自动驾驶

摘要 自动驾驶领域智能发展迅速，特斯拉通过Robo Taxi策略快速推进L4级自动驾驶商用化，其技术门槛已较低，有望快速放量并推动私家车接入。中国市场需加强产业协同，政府应制定动态监管政策，鼓励更多车企加入试点。特斯拉的Robo Taxi战略不仅利于自身市值增长，也将极大推动全球自动驾驶产业发展。 分段总结 00:04 特斯拉RoboTaxi介绍 1.特斯拉RoboTaxi使用量产车，软件升级，适应轿车软件更新。 2.RoboTaxi的推出加速了自动驾驶的到来，比预期更快。 3.特斯拉通过RoboTaxi试点运营，解决了L3到L4的过渡问题。 02:09 自动驾驶与通用人工智能的区别 1.自动驾驶属于领域智能，专注于特定领域如驾驶，超越人类水平。 2.通用人工智能还早，现有结构实现不了，但领域智能已成熟。 3.领域智能的例子如下围棋，阿尔法狗已超越人类，自动驾驶也在学习阶段。 05:39 自动驾驶的进展与挑战 1.自动驾驶技术在大规模应用前解决了大部分问题，但仍需解决corner case。 2.RoboTaxi的试点运营解决了出租车的问题，简化了自动驾驶的验证过程。 3.特斯拉通过RoboTaxi试点运营，推动了自动驾驶技术的发展。 14:22 RoboTaxi对中国市场的催化剂作用 1.RoboTaxi的推出对中国市场是一个催化剂，推动了电动车和智能化的发展。 2.中国在电动车和自动驾驶领域有巨大的发展潜力，特斯拉的进入加剧了竞争。 3.中国市场的进展缓慢，但特斯拉的进入可能会带来突破。 16:53 特斯拉在美国市场的优势 1.特斯拉在美国市场占据领先地位，新市场打开后优势明显。 2.特斯拉通过RoboTaxi试点运营，进一步巩固了在美国市场的地位。 3.特斯拉的市值和股价反映了其在自动驾驶领域的领先地位。 17:28 自驾出行服务商的参与时间节点 1.自驾出行服务商如曹操出行、滴滴出行等，正在积极参与RoboTaxi的试点运营。 2.服务商的参与将加速自动驾驶技术的落地和应用。 3.服务商需具备足够的数据量和合作意愿，才能有效推动自动驾驶的发展。 18:56 决定胜负的关键因素 1.决定自动驾驶胜负的关键因素是数据，尤其是标注过的交通数据。 2.数据的优化和子集建立是关键，特斯拉在中国市场正在努力解决数据问题。 3.特斯拉通过微调软件和建立专家系统，提高了自动驾驶系统的适应性和准确性。 23:34 特斯拉自动驾驶出租车的具体问题 1.特斯拉自动驾驶出租车在试用过程中出现了一些问题，如违规停车和逆行。 2.这些问题主要是由软件算法和特定场景下的决策错误导致的。 3.特斯拉通过微调和建立专家系统，逐步解决了这些问题。 35:01 自动驾驶的Scaling Law 1.自动驾驶技术遵循Scaling Law，通过数据和计算资源的增加，性能不断提升。 2.与通用人工智能不同，自动驾驶的参数量和计算资源需求较小。 3.特斯拉通过微调和建立专家系统，实现了在有限资源下的性能提升。 47:37 自动驾驶出租车的商业调节 1.自动驾驶出租车的供需平衡可以通过商业调节来实现，如上下班时间的供需调节。 2.车主可以通过调整出行时间来释放车辆，增加出租车的供给。 3.这种动态平衡可以确保自动驾驶出租车在高峰时段的可用性。 50:24 硬件升级与软件微调 1.特斯拉通过升级硬件和微调软件来持续优化自动驾驶系统。 2.HW 3.0和HW 4.0已足够满足当前需求，HW 5.0将带来更大的性能提升。 3.特斯拉通过微调和建立专家系统，实现了在有限资源下的性能提升。 56:26 地平线的技术优势与护城河深度评估 1.地平线与用户深度合作，通过端到端的模型构建和数据测试，优化算法。 2.地平线的技术优势在于与用户的紧密合作和数据的持续优化。 3.地平线的护城河深度评估显示，其技术优势难以被复制。 57:27 中国电动车更新快对RoboTaxi发展的影响 1.