行業的“寒冬”，將淘盡一切泥沙。

“目前，特斯拉的技術已經非常接近完全自動駕駛的目標。在美國道路上進行測試的特斯拉車輛，已經很少需要人工干預了。因此，當我們駕駛一輛具備最新版本完全自動駕駛能力測試版的特斯拉，從一個目的地到另一個目的地，我們幾乎不需要人為操控。特斯拉可能在今年晚些時候就具備L4或L5級的完全自動駕駛能力。”

此時此刻，恰如彼時彼刻

三天前，即7月6日上午，在2023世界人工智能大會（WAIC）上海開幕式上，當特邀嘉賓特斯拉CEO埃隆·馬斯克以視頻發言的方式說出上面這段話的時候，筆者瞬間有了一種極其強烈的時空錯位感。

就在3年前的2020世界人工智能大會云端峰會開幕式上，同樣是通過連線方式發表講話的馬斯克，也曾說出過一番高度類似的話——今年可以完成L5級自動駕駛的基本功能開發，（特斯拉）新車配置的硬件足夠支持L5級自動駕駛。

2020年已立過FLAG

然而上一次他立FLAG的結果，我們都已經看到了。

2021年初，特斯拉的法務部高管被迫前往美國國家公路交通安全管理局（NHTSA）說明情況，承認特斯拉目前提供的智能駕駛功能實際只有L2級。2022年7月，在有關2018年前蘋果軟件工程師黃偉倫的致命車禍訴訟中，特斯拉Autopilot項目總監阿肖克·埃魯斯瓦米提供了一份證詞，證明特斯拉于2016年發布的一段自動駕駛視頻系偽造。

盡管馬斯克這個人，歷來是在大吹牛皮的同時也大干人事，與所謂PPT創業騙投資的西貝貨有著本質區別。然而在目前號稱“自動駕駛寒冬”的低谷期再繼續立這種陳年FLAG，就實在是讓人覺得有點不嚴肅了。

實際上，縱觀整個2023世界人工智能大會，筆者也確實非常直觀地，感受到了寒冬的凌冽。盡管其中，似乎又孕育著新的希望。

“寒冬”的具體呈現

烈火烹油、繁花似錦的畫面，只在于資本是否熱衷于此道。但高度逐利是資本的一大主要特性。無論遠期的畫面多么地美好，一旦察覺相關技術難以在財報可見的速度里商業化落地，那么轉而尋覓下一個風口，也是資本的標準操作。

曾經在2021WAIC大出風頭的RoboTaxi服務車隊

時隔兩年時間，跨越三屆展會，筆者對于所謂的自動駕駛行業的寒冬，可以說是有著非常直觀的認識了。依稀記得2021年第三屆WAIC上，各類自動駕駛企業的展臺，占到了總展商數量的近兩成。而同步舉行的論壇中，也加入了大量涉及自動駕駛的議程和講演。

但時至今日，翻遍主辦方提供的論壇議程，在總計大幾十項的各類論壇里，涉及相關內容的論壇，只有區區3~4個而已。而具體到參展商層面上，許多曾經熟悉的面孔，今日已難尋覓。

最典型的例子是從2018年的第一屆人工智能大會起一直堅持參展的小馬智行。在2021年的展會前后，這家企業曾高調宣布“造車”，甚至在上海地區組建了一個規模約10余人的團隊來負責這件事。

當然，小馬智行的造車之舉，其實另有所圖。友商圖森未來，在2021年4月順利在紐交所敲鐘，成為了全球“自動駕駛第一股”。從這一點來看，小馬智行的操作，以刺激外界試圖拉高自身的估值才是第一訴求。

