黄仁勋说自动驾驶是机器人第一步,以前是不是都想反了?

如今，判断一个行业的方向，绝不比看懂一辆汽车简单，除了关注单点突破、政策节奏之外，还要看底层能力，选择一条具有迁移潜力的技术路线，就像发现一张行业地图一样让人充满期待。这么一想，早早关注黄仁勋的人应该是幸运的。虽上任时间不算长，但最新的一条推文就直接奏响了机器人浪潮的前奏，物理AI。

物理AI实力强劲，自动驾驶功不可没  

早在此前两条推文发布时，就曾登上过AI话题的中心，不少关注技术走向的从业者表示了赞赏。得益于那条围绕开放权重模型的表态，使黄仁勋的AI路线判断更加清晰，让自动驾驶在技术路线之争的岔路口上，有了更加明确的位置。

比方说在识别AI的下一波浪潮时，这条推文的表述就十分凝练，如同一声发令枪。根据这条推文的表述看，在作出判断后，行业会更清楚地看到一条路径：先让车学会感知，缓慢积累场景数据，并在实际运营中逐步加速。这个先感知、再决策、后行动的推进过程，很接近我们人类自己学习驾驶时的思路。

不仅如此，与单纯的自动开车相比，这条推文还有定义赛道的能力。比方说在机器人产业里，在技术演进的过程中，自动驾驶更敢于率先承担复杂任务，并在落地的时候跟得也比较紧，从为无人机、无人艇、飞行汽车等移动装备铺路。

不过，在仔细审视这轮表态时，我也发现了这条推文的一个局限。比方说它虽然点明了方向，但没有给出具体的时间表，比方说它谈到自动驾驶与更多装备的连接时，也只是一笔带过的框架已。这些问题，可能就需要后续的技术进展与行业实践来进一步回答了。

功能进化，更具实用性  

在最新发布的动态中，除了点出自动驾驶是起点，黄仁勋也把物理AI放进了更宽的坐标系里，同样利用让机器学会自主行动的底层逻辑，最大程度提升行业的判断能力，看得更远、更加精准，从使更多赛道能做出更正确的布局。

比方说在应用场景拓宽时，升级后的技术路线就能发现新的空间，并进行及时的布局。再比方说面对工业装备升级时，汽车场景积累的数据能力也能实时感知并做出相应的配合，并且迁移过程更加熟练流畅，让布局相关赛道的企业更加踏实放心。

此外，在出行环节，自动驾驶的能力也会得到释放，在车越来越会自己开的逻辑基础上，针对普通人关心的养车是否划算这一问题，其将有效降低车辆闲置的时间，让车队利用率明显提升，从必须养一个司机慢慢转向按需调用服务，这也意味着同样的出行需求，家庭的花费结构会发生改变。

另一项核心变化，是就业市场对技能的需求结构将被重写，该变化发生后，驾驶水平将逐步让位于数据能力，搭配相应的运营、调度与安全验证系统，即可重新定义很多岗位的核心竞争力。工作日跑网约车，或者偶尔做长途货运时，都能感受到后台调度与数据支撑带来的差异。

说实话，在AI浪潮方面，黄仁勋这第三条推文的指向值得继续期待。随着自动驾驶应用场景的拓展，行业对物理世界复杂路况的把握和移动装备的操控能力有了进一步提升，明天十年新增长极的图景，相信将会逐步实现。