自動駕駛一定有ChatGPT時刻，最快明年就降臨 | MEET2024

編輯部 整理自 MEET 2024

量子位|公眾號QbitAI

“觸及自動駕駛的ChatGPT時刻，最快在明年下半年?！?/p>

“自動駕駛目前最大的短板在硬件層。”

“只有越來越多的用戶使用自動駕駛技術(shù)，才是自動駕駛的ChatGPT時刻?！?/p>

……

隨著AGI領(lǐng)域ChatGPT的爆火，自動駕駛距離自己的ChatGPT時刻還有多遠(yuǎn)？這個話題在量子位MEET2024 自動駕駛圓桌上被激烈討論。

DeepWay深向聯(lián)合創(chuàng)始人、CTO田山，千掛科技聯(lián)合創(chuàng)始人廖若雪，零一汽車創(chuàng)始人、CEO黃澤鏵圍繞這一話題，分享了自己的看法。

三位來自商用車領(lǐng)域的自動駕駛玩家，是怎么看待自動駕駛的ChatGPT時刻？

在商用車領(lǐng)域，觸及這一時刻都有哪些關(guān)鍵要素、路線要怎么選擇，比如要不要造車？

以及最關(guān)鍵的，我們距離自動駕駛的ChatGPT時刻到底還有多遠(yuǎn)？

關(guān)于MEET智能未來大會：MEET大會是由量子位主辦的智能科技領(lǐng)域頂級商業(yè)峰會，致力于探討前沿科技技術(shù)的落地與行業(yè)應(yīng)用。今年共有數(shù)十家主流媒體及直播平臺報道直播了MEET2024大會，吸引了超過300萬行業(yè)用戶線上參會，全網(wǎng)總曝光量累積超過2000萬。

話題要點

• 自動駕駛有沒有ChatGPT時刻？
• 觸及自動駕駛的ChatGPT時刻需要哪些要素？
• 在觸及的過程中要不要造車？
• 什么樣的商用車玩家可以觸及自動駕駛的ChatGPT時刻？
• 距離自動駕駛的ChatGPT時刻還有多遠(yuǎn)？

（圓桌環(huán)節(jié)由量子位聯(lián)合創(chuàng)始人、總編輯李根主持。在不改變原意的基礎(chǔ)上，量子位對內(nèi)容進(jìn)行了編輯整理。希望能夠給你帶來更多的啟發(fā)與思考。）

論壇實錄

（話題要點為后添加）

自動駕駛一定有ChatGPT時刻

量子位李根：大家好，今年我在聊自動駕駛的時候總會遇到一個非常直接的問題：你還相信自動駕駛嗎？這是在過去的幾年里不曾遇到的問題。

這讓我想起了ChatGPT到來之前，AI領(lǐng)域發(fā)生過同樣的事情。

當(dāng)大家對于DeepMind代表的第一波AI浪潮推動技術(shù)落地的速度感到失望的時候，會重新看待AI的進(jìn)程，會思考、盤算AI到底燒了多少錢，AI到底給我們生活帶來多少改變？

直到OpenAI帶來了ChatGPT，并帶來產(chǎn)業(yè)變革之后，沒有人再思考這些問題，所有人都在談?wù)揂I帶來變革性、顛覆性的價值。

所以今天請到三位今年最具代表性的嘉賓，希望能給更多的朋友闡釋自動駕駛。

首先是來自DeepWay深向的聯(lián)合創(chuàng)始人、CTO田山，他之前是百度Apollo商用車的項目負(fù)責(zé)人。

第二位是廖若雪，千掛科技的聯(lián)合創(chuàng)始人，他曾經(jīng)在李彥宏和身邊工作，被稱為“技術(shù)天花板”，在百度的技術(shù)專利墻上他的名字是和李彥宏放在一起的。

最后一位是黃澤鏵，是零一汽車創(chuàng)始人、CEO，被稱為“自動駕駛天才少年”，年紀(jì)不大，已經(jīng)創(chuàng)立一家自動駕駛公司，并且完成了從0到1的階段。

首先想要問一下田老師，你們創(chuàng)業(yè)的時候可以說是自動駕駛第二波浪潮，因為第一波是在不斷開拓邊界，而DeepWay深向的場景是非常明確的，不知道您怎么看待“自動駕駛有沒有ChatGPT時刻，距離這個時刻還有多遠(yuǎn)”這個話題？

DeepWay深向田山：我們認(rèn)為實現(xiàn)通用、完全無人的自動駕駛肯定需要一個自動駕駛的ChatGPT時刻，并且這是一個絕對發(fā)展的技術(shù)方向。

從技術(shù)本身來看，目前自動駕駛已經(jīng)在大模型方面做了很多探索，不過還存在一些欠缺，沒有達(dá)到ChatGPT時刻，我們認(rèn)為可能還需要一段時間。

