作者｜于宗申
編輯｜白雪
自動(dòng)駕駛是一場(chǎng)橫跨百年的技術(shù)修行。
1925 年，一輛無人汽車（American Wonder）緩緩行駛在曼哈頓街頭，從百老匯一直開到第五大道，它穿越了紐約交通最擁堵的路段，吸引了全美國(guó)的注意。
背后的牽頭人 Francis P.Houdina（弗朗西斯.P. 霍迪尼），當(dāng)時(shí)他正坐在另一輛車上，用無線電遙控?zé)o人車的行駛。
American Wonder
以現(xiàn)在的技術(shù)來看，這輛車遠(yuǎn)稱不上自動(dòng)駕駛，只能算得上是遙控汽車。但人類對(duì)于無人駕駛的場(chǎng)景化想象卻從此開始。
由此，在人類的科學(xué)技術(shù)進(jìn)程中多了汽車自動(dòng)駕駛的目標(biāo)。
百年自動(dòng)駕駛大致分五個(gè)階段：
1925 年到 1966 年，是概念啟蒙階段。少量工程師通過電纜、金屬傳感器和磁場(chǎng)感應(yīng)器的組合，讓小說中的「無人駕駛」短暫地照進(jìn)了現(xiàn)實(shí)。
1966 年到 2004 年，是技術(shù)奠基階段。在各國(guó)軍方的主導(dǎo)下，少量大學(xué)和車企確立了自動(dòng)駕駛的基礎(chǔ)技術(shù)路線，將計(jì)算機(jī)算法與傳感器硬件（攝像頭為主）相結(jié)合。
當(dāng)概念和技術(shù)奠基工作均完成后，自動(dòng)駕駛突飛猛進(jìn)。
2004 年到 2014 年，是屬于谷歌的「哥倫布時(shí)代」，讓世界看到了自動(dòng)駕駛商業(yè)落地的可能。
2014 到 2021 年，是萬眾創(chuàng)新的「大航海時(shí)代」，無數(shù)企業(yè)在資本和技術(shù)簇?fù)硐掠咳胱詣?dòng)駕駛市場(chǎng)，探索無限可能。
2021 年至今，是特斯拉引領(lǐng)的「工業(yè)革命時(shí)代」，AI 大模型開始逐漸取代人工編寫的規(guī)則算法。
1.0 時(shí)代，谷歌成為哥倫布
地球是圓的，總會(huì)有人想去證明它。
在自動(dòng)駕駛領(lǐng)域，谷歌是那個(gè)率先抵達(dá)新大陸的「哥倫布」。
2004 年，為了減少戰(zhàn)爭(zhēng)中的人員傷亡，現(xiàn)實(shí)版神盾局 DARPA（美國(guó)國(guó)防高級(jí)研究計(jì)劃局）在 2004 年、2005 年及 2007 年舉辦了 3 屆自動(dòng)駕駛挑戰(zhàn)賽，吸引了無數(shù)大學(xué)和企業(yè)的研究團(tuán)隊(duì)。
三屆挑戰(zhàn)賽讓谷歌聯(lián)合創(chuàng)始人拉里佩奇（Larry Page）看到了自動(dòng)駕駛的潛力，將斯坦福大學(xué)領(lǐng)隊(duì)塞巴斯蒂安特龍（Sebastian Thrun）納入麾下，帶領(lǐng)谷歌 X 實(shí)驗(yàn)室研發(fā)創(chuàng)新項(xiàng)目。
特龍
2009 年初，在佩奇的推動(dòng)下，谷歌自動(dòng)駕駛項(xiàng)目「Project Chauffeur」正式啟動(dòng)。
作為項(xiàng)目負(fù)責(zé)人，特龍邀請(qǐng)了一些 DARPA 挑戰(zhàn)賽中的技術(shù)大牛加入了 Chauffeur 項(xiàng)目：
