和楼天城聊Robotaxi：“L2越厉害，就离L4越远”

接上次何小鹏聊L2和FSD，这次的话题是L4和Robotaxi。

楼教主说了一些较尖锐的观点：L2做得越厉害，就离L4越远；

当自动驾驶超越人类司机，数据变成干扰项，并不是越多越好。

（封面图由AI生成） ‍

作者：张小珺

– 本文首发于腾讯新闻 –

就 在Robotaxi快从人们记忆中抹去时，它突然重回大众视野。

今年7月，百度推出的萝卜快跑在武汉引发广泛关注，也带来一些争议。 许多人开始讨论Robotaxi是不是迎来拐点 ？我邀请了楼天城来聊聊。

楼天城是清华首届姚班毕业生，因在编程竞赛的优异战绩又被称作“楼教主”。他毕业后进入Google工作，在这里最早接触了无人驾驶，而后又加入百度从事无人车研发。2016年，楼天城与百度前首席架构师彭军，创立无人驾驶公司小马智行（Pony.AI），他出任联合创始人兼CTO。该公司估值达85亿美元，正寻求在纳斯达克或纽交所上市。

楼天城在L4自动驾驶领域从业10年左右。访谈中，我们探讨了关于Robotaxi的新闻、无人驾驶的简史、自动驾驶常见的路线之争。

楼天城说了一些颇为尖锐的观点：比如，“L2做得越厉害，它离L4越远，反之亦然”，又比如“当自动驾驶超越人类，数据就变成干扰项，并不是越多越好”。

这里总结了楼天城的一些核心观点：

以下为访谈节选。（为了方便阅读，作者进行了一些文本优化）

Q：我们先从最近的新闻聊起，萝卜快跑前段时间在武汉火了，Robotaxi引发很高关注度，为什么是这个时间点？

A： 因为它无人化了。我们2022年底做到无人化，百度也是这时，技术成熟已经1年多时间。从技术成熟到公众感知需要时间准备。

它（萝卜快跑）有一定规模，且集中在一个城市，公众感受度比以前高一些。99%是因为无人，这个是前提——哪怕有10万辆车，每辆车配安全员，绝对达不到今天的热度。

Q：其他人也会把热度归结为其他一些要素，如更多车队、更大试用范围。

A： 这些是那1%，这1%是最近才有，但最根本是无人化。

Q：为什么火的是武汉，是偶然还是必然？谁会是下一个武汉？

A： 可能有关系，但一定时间内绝对不会是唯一。一线城市都有可能。

Q：能不能梳理一下自动驾驶发展历史，它是如何诞生并一步步发展到今天的？

A： 自动驾驶这个技术有30年。 2009年是一个槛，一帮人意识到可以做到全无人 ——在那之前大家讲的都是辅助功能。我不直接在其中，但后来加入这个团队（Waymo）。

L2、L4定义是从那时开始的。 （L2是部分自动驾驶，驾驶员必须时刻监控驾驶环境，并准备随时接管控制权；L4是高度自动驾驶，车辆可以在大多数环境和条件下完全自动驾驶，无需驾驶员干预。）

我用时间让你感官更强——它能自动1小时、10小时、100小时、1000小时、10000小时不用你管。 每一步都至少要一年甚至是两三年慢慢走过来。这是L4纯无人驾驶。辅助驾驶有另一条线。

谷歌2012年做到1小时，我们2017年底做到1小时，慢慢向前从1到10000小时，每一步有对mindset的演进。认知很重要。

Q：每一步技术突破的关键是什么？

A： 让车辆能够有一些基础功能，有一些基础时间能力，基本1小时接管一次。今天做到这一步的也不多。 辅助驾驶你不敢轻易说能做到1小时。 这涉及对车辆改装，包括传感器等整个集成。

