【一文读懂】端到端、VLA、强化学习、世界模型怎么理解香港大学 Hongyang Li 在 CVPR 2025 WAD 上这篇报告我觉得算是讲清楚了《End-to-end Autonomous Driving: Past, Current and Onwards》。翻译过来就是《端到端自动驾驶技术的前世今生》。重点在于下图 他把 UniAD 这一类工作放在端到端早期阶段也就是 Modular E2E Planning再往前是面向 Drive AGI 的 World Engine也可以理解为端到端自动驾驶 2.0。早期端到端1.0主要靠什么训练模仿学习。简单说就是人类司机在这个场景下怎么开模型就学着怎么开。它解决了从“看见世界”到“做出动作”的映射问题但也留下两个麻烦第一人类司机未必总是最优第二真实数据里低频高危场景太少。那么我们必须往前走也就到了现在的1.5 阶段Foundation Models 基础模型时代。1.5时代面临两个技术难题分别是语义瓶颈和长尾瓶颈。两个技术难题都需要解决但各家着手的重点不同于是就衍生出不同技术路线。这也是为什么现在行业里术语特别多VLA、VLM、世界模型、强化学习、端到端、World Engine……如果大家都一样那就相安无事也懒得天天讲正因为各不相同才需要反复讲讲自己的优势在哪里。这让我想起量子力学的故事海森堡搞矩阵力学薛定谔搞波动力学两套理论创立初期语言、思路完全割裂两派还激烈争论。1926 年薛定谔率先从数学上论证二者可以互相推导、观测结果完全一致。那篇论文的名字很霸气我还记得《论海森堡-玻恩-约尔丹量子力学与我的量子力学之间的关系》。回到智能驾驶也是这样第一条路线是先解决语义瓶颈也就是 LLM / VLM / VLA 这一支。它试图把语言、常识和高层语义接进驾驶模型。如此一来车就能“听老司机讲”、“上网刷事故视频”、读交通规则从人类积累下来的经验里补课。它自己也许从没经历过某个 corner case但听说过、看过、理解过下次真遇到时总归会好一些。也就是说以前端到端都是在数据中自己练现在让他识字允许他上网听老司机讲安全驾驶了那理论上进步是快不少。就我个人体验来说学完车之后前10000公里主要就是自己练后来意识到自己的一些驾驶行为多么危险惊出一身冷汗就主动去刷视频学学防御性驾驶技巧。某种意义上来说这就是我本人从模仿/强化学习阶段进入了VLA阶段。第二条路线是先解决长尾瓶颈也就是世界模型与强化学习这一支并进一步走向 World Engine。这里要注意World Model 和 World Engine 不是同一个词。前者更像后者的一个组件。比如蔚来 NWM 说的是 Nio World Model华为乾崑 WEWA 里的 WE则是 World Engine完整架构是 World Engine / World Action Model。这条路线的思路是先别让我识字也别急着让我听老司机讲课而是给我构建一个极为逼真的极品飞车游戏让我天天在里面练。练 10 万公里、100 万公里效果未必比上网刷题差。既然是练就有成功、有失败。正确的动作强化一下错误的动作下次别犯这就是强化学习(Reinforcement LearningRL)回想那些 80 年代就拿驾照的老司机他们哪有条件上网刷题没办法纯靠自己练也能练成老司机甚至经验更老道。毕竟很多时候听来的不如练出来的。但这种练法有两个问题一是练出事故了怎么办二是现实世界练 10 年太慢了怎么办这就是 World Model / World Engine 要解决的事让你进入一个虚拟世界在里面撞车也不伤现实肉身就像《明日边缘》里的汤姆克鲁斯一样让你进入一个“一秒万年”的训练场在里面练了一万年回到现实世界也只是1秒。VLA 通过学习老司机来提升水平World Engine 通过更安全、更高效的强化学习试错来提升水平。一个补语义一个补经验一个像读书听课一个像下场训练。端到端 1.5 之所以必然分岔就是因为它同时被这两个瓶颈拉扯既要更懂世界又要更会处理没见过的危险。根据Hongyang Li教授的观点真正的 2.0可能不是二选一。所以你会看到现在搞VLA的也开始提到强化学习、世界模型这些概念了。这次讲的大家能看懂吗 可以评论区指出讲得不好的地方我继续展开。按原计划下期就讲“世界模型”的差异 —— 都是世界模型水平可能差距很大​最后我在一线科技企业深耕十二载见证过太多因技术更迭而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包✅AI大模型学习路线图✅Agent行业报告✅100集大模型视频教程✅大模型书籍PDF✅DeepSeek教程✅AI产品经理入门资料完整的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】​​为什么说现在普通人就业/升职加薪的首选是AI大模型人工智能技术的爆发式增长正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议到全国两会关于AI产业发展的政策聚焦再到招聘会上排起的长队AI的热度已从技术领域渗透到就业市场的每一个角落。智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200%远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。​​资料包有什么①从入门到精通的全套视频教程⑤⑥包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图还有视频解说全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤ 这些资料真的有用吗?这份资料由我和鲁为民博士共同整理鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。所有的视频教程由智泊AI老师录制且资料与智泊AI共享相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌构建起前沿课程智能实训精准就业的高效培养体系。课堂上不光教理论还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事‌​​​​如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生‌无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型‌非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界‌。业务赋能 ‌突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型‌。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】**​