“99.99%的人類駕駛行為都不值得學(xué)習(xí)?！边@是地平線創(chuàng)始人余凱在百人會(huì)上的原話。它聽(tīng)上去像是一句技術(shù)層面的吐槽，但卻反映了當(dāng)前在自動(dòng)駕駛領(lǐng)域正在變化的現(xiàn)實(shí)。
這有點(diǎn)像小時(shí)候?qū)懽鳂I(yè)問(wèn)爸媽數(shù)學(xué)題，他們告訴你：“我們以前不是這么學(xué)的，湊個(gè)數(shù)差不多就行?！蹦汩L(zhǎng)大了才知道——原來(lái)爸媽是人類智駕系統(tǒng)中的“錯(cuò)誤示范集”。
它其實(shí)點(diǎn)出了一個(gè)正在被悄悄改寫的行業(yè)共識(shí)：自動(dòng)駕駛，可能真的不再依賴“海量消費(fèi)級(jí)數(shù)據(jù)”了。
換句話來(lái)講，消費(fèi)級(jí)數(shù)據(jù)在當(dāng)前的AI訓(xùn)練下，可發(fā)揮的效用正在逐漸的降低。
智能軟件算法工程師在接受寰球汽車采訪時(shí)表示，AI引入智能駕駛訓(xùn)練，真正動(dòng)搖的是過(guò)去十年自動(dòng)駕駛行業(yè)最核心的邏輯：數(shù)據(jù)是王，量變帶來(lái)質(zhì)變，誰(shuí)數(shù)據(jù)多，誰(shuí)能贏。但AI模型進(jìn)來(lái)了，一切都變了。
自動(dòng)駕駛行業(yè)從來(lái)都在強(qiáng)調(diào)“真實(shí)數(shù)據(jù)”的重要性：哪家跑得久、測(cè)得多、覆蓋城市廣，哪家就能率先進(jìn)入高階智駕的正循環(huán)。誰(shuí)先上車，誰(shuí)先收集數(shù)據(jù)，誰(shuí)就領(lǐng)先。可現(xiàn)在，大家突然發(fā)現(xiàn)，AI并不想學(xué)人類怎么開(kāi)車。它甚至對(duì)人類駕駛行為表現(xiàn)出了一種“天然免疫”。你怎么并線，它不感興趣；你怎么在紅綠燈猶豫，它覺(jué)得沒(méi)參考價(jià)值；你有的那些“老司機(jī)操作”，它壓根不屑一顧。
傳統(tǒng)自動(dòng)駕駛公司（如Waymo）早期依賴海量路測(cè)數(shù)據(jù)，但近年開(kāi)始轉(zhuǎn)向模型優(yōu)化和仿真技術(shù)。例如：Waymo的仿真系統(tǒng)每天模擬2萬(wàn)+輛車的駕駛，覆蓋超過(guò)現(xiàn)實(shí)路測(cè)的場(chǎng)景；特斯拉FSD v12的架構(gòu)升級(jí)，強(qiáng)調(diào)“端到端模型”的泛化能力而非單純依賴數(shù)據(jù)標(biāo)注。包括地平線在內(nèi)的頭部公司正投入更多資源在芯片算力和大模型架構(gòu)上，而非單純比拼路測(cè)里程。
事實(shí)上，當(dāng)前行業(yè)頭部企業(yè)正在采用大規(guī)模仿真+大模型訓(xùn)練的路徑，用虛擬生成的數(shù)據(jù)來(lái)補(bǔ)齊真實(shí)環(huán)境中難以覆蓋的極端工況。尤其是強(qiáng)化學(xué)習(xí)與世界模型的結(jié)合，使得AI可以在不依賴人類經(jīng)驗(yàn)的前提下，構(gòu)建更魯棒的策略。
最終的結(jié)果是：模型性能持續(xù)進(jìn)化，而對(duì)真實(shí)世界數(shù)據(jù)的依賴卻逐步降低。
準(zhǔn)確的來(lái)講，AI不僅不學(xué)你，它還想自己搞清楚開(kāi)車的本質(zhì)。強(qiáng)大的大模型能在虛擬空間里復(fù)現(xiàn)海量場(chǎng)景、生成各種極端工況，然后自己訓(xùn)練自己，自己優(yōu)化自己。在這個(gè)過(guò)程中，它變得更穩(wěn)定、更理性、更快，還不需要被真實(shí)世界的嘈雜行為“帶偏”。
這就帶來(lái)一個(gè)很現(xiàn)實(shí)的問(wèn)題：過(guò)去行業(yè)認(rèn)為的核心競(jìng)爭(zhēng)力——“我們有數(shù)據(jù)、我們有路測(cè)、我們有銷量”——是不是正在失去意義？那種靠真實(shí)世界里一點(diǎn)點(diǎn)積累上來(lái)的數(shù)據(jù)壁壘，在AI模型面前，很可能壓根就不是壁壘。
就像余凱所講的：人類訓(xùn)練AI的結(jié)果不是用來(lái)模仿人類的，而是來(lái)超越人類的。
這對(duì)車企而言是一次警醒。
尤其是那些通過(guò)前期大量投入、建立了數(shù)據(jù)優(yōu)勢(shì)、用戶基礎(chǔ)的企業(yè)，如果還在沿用“用數(shù)據(jù)跑出來(lái)”的舊節(jié)奏，可能會(huì)在新一輪技術(shù)躍遷中被拉平。AI模型的加入，讓后來(lái)者獲得了快速追趕的可能，而曾經(jīng)積累下來(lái)的那堆消費(fèi)級(jí)數(shù)據(jù)，在模型面前可能毫無(wú)增益。
行業(yè)觀察人士指出，這一變化的實(shí)質(zhì)是，自動(dòng)駕駛行業(yè)正在從“數(shù)據(jù)堆積邏輯”轉(zhuǎn)向“模型訓(xùn)練邏輯”。在這個(gè)階段，企業(yè)的裝車量、實(shí)車路測(cè)公里數(shù)、消費(fèi)級(jí)用戶數(shù)據(jù)，不再是技術(shù)進(jìn)展的決定性因素。相反，誰(shuí)能更快地完成模型結(jié)構(gòu)的迭代、更高效地訓(xùn)練出具備泛化能力的系統(tǒng)，才是真正的競(jìng)爭(zhēng)力所在。
過(guò)去的數(shù)據(jù)壁壘，正在變得可被繞過(guò)。自動(dòng)駕駛領(lǐng)域所謂的“時(shí)間換空間”邏輯，正在被打斷。
如果模型足夠強(qiáng)，數(shù)據(jù)就不再稀缺。行業(yè)節(jié)奏會(huì)隨之加快，很多原本認(rèn)為還需要三五年才能拉開(kāi)的差距，很可能在短時(shí)間內(nèi)被補(bǔ)平。這個(gè)過(guò)程中，行業(yè)競(jìng)爭(zhēng)的變量會(huì)重新洗牌，先發(fā)者未必繼續(xù)領(lǐng)先，后來(lái)者也未必沒(méi)有機(jī)會(huì)。
這不是對(duì)所有人都利好的局面，但它是客觀正在發(fā)生的現(xiàn)實(shí)。
熱門跟貼