大模型+自動駕駛，發(fā)展到什么階段了

　　上個月，馬斯克乘坐一輛搭載了FSD V12自動駕駛系統(tǒng)的Model S，進行了一場45分鐘直播，雖然中間也出現了一些小插曲(比如差點闖了紅燈)，但整體效果依然非常驚艷。

　　視頻中，這輛Model S能夠輕松繞過障礙物，識別道路各種標志，按照馬斯克的說法，這些操作從頭到尾都是通過端到端AI神經網絡實現的，而非預先編程。

　　特斯拉的進展會給國內智駕行業(yè)帶來哪些啟發(fā)?我們距離自動駕駛的終局還有多遠?本期險峰主題沙龍，我們將和幾位行業(yè)專家與初創(chuàng)公司CEO，一起聊聊大模型+自動駕駛的未來。

　　我們請到了：

　　楊   洋  覺非科技智能駕駛副總裁

　　安向京  行深智能創(chuàng)始人

　　柴思遠  智譜AI解決方案總監(jiān)

　　溫力成  上海人工智能實驗室研究員

　　我們聊到了：

　　特斯拉的巨大成功，會讓純視覺顛覆掉激光雷達嗎？

　　國內廠家和特斯拉的差距有多少？未來能否追得上？

　　大模型上車，還有哪些障礙？

　　大模型對汽車智能化的影響，會有什么機會點？

　　特斯拉會是自動駕駛的終局嗎？

　　本次活動由險峰投資人徐真主持，為了保證內容質量，我們對嘉賓進行了匿名整理，并打亂了發(fā)言順序，請勿對號入座。

　　也歡迎更多朋友加入險峰社群，一起探討大模型+自動駕駛的新方向。

　　01、特斯拉的巨大成功，會讓純視覺顛覆掉激光雷達嗎？

　　險峰：先聊一個老生常談的問題，當初特斯拉選擇了純視覺路線，是因為激光雷達的成本太高，但是國內廠商普遍還是選擇了攝像頭+激光雷達的組合，那么這次FSD V12的成功，會不會讓國內廠家也放棄掉激光雷達的路線?

　　A：我覺得一定會，因為特斯拉已經把這條路走通了，大家沒有不跟的道理。

　　這和GPT的發(fā)展邏輯類似：今年國內大語言模型創(chuàng)業(yè)如火如荼，很多大廠紛紛下場，立下flag要做一款能對標GPT4的產品，因為人家OpenAI已經把東西做出來了，已經驗證的東西，你再去做就非常work，但這也意味著之前那些老的技術路線很快會被放棄掉，同樣的道理，對應到未來自動駕駛也是一樣的。

　　B：首先明確一點，純視覺方案是*夠用的，其實人類自己也沒進化出激光雷達，人眼本質就是先感知周圍的2D圖像，經過人腦處理后進行3D深度估算，最后對路況做出判斷，所以只靠雙目視覺完全可以滿完駕駛需求。

　　但是，作為一個消費者，因為現在還沒有一種*的 L4 到 L5 級別的自動駕駛方案，那么比較高檔的車型上，配一些激光雷達作為冗余備份，這個需求也是客觀存在的。

　　舉個例子，之前特斯拉出現一些撞車的事故，比如前面有一輛翻倒的白色貨車，AI就認為那是天空了，這種錯誤我們人眼也會犯，但如果有激光雷達，可能就會避免掉。

　　所以，激光雷達并不是說一定要有或者沒有，主要是看用戶需求，是更關注成本，還是更關注安全。

　　C：作為企業(yè)，我平時對激光雷達接觸比較多，首先從實際應用的角度，激光雷達確實能解決一些純視覺解決不了的問題，比如夜晚低光照，或者逆光炫光的環(huán)境，純視覺都有天然的劣勢，這時激光雷達就是一個很好的補充。

　　回到現實來說，我們也和多家主機廠深入交流過：大家之所以不愿意選擇激光雷達，確實是因為成本太高，但是真正用過之后，工程師都說特別爽，實際效果上看還是有它存在的價值。

　　當然，因為成本高，現在也出現了一些激光雷達的替代方案，比如4D毫米波，其實就是介于傳統(tǒng)毫米波和激光雷達之間的產物;另外，純視覺方案是不是就一定沒問題，我認為現在判斷也還太早，可能還需要經歷更復雜的場景、更多的里程之后再觀察。