1到10 是我们说的一些模型，就是机器学习，不一定是大语言模型，就是各种模型——是1到10的主要动力点。

10到100 开始真正涉及收集大规模数据，很复杂的模型，以及端到端。并且你肯定要有一定的车队，你要收集足够的数据。从10到100，需要原生数据，不能依赖其他行业数据。完整数据收集和模拟训练体系，是这个阶段的关键，这个走两年不过分。

从100到1000的关键是指标体系。 比如上个月我们做到200，这个月有新版本，我想知道是做180还是220了？我不能靠猜。我不能靠坐1小时做决定，因为1小时太短。我能不能测1万小时？首先测1万小时要测很久；其次，测1万小时无法保证，比如上个月下雨下多了，这个月下雨下少了，你怎么知道数据强还是弱。比如最近修路多，或者就是运气不好，周五晚上交通事故特别多，上个月不小心多了一个周五晚上——有各种噪声影响判断。

如何把这些噪声滤掉，真正判断你做得好不好？这是100到1000最关键的。很多家卡在了这。

1到10或者10到100，经常说一个词叫“资源”——我有很多钱、数据、机器，我可以训练模型，这都没问题。但如果你没有“尺子”，你都不知道是变好还是变差，这是“超越资源”的能力。如果做不好，再多资源也做不到。不至于南辕北辙，但会原地打转。

再说AlphaGO的故事，人下不过AlphaGO，我为什么知道？他们可以对弈，我看谁胜率高。开车的好坏千人千面，两个好的司机开得不一样。究竟开好还是开差？评价极难。

甚至我训练了一个大规模的模型来做这件事——评价这个模型的好坏可比模型本身难多了。

Q：这个模型你们专业术语叫什么？

A： 我们内部叫Context-based metric system（旨在根据不同的场景分别评估系统的能力），我主要精力都花在这边。

这是公司突破极限很重要的事。很多人讲的都是我们数据多少，我们数据多大，但忘记了好坏之分——当你不能判断好坏，就没办法前进了。

Q：最近萝卜快跑，我在武汉的朋友说，它开得太慢了，这让一个人类司机感觉不安全——好像是一个货车在前面，你需要也开得很慢，否则撞上怎么办？

A： 这个评价不好量化，得用模型模拟。安全有安全感的问题——你开车把人吓得要死，那也是不安全。慢得要死不安全，这是高阶的，这个理解很厉害。有时候有错觉，感觉开得慢会安全一点，并不是这样。开车开得慢会让人犯昏，让别的司机不知道你要干什么，让别人confused很危险。

从1000到10000，其实就是这个。 现在我回头看，好像挺显然。站在当初1000小时不明白这个道理。 从1000到10000小时，你可能出的安全风险不完全由你个人，可能由其他司机。 你不撞别人，别人还会撞你。整体安全才是真正安全很重要的一部分，这是1000之后。

人一般都能做到1000，那时已经超越人的水平了。

为什么难呢？我坐我们的车，某天我突然发现，这个车怎么这么开？这时我不敢怀疑它错了，因为我怀疑是我不如它，它可能想了我没有想到的东西——它开得比我好，我不能仅仅靠我评价，因为我根本不如它，我只能告诉它什么是好的。

从1000到10000根本是，有这样一套演进系统，能帮它怎么去演进——你不能教他了。 现在带娃我觉得没问题，还可以教；很多年后就不一定，他比我厉害，我只能告诉他怎样让他自己学，给他创造环境，给他找更好的老师，告诉他什么是好的，但究竟怎么学，那是他的本事。

你千万不能把你开车数据全部灌给它，因为你的数据就这个水平，你把差的数据灌给它，它更学不会了。首先，你要找到非常好的数据。

以及，如何降低其他车的风险，是1000到10000最关键的。 跟你刚讲的有点像，别人车发生困难，是因为我开车给他造成困难，让别人发生事故。那么我能不能不要给别人造成困难，让别人开车都觉得比较容易？

