别吹了，自动驾驶大模型 PPT 们_世界今头条

人工智能产业（包括自动驾驶）有一个不可忽视的人性缺陷：

除了天然受制于技术语言，也有不少人故意把东西说得模棱两可、艰涩难懂、天下第一……以达到让人不明觉厉、让资本掏钱的目的。

有些自动驾驶公司就善于此道。

(资料图)

或者说，如今市面上，把汽车工业与 " 超大模型 ""GPT" 以及 "AIGC" 强绑定的说辞，基本可以归于 " 非蠢即坏 " 的商业炒作行径。

特别是，在 " 大模型 " 到底有多大都没法定义的情况下，有人拿出几亿参数值说大，有人搬出几十亿也说大，而 GPT2 的 " 大 " 就有 150 亿，GPT3 则是 1750 亿。

当然，大不大无所谓，很多人最关心的问题是，开始有公司向汽车产业推出所谓的自动驾驶 GPT，到底有什么用？

答案是，或许真的没太多用处。

首先，就像写 Paper 占坑一样，它的确有一小部分研究价值，属于学术界的任务；

其次，忽悠资本，因为不少资本会对汽车产业与大模型的双倍规模与估值买账。

但事实上，包括自动驾驶产业与深度学习圈，许多开发者们对 " 自动驾驶 GPT" 的说法很不认同，甚至是极为恼火的。

我们请教了多位曾在大厂、中美科技独角兽做自动驾驶研发的资深工程师，以及包括 OEM 在内的汽车产业人士看法，再结合部分博客文章，总结了一些观点，或许会对汽车工业、资本以及更广阔的大众群体有一些启发。

把 GPT 吹上车

以某家公司给出的 " 自动驾驶 GPT 产品 " 为例，其神经网络概念图让内行都一头雾水，不知所云。

此外，1200 亿的参数量的确够大，相当于对标了 GPT3。这意味着支撑这庞大数据量训练的硬件资源支持，同样不菲。

但是，他们虽背靠主机厂，却并没有自建昂贵的数据中心，而是跟其他企业一样租用云上资源。很明显，这是将某大厂云服务整合包装为自己的数据基础设施服务体系。

其次，最重要的，大模型到底怎么落地？

把跟 ChatGPT 一样的 " 黑匣子 " 塞进汽车里，做从 " 感知、规划到决策 "（这是自动驾驶技术三个组成部分）的端到端输出？

从这一方向，各方非常严谨地表示，目前离落地非常遥远。

ChatGPT 有着自己天然的生存环境，那就是昂贵的数据中心里。而所有关于 AIGC 的应用都要跟数据中心联网，这没有任何问题——在光缆的连接体系里，做到极快反应。

但作为大型移动设备，车唯一靠的就是无线，但目前连 5G 也非常不稳定。所以，包括特斯拉在内，大家都只能选择走一条路——

将高性能且轻量化的算法模型，塞进一枚性价比足够高的芯片里。

本质上，英伟达从 Tegra 2、Xavier，过渡到 Orin，再到 2000Tops 的 Thor，算力的确是沿着自动驾驶 AI 算法模型在车内的疯狂扩充与变化而一路往上爬的。

而估算一下，GPT3 需要的算力至少是 Thor 的 10 的 N 次方倍。

当然，就像 GPT3.5 开源之后，有开发者已采用量化技术用苹果 M2 芯片运行起 ChatGPT，所以，不排除未来有人会把它塞进英伟达的芯片里。

但是，除去车辆感知、规划与决策过程本身的复杂性，汽车工业疯狂追求的性价比、以及延迟两秒就会出人命的严苛交通环境，对一切 " 不可解释性 " 有着天然的回避姿态。因此，业内认为，可行的时间点极为遥远。（当然，这家公司说自己的模型对于驾驶策略是可解释的，请拿出更详细的证据。）

目前来看，自动驾驶前装市场普遍情况是：" 唯有‘感知’模块用上了模型 "。

业内清楚，感知最好做，且各家已成功落地——从 CNN（卷积神经网络）开始，它就是一套相对成熟的流水线。而芯片里的 GPU 部分也基本被 " 感知 " 占用。

当然，" 决策 " 与 " 规划 " 两个部分，并非没有人做 AI 化尝试，只是汽车工业大多在当下，依然采用最为稳健的方法——

一系列来自机器人等领域的经典规则理论。譬如以 " 蒙特卡罗搜索树 " 为代表的启发式搜索算法。

以 " 规划 " 为例，其上车最常见的方式是把 " 纵向规划 " 和 " 横向规划 " 分开，做 " 时空分离 "。而在这一点的创新上，就分出了几个 " 流派 " ——

以 B 大厂与苏 Q 厂为代表，做时空联合规划。相当于把纵向控制与横向控制的问题结合在一起，更容易搜索出全局最优值。

这个流派的优点是，在面对极为困难或复杂场景，局部最优算法很难搜索出一个更智能路径，但全局可能性更大。但缺点是占用更多算力。

以苏 M 厂等很多从深度学习领域 " 出道 " 的公司为代表，在经典决策规划里融入 AI 算法，把其中一部分模块用 AI 算法替代掉，而非上来就做大一统。

的确，五六年前 " 计算机视觉 " 的大火，早就证明了深度学习具备巨大的应用潜力。但它的缺点也是显而易见的—— " 不可解释性 "，以及通过大量资源投入来持续燃烧数据。

因此，要想上车，大部分企业在努力采用折中的方式——经典理论辅以 AI 算法，既保留经典方法的稳定性，又能提升性能表现。

" 譬如，规划里的‘路径生成’，就可能用 AI 做替代；而路径的选择、判定以及决策，以及后面的纵向规划，仍基于规则去做，形成一种复合方法。"