而DeepWay深向是一家創(chuàng)業(yè)公司，所以我們一定是貼近用戶的市場需求，去做一個產(chǎn)品出來。

所以從另一個角度——需求本身來看，在目前的技術(shù)下，不使用大模型，自動駕駛系統(tǒng)在很多限定場景里已經(jīng)能跑得非常好了。

也就是說，目前在一些限定場景去落地自動駕駛，其實可以沒有大模型、可以沒有ChatGPT。

但我也要回過頭來去強調(diào)，真正要在通用場景下實現(xiàn)L4、L5級自動駕駛，大模型是不可或缺的。

量子位李根：看到廖老師剛才也在點頭。您之前也經(jīng)歷過移動互聯(lián)網(wǎng)的浪潮，現(xiàn)在加入自動駕駛商用化落地的浪潮。您認(rèn)為有沒有一個時刻可以讓自動駕駛的價值得到廣泛認(rèn)可，而不是很多人談?wù)撔挪恍牛?/p>

千掛科技廖若雪：要回答這個問題，很重要的一點是現(xiàn)在自動駕駛技術(shù)是不是廣泛地被客戶認(rèn)知到、看到。

因為GPT不是1.0版本就開始破圈的，是到了3.0、3.5，甚至是4.0版本的時候大家才感知到這個技術(shù)。自動駕駛也到了這個階段，就是需要看我們的客戶能不能感知到自動駕駛技術(shù)。

因為千掛科技是做商用車的。對于商用車客戶來講，他能感知到自動駕駛技術(shù)的時刻，更多的是在這個技術(shù)能帶來明確的成本降低、效率提升的時候。這樣才能讓越來越多的商用車客戶可以理解自動駕駛技術(shù)。

因為他們不是做技術(shù)的，剛剛講BEV、Transformer，客戶并不能理解是什么意思，但是他可以看到這個技術(shù)確實給他們帶來幫助。

我認(rèn)為只有越來越多的用戶用起來自動駕駛技術(shù)，才是自動駕駛的ChatGPT時刻。

量子位李根：下面請黃老師來分享一下您的看法。因為您已經(jīng)參與了自動駕駛的第一波浪潮，對技術(shù)邊界進(jìn)行無限地開拓，我的理解這是一個不斷做加法的過程。但現(xiàn)在您創(chuàng)業(yè)的零一汽車是要做減法的過程，要具體到非常明確的場景和功能上，不知道您怎么看待這個問題。

零一汽車黃澤鏵：我的觀點可能會樂觀一些。

零一汽車經(jīng)歷過兩個階段。第一個階段是在最開始創(chuàng)業(yè)的時候，我跟團(tuán)隊說零一不做自動駕駛上層的算法，專注于把車做好。

因為這是我們談到自動駕駛真正產(chǎn)品化落地，上層算法是一個部分，但是車端是另外一個部分。在這個階段里面看傳統(tǒng)的自動駕駛技術(shù)，我是偏悲觀看的。

我的悲觀集中在大家看現(xiàn)有自動駕駛整個發(fā)展過程中，已經(jīng)非常場景化、專業(yè)化了，包括做港口、礦山，或者L4干線，或者說Robotaxi，更多會聚焦在某一個具體場景做自動駕駛。

這里面我們在底層技術(shù)看到里面的問題是——自動駕駛泛化性。如果不解決泛化性，我們只能先退一步把車做好，這件事情的價值會更大一些。

然后在OpenAI去年年底爆發(fā)的時候，給了我們一些啟示，我們也開啟了第二階段。

我認(rèn)為OpenAI做了一個極大規(guī)模的實驗，包括兩個關(guān)鍵要素，互聯(lián)網(wǎng)級別的數(shù)據(jù)和千億以上的參數(shù)。并且這個實驗和這個實驗帶來的結(jié)果是，現(xiàn)在的大模型產(chǎn)生了非常好的知識圖譜，產(chǎn)生了對于基礎(chǔ)知識的理解。

所以我當(dāng)時看到這個事情后，再加上內(nèi)部團(tuán)隊也跑了一些模型，就對零一汽車的戰(zhàn)略方向做出調(diào)整，現(xiàn)在我們?nèi)劢勾竽Ｐ?，?dāng)然在自動駕駛之外還有整車的業(yè)務(wù)。

現(xiàn)在回答這個問題，首先我堅信一定會有ChatGPT的時刻，或者說iPhone時刻。這個時刻到來后，原來很多問題會迎刃而解。

現(xiàn)在自動駕駛遇到非常多corner case，本質(zhì)上是自動駕駛技術(shù)對于環(huán)境的理解不足夠的。

這是因為原來自動駕駛所有的模塊都是分開單獨做，最后合成一個系統(tǒng)，所以非常手工，會導(dǎo)致對于場景的定義上出現(xiàn)了很大偏差。

比如說前幾個月自動駕駛行業(yè)發(fā)生最大的事情是通用Cruise大規(guī)模停運Robotaxi。它遇到的問題是一個行人被一輛車撞到了Cruise Robotaxi的前面，但這個車沒有停下來；包括說在Robotaxi運行的時候遇到一片水泥地，但沒有辦法很好地識別水泥地。這些問題在我們當(dāng)時做自動駕駛系統(tǒng)的時候都想到過，我們也知道一定會發(fā)生。