但后來發生的事情也是我們所熟知的。當年8月，美國證交會要求“暫停”中概股IPO，而小馬智行成為了被那場巨震波及的一員。

2021WAIC上，小馬智行的展臺

當為了吸引資本而吹脹的氣球，一旦被迫放氣，后果是極其嚴重的。緊隨其后的，是企業內部的動蕩——造車團隊解散、卡車團隊大量流失骨干。隨之而來的，是企業的資金變得極其困難。也差不多就是在那時候，曾經被贊譽為國內自動駕駛獨角獸企業的小馬智行，從包括WAIC在內的各大展會上銷聲匿跡。

在商業化上遲遲不能落地，試圖在美國上市融資的計劃突然中途夭折，這杯外界普遍認為是小馬智行深陷困局的主要原因。那么，前面提到的，成功登陸美股，甚至可以做到技術落地的圖森未來呢？

有關圖森未來，投資界這么評價：上市首日即破發，3年累計收入不足300萬美金

今年5月，圖森未來因沒有及時提交財報等相關信息，收到納斯達克的退市通知。盡管這一風波，目前算是暫時得到了平息，但這家企業仍舊處于美股退市的邊緣。

曾經，商業化落地問題同樣困擾著這家企業。不過在進入2022年下半年以后，該公司一直加大力度，試圖走出困境。

首先是今年3月22日，圖森未來獲得上海市浦東新區無駕駛人智能網聯汽車創新應用測試通知書；然后于4月間，在第二十屆上海國際汽車工業博覽會上，正式發布新的域控集中式解決方案“TS-BOX感知盒子”。

根據官方介紹，TS-BOX能夠兼容支持商用車和乘用車場景，是一種L2+級智能駕駛解決方案。圖森未來董事長陳默不久前在接受媒體采訪時表示，TS-BOX等硬件主要圍繞圖森中國市場展開，目前收入結構主要是為向OEM廠商提供硬件服務。而圖森未來海外公司則仍繼續圍繞商用車拓展。

盡管TS-BOX的商業前景并不明朗，筆者也沒查到目前是否有用戶，但起碼能拿出可以落地的產品，這一點非常的重要

當然，必須要說一句的是，圖森未來仍舊在本屆人工智能大會上設了展位，盡管規模遠不如以往。

實際上除了圖森未來，WAIC上我們還能找到一些老面孔，比如西井科技、中科慧拓等。但這兩家企業均立足于商用車業務，前者以實現洋山港碼頭集裝箱運輸車“真無人”而廣為人知，后者的主要業務在于為礦山提供無人駕駛運輸平臺。

西井科技引以為傲的L5級無人卡車

雖然這兩家都可以自稱是L4甚至L5級自動駕駛技術提供商，但其使用場景相對封閉，實際并沒有各類上路乘用車所面臨的，高度復雜化的使用場景問題。

所以一切問題歸根結底，在公共道路上，高階自動駕駛想要以目前的技術來實現，難度還是太大了點。

突破技術瓶頸的新途徑

毫無疑問，所謂“自動駕駛的寒冬”，究其根本，還是技術問題。說得具體一點，便是自動駕駛這項技術在工程化應用層面，目前已經卡在了各種層出不窮的長尾難題（Corner case）。

而這個長尾難題的本質，其實是人力有限的問題。因為目前系統在認知各類駕駛場景時，主要靠的還是人工寫規則。有多少特殊場景，就用多少規則來約束。然而，以迄今為止的實踐來看，現實世界里的“特殊場景”，似乎太多了一點，這個人工的量，委實也有點大了。

典型的例子，目前北美在L4以及以上自動駕駛技術領先地位，同時也是全球最早投放RoboTaxi的Cruise公司，各類特殊場景累計早在2019年就已經突破600萬規模。但直至今日仍舊無法窮其盡頭。

而這類“特殊場景”到底有多特殊，這里可以用一個發生在中國臺灣省的例子。

2020年中，中國臺灣省的一條高速公路上，有臺特斯拉MODEL 3，發生過一起詭異的交通事故——對著已經側翻在車道正前方的大貨車，直挺挺撞了過去。導致事故的原因可以說極其地弱智：

