文｜傲然
編輯｜楊布丁
4月25日，前 deepseek 研發負責人、多模態技術核心研究員阮翀，以元戎首席科學家的身份首次亮相。
在溝通會環節，阮翀告訴騰訊汽車，自己從 deepseek 轉戰加入元戎啟行，「考慮時間很短，幾天就做了決定」。在當日ai talk分享中，他也坦誠分享入局物理 ai賽道的兩大原因：一是不太喜歡邊際收益遞減的事情；二是性格原因，「不喜歡跟別人搶著做事」。
與多數自動駕駛研發從業者的分享不同，這次阮翀不僅解讀了元戎基座模型的最新進展，還詳細介紹了公司在輔助駕駛認知能力構建方面的最新進展。同時，他還分享了ai時代人和組織該如何共同進化，他笑稱，這部分內容是自己夾帶的 「私貨」。
阮翀認為，隨著輔助駕駛進入規模化量產階段，以往依賴小模型發展的技術路徑，導致系統穩定性與用戶高頻使用率提升緩慢，在複雜長尾場景中仍然容易出現能力波動，輔助駕駛體驗尚未形成穩定可靠的信任基礎。面向這一階段性挑戰，元戎提出以基座模型為核心的新一代技術路徑。
發布會上，阮翀介紹，基座模型將駕駛決策、場景理解與行為評估能力統一在同一架構中，通過更大的模型規模、更高的數據質量和更快的數據閉環，推動輔助駕駛系統持續進化。在這一體系下，數據閉環迭代周期從過去的約 5 天縮短至約 12 小時，運行效率大幅提升。
談及大模型與物理世界空間交互的行業痛點，阮翀拋出一個觀點：與其說是一個技術問題，我更覺得它是一個信仰問題。
結合元戎啟行深耕的輔助駕駛業務，他進一步解釋：你為什麼會相信一個人類司機可以開好車？或者說人類開車就不會有事故嗎？你很難無瑕疵地去證明這個事情。而是說你會不會相信模型的能力能夠達到人的能力——它不是數學證明，而是一種信仰。信仰需要一些證據支持，比如你可能坐一些車體驗效果怎麼樣。
今年1月，騰訊汽車曾獨家報道，阮翀正式加盟元戎啟行。公開資料顯示，阮翀 2018 年畢業於北京大學計算語言研究所，2023 年加入 deepseek 擔任研究員。
根據dblp （digital bibliography & library project，計算機科學文獻數字圖書館）記錄，阮翀（chong ruan）與代達勱（damai dai）、李嘉實（jiashi li）、鄧乘奇（chengqi deng）、趙成剛（chenggang zhao）和高華祚（huazuo gao）是和梁文鋒（wenfeng liang）共同署名論文最多的研究人員，各自與梁共同署名論文均有9篇。
2023-2024 年，他深度參與了 deepseek-vl/vl2、janus 系列等多模態模型的研發；在大語言模型領域，他是 2025 年 9 月《nature》收錄論文《deepseek-r1 通過強化學習激勵大型語言模型進行推理》（deepseek-r1 incentivizes reasoning in llms through reinforcement learning）的作者之一，該研究具有廣泛的行業影響力。
此外，他還參與了 deepseekmoe（混合專家架構優化）、deepseek-v3（規模化與硬體適配）、native sparse attention（硬體對齊稀疏注意力機制）等多項底層技術研究。
以下是阮翀在元戎啟行發布會、ai talk以及溝通會上的部分發言實錄：
發布會演講實錄：
各位來賓、各位媒體朋友們，大家好，我是阮翀。剛才我們ceo周光博士已經介紹過了，我是幾個月前來到元戎的。相信很多人已經知道了這個消息，今天是我第一次跟大家公開見面，非常感謝大家的到來。
大家可以看到演講的標題：being ai-native in post-llm era（如何打造後大語言模型時代的 ai 原生）。本來這個標題應該是介紹元戎的智駕體系，這也是很重要的一點，但標題並沒有非常直接地反映這一點。很快大家就會知道為什麼，因為最後兩頁我夾帶了一些「私貨」。
有一個很簡單的道理，在某種意義上是不言自明的：以前大家會做各種各樣的小模型，比如我需要去檢測一個行人、一個紅綠燈等等。整個智駕體系里有非常多的小模型，就會帶來巨大的負擔，無論是開發、管理還是人力上的負擔。