因為在傳統(tǒng)自動駕駛系統(tǒng)里，這些問題都需要工程師一個一個手工解決，也需要和產(chǎn)品經(jīng)理商量好，如果這有一個水泥地，那自動駕駛系統(tǒng)應(yīng)該停下來繞開它，這樣再讓感知模塊去識別水泥地，規(guī)控模塊再執(zhí)行繞開的指令。

而這樣導(dǎo)致整個系統(tǒng)的開發(fā)復(fù)雜度非常高，我們也看到后面大家都有點開發(fā)不動了。

之后有了ChatGPT。OpenAI的一系列demo，證明了人類的常識可以在一個神經(jīng)網(wǎng)絡(luò)里面體現(xiàn)出來，我也有信心駕駛的知識可以在神經(jīng)網(wǎng)絡(luò)里面體現(xiàn)出來。

這樣就帶來一個很大的變革，因為這個知識一定可以用在開車這樣的事情上。

所以我自己的觀點非常樂觀，現(xiàn)在ChatGPT展現(xiàn)出來的能力已經(jīng)超過了自動駕駛、或者說駕駛這個事情本身所需要的知識能力。我堅信自動駕駛的ChatGPT時刻一定會到來。

觸及自動駕駛ChatGPT時刻有哪些關(guān)鍵要素？

量子位李根：那么您覺得觸及這個時刻要包括哪些關(guān)鍵要素？

零一汽車黃澤鏵：我認(rèn)為首先要把自動駕駛系統(tǒng)分開的模塊融合起來，做到端到端的自動駕駛。

我以前并不相信端到端，但現(xiàn)在覺得端到端是唯一的路徑，原因很簡單。

自動駕駛傳統(tǒng)架構(gòu)里面會拆分感知、定位、規(guī)劃、控制、地圖等等很多模塊。以我自己做感知的來說，大部分時候傳統(tǒng)意義上定義的感知，是用bounding box、一個限定框把車輛框出來，定義這個物體的屬性、速度，類似這樣來劃分感知。

但一旦用這樣的一套框架再去處理自動駕駛的問題，比如剛剛舉的例子，前面有一灘水泥地，那么這要當(dāng)做一個物體，還是一個區(qū)域，還是當(dāng)做一個什么東西？

并且它的標(biāo)簽如果是水泥地的話，那需要感知模塊專門訓(xùn)練一個具體的網(wǎng)絡(luò)，去識別這是水泥地，然后讓它做出相應(yīng)的操作。

這就是自動駕駛原來的系統(tǒng)，這太人工了，帶來的問題就是在人工定義不到的地方一定會出現(xiàn)問題，也就是墨菲定律。

我認(rèn)為要觸及這個時刻，核心的要素就要把自動駕駛整個網(wǎng)絡(luò)打通，基于數(shù)據(jù)去驅(qū)動、基于大模型，讓它自然產(chǎn)生最后的行為。

量子位李根：我們知道端到端自動駕駛今年是比較熱的點，其實在面向落地的時候，如果說數(shù)據(jù)量太大的話，云存儲或者數(shù)據(jù)的成本壓力是挺大的。千掛現(xiàn)在已經(jīng)有自動駕駛車輛在北京、上海的路段上跑，不知道廖老師怎么看這個問題？

千掛科技廖若雪：我可以透露一下，千掛科技的自動駕駛卡車已經(jīng)在路上閉環(huán)跑起來了，剛剛提到的端到端自動駕駛已經(jīng)成為現(xiàn)實。

而剛才說的數(shù)據(jù)問題，不客氣的說，現(xiàn)在自動駕駛相關(guān)的數(shù)據(jù)規(guī)模在我看來還沒有那么大。因為和我們以前互聯(lián)網(wǎng)的大數(shù)據(jù)規(guī)模比起來，自動駕駛相關(guān)數(shù)據(jù)還是低數(shù)量級。

我們要解決的，或者說我們更關(guān)注的是怎么才能獲取并且使用好這些數(shù)據(jù)。

這就依賴剛才黃澤鏵提到端到端大模型。因為只有模型才能夠很好吞吐大量的數(shù)據(jù)，才能夠處理那么多相關(guān)數(shù)據(jù)反饋的問題。我們不能通過工程師去人肉調(diào)規(guī)則，然后寫基于規(guī)則（rule based）的系統(tǒng)，這是不夠的。

