对话周光：自动驾驶实现AGI，RoadAGI比L5更快 | GTC 2025_风闻

一凡 发自 凹非寺

量子位 | 公众号 QbitAI

自动驾驶实现垂直领域的AGI，有了新路径。

不是Robotaxi，而是RoadAGI。

在英伟达GTC 2025上，元戎启行CEO周光受邀分享，提出用RoadAGI，能更快大规模商用自动驾驶，实现垂直道路场景下的AGI，RoadAGI的实施平台，是元戎最新分享的AI Spark：

不借助高精地图，一个平台赋能智能车、机器人甚至小电驴……总之，一切可动的移动体，都将具有自主移动的意识。

这是一条通过自动驾驶实现AGI的新途径。

元戎启行和CEO周光，代表AI公司、自动驾驶公司，开辟起了第二种可能性。

所以RoadAGI究竟是什么？

用RoadAGI迈向AGI

先说人人可感知的场景——

你下一次点的外卖，可能是这样的：

赛博“外卖小哥”，全程不用高精地图，自动识别店铺：

拿到商品后，一溜小跑到路口，自主识别到红绿灯：

然后一停二看三通过：

它还能进到楼里，自己过闸机、摁电梯：

然后到电梯里，再自己摁楼层：

出电梯直接给你送到公司前台：

整个过程，是不是跟咱们人一样？

你也可以让它把商品放外卖柜里：

这就是元戎启行在英伟达GTC 2025上，分享的物理AI最新进展：RoadAGI。

用一套AI底座，解决路上的所有移动体，实现垂直道路场景下的AGI。

前面展示的是RoadAGI落地的第一个形态Spark 1.0，看着很像无人配送车，但是据了解有本质不同。

首先，技术上，其移动不依赖高精地图，在导航的指引下，自主识别周边环境信息，就能实现**“门到门”**位移。

为什么不需要扫图？

因为元戎把技术底座VLA走通了。

VLA，即视觉语言动作模型，是端到端的最新成果，预计今年年中量产上车。

新范式已得到了行业头部的响应，比如理想汽车，隐隐成为行业共识。

VLA用一个多模态模型，统一过去的视觉语言模型和端到端，将道路图像信息和文本指示融合处理，输出驾驶行为和文字。

这意味着，VLA打通了空间智能、语言智能和行为智能。

因此，VLA加持的移动体，改善了配送体验。

以往的无人配送，只是负责配送的一个环节，只能做到“楼到楼”。你买个东西，还要自己下楼取。

现在不一样了，直接实现“门到门”，整个配送流程闭环了。

但问题是，元戎启行作为端到端智驾的代表性公司，智能驾驶领域的竞速正在如火如荼，怎么就此时此刻开辟起第二曲线来了？

围绕最新战略，量子位进一步与周光展开了对话。

周光说，根本上是因为元戎从不将自己当作智驾公司，而是一家AI公司。

智驾只不过是实现物理AI的商业化选择，元戎已取得了不错的进展：

在国内最早摆脱高精地图依赖，率先转向端到端，去年首个量产车型上市后成为爆款，凭借单款车型获取了城区NOA市场**15%**的份额。

智驾爆款让元戎的数据飞轮加速转动。

经过4000万公里的智驾数据积累后，元戎的AI能力更加通用，是时候向上走，实现RoadAGI，向物理AI再迈一步了。

周光认为，RoadAGI的出现一定早于L5，不过这还不算实现物理AI，只是解决了道路场景。

而当实现物理AI，并将其与生成式AI和语言AI打通时，真正的AGI就到来了。

以下为对话实录整理，内容较长，可参考目录阅读：

- 阅读指引1. 谈RoadAGI：与无人配送本质不同2. 谈时间点：RoadAGI，为什么是现在？3. 谈影响：RoadAGI对元戎的影响和目标？4. 谈AGI：先RoadAGI，然后Physical AI，最终实现AGI5. 谈DeepSeek：中国的奇迹，让全球重估中国资产6. 谈FSD入华：领先国内一代，只是数据“水土不服”7. 谈智驾行业：AI越强大，越不需Lidar8. 谈技术的选择：选择比努力重要谈RoadAGI：与无人配送本质不同

