※ 本文轉寄自 ptt.cc 更新時間: 2024-12-11 21:40:42
看板 Stock
作者 標題 Re: [新聞] 美Robotaxi市場剩特斯拉和Waymo兩強相爭
時間 Wed Dec 11 19:15:45 2024
業內人士
簡單分享一下看法
這兩家在技術路線上是完全不同的
技術方面：
狗車部分：
狗車 08年還啥時就出現 當時 deep learning 還沒完全起飛 大多數路線都還是走 classical robotics
有很長一段時間業內都公認狗車是最領先的 畢竟傳統路線 你搞得久 搞得多 不會差到哪
但狗車就是太早當領頭羊 組織太大 頭洗下去太久了
但狗車就是太早當領頭羊 組織太大 頭洗下去太久了
這幾年 deep learning 爆發後 沒有辦法快速pivot
畢竟你都一個車隊跑這麼久了 behavior planning 300 多人 你現在說要轉End to end 那路上在跑的怎麼辦？ 養的一堆人只會做傳統的怎麼辦？ 根本不可能
一些朋友在狗車 基本上就是一個人負責一個超小的feature 然後幾乎不可能上車
狗車現在不是完全手寫 很多 perception, maybe prediction 都有用 DL 了但就我所知 在planning 這塊 還是傳統MPC
另外就是仰賴高精度地圖 昂貴sensor 這在幾年前DL 起飛前可能合理 但現在看來完全讓整個商業模型不可行
你說他已經在路上跑 有收入了 但問題是開到報廢前 能回本？
Tesla 部分：
FSD 在今年之前 也是跟狗車差不多 走classical robotics 混一些DL (說實在2020之後應該沒有純手寫的公司了）
但director帶種 直接說幹就幹 今年V12 直接換成 end to end 直接一個質的飛躍
成本方面 一台車就靠幾個相機 完爆其他業內
另外這一兩年open ai （gen ai)火爆 主要就是因為發現 當你今天模型（算力）夠大 data夠多 你就頂呱呱
這在無人車 或者是general robotics 方面 在以前大家完全不是這樣想的
Robotics 在learning based approach 有兩大流派：
Imitation learning
Reinforcement learning
Imitation learning( or behavior cloning) 基本就是照抄你給他的資料 好一點可以舉一反三
傳統認為這路線是走不通的 因為會有 out of distribution 所導致的compounding error
簡單來說就是他沒看過的 他就有可能炸開 一旦炸開 它就到一個更沒看過的 更加炸裂
簡單來說就是他沒看過的 他就有可能炸開 一旦炸開 它就到一個更沒看過的 更加炸裂
Generative AI (GPT/ diffusion model)這些基本上就是 imitation learning
結果現在發現 那我模型（算力）更大 讓他抄（data)更多 那他不就都看過了？
這竟然就突然讓imitation learning 突然可行了
GPT 剛開始出來時(GPT2吧？）也沒啥人注意 表現一般般 直到GPT3 之後 無腦加大 更大模型 更多資料 才一飛沖天
這幾年NLP/ CV 的這些突破 很快都會出現在robotics上
但這邊的重點就是你要有足夠的算力（gpu)跟足夠的資料
算力方面 錢可以解決
但這邊的重點就是你要有足夠的算力（gpu)跟足夠的資料
算力方面 錢可以解決
狗車有狗狗爸爸 tpu 應該不是問題
Tesla 基本上也是卯起來買gpu
但資料量方面 基本上目前業界沒有人打得贏Tesla 他就幾百萬輛台車整天在路上跑
狗車我沒查過 但貼文有人說才700輛？
你算力在屌 你如果只有一咪咪資料 也是沒用
結合以上 我自己是認為狗車可能現在在侷限ODD 可以比FSD 好
