João Moura 与 Matthew Berman 谈 Tesla 无人驾驶出租车愿景及 AI 智能体构建

Matthew Berman 欢迎 CrewAI 创始人兼首席执行官 João “Joe” Moura 参加节目，讨论本周 AI 新闻并回答观众问题。Berman 披露自己是 CrewAI 的投资者；这一关系与他后来对公司的赞赏有关。

讨论从 Tesla 于 2024 年 10 月举办的“We, Robot”活动开始。Moura 只看了片段，没有看完整发布会，但对马斯克描绘的未来感到兴奋；Berman 也有同感。两人是在回应一场展示及其中的构想，并没有独立证实所有宣布的能力都已具备。

Berman 将 Cybercab 原型描述为计划中的无人驾驶车辆，没有方向盘或踏板。马斯克的设想是，车主需要时自己使用车辆，其余时间让它搭载其他乘客。两人都觉得前景很有吸引力，但在直播时，车辆及这种网络的经济模式仍是构想。

Moura 喜欢这种独特的造型，并说自己家里的汽车大部分时间都停着。如果自动驾驶汽车能够大规模部署，他设想交通状况和运输成本可能发生变化。这些更广泛的经济影响仍属推测，取决于能否安全、实际地部署。

Berman 说，Cybercab 棱角分明的设计让他想起《银翼杀手》《全面回忆》等 20 世纪 80 年代电影中想象的未来。Moura 猜测，怀旧或许解释了这种吸引力。Berman 喜欢它与传统汽车不同的外形，并将 Tesla 追求独特设计的做法与那些从未量产的概念车作比较。

Moura 说，一家大公司愿意承担雄心勃勃的设计风险值得注意。Berman 举 Cybertruck 为例，说明 Tesla 曾生产与大胆概念相似的车辆。他们强调设计上的雄心，但有吸引力的原型并不能解决安全、制造或交付问题。

谈及时间表，Berman 回顾了马斯克在 2024 年的预测：2025 年在德克萨斯州和加利福尼亚州推出无监督驾驶，2026 年开始生产 Cybercab。他承认马斯克过去的时间表常常过于乐观，并讲述自己此前乘坐 Tesla 时遇到车辆错过交通信号的经历。这些都是预测，不是部署保证。

一位观众问，向上开启的车门在狭窄停车位里如何使用。Berman 和 Moura 推测，自动驾驶车辆或许可以自行调整位置接人，而不必让乘客在狭窄车位上车。两人都没有验证最终设计将如何应对所有这类情况。

马斯克公布的 Cybercab 目标售价低于 3 万美元。Moura 怀疑新车上市时能否达到这个价格，即便以后规模化可能做到。Berman 补充说，他不知道车主将车辆加入出租车网络后能否获利。

Moura 指出商业模式中的一个矛盾：自动运行可能因无需雇用司机而降低运输成本，但低票价本身不能证明车主扣除费用后能获得回报。两人没有详细的成本模型，因此把盈利能力视为未决问题。

Berman 描述了讨论中提出的另一个可能性：将停车时车辆闲置的计算能力用于 AI 推理，甚至作为一项服务提供。Moura 认为，如果硬件、能源和连接成本允许，这个想法很有意思。他们讨论的是愿景，而非已经运营的服务或经过验证的经济成果。

话题短暂转向 Starlink。Berman 说，他买了一套较大的设备作为家庭备用网络，又买了一台便携式 Mini，并介绍了在院子里安装后者的经历。Moura 喜欢停电期间仍能联网的想法，前提是有办法给设备供电。

Berman 回忆了 Mini 的大致速度，但不确定具体规格。两人设想卫星连接、车载计算机和推理协同工作，同时承认讨论仍停留在概念层面。实际可用范围、吞吐量、供电需求和价格取决于服务及地点。

活动画面重新回到 Cybercab。马斯克介绍会场内的无人驾驶车辆，并设想乘客利用旅途时间工作或娱乐。Berman 喜欢接人的例子：购物后，乘客可以叫车到入口，而不用寻找停车位。

在片段中，马斯克估计 Cybercab 的长期运营成本约为每英里 20 美分，计入其他成本后价格会更高。这是活动上提出的预测，而非实际测得的运营结果。Berman 对这样的价格可能给交通带来的影响感兴趣。

马斯克介绍了感应充电：车辆停在充电器上方，不需要插线。Moura 对充电速度和基础设施安装成本持怀疑态度。Berman 把它与手机充电作比较；一位观众随后指出聊天中此前提到的效率数字有误，两人都没有给出经过验证的车辆充电规格。

Moura 喜欢在两次载客之间用机器人清洁车辆的想法。他认为，如果车辆反复回到已知地点，就可以自动化标准清洁流程。Berman 设想一支能自行驾驶、充电和清洁的车队，同时承认这些仍只是构想系统的一部分。

Tesla 还展示了更大的 Robovan，马斯克称它可以容纳约 20 人。Berman 将其遮盖的车轮和流线型外观与装饰艺术风格列车及 20 世纪 30 年代对未来的想象相比较。演示中可以看到造型，但部署和经济性仍是面向未来的说法。

