網站平台
“要么增加成果，要么在幾年後離開智能駕駛行業。”
一位化名秦峰的工程師在智慧駕駛產業摸滾打了幾年，已經習慣了劇烈的競爭。的人類駕駛員，而是針對像他這樣的工程師。
這種焦慮還沒有被秦楓模糊的。 36氪 為了跟上新科技的步伐，他們會研究最新的市場論文，加班參加嗶哩嗶哩的課程，甚至有重溫的研究生教科書。
原油大規模的出現，今年引發了智慧驅動產業的技術爆發。到端神經網絡，許多用戶反映其性能令人印象深刻，比之前的迭代更接近人類。
特斯拉執行長馬斯克將 E2E 為僅依靠影像輸入輸出操作命令的能力。 36氪 他們不相信特斯拉的E2E解決方案聽起來那麼激進和神奇，但它仍然是一個有吸引力的支援。 ，人工智能驅動的系統將能夠像人類一樣駕駛。
認識到這一趨勢，中國車企和智慧駕駛企業已開始行動。成立了專門部門來加速實施。
頂尖人才的競爭加劇。 36氪 華為甚至利用相關專利來指定人才，進行定向招募。
然而，硬幣的另一方面是，E2E 嚴重依賴數據驅動的方法，而不是純粹的人力。驅動團隊目前擁有近千名員工。
不少工程師認為，如果最終解決方案的效果得到進一步驗證，評審很可能會發生。 36氪 牢牢。
獵人頭公司也普遍造成了勞動力的人才過剩：車企智慧營運團隊不再找新崗位，人員需要裁員。
一位化名田偉的智慧駕駛工程師告訴我們 36氪 與感知和預測模組相比，就目前的情況來看，從事規劃和控制模組工作的工程師將受到更大的影響。分為感知、定位、建圖、預測、規劃控制等多個模組，功能主要由工程師程式碼驅動。
E2E解決方案的特點是從工程師驅動的程式碼轉向資料驅動的方法。
觀察國內領先廠商的進展，在推出成品解決方案後，傳統解決方案的多個模組跨越神經網路改造整合成兩個大網絡，主要針對大模型的感知和預測組件。 、決策和規劃，涉及「單一模型」。
這條新路線也為車企智慧駕駛團隊帶來了新的人才格局。
一位設計師告訴 36氪 大型模型團隊所需人數減少，但人才規模變高。 ，了解不同晶片計算平台的支援能力，以及各種AI 推理框架。
然而，只有一小部分人負責模型和訓練。 200-300 人的人工智慧技術先驅公司可以推出像ChatGPT 這樣的大型語言模型，改變全球人工智能格局。
對工程師來說，最終技術的影響各不相同。 36氪 認為，在感知和規劃控制線圈模組中，感知部分找不到依賴深度學習技術。的影響並不大。
但對於規劃和控制工程師來說，加入成品大型模型團隊幾乎就像換軌道一樣。相當精細的標準，而且通常是不相關的。
田偉告訴 36氪 也就是說，如果規劃和控制工程師想要改造開發成品大型訓練模型，一個方向就是模型本身，但需要非常強大的深度學習背景。
其次是資料探查和處理，為端對端大模型提供增強。 「但一旦工具鏈基礎設施建成並且模型結構穩定，可能就不再需要人了。」最後是模型後處理。存在可能不可靠，需要少量工程師編寫規則來覆蓋它。
工程師的焦慮也隨之而來。
一位不願透露姓名的智慧駕駛對因公司目前的承諾而錯過加入E2E專案組的機會表示遺憾。讓他累積重要的經驗，這些經驗可能在未來幾年仍與傳統汽車公司有關。
然而，風險存在，一旦終極解決方案變得越來越普遍，他積累的專業知識可能會變得越來越普遍。偉開始修讀研究生程度的深度學習課程。 ，」他說經過兩個月的學習與實踐，他覺得自己能稍微看懂一些E2E大型開源專案碼了。
田偉不是唯一感到焦慮的人。視訊數據，可以產出端到端的展示。
這種新技術關閉首先在資源配置上。驚嘆不已，一千萬則極為驚人。
對於尚在獲利困境中的智慧駕駛企業來說，培訓規模相當高。的車企都在高價採購。 “生產項目和融資仍然不明確，因此很難實現長期投資最終解決方案。”
另一位聰明的駕駛工程師也感到無奈。多。
雖然中國新技術尚未完全落地，但對智慧引領產業人才結構和生態系統的影響已經顯現。
KrASIA Connection 收錄了最初由 36Kr 發布的經過翻譯和改編的內容。 文章 是李安琪為36氪寫的。
