智能駕駛領(lǐng)域近年來經(jīng)歷了一場(chǎng)翻天覆地的變化，其發(fā)展速度之快，令人咋舌。
回望過去，智能駕駛尚未涉足高精地圖，無需依賴網(wǎng)絡(luò)，沒有城市間的激烈競(jìng)爭(zhēng)，激光雷達(dá)也還未成為標(biāo)配，全國范圍內(nèi)的自動(dòng)駕駛更是遙不可及，端到端的自動(dòng)駕駛概念更是無從談起。那時(shí)的我們，作為智能駕駛行業(yè)的一員，如同其他行業(yè)的工程師一樣，遵循著既定的頂層設(shè)計(jì)，一步步添磚加瓦。
然而，自2020年起，智能駕駛領(lǐng)域迎來了瘋狂擴(kuò)張的時(shí)期，各大團(tuán)隊(duì)紛紛加入，資本涌入，人才流動(dòng)頻繁。隨著自動(dòng)駕駛技術(shù)逐漸走向量產(chǎn)，一系列復(fù)雜的工程問題也隨之而來，包括感知、規(guī)劃、測(cè)試、平臺(tái)、仿真、系統(tǒng)、安全等，每個(gè)團(tuán)隊(duì)都為了自身的擴(kuò)張找到了充分的理由。
“我們即將量產(chǎn)，任務(wù)會(huì)越來越多，為了提高效率，必須招聘。”這成為了當(dāng)時(shí)行業(yè)的普遍共識(shí)。
一時(shí)間，自動(dòng)駕駛領(lǐng)域的預(yù)算飆升，獵頭公司推波助瀾，從一線城市到新興城市，無論優(yōu)秀還是普通，只要能出活的工程師都搭上了這趟發(fā)展的快車。甚至出現(xiàn)了工程師化名跳槽，以其他公司名義簽訂合同、繳納社保的現(xiàn)象，競(jìng)業(yè)協(xié)議變得泛濫且形同虛設(shè)。
然而，誰也沒有料到，這場(chǎng)招聘熱潮在2024年突然遭遇了行業(yè)的急劇切換，原本的招聘優(yōu)勢(shì)瞬間變成了負(fù)擔(dān)。
人工智能的Scaling Law開始顯現(xiàn)其威力，馬斯克憑借海量的路試數(shù)據(jù)，成功推動(dòng)了自動(dòng)駕駛技術(shù)的自動(dòng)化問題解決。盡管2023年時(shí)，端到端自動(dòng)駕駛的安全性還備受質(zhì)疑，但到了2024年，端到端技術(shù)已成為最先進(jìn)的技術(shù)，被視為未來的希望。這種變化之快，讓行業(yè)內(nèi)外都感到難以理解。
在這場(chǎng)技術(shù)切換中，行動(dòng)效率極高的理想AD團(tuán)隊(duì)成為了最大的受益者，同時(shí)也是上一輪自動(dòng)駕駛瘋狂擴(kuò)張期中最為謹(jǐn)慎的團(tuán)隊(duì)。這兩者之間的關(guān)聯(lián)，不禁讓人深思。
隨著技術(shù)切換浪潮的到來，過去的投入很可能成為沉沒成本。自動(dòng)駕駛行業(yè)對(duì)算力的要求越來越高，小鵬提出了自動(dòng)駕駛的競(jìng)爭(zhēng)是云端的競(jìng)爭(zhēng)，小米也不甘落后，給出了巨大的算力儲(chǔ)備。而曾經(jīng)處于行業(yè)金字塔頂端的RoboTaxi公司們，面對(duì)端到端趨勢(shì)，卻陷入了糾結(jié)。
他們既無法跟上車輛量級(jí)和算力的要求，又無法忽視行業(yè)的這一趨勢(shì)；既認(rèn)為端到端技術(shù)無法達(dá)到L4級(jí)自動(dòng)駕駛的安全性要求，又不得不面對(duì)人工智能領(lǐng)域的Scaling Law這一共識(shí)。過去“小而美的團(tuán)隊(duì)，用精致的算法將自動(dòng)駕駛推向世界”的愿景，似乎已成往事。
為了應(yīng)對(duì)這一挑戰(zhàn)，小馬智行等團(tuán)隊(duì)開始探索新的解決方案。他們發(fā)現(xiàn)，端到端的模仿學(xué)習(xí)存在局限性，無法超越人類。因此，他們需要采用更接近強(qiáng)化學(xué)習(xí)的方法論，讓RoboTaxi能力得到大幅提升。這需要通過建造交互式的世界模型，讓算法在其中進(jìn)行虛擬交互式學(xué)習(xí)，這與蔚來NIOIN提出的NSim理念不謀而合。
雖然這條路并不簡(jiǎn)單，但卻是無法回避的選擇。因?yàn)闊o論哪種模型，在真實(shí)世界中的學(xué)習(xí)都是受限的，必須在虛擬世界中進(jìn)行學(xué)習(xí)和進(jìn)化。因此，虛擬仿真技術(shù)成為了各家團(tuán)隊(duì)的重點(diǎn)關(guān)注對(duì)象，3D重建、世界模型、Gaussian Splatting等技術(shù)開始被廣泛應(yīng)用。
