发布于: 雪球转发:0回复:7喜欢:1
回复@凤山有龙: 自动驾驶的数据门槛应该会比 LLM 的大一些。
LLM 的数据,大部分源自公共的网络,论文、书籍、问答论坛等等。而自动驾驶的数据,则来自各个公司自己的数据,司机的驾驶录像等。这些数据,公司之间是不太会共享的。这样的话,特斯拉这种积累了很多数据的公司,就优势大一些。//@凤山有龙:回复@韭探迈克猪:我现在最大的疑惑有两点:1、貌似OpenAI开始的LLM没啥技术门槛?我试用了几个大模型或者根据业界的评测,就像Gemini,Claude和LLaMA离OpenAI也就半年到1年的差距? 2、现在自动驾驶也采用大模型,如果OpenAI那边的大模型算法不能成为门槛,那推测自动驾驶这里的大模型是不是也不是门槛? (这里的讨论的假设是算力(国内算力不足的情况假设可以用多几个性能较低的gpu堆积的方式解决算力问题)不是问题,随着时间的推移,数据也不会是问题,那就没有啥是有技术门槛的了)。
引用:
2024-06-08 12:57
李想说三年内可实现L4级别自动驾驶。不知道真假,假设理想公司已经看到L4级别自动驾驶的可实现路径,这个对特斯拉而言就会是很大的利空?就像现在的OpenAI引爆了LLM,但貌似其他跟随者跟OpenAI差距也只有1年左右?并没有拉开巨大的不可跨越的差距。。。

全部讨论

恩,特斯拉有优势,而且是全球数据优势,但是貌似不足以形成壁垒,其他几家车厂也卖了近百万车还在持续增加中,随着时间推移收集数据量也不会太少,就是时间的问题,可能晚个一两、或者三四年也能追上个七七八八吧?

06-08 17:55

英伟达可以通过模拟的方法来训练,对数据的需求说不定就大大降低了。