對自動駕駛的認識(三)

三、自動駕駛人工智能系統的成本

2022年OpenAI公司推出ChtGPT后，今年又推出Sora，近日微軟公司又發布Copilot，這一系列人工智能大模型應用產品的接連問世，顯現出美國公司的人工智能大模型技術在通用計算機系統應用領域的飛速發展。

人工智能大模型在通用計算機系統上是利用復雜的算法和規則，從大規模數據集中學習，可以創造出新的文本、圖片、聲音、視頻、代碼和管理系統等多類型、多用途的結果。但是，人工智能大模型創造出的這些結果許多是準確度要求不高或需做修改的結果，一般還需人來確定是否可用。

人工智能大模型在專用計算機系統產生的結果就不能再由人做一下驗證，需要準確直接執行。自動駕駛是人工智能大模型在專用計算機系統應用中，應是對可靠性和準確性要求最高的人工智能系統。為確保自動駕駛的可靠性和準確性，世界許多研制自動駕駛的公司和團隊已經和還在持續不斷地投入幾億、甚至上百億的資金，不惜成本地在進行激烈的競爭。

商品的成本一般包含研制、銷售、維護、回收等相關支出費用。人工智能系統的研制成本主要是人工智能模型的設計和運行成本。人工智能系統由算法、算力和數據三部分組成。當前，幾乎所有的自動駕駛人工智能系統都采用深度學習等人工智能大模型，需要極高成本的巨大的算力和大量高質量的數據。

以特斯拉公司摒棄傳統的自動駕駛人工智能系統采用的分切法，用成本更高的端對端的FSD宣傳直播為例：直播中的特斯拉車是搭載了HW3（Hardware 3.0）駕駛輔助硬件系統的Model S，上面安裝了最新版FSD V12軟件。這套HW3硬件采用的是特斯拉自主研發的FSD芯片，采用14納米工藝制造，單芯片算力72TOPS。每套HW3.0硬件配置了兩塊FSD芯片，總算力為144TOPS，總功耗為200W?？雌饋砻枯v特斯拉搭載FSD 的資源成本不大，但在后臺支撐FSD的系統成本是驚人的。

特斯拉公司的FSD是通過分布在全球的幾百萬量產的特斯拉車，基于影子模式，每當每輛車的自動駕駛的決策與人類司機不一致時，就會采集并回傳一個視頻片段（clips）到FSD的后臺支撐系統。特斯拉公司的FSD判斷完成一個端到端自動駕駛的訓練至少需要100萬個、分布多樣、高質量的clips才能正常工作。這種不停地采集數據需求，使特斯拉公司已在數據規模、數據分布和數據質量上都在業內領先，同時也在不斷地付出巨大的資金。為了能在云端處理這些數據，特斯拉已用了現今一張難求的高價的A100近10萬張。預計到今年底特斯拉將為FSD提供100EFlops的算力，在算力上付出的資金也是巨大的。

特斯拉公司這種不惜代價運營FSF端到端的自動駕駛人工智能系統的高昂成本，讓業內公司和團隊望塵莫及、已讓著名的國際跨國公司在內的一些公司退出自動駕駛賽道。

按人工智能大模型具有的大算法、大算力和大數據衡量，特斯拉公司的FSD端對端的自動駕駛人工智能系統的配置應是頂尖的。但是按對嵌入式系統系定義的六特性：功能、可靠性、成本、體積、功耗、環境中，僅以我所認識的其中功能、可靠性和成本這前三項特性衡量，特斯拉公司的FSD端對端的自動駕駛人工智能系統至少是不適合自動駕駛需求的優質的嵌入式系統。

此外、近日，一輛啟動FSD的特斯拉汽車，在霧天沖向火車的視頻引起人們關注。雖然特斯拉公司發布數據想證明配有FSD的汽車出現刮擦事故會遠低于非自動駕駛車。但是，非自動駕駛車發生的所有事故都是可查出原因的，可做出防范措施。而所有采用深度學習人工智能大模型的自動駕駛系統，因深度學習有天生存在、并無法克服的不可解釋缺陷，對事故的原因無法分析，也就不能在系統上修正，因此同樣錯誤不僅會屢錯屢犯，還因深度學習存在黑箱，不一定何時在系統中還會出現不可預知的錯誤（也就是業內說的會產生幻覺）造成事故發生。

對于使用深度學習大模型的自動駕駛人工智能系統，這種事故也許是幾十萬、幾百萬分之一的發生可能，但對于當事的用戶講是百分之百。所以，采用有先天缺陷的深度學習大模型的自動駕駛人工智能系統無論投入研制成本再高，也去除不掉深度學習大模型自身產生事故的隱患。

綜上所述，我認為：適合自動駕駛的人工智能系統，應是采用低能耗、可解釋、沒黑箱的人工智能小模型的嵌入式系統。（待續）