Moura 提出，企业将来也许可以用这种大小的车辆接送员工。Berman 考虑双向设计是否能让车辆更容易调头，尽管展示车辆看起来有明确的前后方向。他们是在探讨可能的用途，而不是介绍一项已经提供的服务。

Berman 调出装饰艺术风格列车的图片，说明外观上的相似之处。两人都表示欣赏 Robovan 大胆的设计，即使观众对它的外形可能有不同看法。

两人注意到活动之后 Tesla 股价下跌，并推测投资者如何看待雄心勃勃的长期项目。Berman 说，他认为机器人、推理和自动驾驶运输存在巨大的潜在机会；这是他的观点，不是已经确立的估值或投资建议。

视频转向 Tesla 的人形机器人 Optimus。马斯克说，机器人技术可以复用自动驾驶车辆的一些技术；Berman 回忆，Tesla 较早的一次发布会曾让人穿着机器人服装登台。Moura 设想家庭机器人接手家务，但前提是系统能够达到所描述的能力。

Berman 推测，如果先进 AI 和机器人能够安全发展并实现他设想的能力，未来可能出现物资充裕的社会。Moura 同样持乐观态度。他们讨论的是一种可能的未来，并不是家用机器人或富足经济已经到来的证据。

活动画面展示 Optimus 与参加者互动。马斯克预测，规模化后最终价格大约为 2 万至 3 万美元；两位发言者承认最初版本可能昂贵得多。长期价格预测不等于当前零售价。

提出的任务包括供应饮料和做家务。对于马斯克提出机器人或许能照看孩子的设想，Berman 则不那么确定。演示及对未来的说法都不能证明机器人能够安全地无人监督照看儿童。

Moura 问，活动中的机器人是自主运行还是远程控制；Berman 猜测并非远程操控，但承认自己不知道。后来 Tesla Optimus 工程师 Milan Kovac [表示这些机器人在一定程度上获得了人类协助](https://www.axios.com/2024/10/17/elon-musk-tesla-optimus-humanoid-robot)。因此，活动中的互动不能视为完全自主表现的证据。

两人观看机器人挥手、玩石头剪刀布和供应饮料的片段，并对互动看起来像真人作出反应。他们看到的是活动演示，画面没有揭示每次互动中自主控制和人类协助各占多少。

在大半场直播讨论 Tesla 之后，Berman 转向 CrewAI 和观众问题。他问为什么有人应该使用 CrewAI。Moura 说，自己此前分别构建智能体时遇到大量重复的样板代码，也发现协调更多智能体很困难，于是创建了这个框架。

Berman 回忆，自己通过共同认识的人结识 Moura，并对他在短时间内开发出大量功能印象深刻。他说自己当时提出尽早投资。这是一位投资者的个人认可，不是对 CrewAI 与其他工具的独立评估。

Moura 自我介绍说，他使用“Joe”这个名字，是因为自己的葡萄牙语名字对一些英语使用者来说比较难念。他介绍了自己 20 多年的技术经验，以及此前在 Clearbit 的工程领导工作；Clearbit 被 HubSpot 收购后，他离开并创办了 CrewAI。

Moura 说，CrewAI 既是一家公司，也是一个用于构建和编排智能体的开源 Python 框架。他表示，该框架支持任务委派、不同模型、自定义工具、测试和训练。公司还提供企业版；他说当时约有 150 家公司参加封闭测试。

Berman 将智能体描述为连接了工具、记忆以及可能存在的其他智能体的语言模型。他认为这有助于工作自动化。Moura 说，企业部署除了模型本身，还需要评估、监控、合规、权限、访问控制以及云部署选项。

被问及用户界面时，Moura 说团队已经在内部试用，并预计在 2024 年 10 月晚些时候发布。他说，这不只是一个传统的节点式编辑器。这是创始人当时提出的时间表和产品描述，并不能验证后来是否按计划发布。

谈及应用场景，Moura 提到内部自动化、营销、销售、研究和编程。他说一家大型咨询公司正在使用智能体重构和测试旧版 SAP 代码，但这段对话没有独立记录客户身份和结果。

Moura 归纳出这些案例中反复出现的工作流程：通过研究收集信息，进行分析，有时再做摘要，然后以 JSON 或 Markdown 等格式报告结果。这是组织任务的一种方式，并不意味着每个智能体应用都需要多个智能体。

最后一个问题中，Berman 问到 OpenAI 的 o1 模型。Moura 分享了一张 CrewAI 测试界面，比较不同模型在特定智能体团队和任务上的质量得分、执行时间与 token 总量。他没有提供完整方法或独立基准，因此不应把结果推广到所有任务。

在展示的测试中，GPT-4o 一行显示平均质量分数为 6.3，平均执行时间为 11 秒；GPT-4o mini 的分数为 8.4，时间约 18 秒。Moura 说，较小模型有时可能需要额外迭代。这些是他对所展示配置的解释和测量结果，不是通用排名。

屏幕显示 o1-mini 的平均分为 8.4，耗时约 21 秒。Moura 报告称，o1-preview 得分 9.4，耗时约 74 秒，使用的 token 也更多。他认为，在这个例子中 GPT-4o mini 是更好的折中，说明团队需要针对自己的工作流程一起测试质量、延迟和成本。

Moura 说，希望在未来的演示中比较更多模型。Berman 感谢他的参与，并在观众问答后结束直播。