伟大的哲学家叔本华说过：人生根本没有意义，就像钟摆一样在痛苦和无聊之间摇摆。
从人生到个人对待工作也是同样的道理，对于一份工作绝大部分也像钟摆一样，在厌倦和焦虑之间摇摆，刚接触时的迷茫焦虑和熟悉之后的厌倦之间往复。再从个人推演到每一个行业亦是如此。
2015年左右，国内刮起自动驾驶的风暴，从互联网大厂到车企纷纷随风而起加入自动驾驶的追逐之中。面对未知的新领域，无论是互联网行业还是汽车行业无不透露着迷茫和焦虑，并且随着自动驾驶行业的不断演化，迷茫和焦虑也不断在扩散，直到2020年达到顶峰。2020以后自动驾驶行进入厌倦期，时至今日众多自动驾驶领域的人才纷纷转换赛道，相关的科创公司寻求上市，在乘用车领域自动驾驶更侧重在辅助驾驶功能的开发，例如自动泊车、高速辅助驾驶城市辅助驾驶，距离当初设想的无人驾驶的人工智能目标仍然是触不可及。
当然，从事自动驾驶领域的工程师也从最早的焦虑逐渐转为厌倦，因为辅助驾驶依旧是在车辆的零部件范围之内，辅助驾驶依旧是车辆功能的一部分与传统的零部件区别在于使用的工具和场景的不同。在形式上三个臭皮匠可以抵一个诸葛亮，也可以表示为一种群体的智能，而在自动驾驶领域，辅助驾驶功能的堆砌并不能形成车辆的智能，只是提高车辆的智能的业务能力。正如一个健康的幼儿，虽然手无缚鸡之力，但其实一个智能的生物，而一辆可以牵引百吨的内饰豪华的车辆并不会认为是具有智能的属性。
自动驾驶的发展是紧随着人工智能的脚步，尤其是进入21世纪之后，人工智能在神经网络方向成为主流之后，机器人领域开始跨界自动驾驶，转了一圈之后自动驾驶领域的人又一次回到机器人领域，世界可谓是一个大圆圈，不但人终究会回到原点，事物的发展也会回到原点，研究社会历史也好自动驾驶技术也罢，最终研究的核心依然是人。因为人的存在，各个行业或者技术才会存在趋势和方向，例如在人工智能领域的思维链（COT）就是让模型像人类一样展示推理过程，从未让人类去理解机器的决策因素。以人为研究的参考对象，那么技术也是同样的逻辑，一个人在成长过程也是世界收缩的过程，年轻的时候世界是无限大，颇有三千越甲可吞吴的大局面，而随着阅历和年纪的增加，世界逐渐稳定统一便成了采菊东篱下悠然见南山。人工智能的发展、汽车工业的发展，自然语言处理处理技术、图像处理技术、自动驾驶技术等等，一系列的变化逐渐走向结合和统一。这种结合和统一主要体现在两个层面：
在底层技术驱动方面。2018年，谷歌发布Transformer模型BERT，人工智能领域迎来了真正的腾飞。Transformer的架构彻底改变了人工智能领域，甚至整个计算领域的格局。Transformer架构驱动的机器学习将从根本上改变计算方式，视觉和语言从技术层面实现了一次统一。物理世界转化成序列化数据，自然语言具有天然的序列化属性，Transformer架构处理序列化数据具有压倒性的优势，这种架构引用到视觉领域，将图像也转化成序列化的数据构建视觉和图像模型架构，也就是现在比较火热的VLM，将图像和语言处理统一在同一个架构之中，告别了以往CNN，RNN时代的单一网络模型架构；
在智能目标方面，也就是智能代理方面，人工智能的研究目标不管是在语言处理还是图像识别甚至是决策逐渐与人类对齐，也就是说人类的智能才是人工智能的终极目标，人工智能的目标从超越人开始向类人靠近，这也就是自动驾驶从一开始超越人的无人驾驶目标逐渐落地为辅助驾驶或者一定区域内的无人驾驶，终究没有绕开生物智能的核心，人工智能依然是以人工为主。
例如，具身智能领域火热的人形机器人就是以人的姿态为模板来定义形态，一方面可以降低市场的教育成本，像人一样的机器人比带轮子的扫地机凸显的更先进，消费者更容易接受，这一点可以更好的服务于商业模式的建立；另一方面在底层技术方面，人脑的信息处理效率极高，一个成年人大脑功率大约不到20瓦，而一块英伟达的Orin人造硅基芯片功率约为100瓦。无论任何技术核心的诉求都是对资源的高效利用，人类经过几千年的进化已经已经具备了高效的资源使用系统，以人类为蓝本的直立行走、神经网络模型、灵巧手等等都是在模仿人类的形态，这也伴随着人类对自身的思考方式以及运动模式的不断认识和理解，从1956达特茅斯会议之后研究人工智能也是研究人类自身。
