对于V12.3的实际驾驶体验,能不能具体举几个例子描述一下优缺点?
印象比较深刻的一个是,车辆需要从一个郊区商场的入口开进去,然后自己找到停车位停下的过程。这个过程路上没有非常规范的路线,然后这些车道和车辆比较杂,人一般是进入之后找到可通行的地方,然后搜寻可停车的位子。他的这个case里,车进入后开在靠近路测沿的一边,然后一直在做预测和判断附近车辆是否有离开或者变动的状态,这个过程中他的可通行区域的范围一直在调整,而车辆并没有停下来等很久的状态。目前来说,没在别的车上看到过这种能力,因为这个场景是完全没有定位和车道线的,完全是靠摄像头的视觉来检测车辆通行范围和距离。第二个case是,现在包括H的车在路边停下来想要进入自动驾驶是做不到的,这块问题主要是在定位这块。因为定位需要有里程的累积计量来推断验证目前相对于实际的匹配度,所以目前不能在停止状态下一键进入自动驾驶。但是V12.3的版本可以做这件事。另外,对于不够好的地方,其实在一般场景下是没什么问题了,主要还是cornercase的场景比较于人类面临的corner case,自动驾驶还是有99%不具备的。
目前比较于特斯拉这些自动驾驶的优化场景,国产车的水准如何?
上面这几个例子是国内完全达不到的,另外也有些能做但有差距的例子,例如晚高峰的状态下,车辆要不断去判断和预测前车横纵向的变化,这个过程中不同车户都有不同的方案去做,但是在驾驶体验和行车效率的差距还是比较明显的。在判断前面车辆要变道时,基于条件Planner的话,肯定是预测前车和我的距离,前车速度以及未来距离,通过一个概率值去验证这个事,然后基于这些条件给出一个结果范围,我可以从这个list去选择,但这个list长度一定是固定的,也就是能选择的情况就几种,并且会断断续续。但如果是跟环境做交互的情况下,那就是比如往前进一点再去判断下一个动作,可以把这个时间间隔拉到很短,这种体验提升会比较大。
后续特斯拉这个路径怎么继续演进优化?是否能理解为主要就靠大模型参数数据的积累和算法优化?
对,这块就是瓶颈,除了他,Waymo,Cruise也在做这些事,但哪怕他们很早就提出了端到端的这个方案,也没有真正朝这个方向去做,最大的原因就是数据问题。数据必须达到一定规模,不然即使算法框架领先也没用。
能否理解为国内厂商还有Waymo等企业跟特斯拉在这块的核心差距是数据而不是模型能力?
数据差距这是一大方面,现在我们国内的方案还是以小模型为主,数据量是散的,比如跑红绿灯模型对车道线检测和可通行区域都是单独的模型数据,都是针对性的,所以不能拿他的数据来训练大模型。
那也就是说在通用大模型上车这块,国内没什么数据基础?
我个人认为是这样。
那国内什么时候能达到V12.3的能力,或者说具体差多少年?
现状来说,上海人工智能实验室在这块端到端做了很多研究,其他车企在这块还很少,数据共享这件事情在今年也有被广泛提议,也许后面会产生其他合作模式。现在大家都做小模型量产方向,但在无人驾驶或者L4驾驶方面其实没多大进展,哪怕两条腿走路的企业在这方面的数据和算法迭代也还做不到数据能回流反哺的状态,可能有部分可以,但是不能完全达到理想标准。所以单说端到端大模型的驾驶方案的话,特斯拉一定比我们更领先,迭代也会更快。
那如果车企想在之后获得自动驾驶方面的竞争力,是否意味着大家都要去走特斯拉的这条技术路径?
以前可能我还觉得一定要切换到这个方向走,但现在观点有所改变。国内厂商大多还是在做多传感器融合的方案,其实并不是说很多指标达不上,这个事情现在我们依然可以设定到2030年,也就是5-6年时间去优化,市场也能快速占有。包括下一阶段我们还可以选择V2X,5G技术等,这些都还是有可能做好的。
请问在什么样的情况下,FSD的订阅量会有比较大的突破?
其实第一阶段3月底已经有爆发了,就在美国免费开放的这一段时间然后这段时间在加拿大的月度和季度订阅数据也有非常明显地提升。第二阶段可能是7-8月份,这个时候可能高可能低,因为8月8号要做robotaxi的实际运营。前期最主要的还是验证,在5月之前,想要尝鲜的肯定已经开始了,到了6-7月份就会有部分用户入手,一旦有入手,到了8月份又有推量上去,订阅数据可能迎来暴增。但是如果8月份robotaxi这个事情有出负面的信号,比如在某些场景出了什么问题,那可能会有变数。