撰文 | 曹雙濤
編輯 | 周? ?沫
題圖 | IC Photo
短短幾個月的時間,ChatGPT迅速火爆全網(wǎng)。事實上,ChatGPT之所以能稱為“很會聊天的AI”,在于其訓練時使用了人類反饋強化學習(RLHF)算法。借助人類的感知,讓模型判斷自己的答案質(zhì)量,訓練自己逐步給出更高質(zhì)量的回答。
而在自動駕駛領域,毫末智行的自動認知大模型也正式升級為DriveGPT,它和ChatGPT的RLHF算法基本一致。
毫末智行的DriveGPT是在不斷學習成千上萬個老司機的駕駛經(jīng)驗后,幫助模型自己能獨立做出決策。按照毫末智行的說法來看,借助DriveGPT這一大模型,在掉頭、環(huán)島等公認的困難場景中,場景通過率提升30%以上。
圖源:毫末智行
當前,毫末智行的DriveGPT已完成模型搭建和第一階段數(shù)據(jù)的跑通,參數(shù)規(guī)模可對標GPT-2的水平。后續(xù)將持續(xù)引入大規(guī)模真實接管數(shù)據(jù),通過人駕數(shù)據(jù)反饋的強化學習,來不斷提升測評效果。同時也將DriveGPT作為云端測評模型,用來評估車端小模型的駕駛效果。
基于此,毫末智行在對外宣傳中說,自己不僅僅是國內(nèi)最早將Transformer大模型引入到數(shù)據(jù)智能體系MANA當中,更是全球首個自動駕駛認知大模型。
其實這已經(jīng)不是毫末智行首次在宣傳中說自己是業(yè)內(nèi)“第一”了,毫末智行董事長張凱對2022年公司發(fā)展總結(jié)時說道:“毫末2022年持續(xù)穩(wěn)居中國量產(chǎn)自動駕駛第一名”,“毫末城市NOH是中國第一個可大規(guī)模量產(chǎn)的城市導航輔助駕駛產(chǎn)品”;公司中國首個自研AEB算法落地海內(nèi)外的公司,也是中國首個出海歐洲、澳洲的自動駕駛公司。
那么,多項“第一”加持的毫末智行真的能夠成為自動駕駛領域的“ChatGPT”嗎?而對于脫胎于長城汽車,僅僅成立1000多天的毫末智行,這些“第一”真的經(jīng)得起推敲嗎?
一、缺乏數(shù)據(jù),如何打造DriveGPT?
若毫末智行未來想要真正成功打造出DriveGPT,需要同時解決幾個問題,一是如何獲得海量的自動駕駛數(shù)據(jù),二是如何成功不斷學習成千上萬的老司機駕駛經(jīng)驗,三是如何提高自身算力能力。然而,從當下來看,這些均面臨著較大的壓力。
從數(shù)據(jù)維度來看,毫末智行旗下的毫末Hpilo一共進行了三個版本的迭代,分別是HWA高速智能駕駛系統(tǒng)、NOH智慧領航輔助駕駛系統(tǒng)、城市NOH領航輔助駕駛系統(tǒng)。這三代產(chǎn)品Hpilot搭載至魏牌、坦克、歐拉、長城炮等近20款車型,輔助駕駛用戶行駛里程突破2500萬公里。但需要指出的是,這2500萬公里的數(shù)據(jù)質(zhì)量本身就存在爭議。
首先,單看2500萬公里這個數(shù)字的確很大,但相關數(shù)據(jù)顯示,國內(nèi)出租車一年跑的里程基本上在12-15萬公里。而毫末智行的這2500萬公里,實則也就是一兩百個出租車司機一年的里程,這也不難看出目前毫末智行所積累的數(shù)據(jù)過小。
同時,2500萬公里里程到底是由多少用戶完成的呢?單個用戶所對應的駕齡以及里程又分別是多少呢?而在毫末智行的對外宣傳中,并沒有提及。
其次,由于此前激光雷達的成本相對較高,毫末智行的HWA高速智能駕駛系統(tǒng)和NOH智慧領航輔助駕駛系統(tǒng)這兩個版本并沒有安裝激光雷達。而從激光雷達自身所對應的各種性能來看,就不能看出毫末智行在激光雷達的數(shù)據(jù)上是嚴重缺乏的。
圖源:華創(chuàng)證券