既然是研究人类自身，那么人类的一些天性也会在人工智能的发展过程中凸显出来，例如渴望被别人关注、忘记存在的艺术、获得认同感等等。虽然说代码是数字化的0和1，不具有人类生理性的感情，但是代码也是人类创造出来的，即使是Chat GPT这样的大模型时代，训练数据和架构也是人类创造出来的，这个创造过程一定会有人类的天性。其中比较典型的就是自动驾驶行业。
自动驾驶行业在最开始的时候，大量的资本和互联网技术人才的涌入从而获得了广泛的关注。面对灼热的焦点，无论是车企还是雄心壮志的割韭菜者都纷纷下场投身轰轰烈烈的浪潮之中，试图从弯道超车取得先机领先同行。时至今天，现实是只有少数的创业者割到了韭菜，而车企仍然是以新能源为主要力量，无人驾驶的目标仍然存在于规划之中。自动驾驶的弯道没有让车企实现超越，反而让英伟达这样的芯片公司壮大和车企的利润率在逐渐下滑。汽车行业总是把其他行业已经实现的产物当做新鲜事物，反过来汽车行业成为新技术的试验田。在这种技术差距中自然就会产生各种路线之争、人才的流失、产品的进退两难、新旧技术的更新迭代等等问题，最终导致汽车产品研发沉没成本的无限增大。
自动驾驶没有让某些车企实现垄断式的领先，神经网络算法的应用也没有实现无人驾驶，纯视觉自动驾驶方案也没有让自动驾驶相关的创业公司实现盈利，现在又轮到大模型和端到端自动驾驶方案的圆桌论坛，不管过程如何演绎，结果会是一定的，那就是大模型或者端到端自动驾驶方案也不是自动驾驶的终极方案更不会让某些公司在产品和技术层面实现真正的垄断领先，至于宣传和营销方面的领先那仅仅是停留在自媒体的吹嘘和文字层面。有些事情急不得，有些事情必须要经历，有些比赛根本不是比赛，而是商业宣传。人们擅长不断的制造一个虚拟的偶像，继而推翻偶像，再继续造一个新的，周而复始陷入不断的循环之中，投放到用户市场的产品只是循环之中产出的灰烬而已。
现阶段中自动驾驶领域的偶像是基于transformer神经网络架构的端到端自动驾驶系统，大模型成为各路专家们眼中可解万物的“菩萨”，也是车企面向智能化的又一个“偶像”。2025年打响“偶像”第一枪的车企应该算是比亚迪了，2024 年 11 月，零一万物前首席技术专家聂鹏程加入比亚迪先进技术研发中心，将主要负责 AI 超算，也可能涉及 AI 应用。以往车企大多数是和互联网大厂合作在大模型领域·进行算法的训练，而比亚迪直接将零一万物的专家纳入麾下，颇有几分入局大模型领域的架势，相信过不久比亚迪的大模型将会横空出世，又一次“领先”整个汽车行业，继而整个汽车圈又将掀起大模型热，汽车领域的大模型专家又一次出现井喷现象。不出意外的话，同样大模型也是人工智能领域在汽车行业的又一次应用，而非全新的行业创新。
大模型领域面临的数据枯竭，算力瓶颈、模型的幻觉等基础问题尚未解决，整个大模型领域的方法论已成定型，赛道逐渐在收缩，而汽车行业又一次扮演了扫地的角色，在大模型领域已经被淘汰的方法又一次在汽车行业运转起来，大模型领域的专家又一次成为车企的座上宾，其中必定会出现大量浑水摸鱼的“专家”。正向来说是汽车行业紧跟新技术的发展，探索新技术落地应用的载体，反向来说汽车行业就是科技行业的“冤大头”，总是慢半拍。汽车行业请来的所谓的专家，只不过是人工智能行业应用后的经验，先在汽车领域折腾一番发布一些人工智能领域使用过的口号或者目标，再进行样件制作，最后发现汽车行业的属性和人工智能的节奏、产业链完全不匹配，水土不服寻找下一个风口。如此以往，实现人才周而复始的循环。
从过往的历史历程中可以看出，互联网掀起的巨浪让众多的新势力造车企业遍地深耕，也让传统车企忧心忡忡，最终大家的统一归途仍然是以卖车为核心，最关注的仍然是车辆的销量排行榜，而所谓的黑科技只是在发布会的PPT中最为耀眼，同样的大模型也会是自动驾驶的另一个极端，数据和算力造成的沉没成本呈现指数级的上升，仅仅依靠车辆销量产生规模化效应一定救不了自动驾驶成本的大火，只会让英伟达一类的公司市值不断飙升。更为严重的是，走向这个极端是需要门槛和时间，大模型也不是银弹可以穿破一切，毕竟在汽车行业大家听过颠覆性的东西太多了，结果真的只是停留下听过的层面。一般来说，世界上鲜有颠覆和弯道超车，一切都需要遵循事物发展的客观规律。