量子位：如何理解RoadAGI？

周光：RoadAGI实际上是基于AI的通勤能力。类似你出门上班，离开家到公司，从头到尾只用腿，很少用手。

就像“外卖小哥”一样，RoadAGI，或者说Spark 1.0可以实现配送的闭环：从店里拿到东西，然后用“小电驴”到另外一个地方，再把东西投递到目的地。

量子位：这和过去的无人配送车****有什么区别？

周光：我觉得技术层面上有本质的不同。

我们是基于AI的，以前是基于高精地图。这意味着，RoadAGI是免部署的。举个例子来说， 我要到你的办公室，你告诉我你的办公室在海淀的哪栋楼，哪个房间。

只要人能找到你的办公室，那么我们的RoadAGI智能体也应该可以。

当然如果说这个小区特别破旧，连字都没有，需要问路，AI Spark可能目前还找不到。但只要是通过人观察就能找到的地方，AI Spark就能通过推理，实现点到点的通勤。

而不是说基于高精地图，那是不现实的，这又不是酒店机器人。

我觉得今天的L4其实挺像酒店机器人。

量子位：你们打算怎么实现RoadAGI，会软硬件全栈自研吗？

周光：没有。我们只做高等级的规划，把机器人看作一辆车。我们不是说做一个能走的机器人，我们是机器人能走后，告诉他该怎么走。

比如像霍金，他不会走，但是他通过他的轮椅遥感，他知道该怎么走。

我们给的是一个高级的AI能力，而不是说腿能走的能力。

各家公司有各自的做法，做机器人的公司有很多积累，他们走得很好，甚至能跳能跑了。所以我们没有必要去做。我们替代的是控制无人机的飞手，替代的是机器人后面拿遥控器的人，我们的目的是实现真正的自动化。

量子位：实现RoadAGI的关键是什么？

周光：就像外卖小哥去一个地方，当他骑上小电驴的时候，这跟自动驾驶没有什么区别。

当他停好外卖车，接下来这部分跟自动驾驶就有区别了。

他下了小电驴，要去商场或者小区送东西，这就比较复杂了，这个场景我觉得需要通过AI Spark平台去解决。就像外卖小哥，甚至还要跑到每个楼的犄角旮旯里。

量子位：相当于外卖小哥下了车，就是一个新的场景？

周光：不是。我只是说解决这个场景，不能靠建高精度地图。

谈时间点：RoadAGI，为什么是现在？

量子位：RoadAGI，为什么是现在？是因为看到物理AI的浪潮和机会吗？

周光：其实去年GTC大会的时候，我们就想要做物理AI了。

**△**周光在英伟达GTC 2024

端到端出来后，VLA这条路逐渐走通了，那我觉得这个时候去做RoadAGI是比较正常的。

现在的一些机器人都是基于规则的，做一些低阶的控制，比如挥个手，跳一支舞。那些其实说实话不能叫物理AI，它只能叫一个动作，今天可以通过学习做一个更长的动作。但是它不具备这个自主的行为能力。

量子位：做RoadAGI是出于投融资的考量吗？

周光：不是。我只是觉得我们应该去做这项技术，不是为了取悦投资者，就像过去我们率先做无图NOA，转向端到端。

我们一直不是为了取悦投资者去讲故事。我们只是觉得端到端、VLA这些技术出现后，不仅仅可以应用于自动驾驶。

量子位：做RoadAGI和具身智能的火热有关吗？

周光：RoadAGI和具身智能根本不冲突，我们做的是规划和大脑。

量子位：为什么将RoadAGI称之为元戎战略的延伸？

周光：我们是个AI公司，AI本身就要做各个方面。端到端出来后，我们自然而然想到可以做机器人。

机器人需要高等级的智能，去做更高等级的规划，而不只是扫个图、能跑能动。我们的目的是用技术解决智能体的移动问题，像我们人，我觉得最重要的是手。

除了手之外，我们人应该是想去哪里都能去。人出门就用各种导航，进到小区，我们自己会观察，自己会看，走到目的地，然后再去做手上的事儿。

我认为RoadAGI是我们的能力延伸，而且是成熟的技术的延伸。

量子位：元戎做RoadAGI有什么优势？

周光：我们的优势是，我们把智能驾驶跑通了。我们之所以没有去做手，是因为做手跟我们的RoadAGI还是有区别的。

RoadAGI跟我们目前做的端到端自动驾驶，我觉得是高度近似的，可能也就是数据闭环上有一些变化。

这也是做RoadAGI的一个原因：技术的相似。

另外一个原因是商业化。我认为RoadAGI最快的商业化落地形态其实就是“外卖小哥”。

今天点到点的无人配送，有很多都需要依赖扫图，我认为商业价值比较受限，因为图很难穷尽。

我认为更有商业价值的就是RoadAGI。像今天自动驾驶的MPCI(Miles Per Critical Intervention) ，大家都能做到百公里级，这意味着两个小时出现一次安全接管。这在很多场景其实已经可大规模商业化了，比如洗碗。

