迷茫与机会并存，自动驾驶的不确定性

科技 2024-11-15 18:00 广东

在铁路时代没来之前，没有人知道火车的样子，同样的在自动驾驶时代没来之前，没有人知道自动驾驶的产品形态，有人说Robotaxi是自动驾驶最终形态；有人说端到端的方案是自动驾驶技术实现的最终解；有人说大模型是自动驾驶进化的破城锤等等。在新技术没有形成规模化产品市场之前，一切都是基于现状而存在于在幻想或者期望之中，只要有人敢提就有人敢信，只要敢说就是存在的理由。任何新名词、新方向、新应用、新技术都可能成为热点被追捧，等热点过了很多方法就成为路标，很多人成为行业忽悠。各行各业普遍存在这样的现象究其原因在于事物发展过程中存在的不确定性导致。

在常规的观念中，人们更擅长处理确定的问题，例如，已知物体在A点的状态，通过相关理论公式可以计算出其在B点的状态，这个变化过程可以近似拟合为一个确定性过程，在此过程中物体改变的微小变化可以忽略不计。人们总是会通过物体在A点的状态去推断到达B点时物体的形态，然而，事物发展的过程存在不可预见的随机变化，并且这个变化是不能被忽略，可能过程中一个小的变化会引领整个行业的趋势，尤其在数据驱动快速迭代的人工智能时代，小变化影响大趋势的例子将会更多。正如在《万历十五年》一书中所述，原本只是一件册封皇贵妃的小事，竟然引发一场影响深远的政治斗争，导致了数十年皇帝和臣僚的对立，而且涉及到整个明帝国。从社会发展的层面来看，在历史的长河之中，人们会自然的将不确定性过滤，只留下确定性的结果，将大概率结果留下，而将小概率事情抹去。

同样的，对于火热的人工智能原理也是类似的逻辑，算法模型的输出结果是收敛于一个可信空间范围之内，然后将最有可能的后续结果进行采样，无形中也是将大概率结果进行采样输出，而自动忽略掉小概率结果，这样出现的结果才会靠近人类的可解释性范围。所以，人为的算法设计一直在操控算法的输出结果，如此以往人工智能将永远不会超越人类。而社会的发展是无法通过人为的算法进行选择输出，相比于人工智能算法模型，社会的发展是一个理想的智能模型，更接近自然的智能进化。

通过确定的手段测量不确定性的过程只会得到一个可信空间范围，在在这个范围之内存在诸多的可能性，这也是在新技术尚未形成规模化产品之前会出现各种纷争的根本原因所在。站在确定论的观点，这些纷争中只有一条会是正确的，而在不确定的观点中一切都存在可能，发生几率也是相同的，只是触发点不同。有了以上的基本面再回头看自动驾驶的发展就显而易见，无论是多源融合还是纯视觉，无论有没有高精度地图还是基于高精度地图的方案，本质上都是自动驾驶技术形成产品的其中一种可能性，并不存在对错或者先进与落后之分。无论选择哪一个路径都有均等的机会产品化，正如近几年大火的OpenAI引爆的人工智能大模型方向，成功最大的秘诀就是在公司成立之初选择了大模型这个方向进行了坚持探索，从而一个小的坚持引发了人工智能行业的趋势变化。不管是行业专家甚至是创始人都没有预测到大模型方向会开出如此绚烂的花，如果可以提前预测，那么谷歌、苹果等科技巨头不会错失此领域的先发优势，这一次很明显科技巨头们的预测失效了。

同样的启示也会在自动驾驶领域再次验证，在快速发展的智能化时代会出现几个特征点，机会均等、变化速度快、整体迷茫性。首先是巨头们和创业者面临同等的上桌机会，新的趋势点造成机会均等。这一点在造车领域已经得到验证，新势力造车企业市值不断超越传统的车企，特斯拉成为全球市值最高的车企，并且呈现断崖式的领先。OpenAI这样的创业公司也具备和科技巨头抗衡的技术实力。其次是变化速度更快。这一点从两个方面看，第一是商业方面的对比，曾经在2019年世界人工智能论坛上马云和马斯克关于商业和技术的论战，当时阿里巴巴的市值是特斯拉的两倍，五年后的特斯拉市值是几乎是阿里巴巴的五倍。第二个方面是单点引爆技术应用的加速。2022年基于GPT系统的大模型架构的chatGPT发布引爆了人工智能行业GPT技术路线的大模型架构火热，两年后大模型已经在搜索、办公、编程等信息服务行业建立新模式。例如，微软NewBing引入GPT-4能力实现对话及复杂搜索、总结资料生成答案、发挥创意提供方案等，国内互联网大厂等等入局大模型领域竞相发布新产品，百度的文心一言、阿里的通义千问、腾讯的混元等等。大模型逐渐成为智能化创新的新型基础设施，基于大模型技术也为具身智能机器人领域的新探索提供了一个实现途径。最后一点行业必然会出现集体迷茫性，无论是人工智能的大模型还是技术应用的自动驾驶领域，在新的领域进入涨潮期会是一片欣欣向荣，一旦潮水开始退去便是行业内卷和迷茫的开始直到稳定状态也就是新技术落地产品规模化应用。因为在这个过程中必然会出现新生和淘汰，同时也意味着突破和瓶颈，这两者之间是相辅相成不会单一的存在，到了瓶颈期无论是理论研究还是产品应用都不会出现突破，只能进行内卷淘汰，整个行业会出现迷茫。

