侯晓迪、小马楼天城、轻舟侯聪接连质疑马斯克:L2路线搞不出L4

文摘   2024-08-15 18:32   四川  

没有人是不能被质疑的,马斯克也不行。甚至马斯克更应该被质疑,因为他食言的次数比如期履约的次数要多得多。

前几天,我们写了图森未来创始人侯晓迪质疑马斯克通过L2数据积累实现L4的观点,详情见原文。


前图森未来创始人侯晓迪揭秘端到端“骗局”


这几天,陆续有自动驾驶行业大咖也加入到质疑马斯克的行列,包括小马智行CTO楼天城和轻舟智航 CTO 侯聪,在接受媒体采访时也都表达了相似的观点。


楼天城的原话是“FSD和L4不是一个同类比较。辅助驾驶,它成本和覆盖区域很重要,跟人类交互很重要。它一个助手,要做的是,帮你的时候一定做得都对,帮不了的时候就告诉你,你要自己来。而刚刚说的全是L4没有的。L4首先成本很重要,但没那么重要。在此基础上,所有事情都要自己handle,不能交给别人。哪怕稍微慢一点,安全性100%一定要保证。如果你了解模型训练的东西,这是两个非常极端的规划。”


据此楼天城得出的一个结论是,L2做得越厉害,它离L4越远。反之也是如此。一个越好的L4公司,它离L2越远。


而特斯拉做Robotaxi的逻辑是通过L2辅助驾驶的数据不断积累实现L4的Robotaxi。这与楼天城的观点恰好相悖。


对于特斯拉10月份发布L4 Robotaxi,侯聪的原话是“我觉得它有可能推一个车型,比如说没有方向盘了,或者相对于目前这种用户版的车,有一些额外的配置。但是它现在的技术栈不是面向 L4 的。一旦开始运营 Robotaxi,会出现很多问题。”


虽然说法有差异,但意思都非常明显,通过L2的渐进式路线做不出L4,理由是二者的底层思路不同。


这个行业有意思的地方就在于此,永远有少部分被看作异类的人站在共识之外。


2016年自动驾驶在国内刚兴起时,国内主流声音认为,通过跨越式路线几年内能够快速实现L4,而特斯拉马斯克,Momenta CEO曹旭东是为数不多坚持通过L2数据积累不断实现L4的人员,这在当时被外界认为是异类。


这几年,随着L4商业化迟迟难以落地,当大部分人开始倒戈L2,如今坚持还在坚持跨越式L4路线的人反而成了异类。他们的理由也极其相似。


L2的驾驶主体是人,L4的驾驶主体是机器,L2关注的核心点是成本,覆盖范围和体验,L4更关注的是安全。


楼天城举了一个例子,比如自动驾驶的安全事故间隔时间,L2辅助驾驶可以做到8-10小时,企业和用户都很满意,因为人会给系统兜底,保证它不出事,但是L4自动驾驶到了1万小时还不够,还要继续提升,因为没有人给系统兜底,系统必须尽可能保证0事故。


按照这样的需要向上反推,L2和L4的产品设计出发点就会不同,比如二者在安全上的不同,也直接决定了传感器选择的不同。


大部分L2辅助驾驶可以不用激光雷达,甚至更低算力的芯片,不用考虑安全冗余,根本原因还是背后有人类司机兜底,企业可以不用考虑责任归属问题,因为出了事故责任一定属于用户。


但是L4的Robotaxi不行,要做到更好的商业化,就要做到车内无人,就没有人给系统兜底,车辆的驾驶权属于系统,责任属于企业。所以系统就要无限提高安全上限。


以Waymo的Robotaxi来看,它的传感器配置可以说是武装到了牙齿,装了 5 颗激光雷达, 30 颗摄像头,6 颗毫米波雷达。仅摄像头就有好几类,一类是正常摄像头,一类是专门提升夜视能力的摄像头,有看 LED 灯的,有热成像的,还有盲区摄像头,外加红外线的闪光灯。一共五类相机。L2的企业肯定不可能这么干,因为没有用户愿意为这么高的成本买单。


这些都直接造成了他们与马斯克观点的正面冲突,在反对激光雷达的理由中,除了外界熟知的成本原因,马斯克还表示激光雷达的信息对系统是一种干扰。


而楼天城的观点恰恰相反,他认为激光雷达是一个作弊神器,要实现全无人必须要上激光雷达,绝不会用纯视觉。


此外,L2辅助驾驶也不用考虑运营问题,比如车辆突然卡死在十字路口影响交通,因为车上的司机不可能让这些事情发生。但L4必须考虑这些问题,一旦系统在闹市区卡死了影响交通怎么办,所以楼天城和侯聪都强调了L4 Robotaxi运营的重要性。


又比如在体验上,L2辅助驾驶的逻辑是让系统学习人,更像人,做到千人千面,以提高用户体验,但L4的逻辑是它必须有一个规范统一的“规章流程”去保证安全和效率。


以此向上反推,楼天城还延伸出了一个更加反共识的观点,“当自动驾驶超越人类时,数据就变成干扰项,并不是越多越好”。楼天城给这个数据设定的值是1000小时(即1000小时出现一次事故积累的数据)。


楼天城引用了马斯克的观点,原话是“之前马斯克提到,平路空白路上的数据是没用的。因为大语言模型迭代,它的梯度会很快下降为0,没办法收敛,这是技术原因。但本质是当你超越,你会发现这些数据会出现反面效果。当你从1000走到10000,数据达到一定数字,帮你做一些事是可以的,再多就是负面向,会把你拉回来。”


按照他的说法,数据对系统模型的影响可以理解成一个开口向下的抛物线,横坐标是数据量,纵坐标是系统性能,达到一个顶点时,再增加数据反而会使系统的性能降低。这与特斯拉宣传的通过不断积累L2数据以实现L4完全相反。


今年10月,特斯拉会发布Robotaxi;楼天城认为,3-5年内能够实现L4 Robotaxi;结果如何,只能让时间给出答案。




圆周智行
智能出行产业研究与服务平台。聚焦新能源,智能网联,机器人,飞行汽车,4大出行板块。
 最新文章