大模型干掉算法工程师？
文摘
科技
2024-06-04 11:31
北京
据悉，某新势力开始对智驾业务进行组织架构的重组。这次重组是以端到端为重心，对感知、规控、地图等部门进行了改组，以便组织架构适用于端到端的研发。其中变化比较大的是规控部门，规控直接改组为交付部门了。
从该新势力这次动作来看，端到端并不是一次简单的进行技术切换，想要做端到端，需要先行调整组织架构。以往按感知、规控、地图等功能划分的组织架构，适用于传统手写规则的研发方式，而端到端是基于数据驱动的，传统的组织架构并不适用，新的研发方式需要重组出新的组织架构。该新势力并不是唯一一个为了端到端做出组织调整的。另一家新势力更激进，内部All in端到端模型，开始大规模裁减工程师规模，连感知算法工程师都裁减。据悉上周创始人体验了内部研发的端到端模型之后，体验的反馈不错，然后继续裁算法工程师。（交流新势力情况，请加作者微信：zsheng518）在去年特斯拉发布FSD 12的时候，算法工程师圈子就在担忧一种现象：如果未来智驾都用端到端模型做了，算法工程师们该怎么办？从现在的形势来看，未来已来。某新势力在自研智驾上投入可谓不小，名列业界前茅。本身该新势力在业界以慷慨花钱闻名，创始人对智驾的支持非常的慷慨和包容，要钱给钱，要人给人，要资源给资源，智驾需要内部其他部门配合时也会亲自去协调。不过，过去两年该新势力在智驾上却颇受争议。争议的一个关键点，投入上位居业界前列，技术成果却没有进入第一梯队。按说该新势力的智驾团队的技术能力并不差，智驾的一号位是天才少年出身，算法能力在整个全球华人圈子也是大牛的水平，感知、规控用的也都是闻名业界的能手。整个技术团队拥有顶尖名校、博士title、paper大拿的人非常多。一个带有“星味”的技术团队，在智驾上的表现却是节奏慢、效率低，进度上落后于第一梯队。在第一梯队都开始卷城区NOA的时候，该新势力才做完高速NOA，在技术节奏上落后第一梯队接近一年的时间。在智驾行业，有时候“顶尖名校、博士title、paper大拿”也往往对应着另一个概念，这类所谓的“大牛“在量产上干得并不好。一个重要的原因是“大牛“兴致偏向搞科研、发paper，而量产是充满了苦活脏活，”大牛“们干起来并不适应。另外，第一梯队之所以能做的好，一个很重要的原因是内部用类似于军事上强行军的风格搞研发，对SOP的节点抓的非常紧。而该新势力在抓SOP节点上，就比较几个月的现象，在内部。到了2023年，第一梯队在城区NOA上的快速推进，高阶智驾都开始卷城区NOA，使得该新势力的智驾团队感受到了压力。如果在城区NOA上跟不上节奏被拉大差距，无论对内还是对外都交代不过去。其实该新势力内部也开始着急，一度传出高层接触供应商准备联合开发城区NOA。感受到压力的智驾团队，从23年开始风格突变，斗志拉满。智驾的一号位亲自带队小黑屋集中开发。通过强行军突击开发的方式，终于在24年把城区NOA量产上车。众所周知，智驾的技术路线是一波一波的，所以智驾是是车轮战，无图城区NOA已经接近下半场的尾声，端到端正式登场，成为要卷的下一轮技术路线。在无图城区NOA上，该新势力是通过补课的方式过关。在端到端上，不敢再有丝毫怠慢，也开始撸起袖子玩命卷，力争在端到端上进入第一梯队。在近期该新势力的一次内部高管会上，智驾一号位做汇报时表示将押注端到端，并对智驾的组织架构进行重组。以往智驾的组织架构都是按功能来划分，按感知、规控、地图等功能来建立组织架构，这适用于传统手写规则的研发方式，而端到端是基于数据驱动的，传统的组织架构并不适用，需要重组出新的组织架构。该新势力以端到端为重心进行重组，感知升级为大模型部门，规控改为交付部门，地图变时空信息部门。从该新势力这次的重组来看，规控的变动比较大。众所周知，以往规控在智驾行业的需求比较大，属于比较稳定的，而现在规控用端到端模型来做，成了最先被干掉的。端到端模型，将引发智驾行业竞争的新范式。无论是自研的新势力还是头部智驾公司都在调整资源，以应对新一轮的技术竞争。传统的智驾方案是基于规则的，研发方式主要是靠工程师手写规则。大部分公司都是靠堆工程师去竞争，堆的越多规则写的越好。所以也诞生了人海战术，谁投入的人力最多，谁就更能赢得竞争。正是这种竞争范式，成就了资源最雄厚、最擅长人海战术的华为。而端到端的研发是基于数据驱动，传统的堆人头的研发方式效果不大了。AI人才、算力、算法和数据，是端到端最核心的四要素。这将决定企业的投入方式，也就是把钱花在什么地方上。传统手写规则的研发，大多数都是把钱花在了工程师身上。虽然大家都喊数据+算法的飞轮效应，但大部分都是PPT。而到了端到端，智驾开始进入数据+算力的“暴力美学”催化的时代，这将是一个硬性门槛。一个典型的案例是特斯拉，在马斯克去年8月直播FSD的时候，特斯拉即将上线由一万个英伟达H100组成的GPU集群，来训练新版FSD系统。特斯拉早期的GPU数量是一千五百，到了FSD 12时已经增长到了 1万+。而今年马斯克更是宣布将会投资约一百亿美元购买GPU，用于AI的训练和推理，当然其中包括用于xAI的Grok模型，而推理主要用于智驾。可以预见的是未来可能会出现一种此消彼长的局面，花在训练数据算力上的钱占大头，花在工程师身上的钱占小头。这也是一些自研的新势力开始裁减工程师规模的原因，每年投入研发的钱是有限的，花在算力上的多了，花在工程师上的就少了。无疑工程师们面临端到端模型的挑战，工程师们在新的技术范式冲击之下，需要转型。面临挑战和转型的不止工程师，还包括已经成功取得领先的头部公司。这并不是一件容易的事情，不仅意味着巨大的沉没成本，而且极易引起内部的阻力。各职级的leader都是在智驾过去手写规则的时代立下战功的，打破重组组织架构就意味着动了这些leader的既得利益。而人性本质上最擅长的是对过去成功路径的依赖，最抵制的是革自己的命。现在业界流传一种观点——端到端模型将会给智驾带来颠覆性的体验，其实这种颠覆不仅表现在C端用户的使用体验上，而是整个智驾的行业生态上，从企业到工程师都要做出变化。面对新的技术范式，企业需要调整组织架构，重新分配资源。而算法工程师们也需要在新的技术范式之下积极的转型，寻找自己新的定位，找到能够发挥的价值点，才能走好自己的路。