基于以上三个特征点来看自动驾驶行业，无论是哪一条技术路线或者企业都没有达到一个预期的产品效果。从国外巨头Waymo到国内创业公司，试图通过资源的叠加实现预期自动驾驶的模式逐渐在崩塌，主要体现在两点：第一点是在技术路线上资源的叠加，试图将所有能想到的新技术都应用到自动驾驶领域，从计算视觉到大语言模型，自动驾驶可谓是包罗万象，似乎只要有足够的新技术投入，那么自动驾驶一定会达到预期。然而，参照以往的行业经验，这个思路似乎只存在于理想的预期当中，结果会陷入温水煮青蛙式的死胡同。自动驾驶技术从实验室走向产业界，整个系统比较复杂传感器也是多种多样，利用的也是当时最新技术自动驾驶也是当时众多新技术的集合体。

最早期的自动驾驶样车也是从量产车型中改制而来，这种思路应用在产业界逐渐出现弊端，首先是新技术无法做到车规嵌入式产品；其次是成本巨大，显性成本就是产品的生命周期成本，而隐性成本在于技术的更新速度远超过产品的迭代速度，两者之间的间隙就需要包含在产品的成本之中；最后是开发工具链的不完善，不具备移植进行规模化生产的条件。功能可以实现但是距离交付产品仍然有很长的一段距离，演示的demo满大街跑，量产的车却寥寥无几。第二点是商业模式的堆砌，无论是高阶的Robotaxi还是低阶的辅助驾驶，能改变商业模式的核心点就是自动驾驶技术的成熟。假如自动驾驶技术成熟，可以达到无人驾驶的状态，那么人类出行的商业模式将会重构，依靠这个核心点建立的商业模式才会成立，否则都是空中楼阁。

反过来，在技术没有成熟之前，大家试图通过商业模式的应用加速技术的落地，将所有的资源汇聚到一起等待技术成熟，这无疑是一场赌博。所以，在新的发展趋势之下，技术突破点和商业模式都处于不可预测之中，通过资源的堆砌是无法形成有效的商业护城河，甚至会将企业拖入一个沼泽之地。正如在一片迷雾之中过河，虽然看不到前方的对岸，但是大家都知道踩着脚下的石头一步一步前行，一定会到达对岸，至于是走人字形还是之字形其实都是不确定的，只有当你到达岸边迷雾散去后才会看到来时的路，如果试图在迷雾之中设定路线相当于盲人摸象，只存在于想象和期望之中。

技术的发展是在不断的变化之中，每当面对新的方向或者技术的时候，大家总是喜欢按部就班的进行三部曲，制定目标、设定路线、实施执行。无形中是已经设想到一个地图，按图索骥便可到达目标点。然而，随着人工智能的不断进化，技术和产品的发展速度迅速而又多向，留给参与者进行三部曲的时间不多，并且无法形成地图。当前以数据、大模型为研究模式成为新产品落地的唯一途径，最近有学者又发现超大规模型面临投机回报率低的现象，‍预计到2028年左右，数据量全部用完意味着大模型的发展将会面临放缓或者停滞也就是俗称的撞墙，与此同时大模型训练也耗费大量的能源问题，这些原因都为大模型的未来增添了阴影。同时也说明，第一是大模型也不是实现人工智能的终极武器，只是探索人工智能路上的一个路标，在终局没有经历之前一切都算是局部；第二是新技术的发展充满不确定性，空间和时间都在压缩。

从人工智能的技术变化到自动驾驶领域，自动驾驶更倾向于建立在人工智能技术之上的商业模式，人工智能又成为关键点，同样的方法同样的逻辑，总之一句话，首先得承认不确定性的存在，其次不确定性问题得用不确定性的方法理论，而不是硬搬以往的方法。

每个人都是生活实践者与行业观察者

欢迎转发并关注

汽车行业观察者联盟

汽车观察者联盟

聚集产业发展变化，打造第三方独立意见平台，交流、共享促进产业的发展。