※ 引述《LDPC (Channel Coding)》之铭言： : 周末贡献我两分钱意见 竟然有人说waymo要收掉 在自从LLM Agent出现後@@ : 机器人领域疯狂发展 尤其自驾又开始卷起来 在大好战场线整合战前 把waymo收掉 @@? : (=_= 让我想起2024 1月 提到业界要把LLM整合自驾 一堆人喷我不懂) : https://ptt.reviews/Stock/E.S-E3eOc5k9jE : 给个时间线 : 2024 5月 LLM Agent概念成立 : 2024 10月 Waymo 额外筹资56亿美元 : 2024 年底 Waymo引入Gemini 开始成立LLM Agent引入自驾 : https://ai.zhiding.cn/2024/1104/3161049.shtml : https://reurl.cc/bWjoYX : 机器人搭配Agent 现在就是AI界的战场 自驾开始在卷了 : https://reurl.cc/0K8eWK (美国最近一堆中国自驾公司部门在招人 @@b 大伙快上) : https://zhuanlan.zhihu.com/p/16225874331 : 这条AI agent路可以通吃自驾和机器人 技术基石就是对现实世界的了解和路径规划 : 浓缩成几句话就是 机器人和自驾在技术底层有大量同性质 多模态LLM推理能力会成 : 为最後关键点 而关键点就是LLM Agent 所以搞自驾和搞机器人都会搞再一起 : (**题外话 阿祖最近开始疯狂招机器人@@) : 回到特斯拉端对端(end2end)这种做法 无法做可解释planning和决策等更高阶 : 如果战场拉到LLM Agent 特斯拉唯一能依靠 : 就是xAI LLM模型 然後xAI目前人才招聘.....现在里面就各种乱 : 就引用nano-gpt fast run发起人Keller Jordan (现在openaAI) : https://x.com/kellerjordan0/status/1893868235381961140 : Some trivia: In November I interviewed at both OpenAI & xAI. : I thought both labs seemed strong, even tho ppl said xAI was a noncontender ba : -- the xAI guys told me all my ideas must be wrong & rejected me 佩_(ツ)_/? : 回到股点 如果你想买个股票是看AI浪潮 目标是五年後 那你注意的地方就是 : 谁能掌握越多大模型的下游任务(自驾 搜寻 生成色色图片@@b 人工助手 虚拟助理） : 有高黏度性用户 谁就能赢这场战役 : 而狗家现在就是 AR眼镜(虚拟助手 参照之前文章#1cH_ZPvT) 自驾 搜寻 影音媒体任务 : (e.g.notebookLM) 各种廖化调参数大军 尝试赢得用户黏度 我现在每个周末就是吃泡 面 : 每周买点狗家 @@ 但狗家的ceo有点抖就是.... : 不过如果你觉得这篇两分钱文章不对 一切以你意见为主@@b Waymo迄今仍未把 LLM 正式「上车」 https://i.imgur.com/t3wEpKC.jpeg 截自今天遇到突发状况仍然会卡住 遇道路有三角锥卡住 https://i.imgur.com/1lB3C8w.jpeg 技术现况 Waymo 的商用仍采传统「感知 → 规划 → 控制」模组化架构，搭配高精地图、LiDAR 与 雷达；真正载客的车队并未让大型语言模型（LLM）直接参与即时决策。2024 年 10 月 ，Waymo 对外发表了实验性 EMMA（End-to-End Multimodal Model for Autonomous Driv ing），宣称透过 Google Gemini 提升多模态推理能力，但官方亦强调 EMMA 目前仍属研 究性质，尚未完全取代既有安全策控流程 。 若要把 LLM 真正塞进量产车，Waymo 得先解决三大难题 1. 安全与法规验证 – LLM 推理结果难以逐条验证；在 ISO 26262、UL 4600 等汽 车 能安全框架下，要让「黑箱」模型直接操控方向盘，监管单位与保险业者都更谨慎。 