6月15日，第十六屆中國汽車藍皮書論壇進行到第二天，在當天下午的智能駕駛專場，馭勢科技聯合創始人、董事長兼CEO吳甘沙帶來《面對或然的大模型ChatGPT時刻，自動駕駛創業公司如何應對》的主題演講。

他提出，“也許大模型是真正的自動駕駛的終局。”馬斯克說特斯拉的12.4版本性能提升5倍到10倍。這是否意味著它在模型的規模上有了一次巨大的提升？數十億到百億參數的多模態模型是否會出現涌現能力？

吳甘沙表示，“如果特斯拉失敗了，就是百億美金的投資之后還是沒有收斂，它的FSD增長曲線到了一定程度開始走平的話，它可能面臨著股市的驚天壓力。但是如果它成功了，也許這個賽道上的大小公司會被甩開。”

他在演講中談到了作為自動駕駛創業公司，馭勢科技的應對策略。

以下是吳甘沙的演講實錄，有刪減。

非常感謝汽車商業評論的邀請，很高興再次來到藍皮書論壇。各位同行，各位媒體朋友，大家好。因為時間關系，我只講兩個問題：第一，大家說今天我們面臨著大模型自動駕駛的ChatGPT時刻，它會不會發生；第二，作為自動駕駛的創業性公司，該如何應對。

ChatGPT時刻來了？

我們是不是真的面臨這樣的ChatGPT時刻？

這是特斯拉車主自發上傳數據的一個統計曲線。這是一個城市FSD的數據，在11.4到12.3之間出現了一個快速提升的現象。當然這個數據隨時在變化，但是基本上200多公里才會有一次“危險接管”。

我們看看國內，國內比較領先的小鵬。何小鵬說得比較實誠，高速上能夠達到1000公里1次接管，城市里還不到10公里1次接管。

大家這么初看，感覺特斯拉確實是在快速地拉開差距，但是我們再仔細看一下，看它的12.3.6，其實它的一般接管是31公里1次接管，高速是134公里1次接管。

一方面我們能夠看到它在快速地提升，但是如果我們區分危險接管和普通接管，會發現它普通接管的數據也不是遙遙領先。更何況，中國的路況要比美國復雜很多。

大家可以看看2015年的數據，每10萬輛車每年導致多少條人命，中國其實是遠遠超過美國和德國，也就是說中國的交通路況復雜很多。你對比31公里一次接管和不到10公里一次接管，也并沒有說特斯拉就是遙遙領先于小鵬。

所以，到目前為止，我們認為可能沒有辦法得出很準確的結論，除非我們今天看到新聞說特斯拉10臺FSD的車要在上海跑了，那這樣才能夠避免關公戰秦瓊的這樣一種比較。

那為什么我們還是要問這個問題，就是它是不是面臨著一個突破的時刻呢？因為我們最近看到馬斯克的一些面向投資人的說法：

第一，在過去這兩年當中他們的算力提升了10倍以上，提升了一個數量級，從前面5760張A100的Dojo，到今年年底可能會增加到8.5萬張的H100。這可是上百億美元的投資。

第二，訓練數據提升了10倍以上。因為Dojo剛剛開始的時候是100萬個10秒的視頻，但是最近一次接受采訪已經達到了幾千萬個視頻。

第三，車端算力差不多提升了5倍，從144TOPS的HW3.0（這個HW3.0只能夠跑1億上下的參數）到現在720TOPS 的HW4.0，而且針對Transformer做了特殊的優化。

所以，我們不由得猜想它是不是在模型的規模上有了一次巨大的提升？從今天的1億參數到幾十億的參數，它會不會出現涌現能力（舉一反三，觸類旁通等）？這是我們現在特別期待要看到的。

馬斯克在5月份預告了一下，說他們的12.4版本能夠提升5倍到10倍。所以，結合這邊的這些數據，就是訓練算力提升10倍、數據提升10倍，模型提升10倍，性能變成了10倍。所以，這個真正發生是非常有意思的。

而且，我們對比一下大模型的訓練，比如前面是10萬億個token，幾萬張卡訓練100天，做預訓練，再做有專家監督下的精調（Supervised Fine Tuning），最后是人類反饋的強化學習（RLHF，Reinforcement Learning from Human Feedback)。

這樣的例子跟我們人學開車特別類似。我們人學開車前面也有一個預訓練的過程，前面18年沒有學開車，只是學常識，形成了我的世界觀，我的認知模型。這是18年的社會閱歷，就像一個預訓練的過程。然后到了18歲，我就去駕校找了一個教練來教我怎么開車，這又像專家監督下的Fine Tuning。然后我拿了駕照自己買了車，我從新手上路邊開邊練，磕磕碰碰，熟能生巧，慢慢地就開得越來越好了。這又像不斷反饋下一個強化學習的過程。