未來的趨勢，從語言模型開始，就會演變成：我們有一個很大的、參數量很多的基座模型，希望它能夠同時完成很多不同的任務，而不是每個特定任務都有一個單獨的模型。這樣會給整個研發體系帶來非常大的便利。稍微具體一點說，我們可以把這個過程分為數據scaling和模型的scaling。
從數據的角度看，如果有一個很大的模型，我們就可以把各種感測器類型的數據，以及語言或動作等不同模態的數據，都統一到一個模型裡面。這樣就可以吃進更多的數據，利用數據閉環不斷提升模型的能力。
從模型的角度看，當模型的參數量越來越大，我們就可以基於這個基座模型，完成很多版本，用很少的模型來完成整個研發迭代周期里的絕大部分任務。
我們把它具體分為三個模型：第一個是driver模型，負責開車，接受感測器的輸入，輸出駕駛動作——應該怎麼剎車、怎麼打方向盤。
第二個是analyst模型。這個模型可以把語言模態接入進來：有了感測器輸入和駕駛動作，它可以分析模型到底為什麼要這麼開。比如你開到路口時，它可以告訴你前面是一個路口，有盲區，會不會有行人突然出來，需要減速。這樣就有了可解釋性，它會告訴你為什麼這麼開，讓你安心。同時，這個模型還會做數據標註，處理整個研發過程中汽車的駕駛行為。
第三個是critic模型。它在一定程度上可以更好地利用負向數據。在小模型時代，大家只能用正向數據學習——告訴他什麼行為是好的，車速應該是多少，模型去擬合這些好的行為。但實際上很多行為是不好的，比如不小心闖紅燈，或者跟別的車搶路權。只有當你知道什麼是好的、什麼是不好的，並且把不好的行為也告訴模型，模型才能盡量避免這些行為。通過更多地接管負面數據的學習，可以獲得更智能的駕駛行為。
那麼，有了大模型之後，怎麼用它來加速整個開發流程？我舉三個具體例子。
第一，用大模型做數據表徵。 以前的端到端模型雖然是用數據驅動的方式做迭代，但往往是一種滯後的行為：我開發一個模型，測試一下，發現在某些場景上有問題，比如不居中，或者等紅燈時溜車，然後我就會修改訓練方式，或者抽取一批相應的訓練數據加進去，訓練下一版模型，希望修正這些錯誤行為。但如果有一個數據表徵模型，就可以提前把所有數據分析和歸類。我知道模型在什麼場景下有什麼樣的數據，就可以做針對性的採樣或升採樣。某種場景數據不足，我可以提前做一些定向收集或其他處理。這樣就能把迭代過程前置，簡化流程。
第二，數據質量的評估。 通常很難直接評價數據的質量，只能通過間接方法：我用這個數據去訓練一個模型，訓完之後看模型好不好，從而判斷數據好不好。問題在於，每次訓練模型的時間代價很長，從數據到訓練需要很長的迭代周期。如果有一個大模型，就可以通過一段很短的foundation model來解決這個問題，以比較短的周期進行迭代。
第三，模型評估驗證。 以前訓好模型後，把它部署到汽車上，出去開一圈才知道到底好不好。路測是一個非常精準的方式，因為它對應最終實際應用時模型需要做到的事情。但缺點是比較耗費人力物力：首先要發版，其次需要有一個人盯著它開車，流程比較繁瑣。有了基座模型以後，我們可以把很多以前非常依賴路測的東西挪到雲伺服器上，在一個虛擬環境里運行駕駛模型，就能知道它開得好不好，從而縮短模型驗證的周期。
有了這樣的使用方法，我們可以在每個研發階段應用類似的技術，加速整個研發周期。以前迭代一版模型可能需要100多個小時，而現在可以加速十倍，只需要12個小時就能做到。
模型只是一個加速的結果，是一個時間點上的產物。但除了模型之外，更重要的我認為是研發的過程。因為技術總會不斷迭代，總會有新技術出現，總會有新的競爭者。某一點的領先不是真正的領先，真正的領先在於你如何去組織研發過程，實現持續的迭代和改進。除了拿到模型交付結果之外，更重要的是怎麼把模型應用到日常工作的方方面面。
這麼說可能比較抽象，我們可以看幾個具體的例子。
其一，知識管理。 以前大家怎麼管理內部的研發流程？比如有很多知識散落在各種各樣的文檔、聊天窗口裡。隨著時間的推移，文檔會過時，聊天窗口沒有人看，信息就會逐漸散失。但如果有了大模型，這個事情就變得很容易。比如我以前沒做過自動駕駛，現在很多事情模型可以跟我解釋：它可以從互聯網讀取各種數據，學習各種論文，解釋學術名詞，還可以總結各種聊天記錄，把一些口口相傳的知識提取出來。
其二，代碼生成。 這一點已經非常普遍，不用過多強調。以前大家都是手寫代碼，現在可以用模型執行更多編程任務。