中国电动车更新速度快，有利于RoboTaxi的发展。 2.电动车更新快意味着更多的车辆可以加入RoboTaxi车队，提高数据采集量。 3.中国市场的竞争激烈，电动车更新快为RoboTaxi提供了更多的发展机会。 01:08:15 数据采集与训练闭环 1.数据采集和训练闭环已经形成，二零一九年就已经实现。 2.数据收集过程中存在污染问题，需要清理。 3.违章行为在数据中常见，需要特定情况判断是否清洗。 4.完全清洗不现实，需要平衡遵守交规和实际情况。 01:11:17 微某和特斯拉的数据收集与清理 1.微某的数据收集逻辑只有特斯拉能训练出这样的逻辑。 2.特斯拉数据收集也是自动驾驶车辆的数据，基于规则和端到端学习。 01:13:15 专家混合模型和本地化数据 1.专家混合模型结合各地特点进行训练。 2.特斯拉在山路上测试，华为在雪地中识别路径。 01:14:15 比特币和以太坊的预测 1.比特币到二零二五年预计达到25万刀。 2.以太坊到二零三零年预计达到30万刀。 3.投资建议：配置百分之七八十稳健激进型，百分之二十冒险型。 01:15:55 corner case处理 1.corner case处理是技术革命时期的问题。 2.特斯拉和微某都在处理corner case，但效果不佳。 3.解决方案：将corner case变成大量数据进行训练。 01:18:02 中国自动驾驶的整合优势 1.中国在自动驾驶整合方面有优势，强调单车成本阶段。 2.中国车企和科技公司的量产能力和产业链复用性。 3.黑芝麻和地平线等公司通过深度合作优化数据。 01:23:12 数据短板与解决方案 1.中国面临数据孤岛问题，数据不统一无法统一训练。 2.理想汽车推出星环OS，希望开源统一标准。 3.华为可以统一产业标准，但需舍弃部分利益。 01:27:21 美国半导体联合研究中心的启示 1.美国半导体公司联合成立研究中心，政府提供补贴。 2.研究课题由各公司讨论决定，资金和人员共享。 3.这种模式对美国芯片制造业的强盛起到了重要作用。 01:31:29 特斯拉RoboTaxi的规模预测 1.特斯拉RoboTaxi在五到六年内可能达到百万辆规模。 2.收入和利润预计翻倍，市值可能达到三万亿。 3.美国市场是主要增长点，欧洲市场需等待德国量产。 01:39:40 中国RoboTaxi的发展挑战 1.中国RoboTaxi发展面临整车厂和Robotaxi公司的局限。 2.整车厂研发投入不足，Robotaxi公司规模小。 3.政府监管机构需一视同仁，允许更多公司上路测试。 01:47:02 外国和中国的看点 1.外国看点主要是特斯拉的RoboTaxi推广。 2.中国看点是产业协同和数据整合。 3.特斯拉收购Uber的建议，解决导流问题。 01:54:47 特斯拉的最大风险 1.特斯拉的最大风险是马斯克的分心和误导方向。 01:56:56 宁德时代与哈罗、蚂蚁集团的合作 1.宁德时代与哈罗、蚂蚁集团合作成立智能出行公司。 2.合作旨在解决智能出行服务的核心问题——自动驾驶。 02:03:50 传统车企的转型策略 1.传统车企通过合作快速补齐智能化短板。 2.依托制造和工业链优势保证电动化量产落地。 3.构建核心技术壁垒，二零二五将成为关键分水岭。 02:06:28 RoboTaxi的市场规模估算 1.美国市场在二零三零年左右可能达到一千亿美元。 2.欧洲市场需等待更多法规支持。 3.全球市场在二零三五年可能达到一万亿美元。 02:09:32 交通部推进自动驾驶法规的情况 1.交通部在推进自动驾驶联邦法规。 2.计划立法允许无方向盘踏板的车辆上路。 3.需评估车辆上路的标准和合格项目。 02:11:31 自动驾驶普及对交通领域的影响 1.自动驾驶普及将重塑交通领域。 2.便宜和私密的RoboTaxi将替代部分火车和飞机。 3.私家车可能只用于娱乐和赛车。