ChatGPT爆火之后，AI大模型成为众多科技公司追逐的热点。从聊天对话，到图像生成，再到桌面办公，仿佛AI在一夜之间具备了颠覆一切的神力。
(资料图)
热潮蔓延至汽车行业，从业者开始思考：让GPT造车，是否可行？
有车企宣布将应用大模型技术，也有车企称要接入第三方大模型，还有车企抢着发布了带有GPT字眼的自动驾驶系统。
有从业者对深途说，智能座舱和自动驾驶，或将是大模型*应用的场景。这其中，尤以自动驾驶最让人期待。
自动驾驶是一个难度极高的赛道。除了谷歌、百度等科技巨头，一大批天才创业者投身其中，烧掉数十亿美金，至今也没达到让人满意的效果。
AI大模型杀入自动驾驶，这次会不一样吗？
GPT跟汽车，有几毛钱关系？
GPT跟汽车，表面看无直接关联，实则渊源很深。故事得从六年前说起。
2017年6月，特斯拉的老板马斯克，从OpenAI挖走了一个斯洛伐克籍的研究员。这个人叫Andrej Karpathy，他后来成为特斯拉的AI总监。
当时马斯克对人工智能表现出极大兴趣，他也是OpenAI的捐资创办人之一。把Andrej Karpathy招致麾下不久，马斯克离开OpenAI董事会，他认为特斯拉和OpenAI都在研究AI，未来可能发生利益冲突。
后来，Andrej Karpathy在特斯拉重写了自动驾驶算法，开发出BEV纯视觉感知技术，让特斯拉自动驾驶进入新阶段。而他的前东家OpenAI，则将全部筹码押注在通用人工智能，最终研发出GPT。
从产品角度看，OpenAI的GPT和特斯拉的BEV，是完全不同的物种。但从技术底层来看，它们都依托人工智能技术，尤其是对谷歌Transformer模型进行了应用。
Transformer是一种深度学习的神经网络架构，由谷歌的8位AI科学家在2017年提出。这是人工智能行业极其重要的一项发明，今天大火的ChatGPT中的“T”，就是指Transformer大模型。
与传统神经网络RNN和CNN不同，Transformer通过自我注意力机制，去挖掘序列中不同元素的联系及相关性，具有很好的时序数据处理能力。这让它在机器翻译、文本摘要、问答系统等任务上，展现出突出的性能。
因此Transformer一开始被人们用在NLP（高级自然语言处理）领域，用于理解人类的文本和语言。
在Transformer模型上进行预训练，经过不断的微调、迭代，OpenAI相继推出了GPT-1、GPT-2、GPT-3、GPT-4等语言训练大模型。ChatGPT是OpenAI对GPT-3模型微调后开发出来的对话机器人。由于它能以对话的方式进行交互，普通人很好上手，且比过去的聊天机器人显得更“聪明”，因此大放异彩。
从根本上，ChatGPT的GPT模型、谷歌的LaMDA大模型，以及百度的文心大模型，同宗同源。
将Transformer模型用于自然语言，诞生了ChatGPT这样的聊天应用；将它用在计算机视觉，同样取得了惊人的效果，这方面的先行者是特斯拉。
Andrej Karpathy在担任特斯拉AI总监期间，负责领导自动驾驶的计算机视觉团队，通过结合Transformer模型，特斯拉成功开发出BEV技术。
BEV全称是Bird"s Eye View，即鸟瞰图。它可以将摄像头拍摄的2D图像拼接转化为3D图像，统一转换到俯视角度下进行处理，形成“上帝视角”。这么做的原因是：开车是在三维空间中进行的，人看到的是立体的世界，而不是2D的图像。
这项全新的感知方案，在2021年8月的特斯拉AI DAY上由Andrej Karpathy对外展示。为此特斯拉不惜重写了自动驾驶算法，对训练深度神经网络的基础设施进行了重构。
这是大模型技术首次被应用到自动驾驶行业。
今天回过头来看，虽然GPT目前主要应用在自然语言处理领域，我们并不能让GPT去驾驶一辆汽车，但它背后的AI大模型技术，尤其是Transformer架构，实际上早就已经在自动驾驶领域应用了。
