- 转发 @老家的柚子树: 最近看了gpt4-v和gpt4-turbo在通用场景和自动驾驶(AD)场景的一些评测后，有很强的危机感，分享一些感悟：
1. 传统的深度学习方案从2012年开始兴起后，前期确实展现出了巨大的潜力，也确实在一些大厂的业务上取得了非常大的成就，但是AI+并没有达到互联网+的效果，没能大规模赋能千行百业，其原因就在于它难以泛化，去到任何一个新领域都需要收集和标注大量的数据，成本很高。举个例子，我想做一个AI模型检测电梯上是否有人摔倒，摔倒后紧急停止电梯，看似一个简单的功能，但是它需要收集和标注大量真实或者模拟在电梯上摔倒的数据，而且换到其他商场的电梯由于灯火等环境不同还需要收集标注数据，成本太高了。这样简单的场景太多了，我要是弄个停车场的模型让抬杠不要打着人，也得收集大量的数据标注。可以看到CV四小龙后面都难以低成本的把他们的算法能力应用到千行百业，就是因为传统深度学习模型的泛化性太差。
2. GPT系列真正展示了foundation model的价值(这里没用大模型这个词，歧义性太大，参数大的大模型不一定是foundation model)，也定义了一个新的AI pipeline：首先构建foundation model复刻人，然后注入少量特定领域的知识作为bias进行低成本finetuning，落地到千行百业。当你注入医学知识的bias他就是资深医生，注入法律知识的bias他就是资深律师，注入驾驶知识的bias他就是老司机。这套新的AI pipeline可能远比gpt4模型本身价值大，它开启了新的AI时代。
3. 目前的AD方案还是传统的深度学习方案，包括用网络做规控的Xplanner、光子进行为出的端到端方案，他们都没有脱离传统的深度学习pipeline：收集领域数据，训练出该领域的专有模型。新一代AD方案要采用新的pipeline：构建foundation model复刻人 + 注入驾驶知识的bias，这样才能真的做到高级别自动驾驶
4. 国内的车厂们快加入到一起构建foundation model的队伍里吧，不然等到哪一天openai把foundation model复刻人的能力拉到一定程度后，就会降维打击现在传统的AD方案。你看elon musk已经左手FSD，右手Grok了，快快跟上吧。国内的芯片厂们也快加入到一起构建foundation model的队伍里吧，不把厉害的AD方案部署到车上怎么卖得动高算力的芯片呀，你看NVIDIA已经左手megatron lm(训练)右手tensorrt-llm(部署)，快快跟上吧。
@不是郑小康@Sabercon@本诺__@i陆三金@Blood旌旗@Rocky刘毅林@李斌@李想@XP-何小鹏@余承东@地平线HorizonRobotics#自动驾驶#
via 42号车库的微博