智能駕駛，近年來可以說是迅速發(fā)展。

想想之前，那時候還沒有去高精地圖，沒有占用網(wǎng)絡(luò)，沒有開城大戰(zhàn)，沒有去激光雷達(dá)，也沒有全國都能開，端到端更是無從談起。

在智能駕駛行業(yè)的我們，就像其他行業(yè)千萬個普通工程師一樣，遵循著頂層設(shè)計的方案，補(bǔ)上一塊塊磚頭。

每個團(tuán)隊都認(rèn)為，智能駕駛行業(yè)版圖里會有自己的一部分。不論團(tuán)隊大小，也不論方案選擇。

可是行業(yè)趨勢沒有等待任何人。

2020年開始各大團(tuán)隊智能駕駛的瘋狂擴(kuò)張，過熱的資本，活躍的人才流動。

自動駕駛走向量產(chǎn)之后，變成一個巨大工程問題。感知，規(guī)劃，測試，平臺，仿真，系統(tǒng)，安全等等，每個團(tuán)隊都有自己必須擴(kuò)張的理由。

簡而言之：“我們準(zhǔn)備量產(chǎn)之后，任務(wù)會越來越多，想要效率，就必須招聘。”

各家給AD的預(yù)算高企，自動駕駛獵頭們推波助瀾，從上海到蘇州，從深圳到廣州，從杭州到北京。

優(yōu)秀的，普通的，能出活的，只會做PPT的，都搭上了這班車。

還有各家泛濫成災(zāi)卻又形同虛設(shè)的競業(yè)協(xié)議，跳槽的工程師們化名，以其他公司的名義簽訂合同，繳納社保。

這種原來只存在于極高端崗位上的限制，開始面向一個個普通工程師。

可是沒有想到，所有這些招聘，到了2024年，行業(yè)急劇切換，陡然變成了負(fù)累。

人工智能的Scaling Law出現(xiàn)了，馬斯克說靠著海量的路試數(shù)據(jù)，可以自動化進(jìn)行問題的解決。

2023年眾人對此嗤之以鼻，端到端自動駕駛不夠安全，天方夜譚；到了2024年，全員切換，端到端是目前最先進(jìn)的技術(shù)，是未來的希望。

變化之快，行業(yè)內(nèi)外都很難理解。

在這次切換里，行動效率極高的理想AD團(tuán)隊獲得了最大的紅利，同樣，也是上一輪自動駕駛瘋狂期擴(kuò)張最謹(jǐn)慎的團(tuán)隊。很難不把這兩者發(fā)生關(guān)聯(lián)。

技術(shù)切換浪潮來臨時，所有之前的投入可能都只是你的沉沒成本。

自動駕駛行業(yè)因為端到端對算力要求預(yù)期越來越高，小鵬提出自動駕駛的競爭是云端的競爭，小米不甘落后給出了一個天量的算力儲備。

而昔日在行業(yè)金字塔頂端的RoboTaxi公司們，面對端到端趨勢，有了一種神奇的擰巴感。

我無法跟隨端到端，因為車輛量級和算力跟不上；但是我無法不跟隨端到端，因為行業(yè)趨勢如此。

我無法跟隨端到端，因為確實端到端達(dá)不到L4量產(chǎn)所要求的安全性；但是我無法不跟隨端到端，因為作為人工智能公司，至少目前Scaling Law還是共識，目前的技術(shù)棧很難跟Scaling Law發(fā)生關(guān)聯(lián)。

以前我們想要證明的“小而美的團(tuán)隊，用精致的算法將自動駕駛推向世界”的愿景，似乎一去不復(fù)返。

那么先要證明端到端是有局限的，然后再拋出一個新的解決辦法，證明每個團(tuán)隊的解法都有存在的價值。

小馬智行這么做了，端到端的模仿學(xué)習(xí)讓人絕望，無法超越人類。需要主動的接近強(qiáng)化學(xué)習(xí)的方法論，才能讓RoboTaxi能力大大進(jìn)化。

怎么實現(xiàn)這件事？

不依賴真實世界的傳感器數(shù)據(jù)，而是建造交互式的世界模型，讓算法在里面進(jìn)行虛擬交互式學(xué)習(xí)。這與蔚來NIOIN提出的NSim，也有著非常相似的地方。

同樣的，這條路并不簡單，但是這也是一條避不開的道路。

不論是什么模型，在真實世界的學(xué)習(xí)一定是受限的，在虛擬世界里進(jìn)行學(xué)習(xí)和進(jìn)化是必須的選擇。

所以大家或許也注意到了，從今年開始，虛擬仿真技術(shù)成了各家團(tuán)隊重點(diǎn)宣傳對象，3D重建，世界模型，Gaussian Splatting等等開始搬上PPT。

在往年，這是想都不敢想的故事。

自然，在一個沒有前人的道路上進(jìn)行努力，不是什么討巧的事情。只有成功者才能證明自己正確。

不過新的故事還沒有證明，火熱的端到端已經(jīng)開始逐步壓榨原有工程師們的空間。

即使已經(jīng)獲得資源的團(tuán)隊們，面對行業(yè)趨勢有著不小的抵觸情緒。

多家自動駕駛團(tuán)隊開始裁員，不論是資本失望后逐步降低期待的RoboTaxi，還是證明了端到端技術(shù)之后的團(tuán)隊開始主動瘦身。

規(guī)劃控制、測試、地圖、后融合，突然開始就不再是重點(diǎn)投入的方向。

從千軍萬馬中廝殺中獲得先機(jī)的供應(yīng)商Momenta和大疆卓馭，華為引望的能力也在拷問每一個內(nèi)部自研團(tuán)隊的意義，盛宴已過，桌上只有殘羹冷炙。

自動駕駛的未來的似乎是確定的，但是投入并不保證產(chǎn)出。

好在也有新的風(fēng)口開始出現(xiàn)，具身智能，一個幾乎相當(dāng)于2016年的自動駕駛概念。

一切都是新的，沒有方法論共識，也沒有工具鏈共識，每家都有自己的想法，每家都想把自己的硬件推向市場。

這意味著每一種方案都有勝出的空間。珍貴的不確定性和未來的美好愿景交織，開始吸引投資人的注意。

自動駕駛，有著天生廣泛群眾基礎(chǔ)的應(yīng)用場景，可以用已經(jīng)非常穩(wěn)定的車輛形態(tài)進(jìn)行算法迭代，而具身智能，第一個應(yīng)用場景會在哪里，形態(tài)是否必須是人形，怎么能夠進(jìn)行低成本的數(shù)據(jù)收集，等等。過于不確定的答案也讓不夠耐心的資本止步于門口。

新的機(jī)會，新的挑戰(zhàn)，智能駕駛傳奇?zhèn)児砣刖郑瑒?chuàng)始人的背景，集結(jié)了現(xiàn)在幾乎所有的頭部智能駕駛團(tuán)隊。

不少從業(yè)者相信，自動駕駛多年來的經(jīng)驗，可以為這個混沌的領(lǐng)域注入一點(diǎn)確定性。

智駕的推動有時很慢，有時也可以很迅速，在智能汽車遍地跑的中國，勢必會出現(xiàn)一個個跑遍全球的智駕汽車。

從現(xiàn)在來看，一場新的宴會似乎就要展開。