所以，也許大模型是真正的自動駕駛的終局。我們今天說的那么多的corner case可能并不是最終靠人力來去窮盡，而是靠這樣的一種方法來去窮盡。

2017年我跟旭東（Momenta CEO曹旭東）參加CVPR會議的時候，我們也在談端到端。當時我就有一個想法，大模型就像我們的系統2，針對一些最難、少見交通狀況，需要高算力、高功耗去思考，最后去解決。但是端到端像系統1，它可以類比我們人類駕駛的本能模式。我們今天絕大多數時間開車都是腦子里想著其他的事，聽著音樂，以一種極低功耗、極低算力的方式開車，這是端到端的模式。不排除這個可能是我們未來自動駕駛實現的終局的一種模式。

當然如果特斯拉失敗了，就是百億美金的投資之后還是沒有收斂，它的FSD增長曲線到了一定程度開始走平的話，它可能面臨著股市的驚天壓力，因為畢竟一年賣個200萬臺車可能不值那么高的估值。但是如果它成功了呢，也許這個賽道上的大小公司會被甩開。這個可能是我們下面要拭目以待的。

差異化競爭

我們是以L4商用車為主的一家公司，但是從2016年成立以來，我們一直有一支團隊在做乘用車。當然這個團隊的規模很小，剛才旭東說1300個人，我們不到十分之一。這么小的團隊，我們該怎么做乘用車，今天也跟大家做一個分享。

像FSD這樣的投資烈度毫無疑問我們沒有辦法去做，所以我們做差異化競爭，去對標EAP，做出來極致的智價比。比如我們在10萬元的車上面能不能做到EAP。

什么是EAP？大家可以看到特斯拉的智駕就是三個級別，最上面的就是基礎版AP，中間那個是EAP，下面是FSD。這個EAP就是我們經常說的高速NOA，行泊一體，它的報價要到32000元，而FSD是64000元。

今天的FSD或者城市NOA是在從90分到99分的過程當中，這里面需要巨大的投資。但是另一方面，EAP這32000元錢的東西，高速的NOA、行泊一體再加上通勤記憶行車，可能在99分到99.99分的過程當中。那么能不能把這套系統做到3000元錢而不是32000元錢？這可能又是一個值得去探索的地方。

就是一方面把體驗從99分做到99.99分，另一方面要把成本極大地降低。我們在這里面也有一定的探索。

這是我們乘用車的一條產品線，最底端就是一體機。一體機這條產品線基本上都是基于地平線的，底端就是J2的，200萬像素、800萬像素。我剛才說的就是中間的產品，行泊一體。上面其實是L4跟城市NOA一起想要去構想的預控制器的形態。

中間有一個產品，成本是極低極低的，它是J2再加上E3，能夠實現高速的NOA再加上基于超聲波雷達的APA，就是一個基本的行泊一體，它是極致的成本。

再往上這是J3再加上E3，我們把它叫做“極致的智價比”，它在這個基礎上加上一個融合的APA，另外再加上一個記憶行車。然后在這個基礎上又有一個變種，中間再加上TDA4，這里面就是高速領航加上記憶行車之外，再加上記憶泊車。然后再到上面，就再加上城市NOA。這是這么一個產品線。

但是我們采用極高模塊復用的設計方法，這樣使得我們跟主機廠和Tier1合作的時候可以有非常靈活的身段。可以提供算法或者軟件模塊，可以提供整體的軟件包和服務，也可以把硬件的參考設計給我們的合作伙伴，或者提供軟硬件一體的方案，所以，它可以非常靈活。我們基礎版的行泊一體和極致智價比的行泊一體，這兩個產品都是在小幾千塊錢，但是能夠提供對標EAP的一種體驗。

在這個過程中我也介紹一下我們的方法論。其實我們最早對這個團隊的要求就是模塊化，軟件高度模塊化可復用，硬件可以支持各類的計算平臺，從J3到TDA到恩智浦到英飛凌，包括我們國產的芯馳等等。總結一下，就是硬件能夠適配各類的品牌，軟件高度模塊化。

但是我們前七年基本上是兩條路線，就是行車和泊車都是分開去做的。然后就做了這么一個行泊一體的軟件架構，這是整個重新開始架構的產品。這個產品我們也是基于SOA，進一步提升開發效率和功能的可擴展性。

同時，我們還做了很多的工作。這里我介紹一點。

因為像這樣極致智價比的平臺，一個J3再加上一個E3，它除了感知能夠用神經網絡，其他的很難用數據驅動的方法，很難用神經網絡。但是如果今天基于人的規則的這種方法，其實有很多數據沒什么用，因為人來不及處理，所以就會利用效率低。但是如果你運用數據驅動的方法，用神經網絡，它的安全等級又比較低，它只能達到QM，沒有辦法達到更高的安全等級。

Joseph Sifakis這位老兄也是圖靈獎獲得者，他其實問了一個問題，為什么自動駕駛的車那么難？討論討論著最終還是走向一個方向，就是基于模型、基于規則，再加上數據驅動神經網絡的方法進行糅合,這樣的方法能不能在極其低端的芯片上跑起來。

