汽车模型闹钟功能

好一条视频，保证大家可以听懂什么是 v l a。 今天理想汽车的郎伯郎贤鹏发了一条视频，他说 v l a 这个东西就是在用 g p t 的 方式来做自动驾驶。翻译一下，其实我理解大家做的事情就是在训练豆包，训练 german 这样的多模态大模型来开车。好，接下来问题就是，我到底为什么要这么做？这么做的好处是什么？ 其实以前大家做辅助驾驶，做自动驾驶，更像是在做一个只会开车的，脑子只会开车的模型。打个比方，就像是有一个人，从小在深山老林里面闭关，没有接触过人类的社会，没有人类社会的生活经验。 有一天你找到他，说来，我们一起来驾校里面训练开车，学习科目一二三四，学完之后呢，他在开放道路上开车，确实很多场景会让你觉得有一点点蠢。有一个老生常谈的例子，就是说 有一个皮球从盲区从车后面滚出来，我们很自然就可以推导出，接下来可能会有一个小朋友跟出来，大家要小心驾驶，但当下的辅助驾驶没有这样的思维和推理能力。 再举一个更贴近生活的例子，比如说路边停了一辆车，这辆车究竟是临停上下课我们要绕行，他还是在正常的排队，我们跟在他的后面？当前的辅助驾驶也很难做出正确的选择，背后的原因呢，就是他不具备人类社会的经验、知识背景，这是当前这个脑子的局限性。好，我们换一种思路， 一个人呢，从小在城市里面长大，正常的接受教育，理解人类社会的风土人情、生活经验、知识背景等等等等。这个时候你再把它放在驾校里面开车， 它能够达到的驾驶能力的上限是不是会更高呢？我举个例子啊，比如说你现在就去问豆包，一个皮球从车后面滚出来，那我在驾驶上面应该注意什么？它可以很自然推导出接下来的几秒可能会有一个小朋友冲出来，你要小心驾驶，这就是因为他理解人类社会。再比如你现在用视频跟豆包对话，豆包现在前面的车是 零停车还是路口排队？车辆是零停车，他停在路边，没在路口排队，他的判断率非常的高。当豆包这样的模型拥有了这样的认知和理解能力， 我们再给他更多的驾驶相关的数据，他是不是就是一个更好的司机呢？从逻辑或者从人自己的实践和成长逻辑上来说呢？ 我认为是对的，这个本质上就是大家在做的 v l a 就是 在训练豆包，训练 jimmy 这样的大模型来开车。接下来问题就是车企大概率会怎么做？究竟是重复造轮子，我再去做一个豆包，还是说我站在前人的肩膀上？比如说拿 deepsea 千万这样的开源大模型来训练他们开车， 个人的逻辑，第二者会更加顺畅一点，因为你训练一个大模型投入的成本不是几亿、十几亿就能打得住的，它可能是上百亿甚至几百亿， 那车企完全没有必要重复投入，没有必要重复的造轮子，他只需要站在前面的肩膀上，做好车企自己最擅长的部分工作，就是把自己拿到了驾驶数据，喂给这样大模型，让他学会开车， 这才是车企最应该做好的事情。但是这样的研发过程呢，是非常困难的，因为车端的算力有限，他需要解决功耗，解决算力，解决部署，解决帧率等等各方面的问题， 过程一定是非常困难的，不是几个月甚至一年就可以做的好，需要更长的时间来达到质变。从我的观察上来说呢，现在不只是理想在这么做，其他的车企呢，研发思路很相似，所以大家现在集体呢，是进入了一个深蹲期，那什么时候起跳？ 我个人感觉还需要一段时间，但我相信当他起跳那一天，他能够达到的驾驶的上限会比现在高，是会让大家看到本质上的变化的。