卡內(nèi)基梅隆大學(xué)車隊(duì)的技術(shù)總監(jiān)克里斯厄姆森（Chris Urmson）負(fù)責(zé)軟件，斯坦福大學(xué)車隊(duì)的軟件負(fù)責(zé)人邁克蒙特莫羅（Mike Montemerlo）負(fù)責(zé)電子地圖、硬件負(fù)責(zé)人安東尼萊萬多夫斯基（Anthony Levandowski）負(fù)責(zé)硬件、感知負(fù)責(zé)人亨德里克達(dá)爾坎普（Hendrik Dahlkamp）負(fù)責(zé)雷達(dá)數(shù)據(jù)。
三屆 DARPA 挑戰(zhàn)賽積攢的人才，幾乎盡數(shù)收入谷歌麾下，并在技術(shù)上延續(xù)了 DARPA 挑戰(zhàn)賽提出的基本方案，即計(jì)算機(jī)通過多個(gè)傳感器來觀察周圍環(huán)境，并據(jù)此進(jìn)行路線規(guī)劃，最后由一套線控系統(tǒng)執(zhí)行命令。
萊萬多夫斯基（左）、特龍（中）、厄姆森（右）和谷歌首款自動(dòng)駕駛汽車
和挑戰(zhàn)賽以前的自動(dòng)駕駛車輛相比，此時(shí)谷歌自動(dòng)駕駛車輛最顯著的變化，是搭載了激光雷達(dá)和高精地圖激光雷達(dá)可以精確測(cè)算車輛和道路標(biāo)志的距離，而高精地圖則告訴車輛這些標(biāo)志在空間中的位置，從而讓車輛進(jìn)行定位，降低了感知系統(tǒng)的壓力，以此應(yīng)對(duì)復(fù)雜的道路。
在州際公路上經(jīng)過了 16 萬千米的測(cè)試和反復(fù)修改代碼之后，Chauffeur 團(tuán)隊(duì)于 2010 年 10 月完成了 Larry 1k 挑戰(zhàn)，即在沒有人為干預(yù)的情況下，在10 條160 千米的特定路線上（州際公路+城市道路）完成無人駕駛。
比起 DARPA 挑戰(zhàn)賽中的車輛，谷歌 Chauffeur 團(tuán)隊(duì)在技術(shù)上已經(jīng)有了質(zhì)的突破，但距離工程化落地依舊遙遠(yuǎn)。
首先，谷歌的自動(dòng)駕駛離不開高精地圖，而保證高精地圖的鮮度和廣度需要巨量時(shí)間與財(cái)力投入。
其次，識(shí)別和預(yù)測(cè)道路上其他交通參與者的行為依舊不是一件容易的事，畢竟不是每一位司機(jī)在變道之前都會(huì)打轉(zhuǎn)向燈。
最后，《紐約時(shí)報(bào)》的報(bào)道將谷歌自動(dòng)駕駛項(xiàng)目公之于眾，但推動(dòng)立法依舊路途遙遠(yuǎn)。
2011 年初，特龍?jiān)?jīng)的學(xué)生戴夫弗格森加入了 Chauffeur 團(tuán)隊(duì)，正式將機(jī)器學(xué)習(xí)引入了自動(dòng)駕駛，提升了汽車的感知能力和判斷能力。
與此同時(shí)，谷歌也開始游說政府部門立法，2011 年 9 月，內(nèi)華達(dá)州通過自動(dòng)駕駛法案；
2012 年 5 月，谷歌拿到了內(nèi)華達(dá)州頒發(fā)的第一張自動(dòng)駕駛測(cè)試牌照；
2013 年，NHTSA（美國(guó)高速公路安全管理局）發(fā)布了自動(dòng)駕駛汽車的分級(jí)標(biāo)準(zhǔn)，SAE（國(guó)際自動(dòng)機(jī)工程師學(xué)會(huì)）也制定了自動(dòng)駕駛汽車分級(jí)標(biāo)準(zhǔn)。
至于高精地圖的問題，谷歌的解決對(duì)策是在有限的「運(yùn)行設(shè)計(jì)域」內(nèi)使用，比如路況簡(jiǎn)單的高速場(chǎng)景。
不過在具體的落地形式上，特龍的左膀右臂萊萬多夫斯基和厄姆森產(chǎn)生了路線分歧。
萊萬多夫斯基提倡銷售后裝方案，可以讓任何汽車在高速公路上實(shí)現(xiàn)自動(dòng)駕駛。厄姆森則希望將自動(dòng)駕駛系統(tǒng)在生產(chǎn)時(shí)便集成到車輛當(dāng)中，雖然耗時(shí)更久但更加安全可靠。