我們拿目標選擇作為一個案例，大家可以看到我們在一個MCU上面能夠跑出來這么一套系統，一方面它是一個基于數據驅動的LSTM（Long Short Term Memory,長短期記憶）的網絡，另一方面是基于規則，再加上一個synthersizer，這么一套系統。神經網絡能跑在一個MCU的core上面，然后規則和synthesizer跑在另外一個core上面。當然神經網絡的是QM，另外一個是rule-based，是ASIL D。

這些融合起來我們能夠綜合達到ASIL D功能安全等級。同時，它對代碼空間、數據空間的占用，其實是在幾百kb的級別，能夠達到26262的認證。

我們能不能通過一套融合的系統，一方面滿足數據驅動，滿足更高的性能，另外一方面又是極致的成本，并滿足SOD的要求。

另外的案例，我們通過生成性對抗網絡，比如在數據選擇、在規控這些今天我們的數據不是特別多的情況下，能夠不斷地通過生成性的對抗網絡來生成更高質量的數據。

這里舉一個案例，就是很小的神經網絡的算法和基于規則的方式進行融合，那它要去處理的就是一輛車，它在cut-in。大家可以看到基于小神經網絡的能夠比基于規則提前2秒多就能發現cut-in的意圖。總的來說能夠大幅減少假陰性，另外把recall可以提升50%。

這套系統我們也用在了很多其他的功能上，比如，這是一個純視覺的AEB，我們也是拿到了五星+的標準，能夠實現85公里時速的一個剎停。

跟隨第一梯隊

我們還是要緊跟第一梯隊，在算法上緊跟前沿，并且還是能夠保證可模塊化交付。

過去這幾年，特斯拉在BEV Transformer，包括像這種無圖的Lanes Network，包括從單幀到一個視頻流，包括到Occupancy Network(占用網絡)等等方面有了很多創新，下一步做各個不同模塊的神經網絡化，最后實現整體的端到端大一統的網絡。

在這些算法方面我們也一直在跟隨，像BEV+Transformer+ Occupancy Network這樣的網絡，我們做的一套系統，最近在一個國際會議Robo Drive Challenge上面拿到了第一名。我們有很多這樣的算法，它從這個性能上面看還是非常不錯的，這些算法我們都可以把它們作為模塊來進行交付。

為大客戶服務

創業公司沒有辦法投入那么多的GPU，也沒有那么多的數據，但是誰有？我們的大客戶可能有，尤其是一些大的OEM，有數據，也有算力。我們也可以為他們提供像數據閉環、運維平臺、大算力訓練平臺的軟件服務。

因為我們做L4，大家知道L4其實需要特別好的閉環，因為它需要快速地迭代。所以，我們在車端有一套黑匣子的數據儲存系統（DSSAD），在云端也有一套不錯的自動駕駛的訓練平臺。

特別是從去年開始，我們也在把一些大模型的技術應用進去，場景理解、預標注、數據挖掘等大模型。這是一個典型的做智駕公司或者是OEM該有的平臺。那么我們可以做這種云端的container的交付，也可以做實際的一體機的交付。因為可能有些公司并不希望用云，而且它的數據量可能像這么一個24-192卡的一體機，就夠用了，那么我們也可以交付這樣的一體機，確保快速地部署，落地即用。這是第一點。

第二是我們的運維平臺。運維平臺我覺得比較有特色。為什么？L4的系統我們是比較早去嘗試訂閱服務的模式的。就是我賣了這么一個系統以后，因為這個系統里面加了一個AI司機，我每年針對AI司機能夠收一點工資，這就是一個訂閱服務。

但是這個訂閱服務如果你做得不好，其實一方面你沒有辦法保障客戶的滿意度。假設說一輛車一天工作20個小時，24小時當中只有4個小時在檢修，20個小時99.99%的可用率，也就是一年只有差不多一個小時是沒有在工作狀態，這個要求非常高。

另一方面，像L4的系統，比如一個激光雷達可能就幾萬塊錢，一個域控又幾萬塊錢，那一年的訂閱費可能也就是幾萬塊錢。如果說你不能有很好的一種運維平臺，那你訂閱服務的這種模式最終是會虧錢的。所以，我們做了一個很好的云服務平臺，這樣的運維的能力也是可以輸出的。

最終做一個總結，我們這么一個小團隊應該怎么去做乘用車的智駕。

第一，我們身段非常靈活，可以提供硬件參考設計、整體軟件包，或者是單個模塊的算法或者軟件，或者，我們沒有數據和沒有算力，我們可以為有數據和算力的客戶提供數據/云端服務。

第二，我們也有非常好的算法，一直在緊跟特斯拉的SOTA算法。我們可以模塊化交付我們的算法模塊，也可以交付整體的軟硬件一體的產品，或者是軟件包再加上硬件的參考設計。

這個產品我們就聚焦在EAP這種高速NOA再加上行泊一體，再加上記憶行車的這樣一種形態上。這樣的形態我們希望做到極致的智價比，能夠下沉到10萬塊錢的平臺，我們可以支持Tier1或者OEM把這樣的產品打造出來。