自动驾驶专家交流反馈氢在智能驾驶算法中，特别是感知算法使用了非常

自动驾驶专家交流反馈 氢在智能驾驶算法中，特别是感知算法使用了非常多的深度学习。在深度学习到大模型过程中，是一种技术延伸。 比如当模型层数变得越来越深，特征变得越来越多，误差会被传递和积累，从而使得模型劣化。 比如模型做的越来越大，越来越深时，复杂度和所需要的硬件资源会呈现几何级数增长，目前科学家们和工程师们在深度学习过程中逐渐解决一些残差传递的问题。 自动驾驶专家交流反馈 氢在智能驾驶算法中，特别是感知算法使用了非常多的深度学习。在深度学习到大模型过程中，是一种技术延伸。 比如当模型层数变得越来越深，特征变得越来越多，误差会被传递和积累，从而使得模型劣化。 比如模型做的越来越大，越来越深时，复杂度和所需要的硬件资源会呈现几何级数增长，目前科学家们和工程师们在深度学习过程中逐渐解决一些残差传递的问题。 特斯拉把深度学习，端到端的方法使用到了预测算法之中，比如现在的V12模型，拥有规划、决策和一部分预测的能力。而其他厂家还在感知层面。 特斯拉目前虽然没有对外公布，但根据专家的了解，目前他们在从感知和预测往规划决策上发展。 接下来如果上索尔，会减少生产环境中算力卡的使用，因为得到的都是结构化信息，会和边缘端的算力强相关。 自动驾驶车企研发配置方面，不同的研发人员有着自己不同的优势，目前车企人才的技术能力一般，大模型本质是一种非常暴力的算法，依靠大量数据和算力进行积累，这种技术会不会对行业造成很强的洗牌值得思考和商榷。 目前看下来，大模型企业接下来会面临强洗牌，各家公司面临合并问题，且在目前算力不足的情况下，车企联合来做算力联盟也是有可能的。所以目前给小公司的窗口期不是很多，研发阶段靠投资人活着没有问题，交付阶段和量产阶段会是关键。 但综合分析看下来，车企算力联盟有可能但可能性不大，中汽协和中汽中心曾经都推过数据联盟，大家用来训练几台车没问题，但真正要落地还是需要组织单位把整件事情逻辑梳理清楚，且有算力和部署能力。 商务车迭代周期更慢，要求稳定性更高，实际应用中，车企会更加谨慎。目前小鹏的自动驾驶做的比较踏实，走在最前面。 第二梯队专家认为是投了钱但还没看到明显效果的，比如长城毫墨也在不断推汽车大模型，上汽、比亚迪也属于。 比亚迪原来不想投钱做自动驾驶，但现在有5-6个部门在做智能驾驶，内部抢资源，比亚迪属于投了钱但效果不太好。