生成式AI能否加速汽车自动驾驶实现

图灵公司的CEO山本一成和样车

图灵公司位于东京品川，创始人山本一成，当年就是靠开发击败职业棋手的日本将棋AI“Ponanza”一战成名。如今，他给公司定了一个非常大胆的目标：2030年前卖出1万辆完全自动驾驶汽车。这里的“完全自动驾驶”，指的是L5级别——没有方向盘，也不用驾驶员坐在座位上。而支撑这套系统的核心，就是生成式AI。

汽车行业早已进入“CASE”时代（互联汽车、自动驾驶、共享、电动化），技术革新一波接一波。大型车企当然也在搞自动驾驶，可一仔细对比，就会发现，它们和图灵公司的思维方式，简直像是两个物种。

大型汽车厂商的做法，简单来说就是给人类留了大量介入空间。整个系统被切分成四大块：外部环境感知、预测、路径规划和控制。每个模块分别用机器学习去优化，最后再拼到一起，由人类编写的代码来指挥车辆怎么走。这套路数听上去很稳妥，但问题也恰恰出在这里——人类介入越多，进化的上限就越明显。

而图灵公司呢？他们直接用一个“单一的生成式AI”来接管整辆车。没有功能切分，也没有人工干预。AI自己学习、自己推理，然后直接判断什么时候该加速、转弯、刹车。目标是达到甚至超越人类驾驶员的水平。这种思路，和大型厂商那种层层递进、人机协作的模式，完全是两个方向。

说白了，大型车企那种方法，要实现完全自动驾驶，可能遥遥无期，甚至永远没机会真正落地。为什么？因为即便机器学习找到了某种进化的可能性，人类往往会忽视或者主动过滤掉它——毕竟，谁也不想让一个“黑箱”来开车。可山本一成的观点很直白：“人类介入越多，进化就只能是线性的。我们追求的是指数级的变化。”他相信，一旦AI开始自主理解超越人类认知的领域，人为规划反而会成为障碍。

当然了，肯定会有人跳出来说：“还是有人盯着更安全。”这个顾虑非常真实，社会对技术的接受度，本身就是一项重要变量。

中国百度在反复实施完全自动驾驶汽车的运行测试（图片来自2022年重庆市永川区政府的社交平台）

放眼全球，把一切交给AI这种思路，其实已经被特斯拉、百度这样的玩家采纳了。特斯拉在自动驾驶AI学习上的投入超过1000亿日元，规模是图灵公司的100倍以上。这足以说明，这条路不是异想天开，而是正在被重金押注。

AI到底会怎么改变汽车？回到1950年，图灵当时给AI下的定义是：“与人类对话时无法区分是人是机器。”但几十年下来，人们一直停留在让机器学习大量数据、再严格规划其工作的阶段，离那个定义差得远。

真正的转折点出现在2010年代以后。模仿人脑的“深度学习”横空出世，生成式AI也随之诞生。当数据规模和参数（变量）大到一定程度时，那些过去被认为无解的问题，突然就被解决了——这种现象叫作“涌现”。相比靠人类一步步干预，涌现的效率高得多。山本当年开发将棋AI“Ponanza”，靠的就是涌现。所以他坚信，自动驾驶AI也能走通这条路。

有意思的是，我去问大型车企的人，几乎没人知道图灵这家公司。对于完全自动驾驶，抱有乐观预期的人少得可怜。这其实也正常——涉及安全的技术，谨慎一点无可厚非。

真正让人担忧的是另一件事：像完全自动驾驶这类领域，日本大型车企压根没参与初期开发，却满足于照着海外企业的方案“炒冷饭”。最近几年，这种案例一个接一个——车身一体化压铸、软件定义汽车（SDV），都是典型的例子。

传统汽车行业习惯的是“持续式创新”：每换一代车型，改进一点燃效，修修补补。但如今，像生成式AI这种破坏性技术，正被新势力拿来制造碘伏性产品。一不小心，就可能发现自己已经远远落后了。

特斯拉的一体化压铸（Gigacast）技术受到汽车业界的关注（2023年11月，上海车展）

拿自动驾驶来说，还有一个结构性的难题：大型车企和那些关系密切的零部件企业之间，形成了非常细致的分工体系。要跳出这套体系，去搞“一个AI”的思路，几乎不可能。毕竟，把三万个零件组装成一辆高品质汽车的能力，不是谁都能随便复制的。但问题在于，这种复杂分工体系，很可能被破坏性技术一击即溃。

日本大型车企最近曝出的认证违规事件，根源不就是对过去成功经验过度自信吗？在破坏性技术革新时代，要怎么活下去？接下来的股东大会上，恐怕得拿出点真东西来。可以确定的是，除非尽早把组织结构来一次“破坏性再创造”，否则很难冲过迎面而来的大浪。