从自然语言处理到计算机视觉，两个领域基于Transformer架构在建模结构上实现了统一，使联合建模更加容易。
而随着对AI的理解加深，汽车公司越来越像人工智能公司。除了特斯拉，理想汽车在今年初公布公司愿景，声称要在2030年成为一家人工智能企业。它将在今年推出的城市NOA导航辅助驾驶系统，技术支撑就是BEV感知和Transformer模型。
让AI跟人对话，与让AI驾驶一辆汽车，似乎本质上并无区别，只是二者落地场景不同。在将底层技术应用到具体产品这件事上，人类永远充满想象力。
GPT教会自动驾驶的那些事
今年以来，GPT展现出来的强大能力，让外界大受震撼。通用人工智能不再是空中楼阁。自动驾驶行业的人开始思考，或许生成式AI在语言模型上的应用思路，可以迁移到自动驾驶上。
本质上，语言模型是对人类的语言建立的数学模型。计算机还是不懂自然语言，但它通过数学建模，把语言问题变成了数学问题。通过给定的文本的历史，预测下一个词出现的概率，间接地理解了自然语言。
换到驾驶场景，如果给定当前的交通环境，给定一个导航地图，以及一个驾驶员驾驶行为的历史，那么，大模型是不是可以预测下一个驾驶动作？
地平线创始人余凯在今年4月举办的电动汽车百人会论坛上说，ChatGPT给他很大启发，“我们要继续用大数据、更大的数据、更大的模型，并且无监督地去学习人类驾驶的尝试，就像你从大量的、无监督的、没有标注的自然文本里去学习一样”。他认为，每个驾驶员驾驶控制的序列，就像我们的自然语言文本一样。下一步，他想构建一个回归自动驾驶的大语言模型。
理论上，这个思路是可行的。人工智能已经具备学习能力。根据自适应的语言模型，机器会根据用户的反馈不断迭代优化，学习用户的习惯，然后改进模型。现在的ChatGPT就运用了这项技术。那么，让机器学习司机的驾驶习惯，就不是一件很难的事情。
特斯拉的影子模式，就是把真人司机的驾驶数据，投喂给机器学习。通过比对人类驾驶员行为，来达到训练算法的目的。
GPT掀起新一轮AI热潮后，对行业造成的一个认知冲击是，通过把模型的参数规模不断变大，数据量指数型增加，也就是所谓的大模型，在达到某个临界点后，模型会突然变得很聪明。
过去，模型在训练阶段需要的数据，是经过人工标注的。以自动驾驶为例，数据标注员通过大量的图片标注，告诉机器什么是猫，什么是狗，猫和狗各有多少种类。标注员就像是机器的老师，一遍一遍教会它认识这个世界。
问题是，老师没教过的东西，机器还是不会。典型的是特斯拉曾多次发生自动驾驶事故，车辆撞上侧翻的大卡车，因为机器识别不了。
和高资本创始合伙人何宇华对深途举过这样一个例子：广州的夏季雨天频繁，在一些灯光比较昏暗的场景下，空中会有大量的飞虫。当汽车驶过时，灯光打过去，可能会有数以千计的飞虫撞向车头。在这种情况下，汽车的自动驾驶感知系统，可能会误认为是一堵墙。
自动驾驶系统不能穷尽所有的corner case（极端场景），是其发展路上的一大难关。
ChatGPT抓取的是全网未标记的数据。在自监督学习中，数据本身被用作监督信号，而不是依赖于人工标记的标签。有一天人们发现，大模型在消化这些数据的过程中，突然具备了举一反三的能力。
那么，如果自动驾驶大模型也能无监督地学习人类驾驶行为，不需要“老师”手把手地教，是不是意味着，系统摇身一变，成了“老司机”？
GPT“开车”，还不靠谱
梦想很美好，实现梦想的路总是很骨感。
类似ChatGPT的AI大模型要在自动驾驶领域发挥威力，目前来看至少有如下几个问题需要解决。
首先是数据来源。
ChatGPT的数据来源非常丰富，包括维基百科、书籍、新闻文章、科学期刊等等，相当于全网公开数据都是它的养料。
自动驾驶不同。驾驶员的驾驶数据、车辆行驶数据不公开，很多还涉及隐私。汽车厂商、自动驾驶公司各自为政，数据封闭不流通，这让获取数据变得困难。没有数据，自动驾驶就是无源之水。
联想创投总裁贺志强对深途说，自动驾驶的核心是要有数据，数据对训练模型非常重要。比亚迪这样的主机厂有数据，但算法还需要打磨，“蔚小理”等造车新势力擅长算法，但车的销量还不够。既有数据也有算法的公司，才能充分用好大模型。
