美国一面亲上边一面膜下边_实时更新_何小鹏与吴新宙达成共识，特斯拉FSD入华“不慌”美国一面亲上边一面膜下边

何小鹏与吴新宙达成共识，特斯拉FSD入华“不慌”美国一面亲上边一面膜下边_ZAKER新闻

“目前零部件的产线和工装还在调试和验证当中，还需要一点准备时间，但很快就可以释放出新的产能。”

文 | 赛博汽车离职小鹏汽车，去到英伟达后，吴新宙与前老板何小鹏的关系，依然很融洽。9 月 19 日，2024 云栖大会上，小鹏汽车董事长兼 CEO 何小鹏，以及英伟达全球副总裁、汽车事业部负责人吴新宙等围绕 " 生成式 AI 重塑自动驾驶 " 主题展开了一场圆桌对话。针对 FSD 入华，大模型对自动驾驶加持程度，乃至未来汽车市场格局，两者都有着高度一致的认知。倒是在谁是 " 甲方 " 问题上，相互谦让起来。尽管刚刚高调宣布自研的图灵智驾芯片流片成功，但何小鹏还是表示，很多芯片需要与英伟达等伙伴一起合作，直呼英伟达是其甲方。吴新宙虽然不同意 " 甲方 " 的言论，但也顺势做起广告。他表示，汽车生态，尤其是生成式 AI 发生后，全栈自研的门槛更高，需要英伟达这样的供应商去弥补一下短板。"我们可以只提供大模型，也可以提供全栈方案，帮助车企把智驾提升到市场主流产品水平。"不到半小时的时间里，聊技术、聊合作、聊未来，这对前 CP，倒是其乐融融。面对特斯拉 FSD 入华，不慌"FSD 入华，我借用小鹏经常说的两个字，不慌。" 谈到对特斯拉 FSD 入华的态度，吴新宙对其技术表达赞赏的同时，但认为国内车企可以应对。他表示，特斯拉每一步都给大家验证了这个东西是可行的，这是 FSD 最大的一个作用。它推动了业界往下一步的发展，真的是提高了上限，很多动作就变得非常拟人化，这个非常重要。不过，他也认为 FSD 下限问题还没有完全解决掉，原来的逻辑错误在 FSD 里还是有，可以说是大模型上限的第一步尝试。" 中国场景有很多的复杂东西。我相信中国车企技术上的积累是非常好的，哪怕是同台竞技，也是不分伯仲的水平 "。何小鹏在美国体验特斯拉 FSD" 我是非常期盼的。我们需要不一样的，很好的技术去冲击这个市场，能够让我们看到这个市场的变化 "。何小鹏的态度则更积极一些。他认为，FSD 在去年有了长足的进步。"以前不管是中国的 NGP，还是海外 FSD 都是很基础的自动辅助驾驶，FSD 用了端到端的大模型后，让我们看到的一个巨大的变化，就是更拟人，很流畅，是当地的老司机。"他还透露，小鹏的 NGP 最近也在开端到端的全域模型测试版，已经看到在整个横向的切线、转弯、并道巨大的变化，甚至感觉它比我开车时切线还要流畅和有效率，这个变化大家一定要体会。端到端可以把自动驾驶上、下限都做到更高特斯拉 FSD 技术能够快速迭代的很大原因，在于端到端大模型技术的落地。作为技术领域大拿，吴新宙对于端到端大模型进行了自己的解读。他表示，端到端大模型对于自动驾驶的应用来说有两个阶段，这两个阶段都对自动驾驶的上限会有一个比较大的提高。第一阶段是端到端，在现有的架构上，把上游的模型和下游的模型通过一种方式连接起来，用数据端到端进行训练。这个业界已经有很多工作在做了。有了这样的能力以后，其实就可以更多把自动驾驶的开发变成数据驱动。第二阶段是大模型，端到端大模型。把一些通用的大模型真正的放到自动驾驶，可以进一步提高自动驾驶的上限。传统自动驾驶架构的典型代表：Apollo 3.0 软件架构" 我在自动驾驶领域工作超过十年了，也见证了自动驾驶整个的变化和进展。" 吴新宙称，自动驾驶现有的算法大多是基于规则的，讲起来很简单，从看到什么到怎么做，但是要把它很好的拆解是很难的事情。现在大部分的算法栈还是很深的算法栈，需要很多人类工程师尽可能想到所有可能性，但这种方法有上限。首先是对于行为的量化，人类开车非常灵活，但从自动驾驶算法上，特别是规则维度的算法栈来讲会过度量化人的行为。好的算法栈在状态机里面会有上百种行为，比较基础的算法栈，比如说做 LCC 可能就是一到两种行为。但是不管你怎么做量化，怎么做清洗，有时候车开的就是比较机械。其次是现有算法栈在通用性上有非常大的限制。我们为了训练一个模型，特别是感知模型，需要上百万辆数据集修复，在规控上也是这样。