网络聊天很喜欢把问题简单化，甚至是极端化，只有 0 跟 1，例如： 你是不是端到端 ？ 你是不是 one model ？ 答案只能有“是跟不是”，而且里面“是跟不是”的定义也是狭隘且具有特定条件的。定义完成之后就可以轻松延展，用于骂战和拉踩！但实际上，事情哪有那么简单 …. 晚点这篇对小鹏自动驾驶的李力耘和袁婷婷的采访，对很多技术概念和工程实施复杂性有了更深入的介绍和科普 链接 信息量很大研读细嚼中整理了以下一些要点： - 对于 AI 训练的数据量，车队规模确实是一个重要基础，但不能直接代表训练数据的规模，因为只有高质量的驾驶数据才有价值。 小鹏拥有多样化数据，从 A 级到 B 级到 C 级，从轿车到 SUV 到 MPV，车型覆盖丰富，包括有偏小车的数据，也有偏大车的数据及更丰富的用户行为，高质量数据上处于领先。而且智驾是平台化的，不但数据量上不成问题，也更容易适配多类型的车型。 - 到 2025 年低，小鹏云端算力会达到 10EFlops 以上，比 2024 年的规模增加 2.6 倍。而且更需要关注的是算力的利用率，小鹏云端训练集群的利用率常年保持在八九成以上水准； - 小鹏没有完全抛弃主动传感器，但希望以“轻雷达轻地图”方式，做到“全国都好用”； - 小鹏是“三网合一”的端到端架构，是 one model 而不是所谓的分段式，和华为很类似。三网之间是通过神经元来连接，而不是通过规则定义的结构接口，并不是分段式的逻辑。三网合一架构的 one model 哪怕遇到问题也不会像单纯一个黑盒的 one model 那样不可控，而是依然可以通过调试来寻找具体问题是在哪个方面出现。 - 目前的体系化端到端大模型时代对比以往依赖规则或者小模型时代，就类似以往是冷兵器时代，利用武林高手个人能力单兵作战，而现在是热兵器时代，通过多兵种各种部队协同体系化作战。 - 最尖锐的部分则在于对最近频频秀端味儿的一些产品用“预制菜”来借喻，从长远规划上来评价：短期内在车端部署模型实现眼前的一些端味见效快，但长期会受限于模型本身大小的局限而有可能面临重新设计，这种“车端大模型”路线小鹏也曾考虑过，但最后还是选择了把云端大模型（foundation model) 做大做好，用云端大模型蒸馏部署到车端模型的方式。云端大模型有几百亿甚至千亿级参数，这是车端模型的几十甚至上百倍。 - 而且小鹏的云端大模型不仅服务于自动驾驶，更是国内首个泛机器人领域的基础大模型，涵盖自动驾驶 / 智能座舱 / 机器人 / 飞行汽车等。 - 端到端因为工程实施的链条更长，会造成第一梯队厂商跟后面的厂商之间距离拉得更开。 - 今年 8 月份小鹏完成了组织架构调整，原来预测、规划、定位、感知、控制等串行模块的技术部门，已经调整成以 AI 为核心的：AI 模型开发、AI 应用交付、AI 效能三个部门，充分发挥 AI 生产力。小鹏没有去裁人，没有说规则的工程师不再重要，而是觉得他们具备的基础知识可以很好的地指导 AI，因为 AI 在发展早期仍然需要人类老师。这是小鹏跟一些急功近利的车企很不一样的地方 ....