第三，人際合作，減少溝通成本。 尤其當涉及跨部門協作時，以前需要找到另一個人，跟他說我需要一個什麼東西，佔用他的時間讓他幫你做。現在可以把很多流程化的東西固化成一個技能——它是一個可執行的東西，而不是可讀的東西。這樣一來，可以直接跳過跟人溝通的過程，更快地拿到協作所需的組件。
第四，實驗分析。 同樣，以前看實驗日誌，模型可以幫你匯總、畫圖表，加速迭代的過程。
最後一條，有了這麼一個智能工具之後，人到底應該做什麼？或者說組織應該做什麼？ 這裡的「組織」指的是機構，比如公司或科研機構。對我來說，有幾點比較重要。
人應該做的：第一，需要關注新技術，無論是自己去嘗試，還是和身邊的人溝通。雖然有句話說「只要我學得足夠慢，就不用學新的東西」，但我認為世界變化還是很快的——尤其是從去年年底開始，代碼模型的進步已經遠遠超出了大家的預期。第二，在使用工具時，一定要把工具當成自己的手，而不是自己的大腦。因為模型有可能會犯錯，如果你不知道模型在幹什麼而盲目相信它的結果，很容易帶來垃圾工作量的提升，實際進展卻沒有多少。
而對於一個組織來說，怎麼更好地使用ai？大家可以看到，有人用ai寫代碼提速了5倍，但實際進展並沒有5倍。
這裡分享一個觀點，當你需要開始一個項目時，最好是使用輕微不足的人手，加上相對充足的token。只有人手不足的時候，你才會去思考什麼是真正重要的事情，而不是亂七八糟的事情全都去做——那樣只會分散你的精力。使用token可以提升你的開發效率，或者補充一些相對初級的人手。
還有一點，怎麼看待公司這樣的組織形式？以前我們會認為公司是人的集合：公司有這麼多員工，每個員工負責做不同的事情。隨著智能體越來越發達，我們可以把公司看成是人和skill的集合。
人用來發揮主觀能動性，發揮那些短期內無法固化的事情。而很多流程或規章制度，可以從以前的txt變成可執行的skill。你不再需要人去執行這些規章化的流程，而是把它變成一個可執行的東西，去加速整個組織的演化。
謝謝大家！
ai talk+溝通會部分實錄：
問：如今大模型已經進入日常生活和工作的方方面面。剛才阮翀提到，我們的生活、工作、組織架構都可以用大模型。但有沒有哪些具體現象或時刻，讓你意識到當前大模型的能力還需要進一步突破，它的能力邊界一定是有限的？
阮翀：尤其是對於視覺模型，當前最難的問題是空間範圍感知的缺陷。模型經常前後左右不分，導致一些奇怪的行為。在人看來非常簡單的事情，比如車門在左邊還是右邊、這個東西在車裡面還是車外面，經常給模型帶來困惑。
問：進一步請教，在各位日常思考與工作中，是否有發現哪些領域的突破性進展，可以為當前大模型能力的提升帶來借鑒？我知道很多學物理、學化學的思維方式能帶到大模型和物理ai中。
阮翀：這個問題我更想反過來談，怎麼把大語言模型的進展推廣到其他領域？我想強調的還是「閉環」這個概念。比如用ai預測化學分子的性質——熔點是多高、溶解度怎麼樣，然後用它來製藥。這很像幾年前編程模型的狀態：可以用來做檔案補全，能加速以前的過程。
假設原來有一百個分子結構需要測試，ai預測可以簡化流程，只做十個分子，加速迭代。但問題在於：這十個分子能不能讓機器自動去測？或者說，最近很火的「ai科學家」概念，怎麼控制模型能力去完成一個完整的閉環？假設我分析出這十個分子可能有什麼性質，能不能讓機器人來做實驗？機器人和人做實驗的差別在於：如果安排兩三個不同的實驗人員去做，可能因為人的個體差異（比如手法好壞）導致結果不同。如果可以用標準化的方式做，就會減少人的干預，結果也更容易復現。
問：多模態技術具體能在物理世界中解決哪些問題？多模態與物理ai之間最本質的關係是什麼？我們也注意到，近期不少大模型公司的多模態負責人選擇進入物理ai領域，這背後的信號是什麼？
阮翀： 我的想法可能跟別人不太一樣，但也有共性。兩方面原因：一是我不太喜歡邊際收益遞減的事情。做大語言模型很多年，能力也在提升，但跟chatgpt剛出來時的感覺已經完全不一樣了，會有一種疲倦感。大語言模型發展得很好，訓練比其他領域領先很多，幾乎可以用一個模型解決所有想要的事情。但在其他領域，不管多模態還是具身智能，還沒有發展到這個階段。我更願意參與這樣的階段，而不是一個相對成熟的階段。
二是性格原因：我不喜歡跟別人搶著做事。比如某個模型很好，大家都一窩蜂去做。我更在意某種使命感或責任感：如果一件事情我做和不去做，對世界沒有差別，那我為什麼要做？所以我會選擇換一個領域。