我认为，L5级自动驾驶难以实现就在于它的容错率太低了。而RoadAGI大量的场景其实是有容错的， 所以商业化会来得更快。

量子位：为什么不等市场更成熟了再去做？

周光：就和当初为什么我们要做无图一样，想做好自动驾驶就需要先做好RoadAGI。

量子位：这不是一个成熟后再去做的事情，而是现在智驾需要这方面的能力？ 

周光：对，我认为智驾是需要具备RoadAGI能力的。

谈影响：RoadAGI对元戎的影响和目标？

量子位：对于初战告捷的智驾业务，RoadAGI战略或者说AI Spark平台会分散兵力吗？

周光：不会。为什么我们不去做手？如果是去做手肯定会分散兵力，因为技术栈不一样。

我们的AI Spark平台跟智驾其实是高度一致的，只是数据不一样而已。就像人走路用步行导航，驾驶用开车导航。这个相似度太高了，只需要换数据集。到了一个小区内部，就是泊车的场景。

量子位：RoadAGI形成的技术壁垒是什么？

周光：在物理AI领域，我相信目前大家都还不具备像我们这样大规模量产的数据闭环能力， 端到端的能力。我觉得现在可能没有竞争对手。现在那些所谓对手，技术选择跟我们不一样，主要基于高精地图。

我们不认为他们是竞争对手，就像ChatGPT和Siri不会是竞争对手。

量子位：做RoadAGI有什么商业化目标？

周光：目前最先落地的一个场景是送外卖，先跑起来。我觉得这个成本更便宜， 用汽车的供应链，硬件成本可能也就一两万块，就能实现点到点的移动，前景广阔。

量子位：做自动驾驶是把司机从驾驶位拿下去，RoadAGI是把外卖小哥从驾驶位拿下去。

周光：也不是。不光是将小哥从车上拿下去，因为外卖小哥下车后还要跑，RoadAGI也要跑通下车后的这段路。

量子位：相比过去的无人配送还需要人去拿，RoadAGI现在做了一个闭环，为什么会这样？

周光：因为技术成熟了。就好像AI游戏创业，ChatGPT出来之前，没人会去变革游戏中的NPC，因为以前技术不成熟，做不了。

今天有了端到端，加上机械手臂，可以做到一些复杂任务。如果不是技术成熟了，今天还要靠扫高精地图的话，我就不去做RoadAGI了。

量子位：为什么说现在技术成熟了？

周光：因为VLA逐渐开始成熟，让RoadAGI可持续了。我们2023年就想做（RoadAGI），但是当时端到端还没做出来，就先不去想别的。

量子位：现在可以说VLA高度成熟了吗？

周光：现在还没有。就好比端到端，我们从来都没有去纠结过什么叫两段式，什么叫一段式，我们不参与这种讨论。我们是家 AI 公司，我们不是一个纯智驾公司。

我们的愿景其实还是做物理AI。我觉得这也需要产业链的，希望不是只有我们一个人做。我的逻辑很清晰，人的移动能力，跟车子高度相关。

量子位：你会担心一些公司进来抢RoadAGI的蛋糕吗？

周光：我认为不用担心这个。我觉得一个东西没人做才需要担心。如果美国的Robotaxi就Waymo一家，它能火吗？

我觉得第一，我们RoadAGI技术成熟度蛮高的。

第二，商业化非常清晰，我们的首个落地应用形态，是一个能大规模商业化的场景，有数千万的骑手。

量子位：有生态的互联网巨头如果后续进入，你们的RoadAGI相比之下有什么优势？

周光：我们的技术先发优势很大。互联网巨头也有竞争对手，如果从0起步，不如找我们合作，各种层面的合作，公司单独一个部门都可以找我们合作。

我觉得技术的领先性，其实是给我们商业竞争的时间窗口。

量子位：这个时间窗口怎么去算？

周光：算能够领先市场多久。如果领先市场2年，甚至可以重塑行业第一梯队。今天布局的优势不一定存在。

我觉得所有技术（领先），归根结底都是给你的时间，这就是技术的价值。ChatGPT不就是这样，当OpenAI有了技术，所有人都参考OpenAI，但OpenAI还是领先2年。

