本期視頻專業(yè)性有點高，適合對智能汽車尤其是自動駕駛感興趣的朋友們。

前面兩期視頻，我用最直白的方式解釋了一下上一代和當(dāng)前最火的自動駕駛技術(shù)，以后大家再聽到“端到端”、“神經(jīng)網(wǎng)絡(luò)算法”、“大語言模型”等專業(yè)名詞，就知道車企在說什么了。

但可能很多人也發(fā)現(xiàn)，自動駕駛技術(shù)說的好聽，落到實際應(yīng)用層面，卻是八斤八兩，沒覺得誰家的自動駕駛功能達(dá)到了讓人驚艷的程度。

刨除法規(guī)限制、車輛硬件等因素不談，首先，企業(yè)采用的是不是端到端架構(gòu)，又是哪種層次的端到端架構(gòu)，我們很難知曉。

其次，端到端算法本身有一個先天問題，就是它更像一個黑盒。因為端到端模型被構(gòu)建為一個整體，無法像傳統(tǒng)自動駕駛?cè)蝿?wù)一樣，把中間某個環(huán)節(jié)單獨拿出來進行分析，所以端到端算法的可解釋性和閉環(huán)驗證性都不好。

目前，“端到端自動駕駛”的引領(lǐng)者還是特斯拉，去年8月馬斯克親測了FSD Beta V12，這是第一個端到端AI自動駕駛系統(tǒng)。國內(nèi)頭部企業(yè)大多采取漸進的策略，先將決策和規(guī)控算法神經(jīng)網(wǎng)絡(luò)化，小步快跑逐步為未來的全棧端到端打下基礎(chǔ)。像華為在2024年智能汽車解決方案發(fā)布會上，推出了GOD（感知大模型）+PDP（端到端規(guī)控大模型）算法；小鵬也推動了感知大模型升級和規(guī)控大模型上車，形成了Xnet+Xbrain+Xplanner的端到端自動駕駛架構(gòu)。即使目前已經(jīng)表示采用全棧端到端架構(gòu)的玩家，如元戎啟行和商湯，也會用規(guī)則化的策略來兜底，保障安全。

此外，就像我們學(xué)開車一樣，基礎(chǔ)的“腦力”、好的教練以及大量的練習(xí)都是不可或缺的，自動駕駛也是如此，它和所有AI應(yīng)用類似，必須算力、算法和數(shù)據(jù)都給力，才能實現(xiàn)媲美老司機的效果。

這里需要多說兩句，算力指的不是車上安的那顆英偉達(dá)8295芯片，而是車企用于訓(xùn)練自動駕駛模型的超算中心。數(shù)據(jù)指的也不是隨隨便便的駕駛數(shù)據(jù)，而是成熟駕駛員的優(yōu)質(zhì)駕駛數(shù)據(jù)。

所以綜上所述，雖然自動駕駛現(xiàn)在更像是一門玄學(xué)，但我們還是能夠通過一些硬性條件，推測出哪些企業(yè)的自動駕駛會越來越強的。

比如，這家企業(yè)一定要有算力足夠強的超算中心?？梢杂^察到的是，伴隨端到端的落地，特斯拉對算力的需求出現(xiàn)了大幅提升，這也反過來幫助其算法實現(xiàn)更加快速的迭代。當(dāng)然，這背后都是白花花的銀子，特斯拉計劃2024年底前對DOJO超算中心投資超過10億美元，以提升總算力至10萬PFLOPS。

國內(nèi)車企里，蔚小理、吉利長安等頭部主機廠也都在加速提升算力，上游供應(yīng)鏈里，華為、商湯、毫末等，已經(jīng)擁有了可觀的算力布局，但總體來看，量級和特斯拉還是有不小差距的。

另外，海量優(yōu)質(zhì)數(shù)據(jù)將成為自動駕駛行業(yè)的稀缺資源。截至今年4月，特斯拉已經(jīng)擁有累計20億公里的行駛里程數(shù)，并且有望在年底接近100億公里。觀察特斯拉的功能迭代也可以看出，要想達(dá)到特斯拉的自動駕駛水準(zhǔn)，海量、多樣化、高質(zhì)量的數(shù)據(jù)不可或缺。

海量優(yōu)質(zhì)數(shù)據(jù)，最主要的來源是用戶，這要看你的車保有量多有大，具不具備收集駕駛數(shù)據(jù)的能力，用戶會不會用你的自動駕駛功能。根據(jù)公開信息，特斯拉在這方面還是遙遙領(lǐng)先的。

不過特斯拉的數(shù)據(jù)并不是在國內(nèi)收集的，很可能不適應(yīng)咱們國家的復(fù)雜路況，而國內(nèi)像華為這樣的頭部玩家，自動駕駛實際體驗已經(jīng)很出色了。

總而言之，自動駕駛目前正處在爆發(fā)的前夜，國內(nèi)外頭部企業(yè)都在進行有關(guān)算力、算法和數(shù)據(jù)的新一輪軍備競賽，未來強者恒強的馬太效應(yīng)會越來越明顯，贏家將是大力出奇跡的那些企業(yè)。