| 发布于: | 雪球 | 回复：0 | 喜欢：0 |
现在端到端的能力上限确实还未知，这里面不确定性挺大，不过能搞到足够优质数据的企业少，这里面不是技术壁垒，而是时间精力壁垒，所以竞争格局大概率比其他的大模型场景要强，确定性高。网约车需求也是实际存在的，不用再验证，低成本替代确定性高。不管谁能走出来，全部押注就行了，一共没几家
其实你说的这些门槛都不高，预期规模也不太确定，客服，改图什么的，开源模型也能干得挺好，将来大概率卷生卷死，但Robotaxi不是谁都能搞的，不是说马斯克一定能行，纯端到端说实话还是黑盒，但这是个大模型应用的巨大场景，本身市场就是万亿级的，说忽略不计有点过了。百度前两天刚发布了支持L4的大模型，可以跟踪看看应用效果。端到端模式下，尤其是L4，我感觉也不是大力就能出奇迹，L4级别的数据积累还是必须的，这一点微软-OpenAI和Meta都是做不到的，谷歌还可以。在这基础上，用大模型+去赋能。所以壁垒还是挺大的。
Robotaxi 的商业模式也许成立。市场规模能否大幅超出现在的出租车服务市场未知，能不能一家独占未知。从技术能力发展看，特斯拉距离谷歌百度这些L4还差距蛮大的。
感谢推荐，很好的文章[很赞]我认真看了一下，还是比较认同文章里说的，其实我不太理解特斯拉为什么要放弃occ+transformer，occ可解释性会好很多，至于图像细节有那么重要吗？而纯端到端如果出个问题，怎么快速打补丁？这样会因为害怕再出问题而导致所有车辆都停运，然后再等着训练，再远程升级新的模型吗？这对Robotaxi来说是不可接受的重大营运事故。除非同时也应用occ，这样就成了两套系统同时用，维护怎么吃得消？而且还得在同一台车上消耗本来就很可怜的算力。所以我觉得L4还是有壁垒的，这也验证了我的观点。这有点类似于京东搞的自营物流，技术含量不高，但其他人想搞，没5年搞不下来。这就是很大的壁垒