软硬件系统是不断迭代的，每出一个新版本，都必须重新验证安全性。如果改一行代码就要开出去跑一万英里做验证，那公司早就倒闭了。
这里面有一个核心矛盾：系统必须快速迭代才能进步，但每一次迭代都必须保证绝对安全。仿真系统就是解决这个矛盾的关键 —— 一个好的仿真系统，按一个按钮，几个小时之内就能跑完一个普通人一辈子都遇不到的所有交通场景。只有这样，才能在保证安全的前提下，实现系统的快速迭代。
所以不用听谁吹自己的仿真有多牛，只要这家公司连真正的全无人常态化运营都没做到，它的仿真肯定不行。至于说仿真数据能覆盖所有长尾，那肯定是加了星号的 —— 最终解释权归本公司所有。
**Q：**现在资本像迁徙的候鸟都去追具身智能了，可你却仍然守着无人卡车。是因为你认为物理的突破点会先出现在卡车，而不是机器人或Robotaxi吗？
侯晓迪：Robotaxi未来可能也会有突破，但它的核心问题不是技术，是商业。 它需要极高的车辆密度。你看Waymo 在湾区投了2000多辆车，成本已经高得离谱，但乘客还是要等15分钟。
要达到能跟传统出租车竞争的运营密度，需要的车辆数量极其庞大。这就回到了核心问题：谁来买这些车？
航空产业早期也面临过谁买飞机的难题，无人驾驶卡车和Robotaxi现在也一样。尤其是Robotaxi的轿车资本投入，目前没有成熟的金融工具，也缺乏像1970年代风险投资那样的行业机制、共识和金融体系来支撑它快速发展。
但我认为，作为Physical AI的第一代拓荒者，这是我们的责任。我们需要把这件事从0做到1，用实际结果告诉金融、保险这些相邻行业该怎么做。当他们看到我们的数据，看到我们确实在赚钱，而且这种盈利是可复制的，自然会形成共识，让资金加速价值创造。
Q： 外界一直把Aurora奉为全球无人驾驶标杆，你怎么给它祛魅？
侯晓迪： 首先，Aurora的乘用车只存在于PPT里，你见过他们有一辆乘用车在路上跑吗？答案是没有。
他们只是声称技术具备迁移性，没有任何证据能证明这一点。我记得他们说过我们的轿车和卡车代码库70%都是相同的，那我还说人和大猩猩的DNA也99%相同呢。真正的技术相通性不是吹出来的，是你真的有东西在运营，冷暖自知。
Q： 你认为今天自动驾驶行业里，有没有出现像DeepSeek 那样，能用极少资源做出突破性成果的公司？
侯晓迪： 用极少的资源做出特别厉害的事，目前我只看到我们公司在做。
可能有我不知道的，但从已经公开的成果来看，应该没有第二家了。我也希望能有更多这样的公司出现，一起把行业的叙事拉回到正确的轨道上。毕竟，和饭馆有叙事争端的从来不是另一家饭馆，而是超市和菜市场，这个道理想通了，很多事就都明白了。
Q： 谢赛宁称你是他的偶像，很多人也非常敬佩你能在九死一生的无人驾驶行业深耕这么多年。你那种近乎执拗的动力究竟来自哪里？
侯晓迪： 被夸偶像挺开心的。要说核心动力，就是我看到了一个确定性极高、必然性极强的成功。无人驾驶是我这辈子遇到的极少数、几乎是唯一的例外：只要按顺序解决了全无人技术安全、单位经济性、可规模化这三个台阶，成功就是必然的。
如果让我去做具身智能、去复刻下一个ChatGPT时刻，我照照镜子就知道大概率做不成，那种事太拼运气了。而无人驾驶不一样，这个行业的坑我差不多都踩过了，我有信心把所有台阶都走完。
我创过很多次业，太清楚这种不可控的不确定性有多致命。我不想自己的努力最后掌控不了自己的命运，但无人驾驶给了我这种掌控感。只要我把该做的事做好，成功就是板上钉钉的。
Q： 过去一年里，你做出过的代价最大、或者说最让你值得反思的商业判断是什么？
侯晓迪： 其实没有什么戏剧性的、惊天动地的错误。我们每时每刻都在反思复盘，无论正确还是错误的决策，都是往正确方向收敛的过程。
真正的错误只有一种：傲慢。是知错不改，是不能用平和的心态审视自己的决策机制。 好在我去年没有犯过这种错误。我现在做的每一个决策，做完都能睡个好觉。
Q： 你现在最想补齐团队哪块短板？你之前说过更需要真正的信徒（True Believer），而不是单纯技术最强的人，为什么？
侯晓迪： 我们最大的短板刚刚补上了，刚招了一个非常重要的人，现在还不便公布。他来自传统卡车行业，负责商业运营。卡车这个行业水很深，有很多历史形成的潜规则和复杂问题，我们这些做技术出身的人不懂。我们需要一个真正懂这个行业、有深厚积累的人来帮我们落地。
Q： 对于10年后的无人驾驶行业，你最想说的一句话是什么？
侯晓迪： 我希望10年以后，无人驾驶这件事不再需要我了。
我现在存在的意义，就是因为太多人把这件事做错了。不是审美上的对错，是最基本的商业逻辑都不能自洽 —— 赚一块钱亏六块钱，怎么就成了伟大的未来？
我从来不觉得亏钱的生意是好生意。当这些错误的声音喧嚣尘上的时候，我就有战斗的意义：我要建立公平的竞争标准，让大家在健康的指标上竞争；我要骂该骂的人，支持该支持的人。
我既不是写代码最快的，也不是推公式最优美的。等10年后，行业回归理性了，大家都在正确的轨道上八仙过海各显神通了，我的价值也就完成了。