但如果从第一性原理出发,有没有大一统的标准和审视?
毫末智行认为:有,而且只有一个标准:数据。
按照数据的规模,也能把自动驾驶探索大道至简划归为三个时代:
1.0时代,硬件驱动为主,规模历程在100万公里左右,主要感知方式是激光雷达,认知则依赖人工规则。
2.0时代,软件驱动开始发挥作用,规模可以累积到1亿公里,感知开始融合,但依然是不同传感器单独输出的结果,认知方面依然人工规则占主导,开始用小规模小数据实现更好的预测和规划。
3.0时代,数据驱动为核心,硬件和软件在这里实现了大一统,感知也实现了多模态传感器联合输出的大一统,认知上可以实现依靠大模型大数据拥有可解释的场景化驾驶常识,能够驱动1亿公里以上的数据迭代。
实际上,按照毫末提出的三个时代划分,不仅很多过去的自动驾驶现象能得到解释,比如1.0时代堆砌了激光雷达的Robotaxi为何还会有低级事故,又比如2.0时代量产车上的高速环路导航辅助驾驶产品的体验差异……以及特斯拉AutoPilot和FSD的体验确实在日拱一卒、不断得到优化。
所以更重要的是,毫末提出的这种数据维度的划分,真正能让自动驾驶流派和演进万佛朝宗,业内和业外,都可以有更加客观的坐标和参考。
以前,衡量自动驾驶的技术发展水平,有过VC认可的维度,有过自报MPI的维度,有过体感体验的维度,也有过路测牌照的维度……
但无一例外都是偏向主观的维度。
只有量产基础下的数据维度,才接近AI跃迁的原理,才是更加客观的维度。
而且这也是自动驾驶第一阶段竞速的结果,也是量产落地被作为自动驾驶中场哨的原因。
有意思的是,随着数据智能的自动驾驶3.0提出,自动驾驶领域已然无壁可面。无论哪一路线,无论哪个阵营,最核心的竞争力都已经被放在了明面上——
有多大规模的数据?有多高效率的数据获取、训练和利用的能力?
这关乎迭代速度,也关于能耗、成本和赢得终局的加速度。
数据智能的能力,就是衡量自动驾驶公司核心壁垒的指标。
数据智能的能力,就是自动驾驶新阶段的分水岭。
其实这种分水岭效应,之前已经在更受关注的路线之争中展现。
特斯拉的价值,在产能问题被上海解决后得到了完全认可,股价和市值一飞冲天,马斯克个人登顶地球首富,AutoPilot和FSD技术能力越来越强……而且随着量产车上路越多,获取数据的规模越大场景越丰富,这种能力迭代和进化就还会持续。
作为对应,这波自动驾驶浪潮的开创者Waymo,估值却被一而再下调,落地和推进速度一而再delay,获取数据的规模和多元性——没能展现出更大的增长趋势。