而毫末智行的城市NOH領航輔助駕駛系統(tǒng)雖安裝激光雷達,但其是在去年9月份才正式對外發(fā)布。即使考慮到發(fā)布前,毫末智行已經(jīng)進行了大量測試,但短短幾個月的時間內(nèi),毫末智行的就已經(jīng)完成了同行在過去幾年在激光雷達數(shù)據(jù)上的積累,這恐怕很難讓外界所信服。
最后,毫末智行的前兩個版本的應用場景更多的是集中在高速、城市快車道上,并沒有應用在山路、較窄路段等其他場景下。這些路段在及其考驗司機駕駛能力的同時,也對自動駕駛提出了更高的要求。但顯然,毫末智行在不同場景下的數(shù)據(jù)也是極少的。
但需要指出的是,目前毫末智行從L2所積累的數(shù)據(jù)想要跨越式發(fā)展到L3和L4,也并非易事。
一方面,由于真實場景的交通狀況往往牽一發(fā)而動全身,即改變一輛車的行駛軌跡將對周邊環(huán)境的多條軌跡產(chǎn)生影響,目前的技術難以重現(xiàn)復雜的交通場景,因此導致自動駕駛測試場景與真實場景存在差異,而這種差異對測試結(jié)果的影響程度尚未有可評判的標準。
圖源:《汽車駕駛自動化分級》國家推薦標準(GB/T40429-2021)
另一方面,目前廠商很少使用模型在環(huán)和軟件在環(huán)進行測試,是因為目前還沒有具體的參數(shù)標準進行參考,得出測試結(jié)果的準確性難以判定。而且作為長城旗下的子公司,其他車企也不可能會選擇和毫末智行的數(shù)據(jù)進行打通,畢竟這就相當于是給長城在做“嫁衣”。
從獲取駕駛經(jīng)驗來看,來自杭州的出租車司機張奇(化名)告訴我們,目前同行對于自動駕駛并沒有太大的興趣。因為若是出租車司機完全按照自動駕駛的路線來行駛,一旦產(chǎn)生交通事故的話,這個責任到底如何界定呢?保險公司又是否會進行理賠呢?
如張奇所說,雖然近幾年各大車企紛紛發(fā)力自動駕駛,但即便作為自動駕駛商業(yè)化佼佼者的特斯拉,其完全自動駕駛功能包全球安裝率僅為11%。
另據(jù)德勤公布的《自動駕駛的未來:先進汽車技術消費者需求調(diào)查》報告顯示,在不愿意為500美元以上的自動駕駛功能付費這選項中,中國消費者不愿付費比例超過52%,即便有特斯拉所在的美國也高達63%。顯然,消費者的不買單也讓毫末智行的DriveGPT很難進行反復的訓練,達到和ChatGPT類似的能力。
從算力的問題來看,雖然在今年的1月7號,毫末智行宣布由毫末智行和火山引擎聯(lián)合打造的、目前國內(nèi)自動駕駛行業(yè)最大的智算中心MANAOASIS(雪湖?綠洲)正式成立。
按照毫末智行CEO顧維灝的說法來看,MANAOASIS是他們歷經(jīng)兩年研發(fā),在數(shù)據(jù)管理能力方面建立了全套面向大規(guī)模訓練的DataEngine。目前MANAOASIS實現(xiàn)了百P數(shù)據(jù)篩選速度提升10倍、百億小文件隨機讀寫延遲小于500微秒。在算力優(yōu)化方面,他們還部署了Lego高性能算子庫、ByteCCL通信優(yōu)化能力、以及大模型訓練框架。
雖然顧維灝對外宣傳的這些數(shù)字看起來卻是漂亮,但對于MANAOASIS的成本問題卻并未提及。事實上,類似于ChatGPT這種所產(chǎn)生的算力成本本身就很高。
相關數(shù)據(jù)顯示,ChatGPT的總算力消費約為3640PF-days。若按照單個500P中心項目的總投資為30.2億元來計算。若想要保證ChatGPT的正常運行,則至少需要投入7-8個數(shù)據(jù)中心,所產(chǎn)生的總成本至少在200多億元。
國盛證券的研報也提及到,ChatGPT在訪問階段初始投入近十億美元,單日電費數(shù)萬美元。而在訓練階段,單次訓練約為百萬至千萬美元。那么,目前毫末智行是否有足夠的資金能力來承擔如此高的成本呢?