2. 车载硬体与成本 – LLM 推理需更高算力与记忆体。若要在车端即时运行、势必 升 GPU/NPU，会垫高车辆 BOM 成本与耗电负载。 3. 商业节奏 – Waymo 以「安全零容忍」为品牌资产：不确定就停车、需远端人员 介 。全面切换新架构若导致早期稳定性下降，将直接伤害乘客信任。 财务压力 2024 年 10 月，Waymo 完成 56 亿美元增资，由 Alphabet 领投，累计对外融资已逾 10 0 亿美元 。然而 Alphabet「Other Bets」部门单季仍要亏损逾 10 亿美元，而分析 师推估 Waymo 年亏损约 15–20 亿美元，营收仅数千万美元级别 。在此现金流结构 下，引入 LLM 虽能改善体验与灵活性，但同时会推高硬体与验证成本，延长盈利时程。 Tesla E2E：LLM「可有可无」的另一条路 若 Tesla 日後把自家 xAI LLM 叠在 E2E 之上，主要带来少量增益： 自然语言互动 – 乘客可用语音直接改路、查询车况。 车队後台优化 – 在云端用 LLM 做调度、维护及客服。 然而，Tesla E2E 核心已能覆盖大部分驾驶行为；LLM 只是「提升体验」而非「补安全短 板」，引入迫切性相对 Waymo 小。 Waymo 若将 LLM 深度整合，可望显着降低「遇特殊障碍就卡住」的保守行为，并提升乘 客互动体验；但必须支付更高硬体、验证与研发成本，进一步拉长本就沉重的烧钱周期。 Tesla 在 E2E 架构下已拥有低边际成本与庞大真实世界数据，LLM 更多是锦上添花；短 期不必为此承担显着成本，长期则可用於语音服务与後台营运。 简言之，Waymo 更「需要」LLM 才能突破商业化瓶颈，但最痛的也是成本与法规；Tesla e2e则「用得好更完整，用不到也跑得动」。 在自驾战局真正分胜负之前，谁能把技术升级的成本曲线压得最低、又最快通过监管门槛 ，谁就更接近最终的赢家。 以下数据是消费者付费： Elon Musk 预测的 Tesla Robotaxi 预估未来每公里约 $0.19–$0.25 美元，是主打超低成本的愿景，强调靠大规模、纯 视觉系统压低价格。 真人 Uber / Lyft 美国主要城市平时每公里约 $1.2–$1.8 美元，尖峰时段与大城市（如纽约、旧金山）甚 至达到 $2–$3 美元。司机人力成本是主要成本来源。 Waymo Robotaxi 凤凰城：每公里约 $1.2–$2 美元，与 Uber 价格接近。 旧金山：因感测器、地图与营运成本高，每公里平均约 $7.4 美元，远高於 Uber。 运营成本： Uber / Lyft：人力成本占大头，实际单公里营运成本可能接近乘客付费价（甚至略高， 平台依靠抽成与动态定价赚利润）。 Waymo：据内部估算，单公里成本 $0.30–$0.40/km，但目前收费（特别是在旧金山） 远高於成本，原因是要摊提研发、感测器、地图更新、公司营运与早期投资回报，如果加 入LLM会更高。 Tesla Robotaxi（预测值）：Elon 说的是营运成本 $0.12–$0.15/km，但这仅是假设值 ，还未实现。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 42.73.72.160 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Stock/M.1748760232.A.485.html ※ 编辑: LimYoHwan (42.73.72.160 台湾), 06/01/2025 14:46:10 E2E 视觉网路已能直接学人类驾驶行为；插入 LLM 反而打破「少模组、可大规模扩张」 的设计初衷 有迹象显示 Tesla 正在「车内」测试 LLM（Grok／Foundation-Model），但目前仅用於 语音助理与高层互动，**没有公开证据表明 LLM 已被接入 FSD 的即时驾驶决策。 E2E 模型完全由影像→控制信号，不含语言推理 ※ 编辑: LimYoHwan (42.73.72.160 台湾), 06/01/2025 15:00:28 ※ 编辑: LimYoHwan (42.73.72.160 台湾), 06/01/2025 15:01:34