根據這篇報導，華語圈的自動駕駛產業雖然常被外界關注，但產業內部的核心聲音指出，大型語言模型（LLM）等前沿的通用人工智慧（AI）進展，並不能直接或快速地解決將自動駕駛車輛推向市場的根本技術瓶頸。一位產業領軍企業的CEO直言，語言處理能力與汽車駕駛能力是兩種截然不同的技能體系。自動駕駛的實現，仰賴的是結合了各種感測器、晶片與演算法的複雜系統，其所需的真實世界訓練數據，遠比訓練聊天機器人所用的數據類型更加艱鉅，這要求模型必須具備所謂的「世界模型」（world models）能力。
在具體時間表方面，中國的自動駕駛卡車新創公司Inceptio堅守其原定目標，預計在2028年中期實現商業化。公司透過積累龐大的行駛數據，例如預計累積的五十億公里數據，以此來訓練世界模型，使其能夠讓重型卡車在特定地區實現完全無人駕駛。報導同時指出，數據積累的戰場，Inceptio的里程數目前已超越美國競爭對手，顯示其在實戰數據收集方面處於領先地位。
然而，光有技術積累仍不足以落地。自駕車的推廣不僅取決於技術本身，更極度依賴完善的製造商合作夥伴關係和政府的法規批准。報導也提醒了讀者，即便是行業領先的科技巨頭，如近期因事故導致在中國面臨的牌照暫停風險，以及全球任何地區在電力中斷下都可能出現的技術停滯，都驗證了自動駕駛在實際運行場景下面臨的極大不確定性和挑戰。
身為一位資深的產業觀察家，我的理解是，這篇報導極為重要，它揭開了「AI炒作光環」與「工程實作困境」之間的巨大鴻溝。市場和媒體傾向於將所有AI進展包裝成一個通用的「魔法棒」，暗示只要語言模型越強，自動駕駛就能越快。然而，產業的現狀證明了，自動駕駛的難點並非出在「智商」的提升上，而是出在「體能」（Embodied Intelligence）和「安全性」的極致要求上。汽車的複雜性，遠超出了目前的AI設計師可以輕易模擬的範圍。當我們談論安全時，任何系統的單點故障，其後果都是無法承受的。因此，目前的市場敘事應更務實地看待：當前各家公司都在進行的是「數據和場景的極限測試」，技術的進步更多是呈指數級的**數據堆疊**，而非線性、革命性的**AI突破**。這場馬拉松的終點，依賴的將是工規、法規，以及面對不可預測的現實世界的魯棒性，而不是下一代大模型的發布會。
原文網頁：China’s self-driving truck leaders say AI breakthroughs won’t accelerate rollout — here’s why (by Evelyn Cheng)
發佈留言