但超出營運範圍 跟未來growth 我不看好狗車
說啥狗車可以搞商用卡車 這些哪個將來FSD不能搞？ 一旦狗車說只搞商用 基本上也可以收一收了
貼文裡有人分享Waymo research 他們那跟車上跑的不同組 基本就是養個research組 能發發paper 吸引一些人進去 實際上最後應用到車上的很少
股點方面 自己是看多Tesla 但這股票本質上跟meme stock沒啥區別 FSD/ Optimus 做得好 不一定會完全表現在股價上
-----
Sent from JPTT on my iPhone
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.156.77.229 (日本)
※ 作者: caldude 2024-12-11 19:15:45
※ 文章代碼(AID): #1dMNHZPM (Stock)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1733915747.A.656.html
※ 同主題文章:
12-11 09:05 ■ [新聞] 美Robotaxi市場剩特斯拉和Waymo兩強相爭 通用汽車的Cruise退出
● 12-11 19:15 ■ Re: [新聞] 美Robotaxi市場剩特斯拉和Waymo兩強相爭
推 : GOOGLE本來就沒啥眼光1F 12/11 19:22
推 : 這文體跟9個0有得比2F 12/11 19:23
→ : 他們早就發現光達的商業模型和實際營運有問題3F 12/11 19:23
→ : 但是那些人開發案子跟在養老一樣，對這些都無所謂
→ : 但是那些人開發案子跟在養老一樣，對這些都無所謂
推 : Tesla 新的技術share給北京了嗎5F 12/11 19:26
→ : Robotaxi成功上路後還要花一筆錢搶市占6F 12/11 19:27
推 : 手機、社群、AI、人型機器人、短影音，他們錯過多少7F 12/11 19:27
推 : 樓上上 那就是股價下修時的佈局機會了8F 12/11 19:33
推 : 特斯拉可以夜晚時速100km遇到塞車快速煞車?9F 12/11 19:33
→ : 視覺在夜晚永遠比不上Lidar
→ : 視覺在夜晚永遠比不上Lidar
推 : 轉頭太難了 這些光達 planing的員工怎麼辦？11F 12/11 19:38
推 : 總是有外行愛吹Lidar 頗呵12F 12/11 19:38
→ : 又是一個出來丟臉的 你晚上開車速度100KM你煞得住??13F 12/11 19:39
→ : 進出隧道的光線 你能馬上適應 不都是先放慢
→ : 進出隧道的光線 你能馬上適應 不都是先放慢
推 : 不是誒 車板台灣自駕大師說光達才是未來15F 12/11 19:43
推 : 推一下16F 12/11 19:45
推 : 不全懂 先推慢慢看17F 12/11 19:53
推 : 我推這篇 你晚上視覺難道不退化？能開車就夠了 沒18F 12/11 19:54
→ : 要你當秋名山車神
→ : 要你當秋名山車神
推 : 電車沒解決能源問題前都是笑話，里程焦慮這種問題放20F 12/11 19:57
→ : 在美國那麼大的國土更是笑話，吹特斯拉的除非特斯拉
→ : 能統一車界規格讓不同車廠都上FSD，要不然FSD就是只
→ : 能在特斯拉上搞，再來里程問題就限死特斯拉的robota
→ : xi只能在能源充足充電站夠的大城市，那跟waymo還不
→ : 是一樣？
→ : 在美國那麼大的國土更是笑話，吹特斯拉的除非特斯拉
→ : 能統一車界規格讓不同車廠都上FSD，要不然FSD就是只
→ : 能在特斯拉上搞，再來里程問題就限死特斯拉的robota
→ : xi只能在能源充足充電站夠的大城市，那跟waymo還不
→ : 是一樣？
推 : ㄜ......好像有人不知道特斯拉充電規格一統江湖了26F 12/11 19:59