Q：现在是千到万的过程当中？

A： 现在已经到10000小时了。10000小时是10倍于人类司机水平。

Q：你说的1小时、100小时、1000小时到10000个小时，专业术语怎么说？

A： 我们一般用开多少里程会出现一次你不希望发生的事情，比如出现接管或者一次事故。最早源于美国，美国是英里，就是Miles per Intervention、Miles per Perfectly evasion之类，我们叫MP-X。

Q：2016年创业到现在，哪一步对你们是一次质的飞跃？

A： 每一步都很难。我们在10小时停留了不少时间，担心是不是走不下去了。10小时肯定不够，如果长时间没进展，团队可能迷茫，那时压力很大。

这个突破是信心累积非常重要的一点，当时伴随而来的是丰田投资。

Q：我在学习自动驾驶时发现，这个行业有很多路线之争。第一个是使用纯视觉还是激光雷达？

A： 目标不同是最大差别。目标不同，最合适的路线就不同。

做全无人，我就不会走某些路线。比如说我不会走全视觉路线。

我很喜欢禾赛的说法，好学生，你可以很努力、优秀，但你很难比过作弊的学生。激光雷达是一个作弊的东西——比如，从我们这到屏幕的距离，激光雷达一测就知道，不需要数据，不需要参数，不需要学什么，直接看答案就行了。 做到全无人，需要“一个作弊的学生”来做。

Q：为什么特斯拉要用纯视觉的路线？

A： 因为现在它不需要全无人。

纯视觉成本更低；更重要的是，车辆颜值会受很大影响。成本在四五年前是影响因素，但今天成本差异没那么明显了，对车辆外观确实有影响。

Q：第二个路线之争是，车路协同还是单车智能？

A： 这两个是互相加成，他们的矛盾从第一天就非常少。这两个之间各有各自重要的东西，都能做到，没必要A取代B。

但如果万一没有车路协同，它是调度不够好，但不至于完全不能上路——这是为什么我们先做单车智能的原因。它有priority（优先级）。

车路协同现在提供的数据，当下很难帮助单车智能。反过来，单车智能在帮车路协同。你可以认为自动驾驶也是一个设备，现在这个智能设备各方面性能比车路协同好。

Q：第三个路线之争是，渐进式自动驾驶还是跨越式自动驾驶？你们是跨越式。

A： 你说L2和L4，从数字上我好像占了便宜，因为我取了比较大的数。不应该占嘴上这个便宜。 大家是不同的两个目标——That’s it。

一个是足球、一个是篮球。 一个顶尖足球运动员更难成为顶尖篮球运动员，因为很多做得太极致了。 足球运动员非常优秀，弯腰能力强，人都有点驼背，篮球运动员一定不能这样。当他很极致，做另一件事反而很难。

Q：何小鹏最近去美国试驾特斯拉FSD和Waymo，得出的结论是特斯拉FSD明年一定会追上Waymo，虽然Waymo现阶段体验更丝滑，但特斯拉有更多数据，范围更广，面积更大，成本更低。你同意这种观点吗？

A： 一个学文科，一个学理科，谁考得高，得看出什么题。

他们的目标差别很大。我比较辅助驾驶和L4，因为本身FSD和L4不是一个同类比较。辅助驾驶，它成本和覆盖区域很重要，跟人类交互很重要。它一个助手，要做的是，帮你的时候一定做得都对，帮不了的时候就告诉你，你要自己来。而刚刚说的全是L4没有的。

L4首先成本很重要，但没那么重要。在此基础上，所有事情都要自己handle，不能交给别人。别人可能在睡觉，你叫不醒，所有事情都要自己处理。哪怕稍微慢一点（我们现在速度上是比别的车快），安全性100%一定要保证。 如果你了解模型训练的东西，这是两个非常极端的规划。

