In Search of Possibility

陈竞在冬日雪景中的照片

陈竞

1991 年生,四川广元人

Physical AI System Engineer

  • Physical AI
  • Autonomous Driving
  • Systems Engineering

“我觉得这个可能是研发的一个本质:

去想一些现实生活中没存在的美好事物,然后把它带到这个世界上来。”

2024—2026 年,担任华为车BU ADS首席专家,负责 ADS 4.0 和端到端 AI 方案,完成从规则驱动到端到端 AI 的范式转换。2016—2024 年,作为大疆车载创始成员,从零创建规控算法部、系统部及智能研发体系,2020 年落地国内首个无图智驾。2014—2016 年,在港科大研究有安全保障的无人机自主飞行。2010—2014 年,本科就读于哈工大计算机系,并在微软亚洲研究院从事 AI 研究,2013 年开始使用集群和全量维基百科语料训练语言模型。

近期启动创业项目,致力于物理 AI 系统在真实场景中的大规模部署,为人类打开物理世界的无穷可能性。

经历与思考

2010—2014哈工大与 MSRA:如何实现 AI Computing 的规模化?

本科期间,我们参加了 ACM-ICPC 编程竞赛,关注如何衡量计算效率,以及通过哪些方法,更高效地使用有限的算力。

2013 年,在微软亚洲研究院(MSRA)围绕语言模型与命名实体识别(NER)开展研究时,我们进一步追问:

能否将计算能力转化为可扩展的信息处理能力?

能。这就是 AI Computing。

AI Computing 的规模化,涉及三个核心问题:

算力:如何让计算资源可规模化扩展?

集群。

通过集群组织和调度大量节点,让计算资源能够规模化扩展。当时,我们借助约 2,000–3,000 个节点的 Cosmos 集群,开展大规模的数据处理与模型训练。

数据:如何让数据可规模化扩展?

互联网数据。

互联网持续积累的自然语言语料,让数据规模能够不断扩展。当时,我们以全量维基百科语料开展语言模型与命名实体识别研究。

模型:能力能否随规模增长?

神经网络(Neural Network)。

在当时的探索中,我们发现 SVM、决策树等方法的扩展性并不理想。MLP 则展现出吸收更多数据、学习较统一表征的潜力,减少了对任务特化设计的依赖,也让我们看到了模型能力随数据和计算规模增长的路径。

我始终致力于让 AI Computing 走入现实,随后将这部分研究成果带入 Robotics 领域,开展机器人研究。

2014—2016港科大 RI:物理世界难在哪里?

在港科大,我研究无人机的实时自主规划,希望让它在对世界了解有限的条件下持续飞行,并获得安全保障。这也让我开始思考物理系统中的三个基本问题。

物理世界中的系统,相比数字世界难在哪里?

核心难点是不确定性,以及它随时间的传播与累积。

  • 动态不确定性:世界本身就会变化。
  • 观测不确定性:传感器测出的距离,可能与真实距离有偏差。
  • 执行不确定性:同样的转弯指令,实际转过的角度可能不同。
  • 时序误差累积:每一步的小偏差,会影响后续的位置与判断。

闭上眼睛走直线,就能体会这种困难:每一步都可能偏一点,又缺少视觉观测来纠正,走得越久,越难确认自己在哪里。

如何应对多种来源、持续累积的不确定性?

核心方法是用冗余应对不确定性。

  • 源头抑制:选用测量更稳定的传感器、响应更一致的电机。
  • 信息融合:通过硬件同步对齐观测时刻,让多路信息协同工作。
  • 实时控制:通过高频观测与反馈,及时修正方向和速度。

骑自行车时,眼睛观察道路,身体感受倾斜,双手持续调整车把。路面变化、判断偏差和动作误差一直存在。多路信息和连续反馈,让人能够不断修正、保持平衡。

智能的本质是做对决策,如何做到正确决策?

决策的核心是预演不同选择的后果。

在食堂打完饭,你端着餐盘寻找空位,身边有人迎面走来,也有人突然起身拉开椅子。你会预判从哪里绕过去、什么时候停一下,以及刚看中的座位是否还空着。随着人流和座位变化,你不断调整路线,把饭送到合适的座位上。

  • 行动空间:无人机能转多急、停多快,决定了哪些动作来得及做。
  • 后果预测:前进、绕行或减速后,会到哪里、遇到什么、离目标还有多远。
  • 实时计算:用有效建模与数据结构,及时推演较远未来的多种影响。

最终要决定的是往哪飞、飞多快、何时转向或停下,让这些选择服务于任务目标。我的判断标准是:不确定性保持有界,行动能力覆盖这一范围。

研究成果

  • 实现具有安全保障的无人机自主飞行研究,并形成相关论文。
  • 论文 Improving Octree-Based Occupancy Maps using Environment Sparsity with Application to Aerial Robot Navigation 后续入围 ICRA 2017 服务机器人最佳论文奖(Best Service Robotics Paper Award finalist)。官方名单 ↗
  • 无人机避障实验设置成为学界事实标准。
2016—2024大疆车载:如何在复杂场景和不确定性下做推理决策?