其次是系统的计算部署方式有限制。
余凯认为，OpenAI、ChatGPT是在云端的计算，在云端有充分的能量供给、电源供给，同时有非常好的系统，可是如果在车上依赖的是电池，依赖的是车端的散热，那么这个挑战是很大的，意味着自动驾驶不能用那么大的模型、那么大的计算。
大模型对算力的消耗，导致云计算厂商成为这波AI热潮中*批吃到红利的玩家。大厂开卷云计算，也是为大模型开路。但是在车端，这会是一个矛盾。
更大的问题是，大模型的可靠性尚未验证。
使用过ChatGPT的人知道，ChatGPT有时候会胡说八道，时对时错。这在业内被称为幻觉（hallucination）倾向，即产生完全没有出处的非真实内容。大模型会编造内容，而不在意内容的真实性和准确性。
聊天可以胡说八道，自动驾驶不可以。任何一次错误的输出，导致的结果都可能是致命的。
“ChatGPT取得巨大进展，但自动驾驶迟迟没有到来，因为自动驾驶特别是无人驾驶，可能容错率就是零，那是人命关天的事情。”余凯说。
曾在硅谷某AI创业公司担任COO的龙志勇认为，不可控、不可预测和不可靠，是大模型商业化*的威胁。典型表现是大模型有幻觉倾向。
现在，要让自动驾驶系统学会选择和辨别，并稳定地输出*解，还不太现实。
一家人工智能公司的内部人士对深途说：“视觉感知在算法层面的确有不少突破。但车这种场景，要求太高了，我个人不觉得短期能有大的突破。可以关注一下特斯拉的动向。”
然而最近科技圈有一股风气，大大小小的公司，都要蹭一把GPT的热点。有一些汽车厂商，宣布即将应用类似GPT的技术，一堆炫酷的概念让人傻傻分不清楚。
比如某传统车企旗下的自动驾驶公司，就发布了一个自动驾驶生成式大模型，要用这个模型来训练自动驾驶，号称“行业首例”。
一位长期关注智能汽车赛道的投资人，询问一位行业大佬怎么看该模型，对方就回了四个字：“TM扯淡。”
“完全就是一个PR行为。”这位投资人对深途评价。
自动驾驶，会被推倒重来吗？
在特斯拉的带动下，再叠加今年兴起的AI浪潮，自动驾驶行业逐渐向大模型、大算力、大数据方向不断靠近。
大模型对自动驾驶的影响，目前还不够剧烈，但嗅觉敏锐的人已经呈现出一种矛盾心态。
就像当年特斯拉利用Transformer将多摄像机数据从图像空间转化为BEV空间，为此不惜将原有架构推翻，重写算法。现在大模型的应用，也可能意味着原有自动驾驶算法，会被推倒重来。
贺志强认为，大模型会对自动驾驶有巨大影响。以前自动驾驶用到很多小模型，现在变成大模型，可能需要重新来一遍。自动驾驶行业会重新洗牌。
一家AI芯片公司的自动驾驶总监赵东翔对深途说，整体端到端更改，等于重新做。
洗牌对新入局者是机会，对*者是威胁。弯道超车的故事，往往发生在技术急速变革时期。在技术一日千里的时代，在旧路线投入越多，沉没成本可能越大，转身越困难。对于整车厂或自动驾驶公司而言，要拥抱一项新技术，不仅要考虑效果，还要考虑成本。
赵东翔表示，就当前阶段而言，自动驾驶变换技术路线没意义，“现在行业技术能力也不差，大家花那么多钱做了那么久，没有大幅度提高的话没有换的动力。”
在去年底的AI DAY上，特斯拉将BEV升级到占用网络（occupancy network），泛化能力得到进一步提升。通过占用网络，特斯拉的自动驾驶感知系统可以不需要知道看到的物体是什么，就可以判断是否需要躲避，由此解决了更多长尾问题。
不论何种技术路线，现在都处于快速变化迭代中。过去的小模型可能会被大模型替代，今天的大模型也可能在未来被某种新物种替代。
但不管怎样，蹭热点、制造噱头的做法，是无益于技术进步的。“蹭热度是陋习，踏踏实实做产品才有用。”赵东翔说。
自动驾驶真正的“王炸”，还远没有到来。我们需要做的，是对每一轮技术变革保持敬畏之心。被神话的GPT，造不出你的梦中神车，但至少，变化已经发生了。
*应受访者要求，赵东翔为化名。