然而不論是哪種方案，都被老牌車企認(rèn)為是魯莽、愚蠢到不可思議的事情。
天無絕人之路，打車軟件 Uber 的出現(xiàn)，讓谷歌高層看到了一條新的商業(yè)化路線在特定城市或地區(qū)繪制高精地圖，然后運(yùn)營(yíng)一支無人駕駛出租車隊(duì)。
于是，谷歌在 2014 年 5 月推出了純電動(dòng)全自動(dòng)駕駛汽車 Firefly，配備了攝像頭、毫米波雷達(dá)、激光雷達(dá)和超聲波等傳感器，以及整合了 Google 地圖和云服務(wù)等優(yōu)勢(shì)資源，同時(shí)還取消了方向盤、油門和踏板。
谷歌 Firefly
Firefly 的發(fā)布終于讓車企意識(shí)到自動(dòng)駕駛的重要性。
Firefly 發(fā)布的次日，時(shí)任通用全球產(chǎn)品開發(fā)主管的 Mark Reuss 便首次將谷歌列為競(jìng)爭(zhēng)對(duì)手：
「對(duì)汽車制造商們來說，谷歌可能會(huì)變成一個(gè)相當(dāng)厲害的競(jìng)爭(zhēng)對(duì)手�！�
從 2004 年關(guān)注 DARPA 自動(dòng)駕駛挑戰(zhàn)賽，再到 2014 年讓世界見證自動(dòng)駕駛，谷歌從軍方手中接過了自動(dòng)駕駛的主導(dǎo)權(quán)，匯集了 DARPA 挑戰(zhàn)賽中的人才，成為開啟新大陸的哥倫布。
2.0 時(shí)代，大航海時(shí)代的始終
資本市場(chǎng)是逐利的。
在看到自動(dòng)駕駛的潛力之后，車企、科技公司以及初創(chuàng)企業(yè)紛紛卷入了自動(dòng)駕駛的藍(lán)海市常
回看 2014 年這個(gè)時(shí)間點(diǎn)，谷歌已經(jīng)做成了三件影響行業(yè)的大事：
首先，谷歌推動(dòng)了美國(guó)自動(dòng)駕駛法案的出臺(tái)，讓行業(yè)有法可依；
其次，谷歌摸索出了相對(duì)成熟的技術(shù)路線，讓行業(yè)有跡可循；
最后，谷歌的 Firefly 讓資本看到了自動(dòng)駕駛的潛力，讓行業(yè)有錢可燒。
接下來的兩年，谷歌又為行業(yè)貢獻(xiàn)了最重要的資源人才。
2014 年，谷歌 Chauffeur 項(xiàng)目負(fù)責(zé)人特龍離開了谷歌，創(chuàng)立了在線教育平臺(tái) Udacity，致力于為業(yè)界培養(yǎng)更多自動(dòng)駕駛?cè)瞬拧?/p>
特龍走后，萊萬多夫斯基和厄姆森的明爭(zhēng)暗斗日益升級(jí)。2015 年 8 月，谷歌進(jìn)行業(yè)務(wù)重組改變了權(quán)力架構(gòu)，自動(dòng)駕駛項(xiàng)目由技術(shù)主導(dǎo)轉(zhuǎn)向商業(yè)化主導(dǎo)。
多重變動(dòng)之下，谷歌 Chauffeur 項(xiàng)目多位核心工程師在拿了 2015 年年底的巨額獎(jiǎng)金之后離職創(chuàng)業(yè)：
厄姆森離職創(chuàng)立了 Aurora，2021 年 Aurora 上市，市值125 億美元。
萊萬多夫斯基和 Google 地圖負(fù)責(zé)人里奧羅恩（Lior Ron）創(chuàng)立了 Otto，后被 Uber 收購(gòu)，并入 Uber 自動(dòng)駕駛部門。
硬件研發(fā)主管布萊恩薩萊斯基（Bryan Salesky）離職創(chuàng)立了 Argo，3 個(gè)月后便被福特以 10 億美元收購(gòu)。