這就意味著要實現(xiàn)自動駕駛的ChatGPT時刻，技術(shù)上需要擁有能吞吐大量數(shù)據(jù)的能力。

但是另一個問題，數(shù)據(jù)從哪來？這就說到前面說的那一點，只有足夠多的客戶用起來自動駕駛系統(tǒng)，才能獲取大量的數(shù)據(jù)。

同時我覺得剛才還有一點沒有提到，自動駕駛的技術(shù)和商業(yè)能不能形成閉環(huán)。

大模型、人、機(jī)器，包括數(shù)據(jù)都很貴。所以說自動駕駛商業(yè)化，或者說客戶在使用自動駕駛相關(guān)產(chǎn)品的時候，能不能產(chǎn)生足夠的經(jīng)濟(jì)效應(yīng)，這個經(jīng)濟(jì)價值能不能反映出來給自動駕駛技術(shù)提供生產(chǎn)支撐、數(shù)據(jù)的支撐。

有了經(jīng)濟(jì)上的支撐，才能使得自動駕駛技術(shù)和商業(yè)形成一個互相促進(jìn)的閉環(huán)，這也是以前在互聯(lián)網(wǎng)或者移動互聯(lián)網(wǎng)時代發(fā)生的事情。

只有當(dāng)閉環(huán)真正形成的時候，技術(shù)越好、產(chǎn)品越好，產(chǎn)品越好、商業(yè)落地越好，商業(yè)落地又能夠給技術(shù)帶來更多資金的支持、數(shù)據(jù)的支持，這樣才能形成一個很好的閉環(huán)。

量子位李根：DeepWay深向出發(fā)的時候其實就是想要打造自動駕駛商用落地的閉環(huán)。我想問一下DeepWay深向關(guān)于閉環(huán)，或者關(guān)于實現(xiàn)自動駕駛的ChatGPT時刻關(guān)鍵要素是什么，田老師怎么思考這個問題？

DeepWay深向田山：對于DeepWay深向來說，我們從第一天開始就選擇通過造車實現(xiàn)自動駕駛。

我們?yōu)槭裁丛燔?？有一個很重要的考慮：因為這可以實現(xiàn)可持續(xù)的商業(yè)化。賣車可以商業(yè)化，同時造車又可以獲得數(shù)據(jù)，解決自動駕駛所需要的關(guān)鍵要素。

要實現(xiàn)自動駕駛的ChatGPT時刻，我認(rèn)為還有幾個方面的挑戰(zhàn)。

一方面大家公認(rèn)的數(shù)據(jù)的挑戰(zhàn)。

剛才若雪提到自動駕駛數(shù)據(jù)很少，大家的數(shù)據(jù)都不一樣，因為傳感器各家都不一樣且還在不斷演進(jìn)，所以導(dǎo)致各家數(shù)據(jù)復(fù)用起來很困難，我們要獲得大規(guī)模的數(shù)據(jù)也相對來說比較困難。

第二個方面是算力的限制。

雖然現(xiàn)在看到ChatGPT這樣一些大模型可以用幾萬片GPU做訓(xùn)練，而自動駕駛數(shù)據(jù)的維度是多出兩個維度的，時間和空間，這就意味著數(shù)據(jù)規(guī)模在指數(shù)級上升，所以它所需要的算力也是巨大的。

你要打造自動駕駛端到端的大模型，要有足夠大的數(shù)據(jù)量還要有足夠大的算力，而這些現(xiàn)在都還在發(fā)展的過程中。

另外，在自動駕駛上還有一個比較大的挑戰(zhàn)，安全性問題。

自動駕駛不像ChatGPT，如果說了一句玩笑話大家笑一笑就過去了。自動駕駛?cè)绻霈F(xiàn)安全性問題，對行業(yè)來說會產(chǎn)生非常大的影響，所以安全性問題也需要在實現(xiàn)端到端的過程中解決。比如我們是不是能加入一些人工監(jiān)督的干預(yù)，加入一些規(guī)則保證基本的安全性，這些其實都是一些挑戰(zhàn)。

對于DeepWay深向來說的話，至少我們有比較好的載體——車作為數(shù)據(jù)的獲取和可商業(yè)化的平臺。同時我們也在積極部署端到端規(guī)劃、算法的能力，包括我們提前預(yù)購了一些GPU，保證我們未來深度學(xué)習(xí)算力的需求。

通往自動駕駛ChatGPT時刻，要不要造車？

量子位李根：把車作為一個載體至少有硬件承載自動駕駛的算法和軟件能力，那么想請問黃老師，您現(xiàn)在做零一汽車也是有這個因素的考量嗎？

江湖上有一個調(diào)侃，說您從不造車到現(xiàn)在造了零一智卡之后，覺得自動駕駛的優(yōu)先級也沒有造車業(yè)務(wù)這么高，說你是不愛自動駕駛了、受了傷不愛了，不知道您怎么看這個問題。