你可以理解成，家庭医生和专科医生的区别。一个医生各种病都要知道一些，但治疗需要找专科医生。专科医生是我不知道很多病，但我知道的病一定是要对的。

Q：所以，FSD做得再厉害也不能直接过渡到L4。

A： L2做得越厉害，它离L4越远。

反之也是如此。一个越好的L4公司，它离L2越远。

Q：L2和L4技术上的本质差异是什么？

A： L4需要10000小时不出事故是最少的。说不好听的，10小时出一次事故，谁敢用你的车？

L2的技术也在不断前进，但这个数字是越来越低。三个月之前我可能做到10小时，这个月只有8小时。这不是问题，因为用户从没要求过我，我只要大于1就可以。但从10到8，成本降低了，用户只需要付更少的钱就可以，这是用户更喜欢的。你本来要从10小时做到10000小时，但你花了三个月降到8小时。

你是一个更好的L2产品，但是距离L4更远了。

马斯克拍过一个视频，40分钟接管一次，他都没觉得这有问题，我也没觉得有问题。

Q：你现在最关注的北极星指标是什么？

A： 按重要程度依次是安全、舒适度和效率。

Q：关于我们刚刚讨论的怎么让人类司机或路人减少恐惧，Robotaxi公司需要做什么？

A： 做所有人该做的事，让他觉得你是一辆正常的车。这个技术非常复杂，但通俗说，是让大家觉得是人在开车，你没有任何特别之处。

千万不要surprise别人——变道该坚决就坚决，该不变就不变，不要犹豫。人一般不犹豫，人觉得稍微有点挤，我就挤进去了—— 所有行为就像一个老司机的正常行为一样。

很多人开法不一样，我们叫“千人千面”。大家觉得数据多肯定好，但到这里就不是了。因为 一旦千人千面，数据越多越不好、越多越杂。

Q：这跟FSD的观点相反，他们觉得数据越多越好。

A： 他们如果做到1000小时，也会这么理解，但它现在连1都不到。

当你开始超越人类，数据不是越多越好。人就是1000小时，当你开始超越人类，数据是你的干扰项。

到1000小时之后就要考虑数据的缺点。人在不同情况下开车行为不同，会把机器学习搞晕，它不知道跟谁学。它也没有办法取平均，因为行为没有平均值。假设说你有所有数据，你现在要超越这个平均的时候，数据越多越难超越。

Q：如果数据不是越多越好，多少数据是合理数据？

A： 这个涉及到内部的一些点。到了1000小时之后，百辆车就够。

Q：这听起来很容易，数据量变大很难，数据量变小很容易。

A： 变小不是说我就扔一些数据，而是我需要对数据做更多处理，剩下我要的。很难。

Q：你怎么知道多少数据是合理数据？

A： 这是根据要达到的目标所训练的模型大小反推需要的数据量。 数据越多，让你越难收敛。

之前马斯克提到，平路空白路上的数据是没用的。因为大语言模型迭代，它的梯度会很快下降为0，没办法收敛，这是技术原因。但本质是当你超越，你会发现这些数据会出现反面效果。当你从1000走到10000，数据达到一定数字，帮你做一些事是可以的，再多就是负面向，会把你拉回来。

我今天已经达到6000小时，还没有达到10000，我把那1000的数据加进去之后，会从6000被拉回来，变成4000小时。

Q：L2既然有这么多数据，为什么现在才到1，为什么这么慢？

A： 我经常这样举例，我们公司给到员工每个人1台电脑，但每个人的表现天差地别。 公司有人做得好，有人做得不好，不是说你给好的人发了10台电脑，差的人只发了1台电脑，大家的电脑都是1台，有很大不同。有很多超越硬件之外的东西。

Q：何小鹏有一个观点，他认为在大AI应用里，软硬要合体，你同意吗？

A： 如果说最终追求性能极致，软硬一体是有帮助的，这个我认可。但世界上不是所有东西都要追求性能极致。

Q：你一毕业就加入了谷歌，你在谷歌最大的收获是什么？

A： 最大的收获就是接触了自动驾驶。因为当时只有谷歌有自动驾驶。

Q：谷歌的组织文化有没有给你一些启发？

A： 谷歌很强调团队合作，他教你很多办法，怎么能更好的合作。大家一起工作，代码应该如何管理，数据应该如何管理，用什么样的方式去一起写代码，大家能写得很好，不出问题。