自动驾驶为什么难?

不确定性与复杂性:自动驾驶要解决的是复杂系统中的不确定性问题。

不确定性来自真实的物理世界:观测可能不完整,其他参与者的行为也无法完全预知。

复杂性来自驾驶环境中的多类要素及其相互作用。它们不断增加问题的维度,让需要理解和验证的场景组合迅速增长,带来 Bellman 所说的“维度诅咒”:

  • 静态空间:道路边界、路面几何、可通行区域。
  • 语义规则:车道属性、通行方向、路权。
  • 动态物体:车辆、行人,以及它们的运动与交互。

无图智驾为什么更难?

多一个维度的不确定性:道路结构本身也变成了需要实时理解和判断的对象。

依赖高精地图的方案,通常在系统设计中把地图给出的道路结构当作已知条件,相当于消掉了这一维度的不确定性。无图智驾则要在行驶中自行理解道路结构,并面对这种理解可能不完整、不确定的问题。

第一次来上海开车,高架连续分叉、指示牌密集,转向车道的位置也可能和自己的习惯不同。临近路口,前车又挡住了地面的转向箭头。即使导航给出了路线,你仍要在信息不完整时,现场理解道路怎样连接、各条车道通向哪里,再及时作出选择。

我们怎样应对复杂性?

系统架构与工程:这是我建设研发组织与系统工程体系的基本方法,包含三个部分:

  • 高内聚低耦合架构:通过清晰的模块划分与接口,让专业的人在自己的领域发挥能力,减少需要处理的领域外复杂性。在跨领域的结合点,由专门的系统专家负责。
  • 工程积累:在清晰分工的基础上,把能力拆成可复用的基本单元,实现能力原子化与接口统一化。通过实际部署和反馈,持续积累 benchmark、测试能力、对问题本质的理解与工程 know-how,让这些积累进入后续研发。
  • 可靠性冗余:提前为信息缺失和能力不足准备其他信息来源与应对手段,让系统在局部信息或能力不可用时仍能工作,提高整体可靠性。

家里换一台电器,在额定供电和功率范围内,通过标准接口接入即可。电器内部的电源与控制电路负责处理本机的工作条件,研发和测试也可以围绕约定接口独立开展。这样,替换一个部件无需重做整栋楼的供电,封装好的能力也能被组合和复用。

我们怎样解决无图问题?

多元信息融合:针对无图增加的道路结构不确定性,用三路信息共同推断道路结构:

  • 车道线观测:根据车道线的位置和走向,直接判断道路结构。
  • 其他车辆行为:车道线被车辆遮挡时,通过周围车辆的行驶轨迹推断道路走向。
  • 道路边界:没有清晰车道线、周围也缺少车辆时,通过道路边界判断可通行空间。

施工覆盖了原有车道线,前方车辆又遮住了部分道路。系统仍可以结合其他车辆的行驶轨迹、道路边缘和临时隔离设施,推断当前的通行空间。几路信息相互补充,让道路理解在局部观测缺失时仍能继续。

在充满不确定性的环境里,怎样做对决策?

防御性驾驶:评估整个可行的行为空间,把观测和他人行为的不确定性纳入对未来后果的判断。

在浦西的小路上,路边车辆和建筑拐角可能挡住视线。看不见的位置,可能有行人准备过街,也可能有自行车驶出。系统需要把这些尚未观测到的可能性纳入预测,评估不同行为的后果,并保留应对空间。

  • 行为空间:明确当前有哪些可行行为,把这些选择都纳入评估范围。
  • 观测的不确定性:例如盲区中可能存在尚未被观测到的车辆或行人,需要考虑它们存在与不存在的可能。
  • 他人行为的不确定性:其他车辆可能加塞,也可能不加塞;行人可能突然冲出,也可能停在原地。
  • 多种未来下的后果:结合这两类不确定性,推演未来世界的多种可能演进,评估每个可行行为在不同情形下的后果,再决定采取什么行动。

这些工作带来了什么成果?

技术落地与商业成果:

  • 技术落地:我负责的国内首个无图智驾系统于 2020 年落地,领先行业三年。
  • 商业成果:拿下中国首个自动驾驶大单——大众 RHP 项目的百万级订单,为公司带来了重要的业务成果。
2024—2026华为车 BU:如何让物理 AI 系统具有 Scaling Law 和安全性?