→ : 好像也不知道特斯拉能源業務是目前重要營利來源
→ : 好像也不知道特斯拉能源業務是目前重要營利來源
推 : 99nvdl28F 12/11 20:00
→ : 算了 我還是困霸數錢好了29F 12/11 20:00
推 : so？能源有解決里程焦慮嗎？笑死！30F 12/11 20:00
→ : 還是先把我回的看清楚吧？
→ : 還是先把我回的看清楚吧？
推 : 真的 特斯拉超爛 你空了嗎？32F 12/11 20:02
→ : 不看好特斯拉可以不買特斯拉股票吧？空是腦袋空空嗎33F 12/11 20:03
→ : ？呵呵！
→ : ？呵呵！
推 : 台灣自駕大師說AI 不是通解誒 怎辦 急35F 12/11 20:03
→ : 哦 剩一張嘴而已 那你可以滾了36F 12/11 20:03
推 : 上了四百每個人都是特粉了38F 12/11 20:03
推 : 特黑好兇 沒賺到錢也別這麼兇嘛.......秀秀39F 12/11 20:05
推 : 笑死！腦袋空空整天想空？40F 12/11 20:05
→ : 看著買特斯拉股票的一直賺錢 不要吃味 秀秀41F 12/11 20:06
→ : 這世界就是這樣，回覆的東西沒辦法用有營養的方式來42F 12/11 20:06
→ : 反駁就只好訴諸感情了？哈哈！
→ : 反駁就只好訴諸感情了？哈哈！
→ : 不看好 不敢空 不就代表自己也保留反面的想法 哈哈44F 12/11 20:06
→ : 哥你可能自己都無法說服自己耶
→ : 哥你可能自己都無法說服自己耶
推 : 講的好像你的分析有營養一樣 連空單都沒有不就是出46F 12/11 20:07
→ : 來耍白痴的嗎
→ : 來耍白痴的嗎
→ : 某些有閱讀障礙的人大概以為不看好就得空吧？那怎麼48F 12/11 20:07
→ : 沒看到空空空的破產呢？呵呵！
→ : 沒看到空空空的破產呢？呵呵！
→ : 但也確實不要亂空 不然只是當多軍的燃料50F 12/11 20:07
→ : 直接認真回那些不懂思考的 當FSD真的實現
→ : 直接認真回那些不懂思考的 當FSD真的實現
→ : 里程焦慮就是假議題 知道為什麼嗎 動動你可愛的腦袋53F 12/11 20:09
推 : 空不空是個人選擇 從200黑到400也是54F 12/11 20:13
推 : 老實講我覺得未來還很難說，特斯拉數據多沒錯，但高55F 12/11 20:15
→ : 精度本身就是一種很有價值的數據，光達也是，當今天
→ : DL多用了這兩種資訊來訓練模型和Inference我覺得效
→ : 果不見得比較差耶，而且這兩種數據成本高沒錯，採集
→ : 困難代表後面的人要進來也難，高精度地圖有沒有機會
→ : 做其他商業應用？我覺得可以耶，谷歌地圖有沒有辦法
→ : 附能，產生更好的服務應用模式，我覺得說不定也是一
→ : 種機會。我也很贊成特斯拉的純視覺方案，但未來需要
→ : 一個開的遠比人類安全的系統，而不是跟人類差不多的
→ : 系統。純視覺在一些corner cases要花多久時間才能co
→ : ver到，我覺得這還很難說。總結我兩家都買XD但特斯
→ : 拉現在的股價確實撐不起他的基本面，但誰知道呢有夢
→ : 最美都買應該不會錯
→ : 精度本身就是一種很有價值的數據，光達也是，當今天
→ : DL多用了這兩種資訊來訓練模型和Inference我覺得效
→ : 果不見得比較差耶，而且這兩種數據成本高沒錯，採集
→ : 困難代表後面的人要進來也難，高精度地圖有沒有機會
→ : 做其他商業應用？我覺得可以耶，谷歌地圖有沒有辦法
→ : 附能，產生更好的服務應用模式，我覺得說不定也是一
→ : 種機會。我也很贊成特斯拉的純視覺方案，但未來需要
→ : 一個開的遠比人類安全的系統，而不是跟人類差不多的