零一汽車黃澤鏵：最早的時候看自動駕駛，我覺得傳統(tǒng)模型其實已經(jīng)被大家充分研究了，所以沒有必要重新造輪子、浪費社會的資源。

同時當(dāng)時我的信念是，自動駕駛不僅僅是上層算法的系統(tǒng)，還是一個復(fù)雜的安全系統(tǒng)，而安全系統(tǒng)的能力是由短板決定的。我之前也看到自動駕駛系統(tǒng)的短板是在車、硬件這一層，需要有一個團(tuán)隊把這個事情給解決。包括DeepWay深向這些和自動駕駛有淵源的造車新勢力們，大家都看到了相同的事情，所以我們在產(chǎn)業(yè)里面把這個事情解決，這是我們?nèi)ミx擇造車的原因，這并不是不愛自動駕駛。

我覺得我已經(jīng)跟自動駕駛相戀多年，算法這一側(cè)大家已經(jīng)有很多很成熟的想法，我去當(dāng)另外一端的愛人，服務(wù)好車和硬件這個部分。

量子位李根：廖老師的千掛科技選擇的是不造車。請問您對實現(xiàn)自動駕駛的ChatGPT時刻的路徑，是怎么考慮的？

千掛科技廖若雪：我們雖然不造車，但是我們前裝量產(chǎn)的車很快就要下線了。我們看待造不造車這個問題的核心和角度更多是面向客戶。

實現(xiàn)客戶需求本身，可以分解為使用不同的方式，比如說技術(shù)方式、產(chǎn)品方式、運營方式、商業(yè)化方式、工程上的方式。我們這個不同的實現(xiàn)方式，相信跟兩位造車的同學(xué)考慮這個問題的邏輯是一樣的。我們可能更多考慮的是，如何從客戶角度出發(fā)，快速地用我們手上已有的技術(shù)、產(chǎn)品、工程這些能力，給客戶打造出來好的產(chǎn)品。

客觀來講，我現(xiàn)在并不那么確定需要造什么樣的車才能滿足用戶的需求，我們需要更多的嘗試。這時候從我的角度來講，去提前定義一個滿足客戶需求的車，是蠻難的。

我們更希望的是在明年，我們和早期客戶合作的、相對來說小規(guī)模的車可以在路上跑起來，這時候再做更多的迭代、升級，我們就可以對用戶到底要什么東西有越來越多的理解。

在已有技術(shù)的局限性下，如何用產(chǎn)品或工程或商業(yè)化運營的方式解決這些局限性，更好地定義好產(chǎn)品，我們才能知道要造什么樣的東西。所以從我的角度來講，千掛科技更多是這樣的路徑。雖然大家最終目標(biāo)是一致的，但是我們選擇的稍微有點不一樣。

量子位李根：所以千掛科技選擇的路徑或路線會更早觸達(dá)ChatGPT時刻嗎？

千掛科技廖若雪：當(dāng)然觸達(dá)ChatGPT時刻可能也有路徑依賴。不過我的邏輯很簡單，我越早地接觸客戶，越早地給客戶帶來商業(yè)價值，我才能盡快的把自動駕駛的閉環(huán)做起來。

從我們選擇的行業(yè)來講，商用車很有意思，這是非常紅海的一個市場，利潤率非常低，所以在我們能通過一些新技術(shù)，能非常明顯的降低成本、提升效率的時候，那么這個飛輪轉(zhuǎn)起來的速度是飛快的。

量子位李根：田老師，DeepWay深向是中國第一家為了實現(xiàn)自動駕駛而造卡車，或者說造商用車的公司。你們怎么看這個實現(xiàn)路徑的問題？因為之前大家覺得造車是非常體量龐大，周期又長的工作。

DeepWay深向田山：我非常同意廖老師的觀點，打造一個好的產(chǎn)品一定是針對客戶的需求，能滿足需求才能實現(xiàn)的。商用車行業(yè)、物流運輸行業(yè)對成本又非常敏感，就像剛剛說的屬于紅海的競爭市場，節(jié)省1%、2%的成本都可以讓客戶決定購買你的技術(shù)或者產(chǎn)品。

對于我們來說的話，我們最開始要去造車，是因為當(dāng)時在整個商用車領(lǐng)域，并沒有特別適合做自動駕駛的商用車底盤，或者說沒有先天存在的硬件。而如果我們要改裝這些車輛的話，基本要付出比較大的硬件成本。并且付出改裝成本之后，還沒有實現(xiàn)完全去掉司機(jī)、完成L4級別的自動駕駛。

其實整個算下來并不劃算，我們的用戶不接受改裝一個車花了5萬多塊錢，同時還沒有去掉司機(jī)，只能一年省1%、2%的油，這樣節(jié)省的成本是非常有限的。

從我們自身來說的話，我們造車就是為了控制整個車輛的成本，讓用戶能感受到車輛的技術(shù)性帶來經(jīng)濟(jì)性價值，讓他更快接受新的技術(shù)，這樣才會有足夠的數(shù)據(jù)或者空間去實現(xiàn)自動駕駛的ChatGPT時刻。