問：我們該怎麼做，才能確保ai的發展是「for good and for all」？
阮翀：人怎麼保證一個人是好人、不會犯罪？需要法律、規章制度等。ai也一樣。如果你相信ai的能力可以達到或超過人類水平，那麼你也需要某些工具來控制它，而不是期待它天生就是善良的。
問：你當時從上一家公司來到元戎考慮了多久？來到自動駕駛公司之後，最讓你興奮的點是什麼？最讓你感到難或者焦慮的點是什麼？這個行業這兩年很卷，前段時間地平線蘇箐說進入三年的苦日子，你可能在苦的時候來了。
阮翀： 我考慮時間很短，幾天就做了決定。我沒有非常詳細地比較要去哪家公司，我更關注的是工作氛圍。最打動我的是跟元戎幾個合伙人聊天，感覺很好，大家可以像朋友一樣相處，這是我最看重的，其他反而沒那麼重要。
問：最焦慮的點是什麼？
阮翀：最大的問題看你跟誰比。如果跟大模型公司比，這個行業人才密度確實還是差一點。以前你把一個工作交給其他人做，非常放心；現在需要非常頻繁地檢查結果、檢查整個過程。
問：大模型跟物理世界空間交互的點，在大模型時代還是一個難點，你們怎麼解決？從安全或者運營的角度看，這個問題怎麼處理？
阮翀：其實與其說是一個技術問題，我更覺得它是一個信仰問題。你為什麼會相信一個人類司機可以開好車？或者說人類開車就不會有事故嗎？你很難無瑕疵地去證明這個事情。而是說你會不會相信模型的能力能夠達到人的能力——它不是數學證明，而是一種信仰。信仰需要一些證據支持，比如你可能坐一些車體驗效果怎麼樣。
我的信仰是：智能負責多場域，而且不只有一種實現方式。當一個系統負載到一定程度，無論它的載體是人腦還是其他東西，就會出現相應的智能行為。只要能達到一定水平，就可以實現智能。如果你相信這件事，長期來看就會期待這個結果。
換句話說，有一句話叫「ai是迄今為止尚未實現的東西」。每次技術攻克一個問題之後，人們會說「這個東西是ai的明珠」，一旦實現了，就會被開除ai行列，「這東西不需要智能」。這是一個反覆發生的事。從我的信仰角度講，我是相信的。
問：大模型在端側部署，參數量這麼大，車端晶元能跑得動嗎？會不會有算力和存儲的限制？
阮翀：有兩個辦法。第一，可以通過中軸（蒸餾）去解決，用大模型教一個小模型，這樣小模型的能力也會很強，比你從頭訓練一個小模型強很多。第二，要相信時間的力量。時間意味著硬體的進步，以前車載晶元算力有限，過幾年翻幾倍。只要你相信這個過程是持續的，模型的大小就不會是問題。
我以前2017年做的時候，在手機上跑50兆的模型，當時已經覺得非常大了；現在大家會在手機上跑1g、2g的模型做app。對計算機行業來說，最大的教訓就是沒有新鮮事：所有在pc時代、個人編碼時代發生過的事情，都會在手機上再發生一遍；手機上發生的事情，又會在物理世界上再發生一遍。
問：一直在聽阮翀說vla模型，最後歸到多模態大模型。按照您的理解，切換到大模型就是所謂的範式切換嗎？
阮翀：其實剛才還有一點沒有說完：這一代模型跟上一代相比，能力可以跨量級比較。當前的模型，跟發展之後的模型原理差不多。模型設計密度本身就會提升。隨著模型發展，可能需要一個直接模型才能達到預期的能力；可能過兩年，確實只需要一個更小的模型就行了。
問： 剛才你們提到了一千公里mpci（(每千公里人工接管次數)）的數據。我想問，這個目標通過範式切換是可以實施的一部分嗎？
阮翀：這是特斯拉已經實現的東西。如果別人能做到，你也能做到。這不是一個編出來的口號或者目標，它是一個已經實現的東西。
問：在阮翀看來，一千公里的mpci是今年整個訓練開發的核心目標嗎？你是基於技術發展方向做的判斷？能不能稍微延展一下？為什麼？
阮翀：是的。你為什麼要做自動駕駛？你希望它做什麼？一方面希望車開得舒服，可以睡覺，也有其他動機。但對我來說最重要的事情是：有很多指標可以衡量自動駕駛好不好。
比如，特斯拉fsd會有一些問題——旁邊有一輛摩托車，系統擔心風險，做一些橫向避讓，車上的人會被晃一下。但每個人需求不一樣，在我看來這不是特別重要。我知道現在很多人極度依賴智駕，一邊開車通勤，一邊開電話會議或者睡覺。在這種場景下，你不是特別在意舒適性，而是在意到底要不要被打斷、被迫接管。從這個角度講，最關心的指標應該是mpci。
