“风格漂移”不能停。反正不是基金经理自己的钱，搏一搏单车变摩托，风格漂移业绩好了基金经理受益，玩砸了基民买单。加上有些基金公司对此睁一只眼闭一只眼，托管行面对几千只基金心有余力不足无法觉察，“风格漂移”的基金经理前赴后继。
2024年智能驾驶行业融资状况回暖，多家企业迎来融资甚至上市。同时，今年也是“端到端”智能驾驶技术大范围推广的一年，头部新能源车企和智能驾驶技术供应商都开始讲述各自的“端到端”故事。
作为最早一批落地端到端的智能驾驶技术供应商，元戎启行（正文中简称“元戎”）在11月5日宣布完成了1亿美元的C1轮融资，成为今年单笔融资金额最高的智能驾驶公司。在融资消息发布后，《第一财经》采访到元戎启行CEO周光，展望了在资金面和技术面都发生重大变化的背景下，智能驾驶行业未来几年面临的关键机遇和挑战。
【Y】= 第一财经
【Z】= 元戎启行CEO周光
【Y】以往智能驾驶公司的融资主要来自于风投和产业基金，但元戎最近两笔融资都来自车企。车企为什么越来越愿意砸钱给智能驾驶供应商，他们看中的是什么？
【Z】核心是AI，车企越来越多地意识到AI对其产品的重要性。但是AI的能力不是从零开始很容易建立的，像特斯拉这样拥有特别强大AI能力的车企非常少，大多数车企在这方面也没有太强的技术积累，这时候选择AI能力突出的第三方供应商就是很自然的选择。
车企选供应商最主要还是看性能，尤其怕智能驾驶算法“作弊”——依赖高精地图，只能在特定区域内表现出良好性能，换个地方就不行。为了解决这个顾虑，我们的做法叫“板车试乘”，就是由车企指定地点，让拖车把搭载了我们智驾方案的样车送达，车一下拖车，未经任何调试，就能智驾上路，车企可以随便指定交付地点。这样他们就会相信这个智驾方案确实比较靠谱，可以用到量产车上。
【Y】早期智能驾驶公司对量产车兴趣不大，专注于实现全无人驾驶。不过元戎很早就把重心放到量产上来，这背后的逻辑是什么？
【Z】早期的智能驾驶技术都是基于规则的，典型的例子是Waymo，在一个很有限的区域内，把地图做得非常精细，规则设置得非常复杂，以期能做到智能驾驶。这种方案采用的车通常都需要经过特殊改装，不能直接使用量产车型完成，而且很明显无法推广到所有道路，因为高精地图的更新需要漫长的周期。总之就是成本很高，商业上不可行，所以我们很早就决策不做这个方向，而把重点放到不依赖高精地图、可量产的方向上。
对于智能驾驶公司来说，量产最大的意义在于提供数据。对一般的端到端模型来说，1万辆车是个基准，有这个数量的车在路上跑，才能保证智驾模型不断向前进化。如果要追求更进一步的性能，比如我们正在开发、预计明年推出的VLA模型，要达到比较好的训练效果至少得有10万辆车的数据。这个量级的车靠资方来投资不现实，必须直接杀入量产车市场，直接面向大众消费者。特斯拉就是最好的例子，量产车和智驾功能互相促进，形成良性循环。而且很明显，这个量产不仅限于国内市场，还应该考虑海外市场。我们和欧洲、日本、韩国的车企都在谈合作。
【Y】“端到端”这个话题今年很热，元戎怎么理解这个概念？端到端提供了什么样的优势，又面临什么样的挑战？
【Z】“端到端”模型可以理解为一个神经网络，这一点和大语言模型有点类似，两者的优势也比较类似，就是摆脱了对规则的过度依赖，能够面对此前没有经历过的各种复杂场景。不同之处在于，他们输入输出的数据类型很不一样。“端到端”模型有点类似“蓝领AI”，它直接跟物理世界打交道，也直接指挥车在物理世界里行动；与此同时，GPT类似“白领AI”，它的核心功能都可以在办公室电脑上完成，不需要与物理世界交互。
