人工智能正经历一场新的范式转变。十年前，自动驾驶还是技术最前沿的舞台：从早期的模块化感知与规则驱动，到 2019 年之后的 BEV 与 Transformer 融合，再到如今端到端的大模型路线，行业经历了数次迭代，如今已进入工程收敛期。但与此同时，另一条平行线机器人正在悄然兴起。
在 2023 年，隋伟选择从地平线转向地瓜机器人，正是因为看到了这种交汇的拐点。他在采访中坦言，自动驾驶的技术栈已逐渐收敛，后续更多是工程优化；而机器人则正处于一个早期未解之地：硬件形态尚未统一，算法框架仍未定型，数据规模远不及汽车行业，但也因此充满未知与机会。
这背后折射出一个更宏大的时代背景：
自动驾驶的经验正在迁移。例如，地瓜机器人内部将自动驾驶积累的芯片、视觉、标注与数据闭环能力，移植到机器人平台；
硬件的不确定性成为最大挑战。汽车有统一的四轮一方向盘标准，而机器人仍处于多样化探索：轮式、双足、双臂、灵巧手……没有统一形态就没有大规模保有量，意味着数据难以积累，算法难以快速迭代；
数据稀缺且难以采集。不同于汽车行业拥有海量驾驶数据，机器人数据难以采集，标注昂贵，仿真与合成数据成为重要补充方向；
算法仍在探索阶段。VLA 等大模型展示出端到端的潜力，但框架尚未收敛，距离通用落地还有很长的路要走。
正是在这样的不均衡下，学界和产业界开始重新思考：能否有一种方法，像 Transformer 之于自然语言处理一样，为三维几何问题提供统一的解法？在最新的学术进展中，已经有人尝试用一种被称为VGGT（Visual Geometry Grounded Transformer）的模型，去挑战长期由传统几何方法主导的三维重建与 SLAM。有人甚至称它可能是三维几何领域的「大模型时刻」。这一尝试还远未定论，但其潜在意义正在被越来越多的人关注。
特斯拉的自动驾驶有两大「杀器」：一是端到端的网络，直接从传感器输入到控制输出；二是数据闭环系统，可以源源不断地产生高质量数据来迭代模型，让它发挥到性能的一个上限。
本文网址：