做事需要大家一起做，而不是靠一两个超级明星。

Q：你2016年为什么跟彭军一起创业？

A： 我当时在百度。大家在理念、认知、做这件事的决心上有非常大认可。

现在萝卜快跑关注度更多在无人上。 2016年到2019年、2020年，大家都相信能做到纯无人 。 可是之后的三年，疫情那几年，大家有点怀疑能不能做到。 根本上还是大家对这件事的认知。大家愿意出来是因为想花几年做一件影响人类的事。

Q：你们创业了8年，无人驾驶落地比你预期的早还是晚？

A： 有早有晚。 首先是政策，过去几年，尤其是中国，政策是顶着技术往前走，感谢政策制定方。还有一个快是成本，激光雷达早年8万美金一个，那时汇率和现在差不多，50万+人民币，而今天好的是小几千人民币。价格的下降比想象快很多，这对商业化有很大帮助。

无人化比我想象中慢了一点。当然不是说所有都是因为疫情，但有关系。

Q：特斯拉FSD很厉害，华为、小鹏等国内车企的智驾水平也在提升，他们跟你们是什么关系？最后市场格局能给我描述一下？

A： L4的伙伴有技术公司、车厂以及运营的平台方，有可能一家公司做其中多个，但从格局角度来说是这样的，做多个不表示格局不是如此。这是L4的状态。他们也可以成为其中的车厂。 如果说哪一天突然冒出来一家公司，他既能做车也可以做好的技术，这有可能发生。

Q：如果说L4实现了，街上是不是就不需要这么多特斯拉了？

A： 不是这样。很多人还是要开车。 今天我们做的更多是出行服务，为城市提供基础运力，并不是说要剥夺人开车。

Q：有人说这是自动驾驶的ChatGPT moment，你认同吗？

A： L4肯定没到，我们要把它做到。

Q：你觉得Robotaxi什么时候能让我们看到非常大规模的在多个城市运行？

A： 三五年。L2和L4的差别，有一个成本问题。你说很大规模，成本怎么也得说比如说10万这个量级前后。现在大概是十几万。

但下降不是说买便宜东西，它需要标准化生产、做产线。去年我们和丰田成立合资公司专门做量产，把我们的方案标准化、量产化、产线化需要更长时间。

Q：你觉得以L4为目标的无人驾驶公司，在全球范围内能活几家？

A： 我的观点是一只手。

达到10000小时的技术门槛很高，不是随便可以做到；但也绝对不可能是1。 它的扩张和互联网不一样，互联网是0成本扩张，这需要铺车。 就连车厂，也没有说只有一家。到最后有不同的体验，有不同的要求。

Q：融了这么多钱，用了这么多年，你对今天的结果满意吗？

A： 满意。前年年底之后我都满意——无人化是几代做技术的人的终极梦想。

Q：Pony.AI你期待它成功的样子是什么，最差的预期是什么？

A： 三年和五年（实现全无人）。我估计最好是三年，最差是五年。

Q：Pony.AI在通往无人化的路上有没有倒下的可能性？

A： 不会因为我能想到的原因倒下。

Q：是什么让你坚持做无人驾驶这么多年？

A： 不光我，是公司所有创始团队。这也是我导师姚期智先生带给我的，我是第一届姚班学生。

一个人放弃初心，一般人会认为他遇到了很多困难没办法坚持，但人放弃初心的根本原因是不切实际的诱惑，不是因为艰苦。很多人可以在很艰苦的条件下坚持前行，但无法在诱惑面前保持好的心态。