DeepSeek出来后，可能缩短了这个差距，但是仅限于DeepSeek一家。

量子位：RoadAGI会让外界对元戎有什么新的认识？

周光：我们一直不觉得自己是单纯的智驾公司，我们是个AI公司，而且是一个物理AI公司。只不过智驾是目前来说我们认为最能够商业化的场景。

量子位：RoadAGI也是自动驾驶技术的经验积累，产生的商业化选择？

周光：今天自动驾驶的技术很成熟，你要是按照洗100个盘子碎一个盘子来说，那自动驾驶绝对超过这个水平了。

量子位：RoadAGI可以理解为元戎的第二增长曲线吗？

周光：RoadAGI是更大范围的AI，它包含了智驾。我们做RoadAGI想把 AI 做得更通用化，不光是基于商业考量。

我们想做一个所有物理智能体（Physical Agent）都可以用的AI，只是里面包含了汽车而已。为什么我们叫RoadAGI，就是说以后所有的移动体都可以用这套 AI 去实现点到点。

我们是把 AI 更往上做了。如果从智驾的层面上来看，会觉得我们多了一条增长曲线。

但如果从 AI 的层面看，就像我们当时为什么做无图和端到端是一样的。它就是技术层面上更高的一个集合。

量子位：所以RoadAGI也可以理解为是元戎愿景的延伸？

周光：我们是一个 AI 公司。但没办法，从现实来讲，我觉得公司得活下来，商业化非常重要。

你不能商业化，技术再好也没有用，我觉得你要找到商业跟理想的平衡。所以我们扎实做智驾，做量产交付。

去年交付了快3万台车，今年有可能超过20万台车，我们要做商业化。但是我认为，我们不要忘记自己是一家 AI 公司。

量子位：你们是要不断地追求一些更难的东西。

周光：对，我们一直追求上限，一味地追求下限结果会不太好。

量子位：那实现RoadAGI需要多久？

周光：我认为RoadAGI一定早于L5级自动驾驶。我们认为会比较快，因为首先我们的自动驾驶技术有基础，其次它的安全性要求没有那么高。

实现RoadAGI比实现L5早，是因为 L5 要求不一样，我都不知道到底最后人类会对自动驾驶有着什么样苛刻的要求，才可以真的大规模甚至全国范围内没有人开、都是车自动驾驶。今天限定区域的自动驾驶，后台还配有安全监管，我认为这不完全算AI。

量子位：所以RoadAGl的方向是明确的，但是你们不给自己定时间表。

**周光：**我们想成为中国第一家实现物理AI的公司。

谈AGI：先RoadAGI，然后Physical AI，最终实现AGI

量子位：你信仰AGI吗？

周光：我绝对信仰AGI。

量子位：最近大家都在谈论AGI，你怎么看？

周光：我觉得真正的AGI还需要时间，现在都是垂直领域的AGI。比如说数学和化学领域，还有像我们这种道路场景。今天要实现一个万事皆好用的AGI，还是困难的。

从更大的层面来说，语言模型跟生成式模型这两个完全不一样。我举一个例子来讲：

生成式AI里有很多东西不符合物理规则，比如碰撞、摩擦和穿透。但语言模型还要懂物理规则，它告诉你物体跟物体不能碰撞，这反映出现在基础模型层面还没有打通。

现在大家也在想如何去打通。比如我们人，可以把我们学到的东西以做梦的方式生成出来。但实际上，对于机器，语言AI跟生成式AI是不搭边的两个领域。

虽然说生成式AI可以用一些文字的prompt，但并不代表它能理解这个物理场景。

量子位：你认为什么时候能实现真正的AGI？

周光：当物理世界的AI跟数字的AI，还有生成式AI能够打通，统一用一个模型实现的时候，我认为真正的AGI就来了。

量子位：类似世界模型？

周光：你可以认为算是一个世界模型。它有语言能力，有生成式的能力，还有物理世界的交互能力。就跟人一样，人会说话，会做梦，会在现实世界行动，我们这都是一体的，不是用三个AI模型构成的。