量子位李根：田老師談到造車成本或者自動駕駛實現(xiàn)的成本跟商用經(jīng)濟(jì)性問題，那么想問問黃老師，聽說之前你們創(chuàng)業(yè)的時候是從三一重卡挖來合伙人組建了團(tuán)隊，這是不是因為當(dāng)時對于造一輛商用卡車，在供應(yīng)鏈的成本或者經(jīng)濟(jì)性上發(fā)生了一些關(guān)鍵環(huán)節(jié)上的改變，才促使你們決定用造車方式實現(xiàn)這個東西？

零一汽車黃澤鏵：商用車不太像乘用車。對于太聚焦在TCO、性價比的商用車來說，乘用車上L2或者L2+級別的功能有一定的作用，但是作用不是特別大。

商用車行業(yè)造車是單獨的邏輯鏈條。在這個邏輯鏈條里，為什么在今天這個節(jié)點選擇造車，商業(yè)模式該如何成立，我們有個單獨的故事，我簡單講一下。

首先我們商用車，特別是重卡，這是車輛新能源化最后的陣地。這個陣地從油車變成新能源車有兩個好處，一個咱們國家包括ESG政策和趨勢上面有牽引，對這個陣地帶來了很大的動量，這個動量讓大家對于新能源車，包括商用車隊和司機(jī)都有很深的理解。

第二個事情是在成本端。商用車運營最大的成本其實不是買車也不是司機(jī)，最大的成本是油。在中國，商用車運營需要的油錢占接近50%的成本。

假設(shè)商用車運營的油錢是平均每公里3塊錢，在換成電車以后電錢只有1塊錢，那么這個運營成本最大可以直接拉低接近60%。這就是商用車新能源化主要的邏輯線，在過去兩三年中，這個邏輯線牽引著新能源重卡在中國快速增長和落地。

量子位李根：黃老師強調(diào)的成本是新興技術(shù)落地必須考量或者核算的因素。

實現(xiàn)自動駕駛ChatGPT時刻，資源、數(shù)據(jù)、算法、政策都不可或缺

量子位李根：乘用車領(lǐng)域，探索自動駕駛的歷史不是那么長，它的代表性玩家只有那么幾家。比如有特斯拉路線，馬斯克覺得應(yīng)該由量產(chǎn)車貢獻(xiàn)數(shù)據(jù)實現(xiàn)閉環(huán)，最終實現(xiàn)FSD（完全自動駕駛）；也有Waymo路線，一開始應(yīng)該實現(xiàn)最終極的場景和產(chǎn)品；另外也有通用Cruise路線，包括之前的Uber和滴滴路線。

那么在商用車領(lǐng)域，如果要觸及自動駕駛的ChatGPT時刻，讓所有人看到自動駕駛的商用價值，這里面有什么樣的玩家能夠觸及這一時刻？先請?zhí)锢蠋煼窒硪幌驴捶ā?/p>

DeepWay深向田山：前面在說自動駕駛ChatGPT所需要的關(guān)鍵要素，我認(rèn)為如果能具備關(guān)鍵要素，那么就意味著在這條路徑上能更快觸及。

首先這需要對于產(chǎn)品本身的掌握能夠滿足用戶的最終需求，我們這三家都有這樣先天的優(yōu)勢。我們都是直接接觸客戶，直接賣給終端用戶，讓物流用戶使用產(chǎn)品，這是先決的條件。

其次是數(shù)據(jù)、算力方面的能力，包括我們架構(gòu)、模型的迭代，我認(rèn)為我們都有比較不錯的機(jī)會。

說句自我一點的話，我們現(xiàn)在已經(jīng)量產(chǎn)了，今年會交付550輛新能源重卡，也會成為市場上全球范圍內(nèi)包括特斯拉SEMI在內(nèi)，交付量第一的、正向設(shè)計的智能新能源重卡。我們相信DeepWay深向會有更多的機(jī)會，我們具備所有這些要素，我們做的是最快的。

量子位李根：廖老師，您怎么看待這個問題？

千掛科技廖若雪：我非常同意田山的看法，我們也是明年年初就會量產(chǎn)交付。我覺得早一天交付、早一天接觸客戶，跟客戶快速驗證商業(yè)模式，這樣就會有機(jī)會觸及自動駕駛的ChatGPT時刻。

前面講的更多是怎么形成閉環(huán)，這里面很重要一點是當(dāng)我們形成閉環(huán)后，我們有越來越多的錢、越來越多的數(shù)據(jù)來提升整體的技術(shù)和產(chǎn)品的時候，這時候公司本身就會越來越大，我們做的事情就會越來越多。這就涉及到公司組織管理相關(guān)的問題，尤其對于我們新的創(chuàng)業(yè)公司來講，這方面可能都需要補課。

