人工智能產業（包括自動駕駛）有一個不可忽視的人性缺陷：
除瞭天然受制於技術語言，也有不少人故意把東西說得模棱兩可、艱澀難懂、天下第一……以達到讓人不明覺厲、讓資本掏錢的目的。
有些自動駕駛公司就善於此道。
或者說，如今市面上，把汽車工業與“超大模型”“GPT”以及“AIGC”強綁定的說辭，基本可以歸於“非蠢即壞”的商業炒作行徑。
特別是，在“大模型”到底有多大都沒法定義的情況下，有人拿出幾億參數值說大，有人搬出幾十億也說大，而GPT2的“大”就有150億，GPT3則是1750億。
當然，大不大無所謂，很多人最關心的問題是，開始有公司向汽車產業推出所謂的自動駕駛GPT，到底有什麼用？
答案是，或許真的沒太多用處。
首先，就像寫Paper占坑一樣，它的確有一小部分研究價值，屬於學術界的任務；
其次，忽悠資本，因為不少資本會對汽車產業與大模型的雙倍規模與估值買賬。
但事實上，包括自動駕駛產業與深度學習圈，許多開發者們對“自動駕駛GPT”的說法很不認同，甚至是極為惱火的。
我們請教瞭多位曾在大廠、中美科技獨角獸做自動駕駛研發的資深工程師，以及包括OEM在內的汽車產業人士看法，再結合部分博客文章，總結瞭一些觀點，或許會對汽車工業、資本以及更廣闊的大眾群體有一些啟發。
把GPT吹上車
以某傢公司給出的“自動駕駛GPT產品”為例，其神經網絡概念圖讓內行都一頭霧水，不知所雲。
此外，1200億的參數量的確夠大，相當於對標瞭GPT3。這意味著支撐這龐大數據量訓練的硬件資源支持，同樣不菲。
但是，他們雖背靠主機廠，卻並沒有自建昂貴的數據中心，而是跟其他企業一樣租用雲上資源。很明顯，這是將某大廠雲服務整合包裝為自己的數據基礎設施服務體系。
其次，最重要的，大模型到底怎麼落地？
把跟ChatGPT一樣的“黑匣子”塞進汽車裡，做從“感知、規劃到決策”（這是自動駕駛技術三個組成部分）的端到端輸出？
從這一方向，各方非常嚴謹地表示，目前離落地非常遙遠。
ChatGPT有著自己天然的生存環境，那就是昂貴的數據中心裡。而所有關於AIGC的應用都要跟數據中心聯網，這沒有任何問題——在光纜的連接體系裡，做到極快反應。
但作為大型移動設備，車唯一靠的就是無線，但目前連5G也非常不穩定。所以，包括特斯拉在內，大傢都隻能選擇走一條路——
將高性能且輕量化的算法模型，塞進一枚性價比足夠高的芯片裡。
本質上，英偉達從Tegra 2、Xavier，過渡到Orin，再到2000Tops的Thor，算力的確是沿著自動駕駛AI算法模型在車內的瘋狂擴充與變化而一路往上爬的。
而估算一下，GPT3需要的算力至少是Thor的10的N次方倍。
當然，就像GPT3.5開源之後，有開發者已采用量化技術用蘋果M2芯片運行起ChatGPT，所以，不排除未來有人會把它塞進英偉達的芯片裡。
但是，除去車輛感知、規劃與決策過程本身的復雜性，汽車工業瘋狂追求的性價比、以及延遲兩秒就會出人命的嚴苛交通環境，對一切“不可解釋性”有著天然的回避姿態。因此，業內認為，可行的時間點極為遙遠。（當然，這傢公司說自己的模型對於駕駛策略是可解釋的，請拿出更詳細的證據。）
目前來看，自動駕駛前裝市場普遍情況是：“唯有‘感知’模塊用上瞭模型”。
業內清楚，感知最好做，且各傢已成功落地——從CNN（卷積神經網絡）開始，它就是一套相對成熟的流水線。而芯片裡的GPU部分也基本被“感知”占用。
當然，“決策”與“規劃”兩個部分，並非沒有人做AI化嘗試，隻是汽車工業大多在當下，依然采用最為穩健的方法——
一系列來自機器人等領域的經典規則理論。譬如以“蒙特卡羅搜索樹”為代表的啟發式搜索算法。
以“規劃”為例，其上車最常見的方式是把“縱向規劃”和“橫向規劃”分開，做“時空分離”。而在這一點的創新上，就分出瞭幾個“流派”——
以B大廠與蘇Q廠為代表，做時空聯合規劃。相當於把縱向控制與橫向控制的問題結合在一起，更容易搜索出全局最優值。
這個流派的優點是，在面對極為困難或復雜場景，局部最優算法很難搜索出一個更智能路徑，但全局可能性更大。但缺點是占用更多算力。
以蘇M廠等很多從深度學習領域“出道”的公司為代表，在經典決策規劃裡融入AI算法，把其中一部分模塊用AI算法替代掉，而非上來就做大一統。
的確，五六年前“計算機視覺”的大火，早就證明瞭深度學習具備巨大的應用潛力。但它的缺點也是顯而易見的——“不可解釋性”，以及通過大量資源投入來持續燃燒數據。
因此，要想上車，大部分企業在努力采用折中的方式——經典理論輔以AI算法，既保留經典方法的穩定性，又能提升性能表現。
“譬如，規劃裡的‘路徑生成’，就可能用AI做替代；而路徑的選擇、判定以及決策，以及後面的縱向規劃，仍基於規則去做，形成一種復合方法。”
因此，大模型當然是一個終極理想狀態，但上車的最好方法卻是“分步驟推進”，與成本之間做更多權衡。
