※ 引述《LDPC (Channel Coding)》之銘言： : 週末貢獻我兩分錢意見 竟然有人說waymo要收掉 在自從LLM Agent出現後@@ : 機器人領域瘋狂發展 尤其自駕又開始捲起來 在大好戰場線整合戰前 把waymo收掉 @@? : (=_= 讓我想起2024 1月 提到業界要把LLM整合自駕 一堆人噴我不懂) : https://ptt.reviews/Stock/E.S-E3eOc5k9jE : 給個時間線 : 2024 5月 LLM Agent概念成立 : 2024 10月 Waymo 額外籌資56億美元 : 2024 年底 Waymo引入Gemini 開始成立LLM Agent引入自駕 : https://ai.zhiding.cn/2024/1104/3161049.shtml : https://reurl.cc/bWjoYX : 機器人搭配Agent 現在就是AI界的戰場 自駕開始在捲了 : https://reurl.cc/0K8eWK (美國最近一堆中國自駕公司部門在招人 @@b 大伙快上) : https://zhuanlan.zhihu.com/p/16225874331 : 這條AI agent路可以通吃自駕和機器人 技術基石就是對現實世界的了解和路徑規劃 : 濃縮成幾句話就是 機器人和自駕在技術底層有大量同性質 多模態LLM推理能力會成 : 為最後關鍵點 而關鍵點就是LLM Agent 所以搞自駕和搞機器人都會搞再一起 : (**題外話 阿祖最近開始瘋狂招機器人@@) : 回到特斯拉端對端(end2end)這種做法 無法做可解釋planning和決策等更高階 : 如果戰場拉到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.....現在裡面就各種亂 : 就引用nano-gpt fast run發起人Keller Jordan (現在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 珮_(ツ)_/? : 回到股點 如果你想買個股票是看AI浪潮 目標是五年後 那你注意的地方就是 : 誰能掌握越多大模型的下游任務(自駕 搜尋 生成色色圖片@@b 人工助手 虛擬助理） : 有高黏度性用戶 誰就能贏這場戰役 : 而狗家現在就是 AR眼鏡(虛擬助手 參照之前文章#1cH_ZPvT) 自駕 搜尋 影音媒體任務 : (e.g.notebookLM) 各種廖化調參數大軍 嘗試贏得用戶黏度 我現在每個週末就是吃泡 麵 : 每週買點狗家 @@ 但狗家的ceo有點抖就是.... : 不過如果你覺得這篇兩分錢文章不對 一切以你意見為主@@b Waymo迄今仍未把 LLM 正式「上車」 https://i.imgur.com/t3wEpKC.jpeg 截自今天遇到突發狀況仍然會卡住 遇道路有三角錐卡住 https://i.imgur.com/1lB3C8w.jpeg 技術現況 Waymo 的商用仍採傳統「感知 → 規劃 → 控制」模組化架構，搭配高精地圖、LiDAR 與 雷達；真正載客的車隊並未讓大型語言模型（LLM）直接參與即時決策。2024 年 10 月 ，Waymo 對外發表了實驗性 EMMA（End-to-End Multimodal Model for Autonomous Driv ing），宣稱透過 Google Gemini 提升多模態推理能力，但官方亦強調 EMMA 目前仍屬研 究性質，尚未完全取代既有安全策控流程 。 若要把 LLM 真正塞進量產車，Waymo 得先解決三大難題 1. 安全與法規驗證 – LLM 推理結果難以逐條驗證；在 ISO 26262、UL 4600 等汽 車 能安全框架下，要讓「黑箱」模型直接操控方向盤，監管單位與保險業者都更謹慎。 2. 車載硬體與成本 – LLM 推理需更高算力與記憶體。若要在車端即時運行、勢必 升 GPU/NPU，會墊高車輛 BOM 成本與耗電負載。 3. 