二、缺乏資金,毫末如何活下去?
由于自動駕駛遲遲不能大規(guī)模商業(yè)化,目前全球和自動駕駛相關的公司發(fā)展情況普遍堪憂。其中,福特與大眾汽車共同注資的自動駕駛公司ArgoAI則在去年10月份時,宣布公司倒閉解散。今年1月份,谷歌旗下從未進行過裁員的無人駕駛部門Waymo,也直接裁員80人。
而頂著全球駕駛第一股”光環(huán)的圖森未來,其在去年一二季度的營收只有200多萬,但同期虧損卻高達1億多元。公司增長的乏力,也讓圖森未來的股價從發(fā)行價時期的40美元/股,暴跌到如今的2美元/股左右,出現(xiàn)了一二級市場上的嚴重倒掛。
圖源:東方財富網(wǎng)
從這里也不能感知出,目前毫末智行內(nèi)部也面臨著較大的現(xiàn)金流壓力。而若想要解決這一問題,或通過投資人以及背后的長城汽車持續(xù)“輸血”,或毫末智行目前已經(jīng)有盈利項目能自身“造血”。
雖然毫末智行在去年4月份完成了由中銀投資和首程控股的A+輪融資,但若是和此前的A輪融資相比,不僅僅融資金額出現(xiàn)明顯暴跌,很多投資機構也都不再跟投。
而從今年的情況來看,毫末智行依然很難獲得投資人青睞。來自北京的投資人劉華(化名)告訴我們,今年很多投資機構的方向都很明確,要么是在看一些新能源、新材料等與未來國家戰(zhàn)略高度匹配的項目,因為這些項目未來具有很高的成長性。
要么是投一些目前市面上在沒有資本扶持下已經(jīng)能夠?qū)崿F(xiàn)盈利的公司,因為這些公司在上市后,不會出現(xiàn)一二級市場股價的倒掛,資本才有可能實現(xiàn)套利。而類似于無人駕駛這種遲遲不能盈利的賽道,很少會有投資機構在選擇出手。
需要指出的是,未來自動駕駛若想要實現(xiàn)盈利的話,主要還是在于和ToG端合作。但由于目前自動駕駛的大單主要來自于政府,而當前政府比較青睞的是百度、華為和蘑菇車聯(lián)。
在去年7-8月的時間里,蘑菇車聯(lián)就先后和四川天府新區(qū)、江蘇無錫梁溪區(qū)、北京通州簽約各類項目,所涉及金額就已經(jīng)高達66億元。而百度和浙江紹興地區(qū)簽約的智慧快路項目,涉及金額1.168億元,和廣州黃埔區(qū)簽約的智慧交通新基建項目,涉及金額接近4.6億元。
更大的難點在于:百度、華為和蘑菇車聯(lián)通過和ToG端合作,也能增加企業(yè)的信任背書,未來也可以和更多地區(qū)政府合作。這就意味著毫末智行很難從他們手中搶走客戶,依靠自身輸血及其不現(xiàn)實。而對于長城而言,面對著毫末智行的不斷去“長城化”,還有多少耐心給到毫末智行呢?未來又會給毫末注入多少資金呢?
三、小魔駝能救毫末智行嗎?