→ : 系統。純視覺在一些corner cases要花多久時間才能co
→ : ver到，我覺得這還很難說。總結我兩家都買XD但特斯
→ : 拉現在的股價確實撐不起他的基本面，但誰知道呢有夢
→ : 最美都買應該不會錯
推 : 還好我已經在數錢，特黑就繼續黑沒差68F 12/11 20:15
推 : 老人接受不了 只能唱衰69F 12/11 20:18
推 : 怎麼會覺得純視覺沒辦法解 corner case 難道你到沒70F 12/11 20:19
→ : 去過的地方就不會開車了嗎
→ : 去過的地方就不會開車了嗎
→ : Corner case繼續用寫code 永遠寫不完72F 12/11 20:21
→ : Planing不用端到端 看不出出路在哪
→ : 對岸可以把寫code變成人力密集產業
→ : Planing不用端到端 看不出出路在哪
→ : 對岸可以把寫code變成人力密集產業
→ : 是說自駕開台灣高山山路狀況如何？75F 12/11 20:22
→ : 這個要能克服，大概什麼都能克服了
→ : 這個要能克服，大概什麼都能克服了
→ : 美國人力太貴了 無法這樣玩77F 12/11 20:23
推 : 保羅說的corner cases反而是高精地圖要花更多時間去78F 12/11 20:24
→ : cver吧 純視覺不就是能解決各種狀況嗎
→ : *cover
→ : cver吧 純視覺不就是能解決各種狀況嗎
→ : *cover
推 : 對照ptt一慣的風向標準，真特黑的確可以考慮空了81F 12/11 20:24
推 : 說自駕純視覺端到端不行的 都是做光達的XD82F 12/11 20:24
推 : 人到第一次去的地方 沒看過的路況怎麼辦 靠經驗找83F 12/11 20:25
→ : 類似狀況套上去 現在AI 就在做類似的事啊 然後現在
→ : AI開車數據上已經比人類安全 考慮到路上一堆三寶
→ : 我是傾向相信
→ : 類似狀況套上去 現在AI 就在做類似的事啊 然後現在
→ : AI開車數據上已經比人類安全 考慮到路上一堆三寶
→ : 我是傾向相信
→ : 特現在有政治紅利，空他才是跟錢過不去87F 12/11 20:25
→ : 自駕繼續發展肯定比人類安全，只是哪種技術為主難說88F 12/11 20:26
→ : V13已經改成光子計數89F 12/11 20:26
→ : Common AI 的CEO說 特第一名 我第二名
→ : 其他人五年前就說會倒了 看吧！
→ : Common AI 的CEO說 特第一名 我第二名
→ : 其他人五年前就說會倒了 看吧！
推 : 我想表達的corner case可能不是指說一個新的地方這92F 12/11 20:27
→ : 麼簡單，如果大模型不存在corner case 那現在特斯拉
→ : 應該已經可以上路運營了，就是一些不知道為什麼會辨
→ : 識不到的case或是辨識錯的case,舉個簡單的例子，會
→ : 不會特斯拉誤判紅綠燈或是沒偵測到紅綠燈？這確實是
→ : 現在FSD存在的問題，但高精地圖會標示每個路口位置
→ : 及紅綠燈資訊，所以當狗哥把這個資訊加進去一起訓練
→ : 模型，有機會辨識的更準
→ : 麼簡單，如果大模型不存在corner case 那現在特斯拉
→ : 應該已經可以上路運營了，就是一些不知道為什麼會辨
→ : 識不到的case或是辨識錯的case,舉個簡單的例子，會
→ : 不會特斯拉誤判紅綠燈或是沒偵測到紅綠燈？這確實是
→ : 現在FSD存在的問題，但高精地圖會標示每個路口位置
→ : 及紅綠燈資訊，所以當狗哥把這個資訊加進去一起訓練
→ : 模型，有機會辨識的更準
→ : 第一難開的正常道路，太魯閣→大禹嶺，自駕能克服100F 12/11 20:28
→ : 就厲害了
→ : 就厲害了
推 : 這四年川普上任 特斯拉發展不受限 發展成熟後102F 12/11 20:29