但不是那种模拟仿真的世界模型，人也不是通过代码行动的，这是两码事。AGI应该有所有的能力。

现在的机器人，可以挥手，这是一套代码。然后下个动作，又是一套代码，这是另外一种东西。我们现在做的RoadAGI，就是把所有物体的移动能力都放在一起了。

量子位：所以元戎目前也是去做一个模型？

周光：我们还没做到物理AI，只是用AI Spark平台把路上的东西都解决了。我们的AI是一个更大的垂直AI，在更大的领域里越来越泛化。

谈DeepSeek：中国的奇迹，让全球重估中国资产

量子位：所以你怎么看DeepSeek？

周光：我觉得DeepSeek是中国的一个奇迹。DeepSeek打破了中国跟美国最好大模型之间的差距。我觉得以前的差距，是以年计量的，甚至超过一年。

DeepSeek出现后，我觉得中国有一支团队，至少说在语言领域，它可以做到跟美国头部是一样的水平。我觉得这不仅是对中国，对全世界影响都挺大的，让全球重新评估了中国的资产。

我还是挺佩服的，哪怕是OpenAI 的人也挺佩服DeepSeek的。

DeepSeek让别人觉得中国其实是有好公司的，就像智驾行业一样，有好的公司，但也有一些滥竽充数的。我们都希望能够有更多DeepSeek这种公司出来，让好公司的实力可以被看到。

量子位：强化学习会改变智驾吗？

周光：我觉得大模型用强化学习进行后训练，现在都是行业故事。这也不是什么秘密。

谈FSD入华：领先国内一代，只是数据“水土不服”

量子位：在国内体验FSD了吗，感觉怎么样？

周光：体验后感觉它的基础分析能力，和其他机动车的交互能力非常强，比如应对加塞，基本上会让你没有恐慌感。

我觉得（基础能力）比目前国内玩家强上一代，这也是我们这一代系统的目标。我们希望这一代智驾系统，能够做到FSD V13的感觉。

评价FSD的能力，不能拿公交车道和自行车道来说。因为FSD在中国没建过高精度地图，没见过公交车道和自行车道，不能拿这个来算接管。要对比真正体现FSD智能的地方。

量子位：国内FSD的体验，对比你在硅谷的体验有什么不同？

周光：硅谷更好一些，毕竟在硅谷FSD有数据。我觉得因为FSD没有国内的数据，所以说它的静态能力还是不够好，有蛮多问题。

但是它的动态能力，就像人开车，不管在中国还是美国，交互博弈的逻辑是高度相似的， FSD是没问题的。所以我说它比较强。

还有一点，FSD对人的处理比较保守，因为美国车子的习惯是看到行人就让，但在中国的复杂道路，车子总是让就没法走了。

量子位：所以你觉得FSD路测更长时间，有了数据之后，水平会提上来？

周光：我觉得如果FSD没有国内的数据，还想彻底在国内做好，蛮麻烦的。比如说正常的过拟合，你的训练集就等于是你的测试集，这种过拟合是最好的。

但现在FSD的训练集来自美国，测试集来自中国，这怎么办？

虽然可以通过测试集的score去调整模型，不过这种方式不是很直接，很花时间，但是也可以提升模型的性能。因为你对模型打分是基于中国道路打分，每次都会得到反馈，然后根据反馈去修改模型，修改数据，但是这肯定不是最好的。我认为也会有提升，但是不会那么快。

量子位：FSD能克服水土不服吗？

周光：有数据就能解决。如果FSD能拥有中国的数据，我觉得以特斯拉的能力，3-6个月，再考虑到还有部署各种问题，6个月绝对可以上一个大台阶。

量子位：你认为FSD至少领先一代，那你觉得国内有希望追上吗？

周光：我们新一代系统的目标就是做FSD V13这种AI 架构。我认为这不是说堆人、堆数据就能解决的，而是需要更先进的 AI 架构。

你一定要花时间、花资源想明白AI架构怎么做。我们公司想的很清楚，如何做到V13的这套架构。加大数据量之后，我们也应该有类似的性能。

量子位：FSD的「车位到车位」，你怎么看？

周光：现在的车位到车位是通过建图，不是基于大模型，我们人开车也不是靠高精度地图的。

我觉得还是要通过AI的技术，去把「车位到车位」做出来，而不是说建个图。

目前市面上的策略，「车位到车位」在车库里全是扫图，然后出车库又是无图。

谈智驾行业：AI越强大，越不需Lidar

量子位：如何看待智驾行业今年的爆发，相比你的预期，是快还是慢？

周光：我觉得华为点燃了性能之火，比亚迪点燃了普及之火。对我们来说都是好事。但是我认为有的技术门槛不高，主机厂自己能搞出来高快(高速和城市快速路)NOA和自动泊车。