機(jī)器視覺技術(shù)專家達(dá)夫弗格森（Dave Ferguson）和朱佳俊離職創(chuàng)立了 Nuro，專注于無人駕駛配送業(yè)務(wù)，估值最高達(dá)到86 億美元。
在谷歌的刺激之下，從 Uber、英偉達(dá)、亞馬遜、百度、大疆、滴滴出行、華為等高科技公司，再到奔馳、寶馬、通用、本田等傳統(tǒng)車企，以及蔚小理為代表的中國(guó)車企，紛紛投入自動(dòng)駕駛研發(fā)。
與此同時(shí)，資本也進(jìn)入了自動(dòng)駕駛行業(yè)。2013 年時(shí)，全球自動(dòng)駕駛行業(yè)融資數(shù)量?jī)H 5 起，2014 年快速增長(zhǎng)至 20 起，到了 2018 年便超過100 起。
資本入局之下，催生出了無數(shù)初創(chuàng)企業(yè)，比如被譽(yù)為自動(dòng)駕駛黃埔軍校的百度，從這里走出的自動(dòng)駕駛工程師，而后又締造了一批優(yōu)秀的中國(guó)自動(dòng)駕駛初創(chuàng)公司，如小馬智行和文行知遠(yuǎn)，百度系之外，還有輕舟智行、圖森未來、Nullmax 等。
自動(dòng)駕駛從谷歌一人獨(dú)舞，逐漸變成了派系林立的江湖。
有江湖的地方，自然就有紛爭(zhēng)。
「大航海時(shí)代」最重要的分歧，來自于漸進(jìn)式和跨越式的路線之爭(zhēng)。
特斯拉和谷歌，分別是漸進(jìn)式路線和跨越式路線的支持者。戲劇性的是，兩者的紛爭(zhēng)來自于一次失敗的合作。
2013 年，谷歌雖然已經(jīng)定下了做無人出租車的目標(biāo)，但也嘗試了更容易落地的 L2 級(jí) AutoPilot。
然而測(cè)試時(shí)，谷歌發(fā)現(xiàn)不論如何強(qiáng)調(diào)該系統(tǒng)無法完全替代人類，測(cè)試車輛的工程師總會(huì)把汽車當(dāng)成完全自動(dòng)駕駛來使用。
安全起見，該項(xiàng)目只測(cè)試了幾個(gè)禮拜便被緊急叫停，谷歌打算只做「完全不需要人類參與」的自動(dòng)駕駛，也就是走跨越式路線。
而被谷歌叫停的 AutoPilot 項(xiàng)目，原本是為特斯拉開發(fā)的智駕項(xiàng)目。
與谷歌合作的破裂之后，特斯拉兜兜轉(zhuǎn)轉(zhuǎn)開始了自研 AutoPilot，并選擇了與谷歌截然相反的道路漸進(jìn)式路線。
在漸進(jìn)式路線看來，礙于技術(shù)的限制，短期內(nèi) L4 級(jí)自動(dòng)駕駛必然成本高昂且無法落地，那不如從更容易商業(yè)化的做起，先養(yǎng)活自己，再不斷進(jìn)步。
漸進(jìn)式路線內(nèi)部也分為了兩大類。
第一類是特斯拉、Mobileye、華為、大疆、Nullmax 和大多數(shù)主機(jī)廠代表的L2 級(jí)輔助駕駛，核心思想是用輔助駕駛撬動(dòng)銷量，從而獲得數(shù)據(jù)和造血能力，繼而不斷升級(jí)迭代。
第二類是特殊場(chǎng)景下的L4 級(jí)自動(dòng)駕駛，如易控智駕、主線、白犀牛等，主攻礦區(qū)、港口、配送、環(huán)衛(wèi)等低速封閉或低速半封閉場(chǎng)景，通過限制速度或者運(yùn)行場(chǎng)景的復(fù)雜度來降低自動(dòng)駕駛的難度，保證盈利的同時(shí)迭代 L4 級(jí)智駕系統(tǒng)的能力。
然而在以谷歌 Waymo、百度 Apollo（及其歷任工程師創(chuàng)建的公司）為代表的跨越式路線支持者看來，漸進(jìn)式路線無疑是死路一條。
