结合昨天@XP-李力耘 和今天@XP-Candice婷婷 关于现在和未来小鹏智驾路线的分享和发展规划，其实信息量都很大，我也结合自己的理解谈一下。
因为在智驾领域我只是业余爱好，但是我自身的工作是大数据领域，我自己管理的技术人员也有一百来人（包括实施交付类），也会接触和使用大模型，当然远不如小鹏这种，我们更多是用开源大模型来调试形成所在行业领域的适用模型。

对于发展大模型的核心竞争力，我不专业的看法是三软一硬，分别是：
软实力：
1、大模型调校训练和测试验证水平
2、自生成数据+自动化标注的数据工程闭环能力
3、云端到多端大模型的裁切能力（鹏厂所说的“蒸馏”）
硬实力：算力储备和算力利用率

在短期的发展中，“大模型调校训练和测试验证水平”是最重要的，因为这是基础门槛，需要能搞定拿来用，否则门都没进，事实上这个点很多厂商也没有彻底搞定，之前我也发过微博提过对鹏厂调校大模型的能力感到很惊讶，因为可以在先锋团测试的时候2-3天一个版本迭代中输出特性差异很大的智驾版本，这很明显是通过娴熟的调校才能做到，而测试验证在这么快的迭代中肯定是自动化程度极高的。

在长期发展中，“自生成数据+自动化标注的数据工程闭环能力”决定了怎么能有更多的可用数据，因为靠以前路测团队跑数据已经满足不了大模型的训练需要。
“云端到多端大模型的裁切能力”决定了你的超大云端模型在不同硬件平台上的适配能力，一是对多端应用带来云端模型发展投入的现实价值，二是通过多端跨域应用对云端模型提出更高的能力发展需求。

硬件就不用说了，在所有的技术发展中，硬件决定了下限和上限，软件是为了尽可能达到理想上限，算力储备和算力利用率是要真金白银花钱解决的。

一个技术团队其实最难的并不是研究技术和解决问题，也不是所谓的技术路线问题（因为大部分技术在一个阶段的路线最终都会趋于统一），我认为最难的是做好组织统一，尽可能最大化保证团队的智慧和资源投入都在确定的发展目标上，一点点的积累形成质变，像一个箭头，大家都在往箭头所指的方向上慢慢填入内容。
而不是画一个圆，各个团队在这个范围里自己研究填满这个圆，但是这个圆要往哪边滚是不确定的，这样避让就能带来很大的研发投入浪费。
很明显，小鹏目前是解决了这个组织统一问题的，这才是真正“见未来”的核心竞争力。

#小鹏李力耘称小鹏汽车在中国首个实现一段式端到端##小鹏李力耘称小鹏和特斯拉方向一致各有所长##小鹏汽车[超话]#