量子位李根：請問黃老師還關(guān)心速度的問題嗎？我知道你們打造了第一家上市的無人駕駛公司，黃老師是里面的創(chuàng)造者?，F(xiàn)在做這家公司的時候，您的心態(tài)上，還有這樣對于速度的追求嗎？

零一汽車黃澤鏵：我覺得天下武功唯快不破，我們自己會關(guān)注速度。

回到您剛剛的問題，哪一類玩家會觸及這一時刻，我覺得應(yīng)該換成我們需要什么樣的要素。這個廖老師也提到了，我們總結(jié)下來第一個是錢或者資源，第二個是數(shù)據(jù)，第三個是算法本身。

我們現(xiàn)在并不是按照已有架構(gòu)去走，這里面有新的范式變化，這個范式變化需要全球最優(yōu)秀的人才、專門圍繞AI的工程師，用這樣的方式打造起來。

我覺得哪個玩家最有可能觸及這一時刻是很難談的事情。這還是需要對于這個方向本身有信仰的玩家堅定的投入，才有這樣的可能。

量子位李根：那么需要多少錢是合適的？或者說有多少資源才能夠跑起來？

零一汽車黃澤鏵：我覺得這個很難評測。

首先，其實自動駕駛的大模型是一個專業(yè)模型，這個專業(yè)模型可以基于很多通用模型做訓(xùn)練，有非常多可以用的開源框架，我們自己實測訓(xùn)練一套神經(jīng)網(wǎng)絡(luò)下來并沒有那么昂貴。

但是自動駕駛大模型落地到今天還在非常早的階段，其中會經(jīng)歷概念到技術(shù)，再到產(chǎn)品最后到商品的過程。每一個過程又需要投入非常多的錢。

最開始在概念階段的時候證明端到端能跑通，這個模型走直線沒問題，轉(zhuǎn)個彎或者簡單的一些操作，和現(xiàn)在的系統(tǒng)是差不多的，同時又要有驚艷的地方。

不過等到完全自動駕駛這一技術(shù)等級的時候，你會發(fā)現(xiàn)要把短板補起來。比如說所有遇到的警察揮手的場景，系統(tǒng)是不是都能解決，這會有一系列的挑戰(zhàn)。

等再到產(chǎn)品端的時候，還有硬件問題，兩位老師都提到了車載3D檢測怎么辦、背后計算延遲性怎么辦，這些都要在產(chǎn)品這一側(cè)來解決。

并且最后要到商品端，做的這些事情全部加起來的收益還需要是正的、對于客戶來說是有價值的。這是個挺宏大的問題，錢和資源都要達(dá)到海量級。

量子位李根：感謝黃老師的補充，補充了很重要的因素。并且今年有個最大的因素是政策，而且還是具有利好性質(zhì)的政策。

我們前幾年談?wù)撟詣玉{駛的時候，政策這個因素還沒有那么明確，而現(xiàn)在確實是旗幟性或者方向性的改變。請問黃老師你認(rèn)為自動駕駛相關(guān)政策的出爐，意味著到了什么樣的時間節(jié)點？

零一汽車黃澤鏵：實事求是地說，政策能給行業(yè)帶來很好的指引方向，能明確大家一起去走的方式。不過這個政策還不是全國意義上能達(dá)到全無人駕駛商業(yè)化的政策。

因為在國內(nèi)環(huán)境來說，政策的推動不會特別激進(jìn)，比如說明天就允許全無人駕駛?cè)珖秶鷥?nèi)鋪開。最終的政策需要看到足夠的數(shù)據(jù)。所以今天的政策讓大家可以往前走一步，去給國家、行業(yè)政策足夠多的數(shù)據(jù)，來支撐做下一步的決策。現(xiàn)在這個并不是終極的政策，但是是很好的推動點。

量子位李根：廖老師，你們的車在高速上已經(jīng)開始運轉(zhuǎn)了，請問政策是不是會給你們添加很多信心和指引？

千掛科技廖若雪：其實我們一直很有信心，這是毋庸置疑的。

政策很多時候是給我們的客戶信心，如何說服客戶說這個一定是未來。我們有一些客戶是相對在技術(shù)上比較激進(jìn)的，是自動駕駛技術(shù)的早期嘗試者，而有的是不很信你的東西，不過大家都用的話他也會用。

所以我們要抓住早期愿意做技術(shù)嘗試的公司，說服他們自動駕駛確實是將來。

從政策本身來講，政策內(nèi)容背后國家的考慮當(dāng)然很重要。更重要的是政策意味著自動駕駛可以關(guān)注，這個事情有可能是將來。這對于我們來講，有了政策就能幫助客戶理解這個事情，我們就更有說服力。我們就能更好地說服客戶：自動駕駛是將來，如果你在技術(shù)上面愿意投入、愿意嘗試的話，我們就可以去嘗試。