因此，大模型当然是一个终极理想状态，但上车的最好方法却是 " 分步骤推进 "，与成本之间做更多权衡。

当然，如今也有高端玩家们已经在研究 " 单模型多任务 " 的所谓 " 大一统 " 形式，不过一切没有定论。

大小可能不重要

我们从来都没想到，就像当年 " 自动驾驶分级 " 概念的模糊不清，让国内不少公司钻过空子一样；大模型这个 " 大 " 竟开始也被钻空子——

你有 10 亿，我有 100 亿，他有 1000 亿参数。

然而，在国外，对大模型的 " 大小 " 虽然有讨论，却从来不是重点。况且，国外工业界已经有了" 去大用小 "的势头。因为 " 大模型 " 绝不是越大越好，越大就意味着越不透明，越具有排它性。

包括苏黎世联邦理工大学的科学家在内，一群年轻学者已发起一个叫做 "BabyLM" 的迷你模型挑战赛，用规模为大型语言模型千分之一（一亿参数左右）做更适用工业界的模型。

此外，2022 年，诸多国内自动驾驶公司蹭的所谓 "Transformer" 大模型，更多指代的，是包括 GPT 在内诸多大模型背后的深度学习基础架构，而非仅指代大模型本身。

它最早出现在 2017 年谷歌的论文里。但这个被常用在自然语言处理（NLP）的 Transformer 模型，之所以突然在自动驾驶视觉界火了，是因为特斯拉将这一深度学习模型的 " 原理 "，极具创造性地用在了 " 图像空间转化为矢量空间 " 的感知预测中。

简单来说，特斯拉工程师思考的是，既然这是一个优秀的语言翻译模型，那么为何不能将 " 摄像头获取的图像空间‘翻译’为 3D 矢量空间 "？

所以，Transformer 发源于 NLP 但转入了 CV（计算机视觉）；而 2023 年最火的 BEV 大模型，则是基于 Transformer 在自动驾驶领域的衍生物。

如果感兴趣，可以直接看 Medium 上关于特斯拉 FSD 的技术博客。工程师全程从没提过所谓的 BEV 模型到底有多大（虽然 BEV 被印证的确是烧数据的），而是设法解决目前车载摄像头数据融合产生的问题——

纯摄像头系统对闭塞区域与大型物体的预测结果比较糟糕，那么便从神经网络源头改变算法模型的设计理念——从图像过渡至 BEV。

效果也确实有了质的提升。

同时，强大的工程能力，又让特斯拉把这些模型都塞进了车里。

" 特斯拉是在从大模型原理入手，去试图做一些有益于自动驾驶整个模型的设计，同时又考虑到汽车必要的轻量化和小型化，再结合自己的 AI 芯片（TRIP）工艺往车上搬。

我认为这是一件更趋向于实干的事情，而不是像国内一些公司吹牛蹭热点。"

从 1 到 1.X？

不能上车，那么大模型做离线支持的" 数据闭环 "工作总可以吧？

" 数据闭环 " 这个概念，可以参考被说烂了的特斯拉 Autopilot 数据引擎框架——

确认模型误差、数据标注和清洗、模型训练，再到重新部署。

与此同时，全球各地的特斯拉车辆源源不断的回传数据进入这套流程，使之迅速流转起来，形成一套闭环系统。

但有趣的是，没有 " 大模型 "，这些工作也可以做，不是非大模型介入不可。

譬如，数据闭环里的 " 预标注 "，国内无论是早期的 B 大厂，还是 H 大厂的某生物工具链，做的这套东西已经非常成熟，那么大模型的 " 增益 " 就有待评估，没有 PPT 们渲染的那么厉害。

实际上，数据闭环的概念既简单又复杂。

简单在于，它可以被直接看做是" 锤炼算法的大型基础设施 "，从它里面出来的模型上车后足够智能，足够见多识广。

而复杂之处在于，它的每个环节，几乎可以作为一个小型创业项目——

如何做到样本的自动化挖掘，如何清洗掉冗余数据留下最有营养的部分，如何做好数据的冷存储与热存储？如何分门别类组织好数据？如何做到更有效的预标注……

所以，这套闭环的工程量极为庞大，每个环节都需要专门的人才维护。

而对于自动驾驶创业公司来说，由于极度烧钱，一般会选择" 把 A 部分做好，把 B 部分外包出去 "的轻量化模式，有强项也有短板。

目前，虽然各家东西细节无从比较，但 L4 独角兽 P 厂的数据闭环工具链 "CQ"，竟然得到了业内不错的评价。

对于这只早期 L4 巨兽，不谈商业模式，被认为 " 在构建基础设施上的积累比较厚实 "，是一家在技术层面有真东西的企业。

此外，维持这套东西的运转，必然需要投喂更多的新鲜血液——数据与人才。因此，不是谁都能玩得起。

而特斯拉与比亚迪，是被认为最有可能把这个东西做好的商业组织。

只不过，基于人工智能的特性，数据闭环短期内是看不到成效的。它更像是春播秋收，把该浇的水、该施的肥、该播的种都做到位，不会立竿见影且巨烧资源，但效果出现后，便是马太效应形成的开始。

因此，要比大模型在数据闭环上的应用，不如比谁更有钱。

写在最后

当然，以上内容无意在狙击谁，也无意表扬谁（否则不会用字母指代），而是希望产业能回到一个正常的对比参照系内，以及重点放在实际效果上。

以及，建议企业把办公室内的 " 牌匾 " 换成特斯拉的成功三要素：

坚持第一原则思考方式，工程能力，以及执行力。

本文来自微信公众号：宇多田（ID：hellomusk），作者：宇多田