商業節奏 – Waymo 以「安全零容忍」為品牌資產：不確定就停車、需遠端人員 介 。全面切換新架構若導致早期穩定性下降，將直接傷害乘客信任。 財務壓力 2024 年 10 月，Waymo 完成 56 億美元增資，由 Alphabet 領投，累計對外融資已逾 10 0 億美元 。然而 Alphabet「Other Bets」部門單季仍要虧損逾 10 億美元，而分析 師推估 Waymo 年虧損約 15–20 億美元，營收僅數千萬美元級別 。在此現金流結構 下，引入 LLM 雖能改善體驗與靈活性，但同時會推高硬體與驗證成本，延長盈利時程。 Tesla E2E：LLM「可有可無」的另一條路 若 Tesla 日後把自家 xAI LLM 疊在 E2E 之上，主要帶來少量增益： 自然語言互動 – 乘客可用語音直接改路、查詢車況。 車隊後台優化 – 在雲端用 LLM 做調度、維護及客服。 然而，Tesla E2E 核心已能覆蓋大部分駕駛行為；LLM 只是「提升體驗」而非「補安全短 板」，引入迫切性相對 Waymo 小。 Waymo 若將 LLM 深度整合，可望顯著降低「遇特殊障礙就卡住」的保守行為，並提升乘 客互動體驗；但必須支付更高硬體、驗證與研發成本，進一步拉長本就沉重的燒錢周期。 Tesla 在 E2E 架構下已擁有低邊際成本與龐大真實世界數據，LLM 更多是錦上添花；短 期不必為此承擔顯著成本，長期則可用於語音服務與後台營運。 簡言之，Waymo 更「需要」LLM 才能突破商業化瓶頸，但最痛的也是成本與法規；Tesla e2e則「用得好更完整，用不到也跑得動」。 在自駕戰局真正分勝負之前，誰能把技術升級的成本曲線壓得最低、又最快通過監管門檻 ，誰就更接近最終的贏家。 以下數據是消費者付費： Elon Musk 預測的 Tesla Robotaxi 預估未來每公里約 $0.19–$0.25 美元，是主打超低成本的願景，強調靠大規模、純 視覺系統壓低價格。 真人 Uber / Lyft 美國主要城市平時每公里約 $1.2–$1.8 美元，尖峰時段與大城市（如紐約、舊金山）甚 至達到 $2–$3 美元。司機人力成本是主要成本來源。 Waymo Robotaxi 鳳凰城：每公里約 $1.2–$2 美元，與 Uber 價格接近。 舊金山：因感測器、地圖與營運成本高，每公里平均約 $7.4 美元，遠高於 Uber。 運營成本： Uber / Lyft：人力成本占大頭，實際單公里營運成本可能接近乘客付費價（甚至略高， 平台依靠抽成與動態定價賺利潤）。 Waymo：據內部估算，單公里成本 $0.30–$0.40/km，但目前收費（特別是在舊金山） 遠高於成本，原因是要攤提研發、感測器、地圖更新、公司營運與早期投資回報，如果加 入LLM會更高。 Tesla Robotaxi（預測值）：Elon 說的是營運成本 $0.12–$0.15/km，但這僅是假設值 ，還未實現。 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.73.72.160 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Stock/M.1748760232.A.485.html ※ 編輯: LimYoHwan (42.73.72.160 臺灣), 06/01/2025 14:46:10 E2E 視覺網路已能直接學人類駕駛行為；插入 LLM 反而打破「少模組、可大規模擴張」 的設計初衷 有跡象顯示 Tesla 正在「車內」測試 LLM（Grok／Foundation-Model），但目前僅用於 語音助理與高層互動，**沒有公開證據表明 LLM 已被接入 FSD 的即時駕駛決策。 E2E 模型完全由影像→控制信號，不含語言推理 ※ 編輯: LimYoHwan (42.73.72.160 臺灣), 06/01/2025 15:00:28 ※ 編輯: LimYoHwan (42.73.72.160 臺灣), 06/01/2025 15:01:34