→ : 民主黨還是共和黨 差異性就不大了
→ : 民主黨還是共和黨 差異性就不大了
推 : Paul 說的不錯 但還是以傳統自駕的觀點出發104F 12/11 20:29
→ : 感知 規劃 控制 這樣去理解
→ : 感知 規劃 控制 這樣去理解
→ : 當然用code寫規則我也不認同，但我不覺得谷歌不會意106F 12/11 20:30
→ : 識到這點，他在路上的系統可以用舊的規則，實際實驗
→ : 的系統可以改成E2E完全沒問題呀，我不覺得谷歌沒有
→ : 能力做到，所以我說我兩家都會買
→ : 識到這點，他在路上的系統可以用舊的規則，實際實驗
→ : 的系統可以改成E2E完全沒問題呀，我不覺得谷歌沒有
→ : 能力做到，所以我說我兩家都會買
推 : 另一個角度來說 waymo反而更難改端到端110F 12/11 20:31
→ : 配備上車容易 減配才難
→ : 配備上車容易 減配才難
推 : 你這完全不叫corner case 吧 難道紅綠燈今天壞了你112F 12/11 20:32
→ : 就不會開車了？怎麼開 你有沒有開過沒燈號的路口
→ : 注意左右對向 安全就開過去阿 AI 沒偵測到路燈就當
→ : 無路燈路口開啊 反而高精度 我新增或移除路燈反而
→ : 麻煩
→ : 就不會開車了？怎麼開 你有沒有開過沒燈號的路口
→ : 注意左右對向 安全就開過去阿 AI 沒偵測到路燈就當
→ : 無路燈路口開啊 反而高精度 我新增或移除路燈反而
→ : 麻煩
→ : 後面牽扯多少工程師 設備商的飯碗117F 12/11 20:33
推 : 推分享118F 12/11 20:33
推 : 不是喔，我想表達的意思是 多加入 高精地圖 和光達119F 12/11 20:51
→ : 資訊 對於 最終訓練End 2 end 模型我覺得有幫助，谷
→ : 歌說不定之後也考慮研發E2E, 純視覺成本低就可以做
→ : 到很高準確率沒錯，完全認同，但今天如果是商用，討
→ : 論一台完全沒有駕駛人的車輛的case, 我覺得就不是單
→ : 純開的比人好的問題而已，而是要幾乎不能出現錯誤。
→ : 不然換個方向講XD如果今天高精地圖都準備好了也有低
→ : 成本的光達設備，特斯拉如果也拿這些data搭配影像訓
→ : 練他現有的E2E model，表現會比較差嗎？還是更好呢
→ : ？模型不是在各維度資訊下找到一個最好的角度去理解
→ : 這些數據嗎？所以我覺得純視覺方案只是考量「經濟面
→ : 」下最好的方案，但不代表只有引入純視覺就可以做到
→ : 最好。因為未來如果純視覺出現了那麼幾次的突發意外
→ : ，會不會就是高精地圖及光達資訊這一小塊拼圖可以補
→ : 齊的？商用無人計程車應該是要近乎完美的服務。我也
→ : 買特斯拉股票，我今年160附近買的，因為我也相信特
→ : 斯拉，不是特黑，但我覺得谷歌的技術路線反而讓我相
→ : 對放心可預期未來幾年的收益。
→ : 資訊 對於 最終訓練End 2 end 模型我覺得有幫助，谷
→ : 歌說不定之後也考慮研發E2E, 純視覺成本低就可以做
→ : 到很高準確率沒錯，完全認同，但今天如果是商用，討
→ : 論一台完全沒有駕駛人的車輛的case, 我覺得就不是單
→ : 純開的比人好的問題而已，而是要幾乎不能出現錯誤。
→ : 不然換個方向講XD如果今天高精地圖都準備好了也有低
→ : 成本的光達設備，特斯拉如果也拿這些data搭配影像訓
→ : 練他現有的E2E model，表現會比較差嗎？還是更好呢
→ : ？模型不是在各維度資訊下找到一個最好的角度去理解
→ : 這些數據嗎？所以我覺得純視覺方案只是考量「經濟面
→ : 」下最好的方案，但不代表只有引入純視覺就可以做到
→ : 最好。因為未來如果純視覺出現了那麼幾次的突發意外
→ : ，會不會就是高精地圖及光達資訊這一小塊拼圖可以補