　　D：就我的理解，大模型的核心能力是通過Transformer建立起各數據之間的關聯，剛才幾位老師也就提到，純視覺*的缺點，它是一個二維的傳感器，而激光雷達是三維的，但本質上，二維場景和三維場景是有關聯的。

　　那我們是不是能通過大模型，把2D和3D數據關聯起來，讓它從某種意義上更深度的理解駕駛場景，產生一些不一樣的涌現?我覺得可以拭目以待，如果這一天真的到來，可能2D視覺也好、3D激光雷達也好、 4D毫米波也好，這些數據本質上是同一個數據，無論用哪一個數據，或許都可以能解決自動駕駛的問題。

　　我想到另一個問題，現在各主機廠都是拼傳感器數量，我有多少顆激光雷達、攝像頭、毫米波雷達;更多的傳感器數量自然也意味著對算力的要求更高，是100、200還是500TOPS，但是事實上，特斯拉已經用實踐證明，對算力需求可能并不需要那么高。

　　我們總是認為，未來汽車會越來越智能，但是大模型驅動下的自動駕駛，是不是會讓汽車越來越不智能？比如現在的算力分布，一部分在云端，一部分在車端，那么未來隨著大模型的發(fā)展，云端算力越來越高，車端反而就不需要太智能，汽車只要忠實地執(zhí)行云端的指令，可能就已經足夠了，這是我的看法，謝謝。

　　02、國內廠家和特斯拉的差距有多少？未來能否追得上？

　　A：從這次FSD V12 的表現，結合我對國內主機廠的一些了解，這個差距可能會在一到兩年左右，能否追的上主要是看兩個方面：

　　首先是算法層面，我們知道特斯拉用的芯片算力只有144TOPS(萬億次操作每秒)，國內廠商至少都是 500 甚至上千TOPS，所以特斯拉對算力的利用效率是非常恐怖的，這是*個需要追趕的。

　　此外，過去數年里，已經有數百萬輛特斯拉汽車在收集真實環(huán)境里的道路數據，數據的積累是第二個需要追趕的，當然大模型在這里面也可以發(fā)揮一定的作用，比如在虛擬世界進行更好的仿真模擬，減少這種數據采集的周期。

　　03、大模型上車，還有哪些障礙？

　　A：首先肯定是算力，現在市場上可以部署大模型的算力平臺非常少，國內的一些頭部主機廠也在積極布局，但目前看就只有英偉達和特斯拉，其他的算力平臺暫時還沒有投入使用。

　　這里所說的算力不是車端算力，而是云端服務器算力，這是大模型部署的前提，現在訓練一個文本大語言模型，就已經需要上萬張的A100卡，如果再把圖像信息也加進來，對算力的要求只多不少;比如說像wayve ，我了解到他們是跟微軟的 Azure 合作，用了很多張卡，訓練了很久才得到的結果。

　　第二點就是時間，比如傳統(tǒng)的圖像訓練，可能有個百萬幀級別，就能訓練出一個小模型，但如果是大模型再涉及到多模態(tài)的話，背后是要有數千萬幀的訓練量;這其中還有一個問題是，業(yè)界對于這種多模態(tài)的大模型訓練，包括文本和視頻的對齊，其實都還在探索的階段，沒有一條像GPT一樣很明確的路，說你按照這條路走，就一定會得到涌現能力，只能是靠不斷嘗試。

　　所以無論算力還是時間，背后都代表著需要大量的資金，需要非常有實力的玩家才能去做這件事情。

　　04、大模型+智能化對汽車的影響，會有什么機會點？

　　A：一個方向是大模型帶來車內交互方式的改變。其實現在的智能座艙本質還是手機的延續(xù)，但是我們的雙手要開車，所以車內場景天然適合語音交互而不是觸屏，那怎樣把語音跟多模交互結合起來，再加入一些手勢識別、眼球識別，最后把這些信息轉換成車可以識別的指令，這是未來多模態(tài)大模型可以期待的事情。

　　從我們自己看來，目前整個生態(tài)和技術已經到了一個快爆發(fā)的階段，可能只差一個類似iPad上《水果忍者》這樣的殺手級應用，由此帶來一些基于車用大模型的應用層開發(fā)，對這個生態(tài)我還是非�？春玫�。

　　另一個方向可能暫時還沒有被太多人關注，就是當車輛完成智能化之后，里面很多的算力，其實是可以作為一個算力中心或者網關來使用的，比如現在英偉達的顯卡很貴，那是不是可以把車上這些算力利用起來，用分布式計算替代一部分云計算，可能也是一個方向，需要有人搭建一些基礎設施和技術工具來解決。

