專題：2024中國汽車論壇

　　2024年7月11-13日，2024中國汽車論壇在上海嘉定舉辦，地平線總裁陳黎明出席并演講。

　　以下內容為現場演講實錄：

　　上午對業界談得比較多的自動駕駛端到端大模型做了一些分享，同時把地平線在這方面的技術的積累和最新產品做了分享。本場論壇由于時間關系，不能展開，我想簡單談一下端到端大模型產品化。

　　端到端大模型的核心要素：算法、數據和算力、工程能力，這是我們認為在端到端大模型發展中非常重要的幾個核心要素。對于端到端大模型，大家都談得非常多，大家也都在做，在自動駕駛這個領域，它的落地我們認為不是一蹴而就的，是需要逐步去實現的，為什么這么講？正如我上午所分享的，從規則驅動到數據驅動，技術迭代的“蹺蹺板效應”無法全面提升系統能力。規則驅動的軟件1.0基于大量人工規則，系統上限低，下限可控；數據驅動的端到端系統，能夠實現信息無損傳遞，系統上限高，而下限不可控。

　　端到端大模型是基于一個概率模型訓練，它有一個問題是對于比較簡單，比較容易描述的場景，往往它的輸出沒有那么精確，它的底線比較低，安全的保障有一些concern。特斯拉在這塊已經做得相當不錯了，但是還沒有完全解決這個問題，我們認為在目前缺乏足夠數據的條件下，還是需要逐步實現端到端，一個模塊、一個模塊去替代，完成端到端的同時做好安全兜底，以這種比較堅實的工程基建和快速迭代的方式，能夠一步步提升系統的性能上限，同時也能夠保證系統性能的下限。這是一方面。

　　另一方面，整個技術還是在不斷發展，包括模型本身、算法本身也在不斷發展。我們之前用得比較多的神經網絡都是卷積神經網絡（CNN），目前比較流行的是Transformer，Transformer里面有特殊的算子，需要硬件去支持它。這就是為什么我們講新的算法出現以后，前一代的芯片可能計算效能不能很好、很充分地支持最新的算法，這要求我們在硬件設計上更好地支持這些特殊的算子，使得整個計算效率更高。這是逐步實現的過程。

　　再一個我想講的是數據。我們知道特斯拉今年推出的FSD V12.3版本讓大家很驚艷，它在很短的時間里面用了一千萬個樣本視頻，來訓練它的自動駕駛這部分。一千萬個樣本是從100億個樣本里面提取出來的高質量數據，對于我們自動駕駛在中國落地的話，現在的數據積累遠遠不夠。怎么得到這些數據，也是現在整個行業面臨的挑戰。主機廠的確有很多數據，但很多數據是不是真正高質量有用的？這是一個值得探討的問題。因為對于特斯拉積累的100億的數據，它是基于在標準傳感器的框架下收集起來的，它有延續性，它在過去幾年的積累可以繼續用來訓練它的一些最新的模型。

　　我們目前遇到的困難是很多車型和傳感器的架構、傳感器的布置和采用等都在不斷變化，我們雖然收集了很多數據，但這些數據不是高質量地積累起來并且能夠持續使用的，這塊也是我們接下來不光是某個企業，而是整個行業要去探討的問題。也就是說，主機廠和科技企業怎么能夠協同起來解決這個問題，這是大家要共同探討的。

　　我們認為隨著自動駕駛的發展，2010年前后，當時的Google，現在的Waymo第一次把自動駕駛這個話題提出來，十幾年間行業內各個企業大力投入研發，篤行不輟。雖然當前有不同的技術路線，但是地平線認為端到端是目前通往自動駕駛終局的唯一可行方案，需要大家不斷地投入，來共同推動自動駕駛的落地。

　　我就分享這些，謝謝付會長。

　　新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閱，新浪網登載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述。

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：梁斌 SF055