CHA:被神話的GPT 造不出你的夢中神車_AIGPT幣

ChatGPT爆火之后，AI大模型成為眾多科技公司追逐的熱點。從聊天對話，到圖像生成，再到桌面辦公，仿佛AI在一夜之間具備了顛覆一切的神力。

熱潮蔓延至汽車行業，從業者開始思考：讓GPT造車，是否可行？

有車企宣布將應用大模型技術，也有車企稱要接入第三方大模型，還有車企搶著發布了帶有GPT字眼的自動駕駛系統。

有從業者對深途說，智能座艙和自動駕駛，或將是大模型最先應用的場景。這其中，尤以自動駕駛最讓人期待。

自動駕駛是一個難度極高的賽道。除了谷歌、百度等科技巨頭，一大批天才創業者投身其中，燒掉數十億美金，至今也沒達到讓人滿意的效果。

AI大模型殺入自動駕駛，這次會不一樣嗎？

GPT跟汽車，表面看無直接關聯，實則淵源很深。故事得從六年前說起。

2017年6月，特斯拉的老板馬斯克，從OpenAI挖走了一個斯洛伐克籍的研究員。這個人叫Andrej Karpathy，他后來成為特斯拉的AI總監。

當時馬斯克對人工智能表現出極大興趣，他也是OpenAI的捐資創辦人之一。把Andrej Karpathy招致麾下不久，馬斯克離開OpenAI董事會，他認為特斯拉和OpenAI都在研究AI，未來可能發生利益沖突。

后來，Andrej Karpathy在特斯拉重寫了自動駕駛算法，開發出BEV純視覺感知技術，讓特斯拉自動駕駛進入新階段。而他的前東家OpenAI，則將全部籌碼押注在通用人工智能，最終研發出GPT。

從產品角度看，OpenAI的GPT和特斯拉的BEV，是完全不同的物種。但從技術底層來看，它們都依托人工智能技術，尤其是對谷歌Transformer模型進行了應用。

美眾議院立法辯論稱馬斯克“X”公司或通過發行穩定幣將自己打造成全球支付提供商:金色財經報道，美國眾議院金融服務委員會今日已表決通過穩定幣監管法案《支付穩定幣透明度法案》（The Clarity for Payment Stablecoins Act），不過該項即將出臺的立法可能會為大型科技公司發行穩定幣打開大門。據悉，在相關立法辯論中，美國眾議院金融服務委員會特別提及X公司（前身為推特，被馬斯克收購后最近更名為X）并提出一個重要擔憂，即：X公司可能會通過發行穩定幣將自己打造成全球支付提供商，尤其是其新任首席執行官Linda Yaccarino已經明確表示要將X公司轉型為全方位通訊和金融中心。（U.today）[2023/7/28 16:05:00]

Transformer是一種深度學習的神經網絡架構，由谷歌的8位AI科學家在2017年提出。這是人工智能行業極其重要的一項發明，今天大火的ChatGPT中的“T”，就是指Transformer大模型。

與傳統神經網絡RNN和CNN不同，Transformer通過自我注意力機制，去挖掘序列中不同元素的聯系及相關性，具有很好的時序數據處理能力。這讓它在機器翻譯、文本摘要、問答系統等任務上，展現出突出的性能。

因此Transformer一開始被人們用在NLP（高級自然語言處理）領域，用于理解人類的文本和語言。

在Transformer模型上進行預訓練，經過不斷的微調、迭代，OpenAI相繼推出了GPT-1、GPT-2、GPT-3、GPT-4等語言訓練大模型。ChatGPT是OpenAI對GPT-3模型微調后開發出來的對話機器人。由于它能以對話的方式進行交互，普通人很好上手，且比過去的聊天機器人顯得更“聰明”，因此大放異彩。

派盾：Multichain漏洞利用損失約1.26億美元:金色財經報道，據派盾監測，價值約1.18億美元的資產已從Multichain的Fantom橋轉出。其中包括價值約1600萬美元的代幣（DAI 、LINK和USDT）被發送到地址0x9d57。其他轉賬涉及約2760萬美元USDT和3000萬美元USDC，分別被發送到地址0x027F和0xefeef。