城区NOA现在有技术门槛， 但三五年后就不见得了。技术都是这么发展的，但是对企业来说，智驾是一场淘汰赛，现在的竞争非常激烈。

跟元戎在一起可以让车企领先一年到两年 ，增加车企的竞争力。我们是一个小公司，但是我们可以帮一家大公司领先，让它更有竞争力，这就是我们的价值。

量子位：相当于元戎能给车企一个加速度，帮它节省时间。

周光：是的，所以我觉得现在车企其实也要想一想，不是仅仅解决高快NOA跟泊车就完了。

量子位：所以你做好了未来主机厂都自研智驾的准备？

周光：我是说智驾供应商得做得更好，如果你的竞争优势还不如主机厂自研，那其实没有必要活下来了。为什么有的智驾公司活不下来？

就是因为它能做出来的，主机厂都能做出来，而且比这些智驾公司还好。技术过时了，写几行代码，扫个图，这些基于规则的东西都已经平权了。

量子位：有人说，你们合作的第一款车就成为爆款，是因为运气好，你怎么看？

周光：有10 个选项，落到你头上，这才叫运气好。而我们做量产车的时候，无图NOA就只有我们和华为有。那个时候很多人还在讲高精度地图。

我觉得别把自己的不成功归因为别人的运气好。

量子位：有人看了FSD的国内测评后，认为智驾还是需要激光雷达，你怎么看？

周光：我觉得没有。你看特斯拉纯视觉的OCC(Occupancy Network)做的很好。只能说FSD偶尔走错路，违反交规，但你什么时候见过FSD蹭过马路边。这就叫基础能力，OCC可不分中国和美国的道路。

量子位：那你怎么看待纯视觉和激光雷达的路线之争？

周光：我觉得智驾越AI化，就越不需要激光雷达。你看大模型，有人用激光雷达了吗？没有，大模型照样认得准，比如ViT和SLAM，靠视觉都可以做得非常好。

甚至当AI足够强大的时候，视觉的效果是超过激光雷达的。

一开始做自动驾驶的时候，激光雷达做物体检测比如能得90分，摄像头只能得 70 分，两个加在一起95分，当时增益效果非常好。现在激光雷达可能到了98分的水平，而纯视觉可以做到97，两个加在一起还是98。这几乎没有增益了。

之前是因为两个传感器效果都不太行，所以说1+1=2。现在是1+1=1.1，甚至1.01这种效果。往后走，AI 模型越来越强，可能1+1它就几乎等于1了，激光雷达就没有必要装了。现在可能还是有少量的增益，但是我认为对特斯拉来说，可能增益没那么大。因为他们的OCC做得很好。但你说主驾去掉人，做自动驾驶，那么哪怕多0.01，也是想去争取一下。

但是现在一定不会像以前那种，所谓的激光雷达和视觉前融合，有那么大的不同，以前就像加了魔法一样，现在加激光雷达的收益越来越小了。

量子位：所以你们的AI Spark平台没有用激光雷达。

周光：我们的AI Spark平台就不适用于高速运动物体，目前落地的场景速度不会很快，就像外卖小哥那个电动车，限速25km/h。

量子位：随着算法不断进化，会终结一些路线相关的争议？

周光：至少说目前来看，增益肯定还是有的。说实话，纯视觉的车，对于边缘场景的把控就会差一些，但是其他的没什么大的区别。但是特斯拉的OCC很准确，连超声波都不装了，你从车机上看它渲染出的界面就可以看出来。

这种就属于是真功夫训出来的。它的模型吃了很多数据，这是拼钱的，钱多就可以把这些做好。这里面也没什么魔法，就是你数据多，然后训练，再然后就出来了。

谈技术的选择：选择比努力重要

量子位：有从业者认为，解决问题比解决问题的方法更重要，你怎么看？

周光：从商业角度上来讲有道理，但如果都以这个逻辑去做技术，那就很难出现颠覆性的东西。

只解决问题，不找到方法，永远不会上一个台阶。我觉得每家公司不一样。我们是一家AI公司，我们就更希望能做AI的事儿，而不是去做纯粹商业目的的选择。

量子位：为什么你觉得基于工程的公司很难长久活下来？

周光：因为技术变化太快了。现在这个时代是一个技术高速变化、日新月异的时代，我觉得在技术特别成熟的时候，工匠精神是有用的。

但在技术高速变化的时候，我认为工匠精神要向后排。 

量子位：现在还打DOTA吗？

周光：打，为什么不打？ 

量子位：打DOTA有什么风格？

周光：我就喜欢看准机会上。哈哈哈哈哈。我觉得看清楚更重要。打游戏其实不在于你有多勇猛，看准时机最重要，想明白最重要。

选择比努力重要。