看完特斯拉这次Reality View,有几个观后感:
1、特斯拉完全没用游戏引擎。
一颗HW4有3个TRIP加速器。感知、一个3B主模型、然后是今天1B扩散生成式Reality View做一个分支,都跑在这上面。意味着特斯拉完全不占用GPU,也没用任何的游戏引擎,就做到了。
2、人机交互形态变了。
第一变的是桌面形态,第二是过去SR,我们和导航各种分屏,全屏,实际还是一个做出来的可视化工具,这次特斯拉思路变了。
屏幕画面就等同于世界模型理解的一个可视化投影,真正的所见即所得,交互是自然产生的,我们在现实中涉及的导航、安全类的可视化、甚至泊车,或者起点目的地导航、车位都用一个界面生成完成。
3、算力架构的定义非常激进。
正常做实时视频生成,扩散模型非常吃算力的。
特斯拉的解法不是加独立GPU,而是复用智驾主链路的Transformer算力资源。
这背后是一个架构定义问题,HW4的TRIP,目标就是承载感知、规控和生成一个一体化大模型来做,不是单纯为BEV感知设计。
其次是组织问题。所有团队冲一个技术,同一个目标做,可能花的时间、人可能不多,但是效果出奇。在我们国内,这个条件可能不高,现阶段到底要不要选择投入,短期都是一个复杂问题,再是技术问题。
4、世界模型的证明。
世界模型骗子说法很多。
特斯拉提供一个方向。云端的世界模型、车端智驾的主模型、和车机端的Reality View生成模型,实际是共享同一套UVE视觉底座。
整个链路完成闭环。云端生成海量训练数据,车端同时服务开车和生成。等于一套基础模型,同时支撑训练、驾驶、人机可视化三件事。第一次在车端能够讲清楚世界模型具体干了什么。
#新能源汽车##大v聊车#
发布于 广东