當然，如今也有高端玩傢們已經在研究“單模型多任務”的所謂“大一統”形式，不過一切沒有定論。
大小可能不重要
我們從來都沒想到，就像當年“自動駕駛分級”概念的模糊不清，讓國內不少公司鉆過空子一樣；大模型這個“大”竟開始也被鉆空子——
你有10億，我有100億，他有1000億參數。
然而，在國外，對大模型的“大小”雖然有討論，卻從來不是重點。況且，國外工業界已經有瞭“去大用小”的勢頭。因為“大模型”絕不是越大越好，越大就意味著越不透明，越具有排它性。
包括蘇黎世聯邦理工大學的科學傢在內，一群年輕學者已發起一個叫做“BabyLM”的迷你模型挑戰賽，用規模為大型語言模型千分之一（一億參數左右）做更適用工業界的模型。
此外，2022年，諸多國內自動駕駛公司蹭的所謂“Transformer”大模型，更多指代的，是包括GPT在內諸多大模型背後的深度學習基礎架構，而非僅指代大模型本身。
它最早出現在2017年谷歌的論文裡。但這個被常用在自然語言處理（NLP）的Transformer模型，之所以突然在自動駕駛視覺界火瞭，是因為特斯拉將這一深度學習模型的“原理”，極具創造性地用在瞭“圖像空間轉化為矢量空間”的感知預測中。
簡單來說，特斯拉工程師思考的是，既然這是一個優秀的語言翻譯模型，那麼為何不能將“攝像頭獲取的圖像空間‘翻譯’為3D矢量空間”？
所以，Transformer發源於NLP但轉入瞭CV（計算機視覺）；而2023年最火的BEV大模型，則是基於Transformer在自動駕駛領域的衍生物。
如果感興趣，可以直接看Medium上關於特斯拉FSD的技術博客。工程師全程從沒提過所謂的BEV模型到底有多大（雖然BEV被印證的確是燒數據的），而是設法解決目前車載攝像頭數據融合產生的問題——
純攝像頭系統對閉塞區域與大型物體的預測結果比較糟糕，那麼便從神經網絡源頭改變算法模型的設計理念——從圖像過渡至BEV。
效果也確實有瞭質的提升。
事實上，特斯拉更多值得稱道的，是對各種各樣已存的如RNN、LSTM、RegNet（上圖）等普通模型進行創新，且把它們的潛力發揮到極致；
同時，強大的工程能力，又讓特斯拉把這些模型都塞進瞭車裡。
“特斯拉是在從大模型原理入手，去試圖做一些有益於自動駕駛整個模型的設計，同時又考慮到汽車必要的輕量化和小型化，再結合自己的AI芯片（TRIP）工藝往車上搬。
我認為這是一件更趨向於實幹的事情，而不是像國內一些公司吹牛蹭熱點。”
從1到1.X？
不能上車，那麼大模型做離線支持的“數據閉環”工作總可以吧？
“數據閉環”這個概念，可以參考被說爛瞭的特斯拉Autopilot數據引擎框架——
確認模型誤差、數據標註和清洗、模型訓練，再到重新部署。
與此同時，全球各地的特斯拉車輛源源不斷的回傳數據進入這套流程，使之迅速流轉起來，形成一套閉環系統。
但有趣的是，沒有“大模型”，這些工作也可以做，不是非大模型介入不可。
譬如，數據閉環裡的“預標註”，國內無論是早期的B大廠，還是H大廠的某生物工具鏈，做的這套東西已經非常成熟，那麼大模型的“增益”就有待評估，沒有PPT們渲染的那麼厲害。
實際上，數據閉環的概念既簡單又復雜。
簡單在於，它可以被直接看做是“錘煉算法的大型基礎設施”，從它裡面出來的模型上車後足夠智能，足夠見多識廣。
而復雜之處在於，它的每個環節，幾乎可以作為一個小型創業項目——
如何做到樣本的自動化挖掘，如何清洗掉冗餘數據留下最有營養的部分，如何做好數據的冷存儲與熱存儲？如何分門別類組織好數據？如何做到更有效的預標註……
所以，這套閉環的工程量極為龐大，每個環節都需要專門的人才維護。
而對於自動駕駛創業公司來說，由於極度燒錢，一般會選擇“把A部分做好，把B部分外包出去”的輕量化模式，有強項也有短板。
目前，雖然各傢東西細節無從比較，但L4獨角獸P廠的數據閉環工具鏈“CQ”，竟然得到瞭業內不錯的評價。
對於這隻早期L4巨獸，不談商業模式，被認為“在構建基礎設施上的積累比較厚實”，是一傢在技術層面有真東西的企業。
此外，維持這套東西的運轉，必然需要投喂更多的新鮮血液——數據與人才。因此，不是誰都能玩得起。
而特斯拉與比亞迪，是被認為最有可能把這個東西做好的商業組織。
隻不過，基於人工智能的特性，數據閉環短期內是看不到成效的。它更像是春播秋收，把該澆的水、該施的肥、該播的種都做到位，不會立竿見影且巨燒資源，但效果出現後，便是馬太效應形成的開始。
因此，要比大模型在數據閉環上的應用，不如比誰更有錢。
寫在最後
當然，以上內容無意在狙擊誰，也無意表揚誰（否則不會用字母指代），而是希望產業能回到一個正常的對比參照系內，以及重點放在實際效果上。
以及，建議企業把辦公室內的“牌匾”換成特斯拉的成功三要素：
堅持第一原則思考方式，工程能力，以及執行力。
發表評論 取消回复