这会导致大量的工程量和测试量，通用性上在数据没有见过的地方、场景，车就会不知道怎么反应。"因为自动驾驶在大部分的时候都是小脑问题，不太需要做逻辑推理的，但是如果要真正把车开好，在很多时候还是需要逻辑推理"。吴新宙指出。而未来通过大模型空间强大的关联能力，可以形成非常强的记忆能力，将自动驾驶的上限推到非常不一样的高度。吴新宙认为，有了这样能力后，将可以处理复杂场景，把百公里接管变成千公里、万公里，真正打开 L3 到 L4 的大门。何小鹏（中）、吴新宙（右）等在 2024 云栖大会进行圆桌对话何小鹏则更多从过去经验对端到端发展进行了预测。他以自动驾驶举例称，自动驾驶大概 1925 年开始研发；1999 年丰田开始做；2009 年谷歌开始做；2014 年百度开始做，2017 年小鹏开始做，到今天自动驾驶还没有规模落地。"如果说把大模型从我的角度分类，一个是数字世界的大模型，一个是物理世界的大模型，还有一个新的仿真世界的大模型，这三个不同的模型将来肯定会融会贯通"。何小鹏认为，这个过程从数字世界可能会变化很快，但从物理世界的变化一定会比大家想像得慢。不过，他也认同，端到端大模型可以帮助企业把自动驾驶高度做得更高，且下限也可以提高。"对于最普通的用户，从现在到未来 36 个月可以让每个人在每个城市都像老司机一样开车，这是端到端大模型对于用户的强感知"。端到端不一定是最终方案，但一定有价值至于 " 端到端是不是自动驾驶终极方案 "，两人的回答都相对显得乐观但谨慎。吴新宙称，从现有技术框架上来看，不敢说大模型是最后的方式，但一定是一个巨大的突破。"我认为未来把人类工程师设计的一些方法、或者一些特征点从全栈中逐步去除，一定是一个不可逆转的趋势"。但是，吴新宙表示，有了大模型的能力以后，还是要非常注重安全和全栈的可解释性，有一些配合的工作要去做。至于大模型是不是 " 终极方案 "，" 这很难讲，一定会有新的技术、下一步突破让我们看到更多的可能性。"自动驾驶架构演进示意图。资料来源：辰韬资本对于这个观点，何小鹏也表达了认同，他表示，如果从十年、二十年看，不知道大模型是不是最后的，但是一定比以前的算法泛化、规模能力更强。" 我跟很多 L4 公司聊天，他们都认为用原来的方式，高精地图加上一个区域，写很多规则，能够把接管率做到很低，是一个最正确的道路。" 对此何小鹏并不是很认同。他觉得，这是从软件角度看世界。如果从硬件角度，比如说我关注的是能不能把它做到规模，当你足够大的规模以后才有足够低的成本。为什么手机摄像头做得很小，汽车的摄像头做得很大？他以手机举例称，" 最开始我进入这个行业，觉得一个是车规，一个是消规，错了，是规模 "。一个大型的硬件，无论是汽车、机器人，或者是以后的 AI+ 大型硬件的组合，对于消费者来看都是花了一万块钱、十万块钱，甚至数十万买的硬件，如何持续、稳定的发展非常重要。他认为，在硬件的逻辑体系里面，基于规则的 L4 在一个相对稳定的小范围可以做得很好。但一旦当端到端的模型未来两年普及，这种成本又低，下限又高，上限更高的技术，会降维打击冲击现有市场。AI+ 汽车时代，车市模式将大变样技术不断迭代、冲击，车企能否适应，未来还会有谁会留在牌桌上？针对这个问题，何小鹏的回答比较宽泛。他表示，未来在牌桌上的玩家会比较少。"下一个阶段新能源车市场的赛点就是谁能够每年生产跟销售 100 万台新能源汽车，这只是一个淘汰赛的入门权，也就是说我没有就被淘汰了"。何小鹏认为，未来如果一个硬件产品不具备 AI 能力，那么它的品牌受影响的程度会是非常大，但如果拥有了 AI 之后，全球的将来的硬件加软件，它的生产能力、销售方式都会发生变化。比如销售层面，以前的汽车都是车厂卖给合作伙伴销售，因此就没有办法对汽车进行运营，进行售后服务，进行后收费。而最近两三年不仅仅看到中国汽车生产模式的变化，更多的也在思考运营方式的变化，思考端到端的服务，从产品研发到最后的售后服务运营全部要做。他判断，"这些变化会形成最后规模经济的变化，软件的规模经济，生态硬件的规模经济，全球品牌下的足够规模，这两个的规模一旦合并在一起。我觉得中国将来会有机会留在牌桌上的企业会比较少"。