> 数据图表我想了解一下智能驾驶算法：从模仿学习转型强化学习2025-4-2智能驾驶算法：从模仿学习转型强化学习◼ 从模仿学习转型强化学习。CTO楼天城认为模仿学习难以做到L4级别自动驾驶（即模仿学习的上限就是人类司机），2020年全面切换为强化学习（通过在一个虚拟环境（小马智行叫做世界模型）中进行自我训练，通过RL的奖励机制自我演进），从“知其然”转化为“知其所以然”。事实证明，测试所得2021年小马智行平均碰撞里程（MPC）为25万公里，特斯拉FSD V12的平均接管里程（MPI）为333公里。◼ 人才密度是小马能力的关键，打造了一套底层复用率超80%的技术体系。2021年到现在，公司研发费用支出超过5亿美元，过半的研发资源用于世界模型的搭建（即用于高质量人才的工资）；而与之相对应的，车企/L2+供应商要实现城市NOA所需的云端算力租赁费用约为10亿人民币量级。图：模仿学习和强化学习对比图：各公司智驾研发人员（估计）即2023年研发费用（亿元）车企L2+公司L4公司3530252015105017代表企业 底层驱动 算力需求 理论上限模仿学习 特斯拉数据大较低强化学习 小马智行，算法较小Waymo模仿+强化地平线、理想数据+算法大高高800070006000500040003000200010000数据来源：焉知汽车，各公司年报，California DMV disengagement reports and collision reports，AMCI，东吴证券研究所智驾研发人员23年研发费用（右轴）东吴证券综合其他