此外，1,023 wBTC（約合3090萬美元）被移動到地址0x622e5，7,214 wETH（約合 1360 萬美元）被發送到地址0x418e。另有價值約750萬美元的加密貨幣從Multichain的Moonriver橋轉出并轉移到地址0x48Be。[2023/7/7 22:23:03]

從根本上，ChatGPT的GPT模型、谷歌的LaMDA大模型，以及百度的文心大模型，同宗同源。

將Transformer模型用于自然語言，誕生了ChatGPT這樣的聊天應用；將它用在計算機視覺，同樣取得了驚人的效果，這方面的先行者是特斯拉。

Andrej Karpathy在擔任特斯拉AI總監期間，負責領導自動駕駛的計算機視覺團隊，通過結合Transformer模型，特斯拉成功開發出BEV技術。

BEV全稱是Bird's Eye View，即鳥瞰圖。它可以將攝像頭拍攝的2D圖像拼接轉化為3D圖像，統一轉換到俯視角度下進行處理，形成“上帝視角”。這么做的原因是：開車是在三維空間中進行的，人看到的是立體的世界，而不是2D的圖像。

這項全新的感知方案，在2021年8月的特斯拉AI DAY上由Andrej Karpathy對外展示。為此特斯拉不惜重寫了自動駕駛算法，對訓練深度神經網絡的基礎設施進行了重構。

以太坊Layer2上總鎖倉量為51.8億美元:金色財經報道，L2BEAT數據顯示，以太坊Layer2上總鎖倉量（TVL）回升至51.8億美元，7日漲幅達10.61%。其中鎖倉量最高的為擴容方案ArbitrumOne，TVL約26.4億美元，占比50.94%；其次是Optimism，鎖倉量為14.1億美元，占比31.12%；第三為dYdX，鎖倉量為3.78億美元，占比7.13%。[2022/10/31 11:58:40]

這是大模型技術首次被應用到自動駕駛行業。

今天回過頭來看，雖然GPT目前主要應用在自然語言處理領域，我們并不能讓GPT去駕駛一輛汽車，但它背后的AI大模型技術，尤其是Transformer架構，實際上早就已經在自動駕駛領域應用了。

從自然語言處理到計算機視覺，兩個領域基于Transformer架構在建模結構上實現了統一，使聯合建模更加容易。

而隨著對AI的理解加深，汽車公司越來越像人工智能公司。除了特斯拉，理想汽車在今年初公布公司愿景，聲稱要在2030年成為一家人工智能企業。它將在今年推出的城市NOA導航輔助駕駛系統，技術支撐就是BEV感知和Transformer模型。

讓AI跟人對話，與讓AI駕駛一輛汽車，似乎本質上并無區別，只是二者落地場景不同。在將底層技術應用到具體產品這件事上，人類永遠充滿想象力。

今年以來，GPT展現出來的強大能力，讓外界大受震撼。通用人工智能不再是空中樓閣。自動駕駛行業的人開始思考，或許生成式AI在語言模型上的應用思路，可以遷移到自動駕駛上。

本質上，語言模型是對人類的語言建立的數學模型。計算機還是不懂自然語言，但它通過數學建模，把語言問題變成了數學問題。通過給定的文本的歷史，預測下一個詞出現的概率，間接地理解了自然語言。

基于Algorand的音樂平臺Opulous推出支持音樂版權的新Token OVAULT:8 月 27 日消息，Algorand 鏈上音樂平臺 Opulous 宣布啟動音樂版權首個項目Opulous Royalty Vault并推出新 Token OVAULT，Opulous 將收購產生可持續收入的音樂目錄，這些目錄將被添加到Opulous 版稅庫并鑄造成 OVAULT Token，音樂版權的投資者可以購買 OVAULT，然后質押這些 Token 以獲得每日獎勵。（MusicBusinessWorldwide）[2022/8/27 12:52:24]

換到駕駛場景，如果給定當前的交通環境，給定一個導航地圖，以及一個駕駛員駕駛行為的歷史，那么，大模型是不是可以預測下一個駕駛動作？

地平線創始人余凱在今年4月舉辦的電動汽車百人會論壇上說，ChatGPT給他很大啟發，“我們要繼續用大數據、更大的數據、更大的模型，并且無監督地去學習人類駕駛的嘗試，就像你從大量的、無監督的、沒有標注的自然文本里去學習一樣”。他認為，每個駕駛員駕駛控制的序列，就像我們的自然語言文本一樣。下一步，他想構建一個回歸自動駕駛的大語言模型。