我们当时出来，不是为了一个体面的生活，我们其实都有，不需要这么做。我们就是要为了把这件事做成，因此我不太会受很多诱惑。和我们同期出来，没有坚持下来的，没有是因为艰苦或者因为没钱了，而都是因为没经受住诱惑。

Q：姚先生是一个什么样的人？

A： 我没有资格评价他。

他是一个对教学看得很重的人。他上课的时候对我们的很多反馈是很认真的。甚至我们问他回答不了的问题，他也会说我来想办法回答你——他会真的来找你来回答你的问题。

这种“大家”可能会忘了，但是他不会，他对教学和对学生的学习很看重。

Q：怎么看李飞飞提出的空间智能？

A： 这个涉及到世界观的东西了，我不予置评。

Q：你说说你的AI世界观。

A： 人有时候会高估自己的智能。我觉得我们生活在一个非真实环境 。我不相信我们的世界是不真实这件事，所以我花了一些精力去找一些我们世界是真实的证据，但是我越找越发现——我们的世界不真实，我们在一个模拟器里，模拟器安排了我们的今天见面。

这个根本是说，你可以探寻模拟器的一些参数，比如光速就是模拟器很重要的参数，现在做的很多AI工作已经开始一定程度探寻到一些参数， 但是我们跟那些东西不一定有本质区别。

Q：这会带来你对AI有什么样的见解？

A： AI超过人不是AI的顶峰。

再说的更夸张一些，我们经常会问AI会不会超过人？但你问这个问题的时候是不是对自己太高看了？你凭什么人可以判断AI能不能超过人？

Q：大家觉得AI是人创造的。

A： 我们创造的车，车跑的速度比我们跑的速度快多了。我们创造的AI可以超过人。但更可能的见地是， 人的智力可能不足以判断AI能不能超过人。

我也不夸大AI的能力，AI本身是一个拟合回归过程，AI并没有创造新的逻辑。今天所谓的AI，还远没有到通用人工智能的地步，今天的ChatGPT，今天的大语言模型所有的东西，都是在模仿人，仅此而已——只是一个超大参数拟合的过程。

但是我并不否认，这种做法非常好，也能达到非常好的效果，也能超过人—— 因为人本质也不过就是一个AI而已。

Q：人和机器人会共用一个大脑吗？

A： 这就是要回答什么是大脑这个话题。也许大脑只是高阶智能的一段程序，什么叫记忆，记忆是对之前某些印象的encoder（编码器）。这方面是可以做到，但这个东西靠人来做不容易。

今天AI的技术在有些方面得到了很多进步，比如ChatGPT，但很多方面并没有达到特别高的水平，比如说能耗。我中午吃了饭到现在为止都不觉得饿，干了这么多事，但是同样的事给机器人，它早就歇菜了。人的能耗比非常可怕。

还有人这个系统的稳定性也极其可怕，你今天让我造一个心脏是造不出来的，它可以一生跳这么次都不坏，我做不出来这样的东西。所以人可以造出来的东西和人自己相比还有很大的差距，也包括脑子。但只是处理特定问题的时候，AI能达到人的水平。