不确定性的数学理解与对应的生成式模型实现。

  • 超空间(Hyperspace):表征世界的全部可能性。我把世界中全部可能的状态与行为视为一个高维空间,模型首先需要具备表征这个空间的能力。
  • 嵌入空间(Embedding Space):在上述空间内学习数据分布,刻画由数据信息所支撑的状态与行为。
  • 价值对齐(Value Alignment):在数据所反映的空间中,根据产品价值与安全目标选择行为。

如何让物理 AI 系统具有 Scaling Law?

通过生成式预训练(Generative Pretraining),让模型先表征可能性,再学习数据分布。

  • 模型如何表征世界的全部可能性?

    用生成式模型(Generative Model)打开表征空间(Representation Space)。

    之前方案的核心问题是模型的表征能力不足:大量真实数据中可以做出的行为,也无法被有效表征。因此,首先要突破这一限制,让模型能够表达Hyperspace中更丰富的状态与行为。

  • 如何在表征空间内学到数据分布?

    以交叉熵(Cross-Entropy)为目标进行自监督学习(Self-Supervised Learning)。

    之前方案在同一学习过程中需要监督多个复杂目标,学习数据分布与满足其他目标混在一起。我的调整是将其他目标移到后训练,让预训练专注于学习数据分布,在表征空间内刻画数据所反映的Embedding Space。

沿着这条路径,2025 年,我负责一段式端到端方案,以数据驱动替换主链路中的手写规则,直接输出可用于控车的轨迹。

如何保证安全?

通过价值对齐,让模型按产品价值与安全要求选择行为。

同样是并入缓慢车流,真实数据里有人等待合适间隙,也有人挤进很小的空隙,迫使后车急刹。模型会接触到这些不同的行为分布,但数据中存在的行为,并不都适合产品采用。后训练需要让系统依据安全、舒适性和通行目标,选择合适的行为。

在后训练中引入产品价值与安全目标,通过同策略强化学习(On-Policy Reinforcement Learning)完成Alignment,并结合风险场(Risk Field)形成防御性驾驶能力。预训练负责学到数据分布,后训练负责在这个基础上学习怎样选择行为。

如何保证可靠性?

通过系统冗余保障可靠性。

车辆减速可以由不同机理提供。若某一摩擦制动通道异常,而电驱与能量回收链路仍可用,回收制动在满足工况条件时仍可能提供部分减速能力。冗余的意义,是通过不同的可用链路,在局部失效后保留应对手段。

AI 系统可能失效。面对智能驾驶这样的复杂系统,我把传统规则系统作为AI 主系统的旁路冗余,在主系统失效时介入,避免在正常运行时持续干预模型、制约其能力扩展。这也是我面向L3、L4推进的端到端主系统+规则旁路辅助架构。

这些工作最终带来了什么?

端到端方案实现了更拟人的驾驶体验,安全性实现一个数量级的提升。ADS 4.0 达到百万级装车,用户订阅率超过 90%,平均用户智驾使用里程占比也超过 90%。

公司也在中国电动汽车百人会论坛上宣布,将AI 算力投入扩大至原来的五倍,继续投入这条以数据与计算驱动能力增长的技术路径。

2026— 下一步:物理 AI 系统如何走入更多真实场景?如何探索未知,打开可能性?

物理 AI 系统的长期商业价值在哪里?

部署:在真实场景中形成工程积累。这种工程积累无法被体系化知识取代,并将成为 AI 长期依赖的知识与信息库。

AI 为什么不会取代这些工程积累?

智能的本质是能力的泛化,而不是对已有信息的过拟合(overfitting)。

同一套机械臂,换上动作习惯不同的模型,即使完成相同抓取任务,也可能带来不同的发热、磨损与精度表现。部件状态逐渐偏离,也可能改变模型面对的观测、动作的实际结果和后续选择。工程记录必须对应整套软硬件配置、模型版本和使用工况,才能知道哪些组合能够长期配合。

对这些系统级、长期积累的工程信息,智能在进化中找到的最优处理路径,是信息检索 + 上下文学习(In-Context Learning)。经过验证的配置、工况和长期性能记录保存在外部知识库中,AI 在具体任务里检索、理解并使用,避免重复记忆或重复验证。

为什么工程积累如此关键?

