业内人士 简单分享一下看法 这两家在技术路线上是完全不同的 技术方面： 狗车部分： 狗车 08年还啥时就出现 当时 deep learning 还没完全起飞 大多数路线都还是走 classical robotics 有很长一段时间业内都公认狗车是最领先的 毕竟传统路线 你搞得久 搞得多 不会差到哪 但狗车就是太早当领头羊 组织太大 头洗下去太久了 这几年 deep learning 爆发後 没有办法快速pivot 毕竟你都一个车队跑这麽久了 behavior planning 300 多人 你现在说要转End to end 那路上在跑的怎麽办？ 养的一堆人只会做传统的怎麽办？ 根本不可能 一些朋友在狗车 基本上就是一个人负责一个超小的feature 然後几乎不可能上车 狗车现在不是完全手写 很多 perception, maybe prediction 都有用 DL 了但就我所知 在planning 这块 还是传统MPC 另外就是仰赖高精度地图 昂贵sensor 这在几年前DL 起飞前可能合理 但现在看来完全让整个商业模型不可行 你说他已经在路上跑 有收入了 但问题是开到报废前 能回本？ Tesla 部分： FSD 在今年之前 也是跟狗车差不多 走classical robotics 混一些DL (说实在2020之後应该没有纯手写的公司了） 但director带种 直接说干就干 今年V12 直接换成 end to end 直接一个质的飞跃 成本方面 一台车就靠几个相机 完爆其他业内 另外这一两年open ai （gen ai)火爆 主要就是因为发现 当你今天模型（算力）够大 data够多 你就顶呱呱 这在无人车 或者是general robotics 方面 在以前大家完全不是这样想的 Robotics 在learning based approach 有两大流派： Imitation learning Reinforcement learning Imitation learning( or behavior cloning) 基本就是照抄你给他的资料 好一点可以举一反三 传统认为这路线是走不通的 因为会有 out of distribution 所导致的compounding error 简单来说就是他没看过的 他就有可能炸开 一旦炸开 它就到一个更没看过的 更加炸裂 Generative AI (GPT/ diffusion model)这些基本上就是 imitation learning 结果现在发现 那我模型（算力）更大 让他抄（data)更多 那他不就都看过了？ 这竟然就突然让imitation learning 突然可行了 GPT 刚开始出来时(GPT2吧？）也没啥人注意 表现一般般 直到GPT3 之後 无脑加大 更大模型 更多资料 才一飞冲天 这几年NLP/ CV 的这些突破 很快都会出现在robotics上 但这边的重点就是你要有足够的算力（gpu)跟足够的资料 算力方面 钱可以解决 狗车有狗狗爸爸 tpu 应该不是问题 Tesla 基本上也是卯起来买gpu 但资料量方面 基本上目前业界没有人打得赢Tesla 他就几百万辆台车整天在路上跑 狗车我没查过 但贴文有人说才700辆？ 你算力在屌 你如果只有一咪咪资料 也是没用 结合以上 我自己是认为狗车可能现在在局限ODD 可以比FSD 好 但超出营运范围 跟未来growth 我不看好狗车 说啥狗车可以搞商用卡车 这些哪个将来FSD不能搞？ 一旦狗车说只搞商用 基本上也可以收一收了 贴文里有人分享Waymo research 他们那跟车上跑的不同组 基本就是养个research组 能发发paper 吸引一些人进去 实际上最後应用到车上的很少 股点方面 自己是看多Tesla 但这股票本质上跟meme stock没啥区别 FSD/ Optimus 做得好 不一定会完全表现在股价上 ----- Sent from JPTT on my iPhone --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 220.156.77.229 (日本) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Stock/M.1733915747.A.656.html