量子位李根：請問田老師怎么看待自動駕駛的政策？你們終于等到了。

DeepWay深向田山：是，我們還是很激動。作為從業(yè)者來說，在中國要做一個商業(yè)化的公司，肯定是要符合政府的政策方向、產(chǎn)業(yè)方向，還要符合整個技術(shù)的發(fā)展方向。

剛才廖老師提了，政策的方向一方面是給了客戶信心，我認(rèn)為還很重要的另一方面是給了投資人信心。

我們在融資過程中，投資人都會問，你們到底什么時候能夠落地？我們說可能受限于政策法規(guī)。因為他體驗過我們的車，在高速上可以實現(xiàn)1000多公里全程無接管，他覺得技術(shù)上都可以了，為什么還不賣？我們說政策確實還得有一個過程。

但是政策是方向性的引導(dǎo)，一般都是后置的。前期是需要這些從業(yè)者去證明這個技術(shù)有潛力、有發(fā)展的可能性，也通過數(shù)據(jù)的積累，證明了安全性，再逐步推動整個政策的開放。我覺得這是一個過程，但是有了現(xiàn)在這個政策是一個很好的開始。

量子位李根：對，之前也有說法，說自動駕駛的實現(xiàn)是萬事具備只欠政策。這是因為在咱們國家實現(xiàn)自動駕駛落地，確實需要法律和法規(guī)的制定，不是法無禁止皆可為的模式。

距離自動駕駛ChatGPT時刻最短只有2年

量子位李根：那么今天由于時間關(guān)系，我們最后直接一點。

因為今天的主題是自動駕駛的ChatGPT時刻，之前有從業(yè)者測算，OpenAI帶來ChatGPT用了大概七年的時間?，F(xiàn)在從2015年第一波自動駕駛創(chuàng)業(yè)浪潮開始，也差不多用了七年時間。

今天幾位的公司，都屬于OpenAI這種在新浪潮里面成長起來的公司。我想很直觀地問一下，我們距離自動駕駛的ChatGPT時刻還有多長時間？先請?zhí)锢蠋焷砘卮稹?/p>

DeepWay深向田山：從我們自身的產(chǎn)品和技術(shù)的規(guī)劃來說，我認(rèn)為可能還需要三到五年的時間，這是一個比較保守的時間。

量子位李根：廖老師的看法呢？

千掛科技廖若雪：我這邊比較激進(jìn)一點，我認(rèn)為可能就是后年。

量子位李根：后年就是2025年。

千掛科技廖若雪：對。

因為明年，我們會和早期客戶去規(guī)?；厥褂梦覀兊能嚒Ｈ绻娴哪軌蛟谏逃密囘@個行業(yè)中，我們發(fā)現(xiàn)這個車可以明顯地比原先的方式降低成本、提升效率的話，那這樣對于整個行業(yè)來說，這已經(jīng)到了一個關(guān)鍵點。

量子位李根：黃老師給一下預(yù)測和規(guī)劃？

零一汽車黃澤鏵：我的答案是兩年。

但是我要定義一下這個兩年。類比ChatGPT證明了AGI（通用人工智能）的可行性，那自動駕駛的ChatGPT時刻，其實是讓大家看到自動駕駛真的可以到來，要證明自動駕駛的可行性和強泛化性。這個事情，我覺得大概需要一到兩年的時間。

相對樂觀的預(yù)測，可能在明年下半年左右，有可能是我們，也有可能是行業(yè)其他玩家，或者說其他國外的一些模型能證明，一個端到端的框架能夠具備非常強的泛化性，能解決原來非常多的corner case和開發(fā)范式的一些問題。我覺得這個時刻其實并沒有特別遠(yuǎn)。

量子位李根：謝謝各位老師。所以從這個調(diào)研能得出，觸及自動駕駛ChatGPT的時刻快則兩年、慢則三五年。希望我們今天的這個panel能給自動駕駛行業(yè)內(nèi)，以及外界公眾更多的信心。

其實我在跟每位自動駕駛業(yè)內(nèi)人士交流的時候，大家都有這個信心，當(dāng)然沒有信心的我們也不邀請來參會了。

我覺得自動駕駛的ChatGPT時刻一定會來的，只是要考慮它會是什么時候來、來的時候能不能讓所有人都看得見它的價值。今天圓桌的最后的一個主題關(guān)鍵就是六個字，自動駕駛的ChatGPT時刻是“信則有，行則至”。

祝各位好運，也祝各位能夠率先觸達(dá)這個ChatGPT的時刻，成為站在自動駕駛風(fēng)口，證明自動駕駛價值的公司。

謝謝三位老師，我們今天的自動駕駛論壇就到這里，明年再見。