【视频/财圈社 小何】

我们在考虑如何把这样能力给到车上，就是VRM。视觉语言模型，为什么不是大语言模型？因为没有把一个大语言模型在云端使用。如何把一个视觉大语言模型进行足够压缩，最后放到车上去。他能够在面对一个没有红绿灯的左转路口提前作出预判，来知道我这个路口如何进行特殊的处理、进行复杂的处理，还有另外一个重要的功能，就是告别高清地图，也高徒所有清图在内的方式。为什么？因为视觉的语言模型还有一个最重要的功能，能够像人类一样去读懂导航地图。

包含导航地图的横向、纵向、速度、时间，包括红绿灯，哪怕车辆的遮挡红绿灯也不再成为问题。我们发现有效通过视觉语言模型解决系统2的问题，一方面为端到端进行一个兜底，另一方面解决各种各样泛化的问题。所以发现非常有意思，车的ADMAX（音）有两颗芯片，一颗跑端到段，另一颗可以运行压缩到大概20亿规模VRM（音）的模型。整个验证结果非常兴奋，认为最早在今年年底，最晚在明年上半年，真正有监督的L3自动驾驶就能驾驶，而不是做实验了。