該車當時啟動了Autopilot功能，司機正分神在干別的事情，注意力偏離了車輛的正前方。由于翻倒的貨車不幸以車頂對準車道來車方向，而車頂色調為淺色偏藍，故被MODEL 3的視覺傳感器誤識別成了地平線方向的天空背景。

可以說，都是一些真人司機絕不會犯的可笑之極的錯誤。但對于機器來說，卻需要一一標定，并寫出因對規則。

為了解決上述問題，業內一直在探索一條，真正能實現端到端自動駕駛的道路。即從感知數據輸入、規劃決策數據輸出，完全依靠神經網絡來解決的方案。而在這條技術路線上，一項最近大半年來火爆異常，名為“大模型”的事物，正給予了我們新的希望。

所謂“大模型”，其本質便是超級化的神經網絡。一種在過去二十年得到廣泛研究的人工智能方法。

最初，學者們試圖使用這類模型，去模擬人類的思維和決策。而其核心，便是解決“映射”——決定兩個元素的集合之間元素相互如何對應的關系。

一種典型的神經網絡，以及經典映射關系訓練項目——識別貓和狗

神經網絡的本質，是在每個人工神經元上設定一些可以調節的參數，并能夠根據這些參數對輸入到該神經元的數據進行各種加權求和以及非線性變換，使其能夠借助學習/優化算法實現不同對應關系的映射。

這種映射關系的作用十分廣泛，你可以用特定的數據，比如通過一系列提前制作好的輸入-輸出對答案，作為其訓練基礎數據，用學習算法來調節網絡參數，使其實現類似于訓練數據的映射關系。廣義上來說，給它什么樣的訓練數據，就能通過神經網絡建立什么樣的映射關系。

這種映射，本質上就是一定程度上的認知關系。

盡管有時候，學習也是會失敗的……

最典型的例子是網絡翻譯系統，輸入一種語言，比如中文，立即映射對應的英語文本。更進一步地，可以輸入一張動物圖片，映射對應的動物名稱。而如果神經網絡足夠復雜，訓練也確保充分的時候，甚至可以輸入視頻，映射對視頻內容的文本性歸納——把視頻拆解成每幀圖像，然后識別圖像內容，最后歸納概括。

當神經網絡搭建足夠龐大，從幾千上萬個節點提升到了百萬、千萬的數量，就演變成了前幾年曾經流行的深度神經網絡。那么，在此基礎上再增加一到兩個數量級呢？對的，就是所謂的大模型。

年初曾經攪起大風波的ChatGPT，雖然現階段仍存在很多的問題，也遠達不到科幻電影中那種人工智能助理的能力，但作為一個優秀的進階型在線問答機，能力還是夠格的。如果能掌握準確地提問技巧，也確實能為你節省大量的數據歸納和整理時間。

類似ChatGPT這樣的A.I，已經基本具備了使用價值

總體而言，通過前期對包括ChatGPT在內的部分大模型產品的使用，業界發現一個非常有趣的現象——當模型參數量，無論是神經網絡節點，還是輸入數據總量、學習次數，達到了一定程度，超過某個目前還不太明確的“臨界值”之后，其性能（映射關系的建立，以及反饋值的準確性）將會大大超越預期。

所以，如果大模型被用到駕駛上呢？既然可以把視頻信息經過拆解、閱讀和理解，生成一個概括性的文本綜述信息，那么基于不同的駕駛場景，是否可以輸出對應的方向盤、油門以及剎車信息呢？

答案顯然是肯定的，而且國內已經有廠商開始轉向該領域。

就在三個月前，國內自動駕駛公司毫末智行在其召開的第八屆HAOMO AI Day上，已經率先公布了名為“雪湖·海若”的AI大模型，而其英文則是DriveGPT。

而在本次WAIC期間，由毫末智行COO侯軍發表的《“可行、可靠、可商用”的自動駕駛解決方案探索與規模落地》主題演講，也成為了整個展會期間有關自動駕駛技術屈指可數的論壇議程之一。