　　險峰：這里稍微補充一下險峰的觀點，我們對自動駕駛還是比較樂觀的，覺得未來一定會有新的機會出現。

　　其實剛才大家的討論，都基于一個認知：即一定要用大模型的方式去訓練自動駕駛算法，因此才需要算力、數據等大量資源的支撐。但就像當年在漸進式從L2到L4、一步式直接到L4的討論一樣，未來我們是否可以先用一些專用小模型去解決部分特殊場景？它可能不像大模型需要那么高成本，但可以先跑起來去解決現實問題。

　　整個自動駕駛算法訓練、測試的鏈路非常長，如果能在其中一些環(huán)節(jié)降低成本，企業(yè)其實就可以獲得營收，這可能是一家初創(chuàng)公司相對低投入、比較好切入的點。

　　其實特斯拉強就強在，能把學術上的東西實際地做出來應用到車上，雖然工程化問題是自動駕駛邁不過的一道坎，但現在說已經到算法的終局形態(tài)也為時尚早，路線雖然在收斂、但也一直在迭代，永遠期待有更優(yōu)解。

　　05、特斯拉會是自動駕駛的終局嗎？

　　險峰：從發(fā)展歷程來看，特斯拉2020年引入BEV，21年引入Transformer，再到今天它展示的 FSD V12，特斯拉一直在把學術最前沿的東西不斷地工程化，到今天它基本已經摸到了自動駕駛的及格線，甚至是到了七八十分的水平，那么特斯拉下一代的world model，會是自動駕駛的一個*解決方案嗎?大家對對此怎么看?我們不妨來暢想一下。

　　A：我覺得汽車的智能化，核心不僅僅是省掉了一個駕駛員，而是讓運輸載具實現了信息化。比如一些封閉廠區(qū)內，無人載具可以和工廠的TMS或者MES 系統(tǒng)深度地融合，直接成為它的一部分，以前你需要調配一些第三方物流，現在完全不需要，運力會變成像交流電，插上插座就能用一樣方便。

　　從這個角度上來講，未來的無人駕駛會導致汽車的形態(tài)發(fā)生分化，會根據不同場景誕生出很多不同的物種，而不是像現在一樣，只有乘用車、商務車、貨運車之分;比如未來廠區(qū)里的運輸車，會和公路上跑的運輸車完全不一樣，不僅是外觀不同，能力也完全不同，所以我不認為特斯拉的路線會是一個*解決方案，它會是一個思路、一個方法論，但未來肯定還會有別的方案不斷加入到系統(tǒng)中來。

　　B：我也覺得，現在談終局可能還有點早，就像剛才主持人說的，特斯拉能夠比我們超前兩到三年，探索出行業(yè)大方向可能是什么，推動整個行業(yè)加速往終局的方向上走，這些貢獻我覺得怎么夸都不為過，但要真正實現 L4 甚至 L5 的*模式，肯定也需要靠整個行業(yè)一起的努力和貢獻。

　　C：太遠的終局確實不好判斷，我覺得首先能確定的是，大模型*的推理能力，一定是能夠應用到自動駕駛中的，包括它能給你一些更好的決策，并且還能給你解釋出原因，這個目前已經有一些公司在做了;但大模型的學習效率和速度也還需要迭代，比如現在整個云端要很大算力、很多算據，這還是一個成本很高的事情，還有很大的優(yōu)化空間，解決了這些問題之后，才有可能讓大模型給每個人提供一些個性化的服務，比如更個性化的交互，或者你更喜歡的駕駛風格等等。

　　D：特別同意剛才嘉賓的一句話——自動駕駛終局的本質，是“如何讓機器人理解我們所處的真實世界”，包括特斯拉的world model，也都是在目前自動駕駛的范式之外，探索有沒有更好地去推理和理解這個世界的方式。

　　所以，如果未來有一套算法，能夠讓通用的機器人非常好地去理解我們的世界的時候，自動駕駛這件事也就迎刃而解了。

　　這方面，我覺得不是學界在引領業(yè)界，而是反過來，業(yè)界在領導學界，因為業(yè)界才能接觸到真實情況下駕駛的一手資料和數據，從而能發(fā)現一些我們在實驗室里模擬不了的東西，所以，自動駕駛終局需要學界和業(yè)界共同去努力，不斷加強溝通，對此我個人還是非常樂觀的，希望這一天盡早到來。