系统级的非功能特性,需要跨工况、长时间验证。

新机械臂通过几次抓取演示,无法据此确定整套系统长期运行后的耐久性、温漂和精度保持范围。这些长期非功能特性,需要累计运行、寿命试验和故障复盘的证据,也需要验证部件偏离后模型如何应对。把结果连同工况、配置和版本保存进知识库,后续 AI 才不必对同一组合从头重复验证。

大众、丰田长期形成的制造、供应商协同与故障处理经验,支撑产品可靠性及规模化生产。丰田质量体系历史 ↗中国新能源汽车在政策支持下,通过持续投入与大规模应用,也积累了制造经验、产业协同和供应链优势。IEA 汽车产业报告 ↗这些能力来自长期实践,优秀人才与先进想法同样需要经过实际生产、部署和反馈的检验。

AI 系统如何自主探索未知,为人类打开可能性?

元能力:让系统理解自己能够采取哪些行动,以及这些行动对自身认知、能力与不确定性的影响,并据此主动探索和成长。

  • AI 如何理解已知与未知,并作出不同的应对?

    元认知:认识自身知识与能力的边界,区分已有依据的判断与仍缺少信息的问题,让行动与自身的认知和能力相匹配。

  • AI 如何主动改变自身的信息与能力?

    元行为:理解行动如何改变自身的信息、能力与不确定性,并据此主动选择行动,获取信息、积累经验、拓展能力。

    用户说“把我的眼镜拿来”,机器人却不知道眼镜放在哪里。它根据已有信息选择先查看书桌、床头还是收纳处,每次查看后更新位置判断,必要时向人询问。通过主动获取信息,它逐步缩小未知范围,直到完成任务。

  • AI 如何持续提升自己应对未知的学习能力?

    元学习:利用行动与反馈,持续检验和改进自己的学习方法,使系统面对新的未知时,能够更好地获取信息、更新认知并提升能力。

    用户想吃一道机器人从未做过的菜,它需要主动寻找做法、理解工序,再通过实际操作和反馈验证、调整。学会以后,还要根据这个人的咸淡偏好、应季食材和不断变化的饮食兴趣改进。它也能从反馈中改进自己的学习方法,持续扩展会做的菜和适应需求的能力。

  • AI 自主探索的信息与价值从哪里来?

    真实世界:真实世界既是信息的源泉,也是价值的源泉。系统必须在真实世界中部署,从交互中获得数据与反馈,并在现实需求中找到探索与进化的方向。

我致力于让 AI 在现实场景中自主探索世界的未知,为人类打开无穷的可能性。

详细履历

2024—2026

华为车BU

ADS首席专家

职责范围

  • 负责端到端技术方案,统筹多个端到端开发团队,组织技术攻关
  • 负责 ADS 4.0 方案与 ADS 5.0 技术规划
  • 负责 SE 专家团队管理及 AI 化培养
  • 统筹产品开发(N)、技术预研(N+1)与前沿预研(N+2)的技术规划

重点工作

  • 2025 年,负责一段式端到端方案,以数据驱动替换规则,直接生成可用于控车的轨迹
  • 通过风险场建模与 on-policy RL,推进防御性驾驶
  • 构建 L3、L4 高安全系统架构,以端到端主系统与规则旁路协同保障安全

主要成果

  • 2025 年,一段式端到端方案达到全球 TOP 2 水平
  • ADS 4.0 百万级装车
  • 用户订阅率 90% 以上
  • 用户行驶里程中的智驾占比 90% 以上

2016—2024

大疆车载

创始成员、规控部/系统部负责人

职责范围

  • 从零创建规控算法部
  • 从零创建系统部
  • 构建矩阵式研发体系

重点工作

  • 负责国内首个落地的无图智驾系统(2020 年),领先行业三年
  • 构建应对多种不确定性的防御性驾驶能力
  • 构建能力原子化、接口统一化的平台系统架构,使能力能够围绕统一接口持续积累

主要成果

  • 2020 年落地国内首个无图智驾,领先行业三年
  • 获得大众 RHP 百万级订单
  • 获得其他 50 家 OEM 的车型订单

2014—2016

香港科技大学

Robotics Institute · MPhil(全奖硕士)

研究方向

  • 自主无人机系统
  • 保障系统在自主运行过程中的安全性与实时性

重点工作

  • 开创有安全保障的 corridor-based planning
  • 开创基于 Octree 的实时在线自主建图
    技术细节:Octree 查询与更新复杂度
    体积占据查询 · 复杂度上界
    CPUO((vr/Vε)2/3)
    GPU(充分并行)O(log(vr/Vε))
    单射线地图更新 · 最坏情况
    CPUO((Lr/Vε1/3) · log(vb/Vε))
    GPU(充分并行)O(log(vb/Vε))

    vr 为查询体积,Vε 为最细体素体积,Lr 为射线长度,vb 为射线的轴对齐包围盒体积

  • 实现首个在板载计算设备上实时运行、具有安全保障的自主飞行系统

主要成果