我們有理由相信，還有更多的企業，在準備轉向這一技術。即便冒著，將一切“重做一遍”的風險。

對于那些，連續參加多屆WAIC的人而言，變化不僅體現在行業熱點方向的變遷、展商的更迭。同樣還有那些，業務和技術發生重大轉變的企業。

商湯科技便是其中的典型。因為這張WAIC的老面孔，甚至可以說是近年來國內車展的老面孔，此前一直將自家的無人駕駛技術擺在臺面之前。但在這次的展會上，其擺在最前臺的，卻是一款名為秒畫SenseMirage的創作平臺。

商湯科技，C位留給了大模型平臺

根據商湯科技官方的說法，該平臺依托于自研的AIGC大模型，可以提供便捷的LoRA訓練能力，并能夠依靠第三方社區開源模型加速推理能力——“其旨在為創作者提供便利、完善的內容生產創作工具”。

有關自動駕駛那些，商湯道也沒丟，這次依舊帶來布展了。只不過，不再享有C位待遇，而是被安排到了展臺后面的位置上。

毫無疑問，大模型才是本屆WAIC的最大贏家。

其中最“大”者，莫過于華為公司推出的昇騰AI“大模型超級工廠”。華為方面宣稱其致力于全流程賦能大模型的開發與應用創新，目前基于昇騰Al已經原生孵化了業界首個兩千億參數的中文NLP大模型鵬城·盤古、業界首個多模態大模型紫東·太初，以及華為云盤古系列在內的二十多個國產大模型。

另外，百度也帶來了自家的文心大模型。騰訊拿來了騰訊云行業大模型解決方案，該大模型依托騰訊云IT平臺全棧能力，內置多個行業模型，開放支持客戶多模態訓練任務。

這正如同21年智能/自動駕駛是熱點，去年流行的是自主AI芯片以及元宇宙概念。每一個時期，各有資本的寵兒，活躍在舞臺的中心之上。然而技術的背后，實際有著業外人士無法想象的共通性。這正如上面提到的，大模型為高階智能駕駛技術突破所帶來的新希望。

6月21日的國務院政策例行吹風會上，工信部明確表達了支持L3級及更高級別的自動駕駛功能商業化應用的態度

不久之前，工信部曾經專門發文表態，將支持L3級別乃至于更高級別的自動駕駛功能商業化應用。盡管類似的新聞，在之前幾年已經屢見不鮮，但多見于人大代表或政協委員的建議，實際并無多少正式被提交審議的具體方案。而以部委牽頭，這可能代表國內的智能駕駛立法與規范，將會在今年跨出實質性步伐。

就在本屆展會中，知己汽車的展臺上，工作人員宣稱，在現有的L2.5基礎上，智能駕駛“點對點”的功能，最快將在明年初開放，“但只有安裝激光雷達的高配LS7車型才能激活”。而特斯拉，似乎也將迎來L3級“有條件自動駕駛”的時代。

也就在本屆WAIC開幕前不到兩周，一位美國黑客成功攻破了自己那臺2020版Model X的系統。在FSD Beta 11.4.3軟件內的一隅，他激活了一個尚未被公布，此前不曾為外界所知曉的功能。

隨后，這位同時身兼特斯拉車主的黑客，坐在他那臺Model X的駕駛作上，連續行駛了600英里（約966公里）。期間除了需要快充的時候，他未曾碰觸過方向盤，系統也全程未發出過安全提醒。

盡管距離馬斯克本人夸下的海口尚有很大的距離，但自動駕駛時代的曙光，已經在地平線那一邊閃爍。

也許我們應該換一個角度，來理解這所謂的“寒冬”——就如同大浪淘沙，當水退去之時，泥沙都將流走，只剩下沙金在閃爍著光芒。

【注意：文章版權歸屬汽車公社，嚴禁未經授權私自轉載，否則追究法律責任，需轉載請聯系官方微信號：汽車公社】

返回第一電動網首頁 >