在他們看來，低等級(jí)自動(dòng)駕駛的技術(shù)框架難以直接遷移到 L4 級(jí)無人駕駛，用厄姆森的話說，就是「漸進(jìn)式就像是一個(gè)天天努力練跳高的人，認(rèn)為自己終有一天能飛起來」，如果你想登月，那一開始就不應(yīng)該造梯子，而是火箭。
然而就和現(xiàn)實(shí)中的大航海一樣，始于哥倫布發(fā)現(xiàn)新大陸，終于海外殖民地被瓜分殆荊
在聽了多年無人駕駛的故事之后，資本市場(chǎng)發(fā)現(xiàn)了 L4 級(jí)快速落地遙遙無期的事實(shí)，耐心和投入也開始逐漸消失。
這對(duì)靠資本市場(chǎng)輸血的 L4 級(jí)自動(dòng)駕駛公司來說，稱得上是滅頂之災(zāi)。
為求自保，不少 L4 級(jí)公司不得不向現(xiàn)實(shí)低頭，從 L4 級(jí)跨越式路線轉(zhuǎn)向 L2 級(jí)漸進(jìn)式路線，先造血求生存，再燒錢追理想。
目前除了谷歌 Waymo、通用 Cruise、滴滴自動(dòng)駕駛以外，大多數(shù) L4 級(jí)自動(dòng)駕駛公司均投入了 L2 級(jí)自動(dòng)駕駛的懷抱。
轟轟烈烈的智駕大航海時(shí)代，隨著跨越式路線的失敗而告終，漸進(jìn)式路線成為市場(chǎng)主流。
不過大航海時(shí)代雖然結(jié)束了，但是卻留下了寶貴的遺產(chǎn)激光雷達(dá)、高精地圖、自動(dòng)駕駛芯片等行業(yè)獲得了快速發(fā)展，為留在場(chǎng)上的玩家提供了價(jià)低質(zhì)優(yōu)的解決方案。
3.0 時(shí)代，特斯拉引領(lǐng)「新工業(yè)革命」
如果只是漸進(jìn)式路線耗死了跨越式路線，那絕對(duì)稱不上是新時(shí)代的開始，頂多只能稱為「后航海時(shí)代」，無非是面包戰(zhàn)勝了愛情，六便士打敗了月亮。
真正結(jié)束舊時(shí)代開啟新時(shí)代的，是特斯拉發(fā)起的「新工業(yè)革命」用自動(dòng)化程度更高的大模型取代了「手工作坊」里的人工規(guī)則代碼。
雖然早在 2011 年，谷歌便將機(jī)器學(xué)習(xí)引入了自動(dòng)駕駛，但在長(zhǎng)達(dá) 10 年的時(shí)間里，自動(dòng)駕駛依舊以人工規(guī)則為主導(dǎo)。
即使是火熱的大航海時(shí)代，大多數(shù)自動(dòng)駕駛企業(yè)也都選擇了大同小異的硬件方案，差距主要來自人工規(guī)則代碼。
然而遵循規(guī)則代碼的智能汽車永遠(yuǎn)無法學(xué)會(huì)開車，人工編寫的規(guī)則代碼無論如何都無法覆蓋現(xiàn)實(shí)世界所有的路況。
改變這一現(xiàn)狀的技術(shù)，是谷歌提出來的Transformer 架構(gòu)通過引入注意力機(jī)制，Transformer 模型擁有了聯(lián)系上下文的能力，并且訓(xùn)練速度更快。
2017 年，谷歌發(fā)布了 Transformer 架構(gòu)，成為自然語(yǔ)言處理領(lǐng)域的主流大模型。
2020 年，谷歌又提出了 Vision Transformer(ViT)，可以直接利用 Transformer 對(duì)圖像進(jìn)行分類。
然而最先將 Transformer 架構(gòu)用到自動(dòng)駕駛上的，卻不是谷歌的 Waymo，而是特斯拉。
2021 年 9 月，在安德烈卡爾帕西（Andrej Karpathy）的帶領(lǐng)下，特斯拉重構(gòu)了自動(dòng)駕駛的代碼，推出了基于Transformer+BEV技術(shù)的 FSD，將感知部分交給了大模型，從而提升了自動(dòng)駕駛的感知能力。
安德烈（左）和馬斯克（右）