主業(yè)面臨壓力之下,未來也只能從其他業(yè)務來解決目前毫末智行的資金壓力。按照毫末智行董事長張凱的說法來看,目前毫末智行末端物流自動配送車已初步完成商業(yè)閉環(huán),交付超1000臺,小魔駝配送訂單量突破13萬單,商業(yè)化進程正全面提速。
但張凱的這一說法實際上仍存在很多爭議的地方。一是多方現(xiàn)實因素的存在,導致目前國內(nèi)無人配送仍難以商業(yè)化。當前,我國相繼出臺了一系列與無人配送相關的政策,為無人配送行業(yè)的發(fā)展提供了重要支撐,但目前全國各地對于無人車的管理措施尚不統(tǒng)一,各地規(guī)劃的自動駕駛測試區(qū)與企業(yè)實際需要的區(qū)域存在一定矛盾。
另外,目前國內(nèi)的無人配送車企業(yè)研發(fā)技術已經(jīng)逐漸成熟,并持續(xù)更新迭代,但高昂的硬件成本、運營成本依然制約了行業(yè)的發(fā)展。
按照業(yè)內(nèi)專家預測,只有當一臺無人配送車的成本在3-5萬元時,才有可能真正實現(xiàn)商業(yè)化。而去年小魔駝的售價在13萬元左右,距離3-5萬元仍有很大差距。那么,毫末智行的商業(yè)閉環(huán)到底是如何實現(xiàn)的呢?
二是毫末智行的無人配送車交付超1000臺,那么這1000臺無人配送交付給下游哪些客戶呢?項目的投資回報周期又有多長?相對于美團、京東等企業(yè)的無人配送車,其在配送方面有何優(yōu)勢?對于這些關鍵的信息,毫末智行仍然沒有透露。
圖源:毫末智行
且據(jù)北京理工中云智車CEO 關超文曾指出,“當前,一輛無人車勉強可取代一個月薪6000元的快遞員,但我得搭進去一個月薪3萬的工程師?!币簿褪钦f,一輛無人車在運行過程中需要一位技術人員全程跟進。若按照1000臺車的交付量,毫末智行去年至少要新招1000名技術人員。但現(xiàn)實情況卻是,去年毫末智行并沒有進行大面積的擴張。
三是13萬訂單看似很大,但對標同行之后就不能發(fā)現(xiàn)這一數(shù)字仍偏低。其中,從2020年初至2022年8月底,美團自動配送車已經(jīng)累計給用戶配送超240萬單,日均配送量達到5000多單。換句話說,小摩駝一年的配送量只相當于美團二十多天的訂單。
而且在這13萬訂單中,有很大一部分是由北京物多美超市所提供的。那么,若和未來和物多美的合作出現(xiàn)問題的話,其后續(xù)的訂單又由誰來提供呢?顯然,毫末智行在無人配送車領域還有很長的路要走,這項業(yè)務也無法成為公司增長的“第二曲線”。
或許毫末智行對外所描述的藍圖很美,但在“自嗨式營銷”背后,毫末智行真的需要好好思考自身的技術能力了。尤其是自動駕駛和無人配送,均是短期之內(nèi)難以商業(yè)化的項目。那么,今年毫末智行又會推出哪些“大招”來破局呢?
- 蜜度索驥:以跨模態(tài)檢索技術助力“企宣”向上生長
- 特斯拉CEO馬斯克身家暴漲,穩(wěn)居全球首富寶座
- 阿里巴巴擬發(fā)行 26.5 億美元和 170 億人民幣債券
- 騰訊音樂Q3持續(xù)穩(wěn)健增長:總收入70.2億元,付費用戶數(shù)1.19億
- 蘋果Q4營收949億美元同比增6%,在華營收微降
- 三星電子Q3營收79萬億韓元,營業(yè)利潤受一次性成本影響下滑
- 賽力斯已向華為支付23億,購買引望10%股權
- 格力電器三季度營收同比降超15%,凈利潤逆勢增長
- 合合信息2024年前三季度業(yè)績穩(wěn)健:營收增長超21%,凈利潤增長超11%
- 臺積電四季度營收有望再攀高峰,預計超260億美元刷新紀錄
- 韓國三星電子決定退出LED業(yè)務,市值蒸發(fā)超4600億元
免責聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時,應及時向本網(wǎng)站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關文章源頭核實,溝通刪除相關內(nèi)容或斷開相關鏈接。