$商汤-W(00020)$车企造的是智能车的身体，商汤培养的是智能车的“大脑”！
中国车企们绝大多数都是吹牛逼，远远做不到drive AGI的技术积累，还幻想着摆脱商汤这种专业化Al公司，妄想独自突破智驾无人驾驶，不自量力！
术业有专攻，AGI的科研之路越走越难，车企们难以望商汤之项背！
中国车企们远远低估了AI的难度，中国车企和AI科技公司的合作闭环里，不能只会解bug。
今天业内很多车企尝试自研，王晓刚认为也不奇怪：拿一些开源的模型试一试，也可以做个七七八八，但低估了AI的难度。
网页链接
所谓人和动物的区隔，分水岭明显。“如果要比特定的任务，跑步人跑不过猫科，嗅觉比不上犬科。但这些动物，只在专有的任务里很强，永远不会进化。”“但人是有大脑的，人的特点就是通用性强，能不断的培养出新的技能，用新的工具发明创造，搞出很多远远超过动物能力范围之外的东西。”商汤绝影为什么要在端到端竞争还未明了的时间节点大谈AGI？王晓刚认为，目的就是要把智能汽车的大脑培育出来，给自动驾驶一个“点读机”，一张没有高精地图的“高精地图”，给智能座舱带来革命性的交互方式变革…解决了制约自动驾驶、智能座舱功能体验的技术问题，多模态大模型上车带来的AGI潜力，会展现出更多的应用模式，新的东西就会应运而生。“智能汽车”就不会只停留在现有的维度上了。
车企低估了AI的难度
商汤智能汽车业务绝影，本质是商汤追求布局AGI的过程中，被适时“点亮”的一个技能。商汤进军智能车领域始于2016年，当时本田来中国寻找智能驾驶方向的合作伙伴，最后选定了那时以AI视觉知名的商汤。2017年末，商汤与本田正式对外官宣了合作，并且商汤也正式明确将把AI之力带给主机厂。当时商汤提出的产品已经体现出了和其他厂商的不同。有两个关键点，首先是SenseAuto Empower绝影赋能引擎，包括算法工具箱、数据管理、回灌和仿真评测系统等工具链，供车企灵活定制方案。但最关键的，是这里面内嵌了商汤最强的视觉感知能力，以及大模型体系支持的AGI能力。第二个关键，就是从2018年开始，商汤开始布局算力基础设施SenseCore商汤大装置，截至2024年第一季度的总算力规模已达12000 petaFLOPS。所以等到商汤的智能汽车业务2021年以“绝影”之名首次对外公布时，其实已经是一个有30+车企合作，智驾、智舱方案定点上车2000万辆的重要玩家了。不过不同于其他任何玩家，商汤绝影不是以单一自动驾驶技术或智能座舱产品交付为目标，而是把汽车作为AGI能力的载体。
王晓刚又强调，打造通用AI大脑的2.0时代，难度和门槛完全不同。一个是基础设施的投入，至少需要几千块卡去进行稳定的定向训练，
而且训练中怎么进行数据配置，有很多Know How，基本是“资源和金子堆出来的”。
比如多模态模型，每增加一个模态，它的难度就会乘一个系数。
语言模型加进图像的模态，会发现语言的能力会大大退化，因为加入的图像需要跟语言配对，而这种配对的数据十分稀少，而且以往人工标注描述图像的文字干瘪不准确，所以放进来以后，模型语言能力就会降低很多，必须得想各种办法再补回来…
AGI越往后难度越高，尤其是自动驾驶领域，没什么开源，只能靠团队本身去克服各种障碍。
所以端到端的自动驾驶壁垒不断变高，将来能够支撑的团队会越来越少。
至于今天业内很多车企尝试自研，王晓刚认为也不奇怪：拿一些开源的模型试一试，也可以做个七七八八，但
低估了AI的难度。
如果把规控改成一个模型，就叫端到端了，那还真不难，的确自己就能做。
但如果想做出体验、功能持续迭代能力都很优秀的产品，难度会高很多，因为乏持续高投入的条件。
所以截至目前，王晓刚认为车企和AI公司的合作模式，还不够理想，需要更多的磨合和探索。
车厂说今天出了个事故，你给我看一看，赶紧把这个bug解了”…这是我们现在跟车厂的合作模式。
但这样一来，我们没有办法看底层数据、拿到最有价值的那一部分，自然很难再去激发大模型新能力，去产生新的应用，产生降维打击。
$无人驾驶(BK2475)$ $特斯拉(TSLA)$