- 轉發 @老家的柚子樹: 最近看了gpt4-v和gpt4-turbo在通用場景和自動駕駛(AD)場景的一些評測後，有很強的危機感，分享一些感悟：
1. 傳統的深度學習方案從2012年開始興起後，前期確實展現出了巨大的潛力，也確實在一些大廠的業務上取得了非常大的成就，但是AI+並沒有達到互聯網+的效果，沒能大規模賦能千行百業，其原因就在於它難以泛化，去到任何一個新領域都需要收集和標註大量的數據，成本很高。舉個例子，我想做一個AI模型檢測電梯上是否有人摔倒，摔倒後緊急停止電梯，看似一個簡單的功能，但是它需要收集和標註大量真實或者模擬在電梯上摔倒的數據，而且換到其他商場的電梯由於燈火等環境不同還需要收集標註數據，成本太高了。這樣簡單的場景太多了，我要是弄個停車場的模型讓抬槓不要打着人，也得收集大量的數據標註。可以看到CV四小龍後面都難以低成本的把他們的算法能力應用到千行百業，就是因為傳統深度學習模型的泛化性太差。
2. GPT系列真正展示了foundation model的價值(這裏沒用大模型這個詞，歧義性太大，參數大的大模型不一定是foundation model)，也定義了一個新的AI pipeline：首先構建foundation model復刻人，然後注入少量特定領域的知識作為bias進行低成本finetuning，落地到千行百業。當你注入醫學知識的bias他就是資深醫生，注入法律知識的bias他就是資深律師，注入駕駛知識的bias他就是老司機。這套新的AI pipeline可能遠比gpt4模型本身價值大，它開啓了新的AI時代。
3. 目前的AD方案還是傳統的深度學習方案，包括用網絡做規控的Xplanner、光子進行為出的端到端方案，他們都沒有脱離傳統的深度學習pipeline：收集領域數據，訓練出該領域的專有模型。新一代AD方案要採用新的pipeline：構建foundation model復刻人 + 注入駕駛知識的bias，這樣才能真的做到高級別自動駕駛
4. 國內的車廠們快加入到一起構建foundation model的隊伍裏吧，不然等到哪一天openai把foundation model復刻人的能力拉到一定程度後，就會降維打擊現在傳統的AD方案。你看elon musk已經左手FSD，右手Grok了，快快跟上吧。國內的芯片廠們也快加入到一起構建foundation model的隊伍裏吧，不把厲害的AD方案部署到車上怎麼賣得動高算力的芯片呀，你看NVIDIA已經左手megatron lm(訓練)右手tensorrt-llm(部署)，快快跟上吧。
@不是鄭小康@Sabercon@本諾__@i陸三金@Blood旌旗@Rocky劉毅林@李斌@李想@XP-何小鵬@餘承東@地平線HorizonRobotics#自動駕駛#
via 42號車庫的微博