由于这种功能上的区别，使得两者对算力的要求差距很大。GPT要提升性能必须尽可能地掌握源源不断被生产出来的各种资讯，而端到端的智驾模型却不需要知道那么多，它只需要理解路和路上可能产生的各种物理后果就可以，其算力需求要比GPT低一个数量级。
因此“端到端”这个赛道的挑战不是堆算力，而是拼算法，看谁调试模型提升性能的方法更有效、更高效。目前的端到端我称之为“AI 1.0”，可以说是智能驾驶的“GPT 2时刻”，它只是新一轮智能驾驶技术竞赛的起点。接下来最大的挑战是如何快速把端到端的能力提升到类似于GPT 4的阶段。
【Y】元戎在2023年初就开始布局“端到端”，是国内最早一批提出并实现这一技术的公司。元戎的“端到端”方案和市场上其他类似产品相比有何特色？
【Z】我们在“AI 1.0”时代属于最早入局的，和特斯拉基本同步。我们现在已经开始研发“AI 2.0”的产品，也就是VLA（Vision Language Action，视觉语言动作模型）方案。
在此之前，常见的端到端模型通常是和视觉语言模型协调合作的，端到端模型类似于一个新手司机，而视觉语言模型则可以视为一位教练员，当新手司机开得不好时出言指点。这种做法肯定比新手司机自己开表现好，但局限也很明显，有些情况等教练发出指令的时候已经来不及，也有的时候指挥了也没用，新手还是开不好。
相比之下VLA希望直接把新手司机训练成教练员，让这个教练员自己开。这样就能够适应更多路况，表现也会更好。目前头部的端到端模型一般能实现城市路况几十公里零接管，使用VLA的话有希望做到100公里零接管。
【Y】在“端到端”大范围落地的同时，Robotaxi今年也频频进入大众视野。技术变革对Robotaxi的商业模式会产生哪些影响？
【Z】Robotaxi的核心不是技术，而是算账，就是算车辆由AI来开是不是比人类司机开经济上更划算。以前Robotaxi需要在量产车上加装各种传感器，整个成本非常昂贵，而且被限定在特定试验路段运营，其智驾能力很难迁移到更广阔的区域，从账上来算肯定不划算，所以现在做Robotaxi的企业已经比之前少了很多。
“端到端”给Robotaxi带来很大的改变，关键在于它有可能大幅度地降低成本。现有“端到端”大模型基本都是搭载在量产车上直接能用的，不需要后装传感器，也不限特定路段使用。而且对于智能驾驶公司来说，不需要像以前那样，为Robotaxi和量产车上的L2级别辅助驾驶功能分别开发算法，只需要基于同一套算法来调整基本参数就行，研发成本也会降低。
不过要把Robotaxi的成本降到比人类司机还低，可能还需要几年。这里面一方面涉及到算力的成本，算力的硬件和能耗成本，同时，还必须在控制成本的情况下提高端到端算法自身的性能，比如至少要做到1000公里零接管。
小米智能驾驶预计12月底开启先锋版推送
0 10-29 19:09 智能驾驶板块活跃智能驾驶板块活跃
0 10-17 09:41
智能驾驶提速带来两大领域增量丨机构视角自动驾驶技术正迎来关键发展阶段，乘用车高阶智驾方案和Robotaxi的商业化落地预期加速，带动产业链快速成长，但同时也存在政策推进、技术发展和市场需求不及预期的风险。
41 10-14 18:21 智能驾驶概念股异动智能驾驶概念股异动
0 10-11 11:14 智能驾驶概念尾盘异动拉升炒股票杠杆是什么意思智能驾驶概念尾盘异动拉升
19 10-10 14:45 一财最热 点击关闭