Q：所以会共用一个大脑吗？

A： 完全可以，脑机科技可以做到这一点，这个理论上并没有任何问题。

因为你问的是能不能，但是我并不是说好做，它其实很难做，但是他能。

Q：你会怎么看待杨植麟？你们都会被评价为清华的学神、技术的天才，我很好奇一个天才怎么看待另外一个天才？

A： 虽然大家都属于AI方向，但当下没有立刻合作的点。如果说合作，我还是会珍惜这个机会。同样经历过这些的人，才会理解合作的不易、对方的支持和真正的闪光点。

只有拿过冠军的人，才知道冠军和亚军的差别。

Q：描述一下差别。

A： 你看奥运会奖牌，第一名和第二名可不止是差这一名。世界第二高峰，很多人不知道是什么峰，但世界第一高峰全天下都知道。

然而他付出的努力也是巨大的，当你没有接近，可能你并不知道你要付出多少努力。但是你真正走过的人，我相信他一定能理解。

Q：被称作技术天才会是一种负累吗？

A： 如果说这个都能成为一种burden，可能也达不到这种高度。因为之前就可以称为burden。 眼界要放得更高一些，显然上面还有更广阔的空间。

Q：为什么你参加比赛的ID叫ACRush，怎么取的？

A： 当时是速度为王的时代，Rush就是一种最快的跑步动作。

Q：你连续11年蝉联TopCoder得冠军，你为什么要参加11届，驱动力是什么？

A： 是因为第12届我没有拿到冠军。杜瑜晧后来超过我了，虽然我三年之后超了回来，但是后面就不重要了。本质上我没有做到12届。

Q：你最近一年参加是什么时候？

A： 就是几周前。 我去年拿了亚军，但没有拿到冠军，我一般叫亚军是“最大的失败者”，首先他是一个失败者，但他又是亚军，所以是最大的失败者。

竞赛是一个我能坚持20年的事情，自动驾驶也是如此。

Q：你就没有那一年觉得今年要不就不去了，以后就不去了？

A： 用一个竞赛圈的行话说， 能不能和想不想是两码事。 如果不能了，说不想的话，那就是找借口。

它是选拔，不是报名，你要进前几才能去。如果你前几年都没有进前几那就是不能的，但不能和不想是两码事。做L4也有能不能、想不想。

Q：竞赛有技巧吗？

A： 技巧无处不在。竞赛中经常有一点是，别人会知道你做的现状，因为大家是一个racing过程，而不是最后才知道结果，过程当中就大概知道。

这个过程当中有一个“hold cold card”，我有一些东西我知道怎么做，但我就是不让你知道，我通过一些办法，让你觉得我也不知道，让你放弃真正拼搏的想法，把你淹没在里面。

现在他能做到80分，我已经可以做到90分，万一我让他知道我做到90分了，就会激发他的潜能，他会拼命做得很高，会完全跳出这个点去想东西。你把你的分数控制在80左右，让他觉得自己不错，只要注意一些细节就可以了。 最后你再亮剑亮出90，这就没有时间想这个事了。

经常在比赛在最后一刻会有完全不同的结果，大家都hold在那一个点，但是总有人不hold，很多人把分数调整成最不hold的人的最高的地方，让别人觉得我好像差不多了。

Q：今天在和L2那条技术线赛跑的时候，你会hold吗？

A： 这个不一样。公司发展需要一定的publicity，竞赛是不关注中间情况的，中间你哪怕领先一路，最后被超过还是被超过了，这是竞赛的特点。公司不是这样的，我不要同学们也需要，他们不要他们家人也需要，我需要交朋友，我需要有合作伙伴，中间的结果是很重要的。

Q：这种招用多了别人不就知道了吗？

A： 我经常这么干，别人也都知道。但他或许有侥幸心理。

Q：我记得你还有过比赛倒数的时候。

A： 我比赛倒数次数可能是世界第一，有四次倒数，很难会有来者了——因为很多人都进不了四次决赛。决赛一般只是8-10人，能进决赛四次不容易。我有幸垫底过4次。

Q：你倒数的话，回家会沮丧吗？

A： 难过肯定是会难过，因为我很看重这件事，但事后过了也就过了，需要继续往前看。

Q：失落多久？

A： 一趟飞机。

Q：你参加过这么多比赛，竞赛给你带来的乐趣是什么？

A： 理解冠军和亚军的差别算吗？认识很多同样的人，有不断学习的一种态度。

最根本的是，到真正塔尖的时刻，那样一种极致，是我一直很留恋的感觉。

本文首发于腾讯新闻，原文链接如下：

张小珺，公众号：腾讯科技 “L2越厉害，就离L4越远”和楼天城聊Robotaxi和AI世界观