→ : 齊的？商用無人計程車應該是要近乎完美的服務。我也
→ : 買特斯拉股票，我今年160附近買的，因為我也相信特
→ : 斯拉，不是特黑，但我覺得谷歌的技術路線反而讓我相
→ : 對放心可預期未來幾年的收益。
推 : 但狗車有在做純視覺嗎？ 整合高精地圖這個成本有多137F 12/11 20:58
→ : 少？
→ : 真的整合出來 特斯拉的FSD進步到哪裡了？ 能不能立
→ : 即追上特斯拉的技術
→ : 少？
→ : 真的整合出來 特斯拉的FSD進步到哪裡了？ 能不能立
→ : 即追上特斯拉的技術
推 : 我覺得你太神化高精地圖 多一份資料可能有幫助 但141F 12/11 20:59
→ : 也可能是造成更多的資料衝突 如果地圖跟你說這邊有
→ : 路 但實際上是在修路挖了大坑呢 我是不懂為什麼商
→ : 業就一定要完美 現在小黃司機不完美 你就不搭嗎 更
→ : 別說以商業模式來說 有高精地圖才能用根本就災難
→ : 你應該不會不懂阿
→ : 也可能是造成更多的資料衝突 如果地圖跟你說這邊有
→ : 路 但實際上是在修路挖了大坑呢 我是不懂為什麼商
→ : 業就一定要完美 現在小黃司機不完美 你就不搭嗎 更
→ : 別說以商業模式來說 有高精地圖才能用根本就災難
→ : 你應該不會不懂阿
推 : For R大，對我那個其實應該不算corner case,只是簡147F 12/11 21:02
→ : 單舉例說明，因為我理解真正的corner case是沒辦法
→ : 解釋的，為何一張狗的照片丟給模型看他會說是貓，這
→ : 種錯誤沒有辦法解釋，也是最難訓練的部分，如果都知
→ : 道錯在哪那模型都100%正確了不是嗎？以我的例子來說
→ : ，卻是模型可以學人一樣判斷左右兩邊有沒有車再開，
→ : 但這樣的假設是基於我知道紅綠燈不準或是壞掉的前提
→ : 下有的動作，如果今天紅綠燈顯示綠燈你還會左看右看
→ : 嗎？那模型就是存在這樣的corner case把紅綠燈看錯
→ : ，當然！紅綠燈只是「例子」，我覺得實際上的corner
→ : case不會那麼簡單可以說明
→ : 單舉例說明，因為我理解真正的corner case是沒辦法
→ : 解釋的，為何一張狗的照片丟給模型看他會說是貓，這
→ : 種錯誤沒有辦法解釋，也是最難訓練的部分，如果都知
→ : 道錯在哪那模型都100%正確了不是嗎？以我的例子來說
→ : ，卻是模型可以學人一樣判斷左右兩邊有沒有車再開，
→ : 但這樣的假設是基於我知道紅綠燈不準或是壞掉的前提
→ : 下有的動作，如果今天紅綠燈顯示綠燈你還會左看右看
→ : 嗎？那模型就是存在這樣的corner case把紅綠燈看錯
→ : ，當然！紅綠燈只是「例子」，我覺得實際上的corner
→ : case不會那麼簡單可以說明
推 : 推分享158F 12/11 21:05
推 : 我也可以跟你說 AI 也不太可能到完美 你理想中的那159F 12/11 21:06
→ : 個不會錯的AI不存在 就像完美的人一樣 但是能把錯
→ : 誤率壓到很低就夠了 特現在就是看那些場景判斷不好
→ : 大量給他類似的情況去加強
推 : 然後顯示綠燈 我一樣會減速看一下左右 如果你不是
→ : 你最好考慮一下 你不能保證路上沒三寶 AI也同樣是
→ : 個不會錯的AI不存在 就像完美的人一樣 但是能把錯
→ : 誤率壓到很低就夠了 特現在就是看那些場景判斷不好
→ : 大量給他類似的情況去加強
推 : 然後顯示綠燈 我一樣會減速看一下左右 如果你不是
→ : 你最好考慮一下 你不能保證路上沒三寶 AI也同樣是
推 : 純視覺就是便宜而已，肯定不是最好的，馬的用意或許165F 12/11 21:15
→ : 是訓練AI視覺
→ : 是訓練AI視覺
--
※ 看板: Stock 文章推薦值: 0 目前人氣: 0 累積人氣: 5
回列表(←)
分享