2023 年，在達(dá)瓦爾史洛夫（Dhaval Shroff）的推動(dòng)下，特斯拉推出了 FSD V12 版本，將感知、決策和控制算法都交給了大模型，實(shí)現(xiàn)了首個(gè)端到端大模型自動(dòng)駕駛，人工規(guī)則算法從 V11 版本的 30 萬行降低到了2000 行。
馬斯克（左一）和達(dá)瓦爾史洛夫（左三）
大模型的上車，從技術(shù)層面證明了漸進(jìn)式路線的勝利通過投喂數(shù)據(jù)，大模型能不斷精進(jìn)駕駛技術(shù)，從 L2 進(jìn)化至 L4 成為可能。
在特斯拉引領(lǐng)之下，諸多玩家開始推進(jìn)大模型上車，其中最為積極的當(dāng)屬中國(guó)企業(yè)。
車企方面，小鵬、蔚來、理想、極越、比亞迪、智己等車企紛紛推動(dòng)了 Transformer+BEV 架構(gòu)的研發(fā)。
自動(dòng)駕駛解決方案方面，華為、百度 Apollo、大疆車載、毫末智行、小馬智行、商湯科技、Nullmax、Momenta、易航智能等供應(yīng)商也積極跟進(jìn)。
雖然以上企業(yè)主要在感知端使用了大模型，還未能和特斯拉一樣實(shí)現(xiàn)端到端的大模型，但是依舊大幅提高了智駕系統(tǒng)的感知能力，一定程度上降低了硬件成本，并讓自動(dòng)駕駛有了擺脫高精地圖的可能。
也正因如此，2023 年中國(guó)車企發(fā)起了轟轟烈烈的智駕開城計(jì)劃，「城市 NOA」和「無圖智駕」成為汽車行業(yè)的關(guān)鍵詞，自動(dòng)駕駛的滲透率也迎來增長(zhǎng)。
當(dāng) 2024 年農(nóng)歷新年的返鄉(xiāng)大軍用自動(dòng)駕駛開車回到縣城、鄉(xiāng)村，似乎預(yù)示著自動(dòng)駕駛已從彼岸到達(dá)此岸。
精進(jìn)仍在繼續(xù)。大模型提高自動(dòng)駕駛能力上限的同時(shí)，也拔高了自動(dòng)駕駛的門檻。
在軟件驅(qū)動(dòng)的時(shí)代，規(guī)則算法決定了自動(dòng)駕駛的能力上限。因此很多初創(chuàng)公司通過少量的測(cè)試車不斷迭代算法，便能提升自動(dòng)駕駛的能力。
毫末智行 CEO 顧維灝就認(rèn)為自動(dòng)駕駛已經(jīng)從硬件驅(qū)動(dòng)、軟件驅(qū)動(dòng)進(jìn)入到了數(shù)據(jù)驅(qū)動(dòng)的新時(shí)代。
在新時(shí)代里，自動(dòng)駕駛系統(tǒng)更有可能達(dá)到人類駕駛員水平。系統(tǒng)不但具備對(duì)三維空間的精確感知測(cè)量能力，而且能夠像人類一樣理解萬物之間的聯(lián)系、邏輯、常識(shí)，做出更好的駕駛策略。
而這一切正需要算力與數(shù)據(jù)。
算力相當(dāng)于大模型的智力，數(shù)據(jù)相當(dāng)于大模型刷的題庫(kù)，智力越高，刷的題越多，考試成績(jī)才會(huì)越高，二者缺一不可。
和算法相比，算力和數(shù)據(jù)的硬件成本顯然更高。
無論是自動(dòng)駕駛企業(yè)還是車企，現(xiàn)在都把重點(diǎn)放在了打通數(shù)據(jù)通道和智算中心以此更高效地獲取數(shù)據(jù)。
比如毫末智行的自動(dòng)駕駛生成式大模型 DriveGPT（雪湖海若）參數(shù)規(guī)模達(dá)到1200 億，預(yù)訓(xùn)練階段引入數(shù)千萬公里量產(chǎn)車駕駛數(shù)據(jù)。
特斯拉更為夸張，為了打造訓(xùn)練大模型的超算中心，特斯拉至少投入25 億人民幣購(gòu)買了 10000 塊 H100 芯片，同時(shí)，特斯拉還將投入10 億美元搭建自研的 Dojo 超算中心。