理論上，這個思路是可行的。人工智能已經具備學習能力。根據自適應的語言模型，機器會根據用戶的反饋不斷迭代優化，學習用戶的習慣，然后改進模型。現在的ChatGPT就運用了這項技術。那么，讓機器學習司機的駕駛習慣，就不是一件很難的事情。

特斯拉的影子模式，就是把真人司機的駕駛數據，投喂給機器學習。通過比對人類駕駛員行為，來達到訓練算法的目的。

GPT掀起新一輪AI熱潮后，對行業造成的一個認知沖擊是，通過把模型的參數規模不斷變大，數據量指數型增加，也就是所謂的大模型，在達到某個臨界點后，模型會突然變得很聰明。

加密錢包ZenGo推出名為ClearSign的Web3防火墻功能:6月22日消息，加密錢包提供商ZenGo推出了一項名為Clear Sign的新功能，該Web3防火墻將提醒用戶注意可疑的智能合約，并阻止簽署會暴露私鑰或助記詞的交易。Clear Sign已經集成在Collab.Land上，這是一種流行的Discord機器人，許多NFT項目使用它來驗證所有權。Clear Sign將在iOS和Android上可用。

ZenGo表示將在未來幾周內添加其他Dapp集成。[2022/6/22 1:25:00]

過去，模型在訓練階段需要的數據，是經過人工標注的。以自動駕駛為例，數據標注員通過大量的圖片標注，告訴機器什么是貓，什么是狗，貓和狗各有多少種類。標注員就像是機器的老師，一遍一遍教會它認識這個世界。

問題是，老師沒教過的東西，機器還是不會。典型的是特斯拉曾多次發生自動駕駛事故，車輛撞上側翻的大卡車，因為機器識別不了。

和高資本創始合伙人何宇華對深途舉過這樣一個例子：廣州的夏季雨天頻繁，在一些燈光比較昏暗的場景下，空中會有大量的飛蟲。當汽車駛過時，燈光打過去，可能會有數以千計的飛蟲撞向車頭。在這種情況下，汽車的自動駕駛感知系統，可能會誤認為是一堵墻。

自動駕駛系統不能窮盡所有的corner case（極端場景），是其發展路上的一大難關。

ChatGPT抓取的是全網未標記的數據。在自監督學習中，數據本身被用作監督信號，而不是依賴于人工標記的標簽。有一天人們發現，大模型在消化這些數據的過程中，突然具備了舉一反三的能力。

那么，如果自動駕駛大模型也能無監督地學習人類駕駛行為，不需要“老師”手把手地教，是不是意味著，系統搖身一變，成了“老司機”？

夢想很美好，實現夢想的路總是很骨感。

類似ChatGPT的AI大模型要在自動駕駛領域發揮威力，目前來看至少有如下幾個問題需要解決。

首先是數據來源。

ChatGPT的數據來源非常豐富，包括維基百科、書籍、新聞文章、科學期刊等等，相當于全網公開數據都是它的養料。

自動駕駛不同。駕駛員的駕駛數據、車輛行駛數據不公開，很多還涉及隱私。汽車廠商、自動駕駛公司各自為政，數據封閉不流通，這讓獲取數據變得困難。沒有數據，自動駕駛就是無源之水。

聯想創投總裁賀志強對深途說，自動駕駛的核心是要有數據，數據對訓練模型非常重要。比亞迪這樣的主機廠有數據，但算法還需要打磨，“蔚小理”等造車新勢力擅長算法，但車的銷量還不夠。既有數據也有算法的公司，才能充分用好大模型。

其次是系統的計算部署方式有限制。

余凱認為，OpenAI、ChatGPT是在云端的計算，在云端有充分的能量供給、電源供給，同時有非常好的系統，可是如果在車上依賴的是電池，依賴的是車端的散熱，那么這個挑戰是很大的，意味著自動駕駛不能用那么大的模型、那么大的計算。

