- 主题:出大事了，理想端到端今天开始全量推送了
因为端到端的下限已经比之前规控版本持平或超越了，另外一家为啥连早鸟都不敢，就是因为丫下限太低了才这么说。
【 在 csxf666 的大作中提到: 】
: 以前计划说是最早年底前推送，这一下子提前了两三个月，难道内部测试这俩月觉得超出预期了？
: [upload=1][/upload]
: [upload=2][/upload]
: ...................
--
FROM 123.125.33.*
你以为规控下限可控？
【 在 qtpr 的大作中提到: 】
: 端到端的下限是不可控的吧。fsd的端到端开去超市，直接自己从超市的人行入口进入，呵呵
:
--
FROM 123.125.33.*
刚才华为的帖子被删了，我放这里吧：
不要怀疑华为的工程能力，目前只是其跟进晚、下限低暂时不敢内测。大家可以看看华为再刚开始推智能驾驶的情况，错误百出，迭代两个大版本就第一梯队了。现实上说，一旦华为端到端开始早鸟用户，智能驾驶的竞争基本就结束了：华为、理想、小鹏、Momenta。凡是没有10w+车队和几E算力的车企在智能驾驶这块都会出局，就算有其他家有这个条件也会落后2年以上。
另外两年后再看LiDAR，会很搞笑。现在的情形很像21年对transformer的bev纯视觉的分歧，现在无论是哪家都已经达到当年的水平了。两年后再见。
PS：忘记小米了，因为su7 PRO\Max保有量也很可观了，雷善人不仅有钱、眼光也很独到，无缝切换到E2E就是时间问题，先一步一个脚印吧，上一代玩明白了才可以继续，一口不能一个胖子。不要怀疑小米的工程能力，小爱同学作为米链中枢，各方面yylx。雷军能把各车企不要的人才聚在一起，成功打造爆款su7，结果肯定错不了。
PS2：特斯拉明年不一定落地，yylh了。
继续吃瓜看戏。
【 在 csxf666 的大作中提到: 】
: 以前计划说是最早年底前推送，这一下子提前了两三个月，难道内部测试这俩月觉得超出预期了？
: [upload=1][/upload]
: [upload=2][/upload]
: ...................
--
修改:hsv FROM 123.125.33.*
FROM 123.125.33.*
虽然你口口声声说cv ai界的，一看你就没做过真实的项目。规控在上马路牙子以及正常行驶的避险，永远做不到端到端那么自然，因为你不可能穷尽所有corner case。无保护左转过程突然停马路中间等你接管，全然不顾被撞的风险。
但凡懂generlization，从数据标注、模型训练、部署、灰度、全量上线pipelline做过几个项目，都会明白为什么理想敢全量推端到端，都不会说出你这样的外行话。
当然懂模型训练也会得出和你一样的结论，新势力没动静那家，AI掌门人是cv圈中外驰名大佬，这说明懂技术但不深入到细节，靠经验是不管用的。同样的数据集，得出不同的结论，相信写paper的都懂。
当然，能来本版说技术，我认可你的技术水平的，唬唬那些销售完全没问题，可惜不能转积分给你，让你多浪一点，我被这些销售怼emo了，积分留着没用。
【 在 qtpr 的大作中提到: 】
: 规控至少在理论上可以解释，出了问题可以排查修改规则。
: 端到端的灾难性遗忘和幻觉是无解。
:
--
修改:hsv FROM 123.125.33.*
FROM 123.125.33.*
这就是端到端比较反直觉的地方，以前规控阶段大家觉得太难以至于无解的case，端到端觉得很简单，而大家觉得常识的部分，屡屡出错。
【 在 vvest 的大作中提到: 】
: 理想的端到端直播，直播逆行了。。。。
--
FROM 123.125.33.*
我说的，都是机器学习的基础啊，这都不懂啊。。。
【 在 qtpr 的大作中提到: 】
: 得了吧，我说的都是对的，你否认不了。另外，你曲解了我的意思。我并不否认端到端现在确实在人力成本和迭代成本方面有一些优势（基于规则的人工智能其实就有多少人工就有多少智能的dirty work。当然数据驱动也有很多dirty work，但就人力来说确实省了一点儿），但是端到端这一套的上限也是可见的，片面吹嘘端到端只能骗骗小白而已。就目前来说，规则和NN应该结合，系统上限才可能更高一点儿，这有点儿像理想吹的那套快系统和慢系统。但是更本质的改变，在于基本研究路径和形式化工具的颠覆性变革。
: 另外你别这么多内心戏，扯一堆不知所谓的。
:
--
FROM 123.125.33.*
不解释了，成色已分。
【 在 qtpr 的大作中提到: 】
: 你很搞笑，你觉得你说的什么我不懂？呵呵
:
--
FROM 123.125.33.*
和看完几篇科普文的聊技术，当然高兴了。
【 在 qtpr 的大作中提到: 】
: 讨论个技术问题，还要分成色，呵呵，你高兴就好
--
FROM 123.125.33.*
云端是训练，这个比较消耗算力，动辄需要几十上百E的算力。本地都是推理（inference），比较轻量化，一般100多算力TOPS就够了。
【 在 iideall 的大作中提到: 】
: 你们都是大佬，我连科普文都看不懂。作为门外的纯小白，想问一下端到端的计算是跑在本地吗？那本地硬件支持多大的模型啊？
--
FROM 123.125.33.*
早期做OCR、目标检测模型较多，一直对智能驾驶很不屑，21年看完AI Day就知道，智能驾驶真正的曙光来了，你看现在国内已经普及相关技术了，上半年还狂吹无图呢。放心，再过两年会和现在局面类似，端到端会普及，会有大的裁员的，因为不需要几千规控开发的。
现在理想和小鹏会说自己端味比别家强，其实就是拟人化。
AI这块，技术就是螺旋上升，你换了一种模式，以往的经验会不太值钱，部分方面体验甚至可能回倒退，但迭代几个版本以后，会远超以前。行业转向transformer、
人类最擅长的是制造利用工具，合理利用智能驾驶，不但更轻松、也更安全。不合理的是指那些睡觉、工作、办公那些脑残粉。最开始我也在五环路上ssh过那是也算脑残。
总有人说自己驾驶技术有多好而鄙视智能驾驶，实际只是他们自我感觉良好而已。举个例子，我有不到20万公里驾驶里程，遇到无数次暴雨前挡被雨糊住那种，周边车怂的一匹，这么多年没见过一辆车敢穿行的，变道的都很少见。而智能驾驶变道非常自如。这时候他们肯定强调安全距离，实际速度60-70，跟车距离快上百米了，说白了那些自诩技术好的在这种情况就是一堆怂货而已。瞎开的比较多。
【 在 lss009 的大作中提到: 】
: 一看就是专业人士啊
--
FROM 123.125.33.*