在數(shù)據(jù)量上，F(xiàn)SD V12 版本訓(xùn)練初期，特斯拉便投喂了約 1000 萬個(gè)特斯拉車主的駕駛視頻片段。
海量駕駛數(shù)據(jù)，是由特斯拉 400 多萬的總銷量累積而成，這使得特斯拉每天可以訪問來自車主的 1600 億幀視頻。
第二個(gè)特斯拉還沒有出現(xiàn)。龐大的資金投入和數(shù)據(jù)需求，成了橫亙?cè)谧詣?dòng)駕駛面前兩座大山，沒有體量支撐、造血能力，部分自動(dòng)駕駛公司難以繼續(xù)留在牌桌，只得「排隊(duì)賣身」尋求收購(gòu)。
現(xiàn)在的情況是誰(shuí)掌握了資金和數(shù)據(jù)，誰(shuí)就掌握了話語(yǔ)權(quán)，而自動(dòng)駕駛的主導(dǎo)權(quán)或?qū)⒒氐杰嚻笫种小?/p>
自動(dòng)駕駛百年，只是開始
從 1925 年算起，自動(dòng)駕駛的發(fā)展已接近百年，技術(shù)路線日益成熟。
在自動(dòng)駕駛的第一個(gè)百年中，最重要的經(jīng)驗(yàn)，便是自動(dòng)駕駛是強(qiáng)依賴技術(shù)路徑變革的物種。
回頭看，自動(dòng)駕駛關(guān)鍵節(jié)點(diǎn)變遷均是新技術(shù)加入引發(fā)的：
1966 年，計(jì)算機(jī)和攝像頭的加入開啟了現(xiàn)代意義上的自動(dòng)駕駛；
2007 年，DARPA 挑戰(zhàn)賽中引入了高精地圖和激光雷達(dá)；
2011 年，機(jī)器學(xué)習(xí)首次被用于自動(dòng)駕駛；
2021 年，大模型開始上車；
2023 年，端到端的大模型成功上車。
這個(gè)規(guī)律一定程度上注定了跨越式路線的敗局漸進(jìn)式路線迭代升級(jí)的欲望更強(qiáng)，因此更容易接納新技術(shù)。
這或許也是谷歌提出的 Transformer 架構(gòu)卻被特斯拉先用到自動(dòng)駕駛上的原因。
但無論哪種路線，都面臨同一個(gè)問題，一旦發(fā)生較大的技術(shù)變動(dòng)，此前的軟硬件架構(gòu)都要隨之改變。
另一個(gè)規(guī)律，自動(dòng)駕駛發(fā)展的過程就是不斷用機(jī)器取代人的過程。
以此來看，端到端自動(dòng)駕駛在車端幾乎完全實(shí)現(xiàn)了用機(jī)器替代人類，因此會(huì)成為中期甚至長(zhǎng)期的技術(shù)路線。
和其他跟進(jìn)的車企相比，特斯拉目前在算法層面有 2-3 年的領(lǐng)先優(yōu)勢(shì)。3-5 年之后，目前第二梯隊(duì)的車企大概率也將實(shí)現(xiàn)端到端自動(dòng)駕駛。
算法的代際差距被拉平之后，能繼續(xù)用計(jì)算機(jī)替代人類提高效率的，或許就是數(shù)據(jù)了。
目前特斯拉的訓(xùn)練數(shù)據(jù)主要來自現(xiàn)實(shí)世界，雖然數(shù)量龐大覆蓋場(chǎng)景足夠多，但是重復(fù)、無效的內(nèi)容同樣多，而且難以針對(duì)性的訓(xùn)練。
與之相比，生成式 AI 能快速且低成本的生成針對(duì)性的場(chǎng)景，通過仿真訓(xùn)練加快自動(dòng)駕駛的迭代速度和能力，從而降本增效，這也是目前特斯拉研究生成式的 World Model 的原因。
自動(dòng)駕駛的技術(shù)已經(jīng)日益成熟，但是從商業(yè)角度來看，技術(shù)只是開始，接下來還有漫長(zhǎng)的產(chǎn)品普及之路要走，自動(dòng)駕駛是一場(chǎng)持久戰(zhàn)。