大模型對算力的消耗，導致云計算廠商成為這波AI熱潮中第一批吃到紅利的玩家。大廠開卷云計算，也是為大模型開路。但是在車端，這會是一個矛盾。

更大的問題是，大模型的可靠性尚未驗證。

使用過ChatGPT的人知道，ChatGPT有時候會胡說八道，時對時錯。這在業內被稱為幻覺（hallucination）傾向，即產生完全沒有出處的非真實內容。大模型會編造內容，而不在意內容的真實性和準確性。

聊天可以胡說八道，自動駕駛不可以。任何一次錯誤的輸出，導致的結果都可能是致命的。

“ChatGPT取得巨大進展，但自動駕駛遲遲沒有到來，因為自動駕駛特別是無人駕駛，可能容錯率就是零，那是人命關天的事情。”余凱說。

曾在硅谷某AI創業公司擔任COO的龍志勇認為，不可控、不可預測和不可靠，是大模型商業化最大的威脅。典型表現是大模型有幻覺傾向。

現在，要讓自動駕駛系統學會選擇和辨別，并穩定地輸出最優解，還不太現實。

一家人工智能公司的內部人士對深途說：“視覺感知在算法層面的確有不少突破。但車這種場景，要求太高了，我個人不覺得短期能有大的突破。可以關注一下特斯拉的動向。”

然而最近科技圈有一股風氣，大大小小的公司，都要蹭一把GPT的熱點。有一些汽車廠商，宣布即將應用類似GPT的技術，一堆炫酷的概念讓人傻傻分不清楚。

比如某傳統車企旗下的自動駕駛公司，就發布了一個自動駕駛生成式大模型，要用這個模型來訓練自動駕駛，號稱“行業首例”。

一位長期關注智能汽車賽道的投資人，詢問一位行業大佬怎么看該模型，對方就回了四個字：“TM扯淡。”

“完全就是一個PR行為。”這位投資人對深途評價。

在特斯拉的帶動下，再疊加今年興起的AI浪潮，自動駕駛行業逐漸向大模型、大算力、大數據方向不斷靠近。

大模型對自動駕駛的影響，目前還不夠劇烈，但嗅覺敏銳的人已經呈現出一種矛盾心態。

就像當年特斯拉利用Transformer將多攝像機數據從圖像空間轉化為BEV空間，為此不惜將原有架構推翻，重寫算法。現在大模型的應用，也可能意味著原有自動駕駛算法，會被推倒重來。

賀志強認為，大模型會對自動駕駛有巨大影響。以前自動駕駛用到很多小模型，現在變成大模型，可能需要重新來一遍。自動駕駛行業會重新洗牌。

一家AI芯片公司的自動駕駛總監趙東翔對深途說，整體端到端更改，等于重新做。

洗牌對新入局者是機會，對領先者是威脅。彎道超車的故事，往往發生在技術急速變革時期。在技術一日千里的時代，在舊路線投入越多，沉沒成本可能越大，轉身越困難。對于整車廠或自動駕駛公司而言，要擁抱一項新技術，不僅要考慮效果，還要考慮成本。

趙東翔表示，就當前階段而言，自動駕駛變換技術路線沒意義，“現在行業技術能力也不差，大家花那么多錢做了那么久，沒有大幅度提高的話沒有換的動力。”

在去年底的AI DAY上，特斯拉將BEV升級到占用網絡（occupancy network），泛化能力得到進一步提升。通過占用網絡，特斯拉的自動駕駛感知系統可以不需要知道看到的物體是什么，就可以判斷是否需要躲避，由此解決了更多長尾問題。

不論何種技術路線，現在都處于快速變化迭代中。過去的小模型可能會被大模型替代，今天的大模型也可能在未來被某種新物種替代。

但不管怎樣，蹭熱點、制造噱頭的做法，是無益于技術進步的。“蹭熱度是陋習，踏踏實實做產品才有用。”趙東翔說。

自動駕駛真正的“王炸”，還遠沒有到來。我們需要做的，是對每一輪技術變革保持敬畏之心。被神話的GPT，造不出你的夢中神車，但至少，變化已經發生了。

元宇宙之心

企業專欄

閱讀更多

金色早8點

Odaily星球日報

金色財經

Block unicorn

DAOrayaki

曼昆區塊鏈法律

Tags：GPTCHARANATGAIGPT幣sdchainCRANEBeatGen NFT

幣贏