由|有一组SOHU技术|编辑Liang Changjun | Yang Jin“大型模型将舞台从专家系统转变为一般通用系统，然后转变为真正强大的专家系统。明智的驾驶和机器人也经历了同一阶段。”这是Yuanrong Qixing首席执行官Zhou Guang在形成物理AI的判断。他在100人的电动汽车会议上告诉Sohu Technology，Chatgpt是一名通才，只有通过在语言领域实现通才才能是一个非常有力的专家。 “没有像GPT-4这样的通才系统，很难创建像O1这样的专业系统。” “在物理世界中也是如此，因此整个自动驾驶将遵循大型模型，并遵循相同的paradigm.g专家阶段。我认为我们需要成为一个将军，否则我们将无法达到最终的强大系统。” Zhou guang强调。目前，许多汽车公司正在追求L3自动驾驶。 zHou Guang认为，L3不仅仅是工程学的问题，但是AI的能力越好，工程学越困难。带有本地数据的封闭循环，特斯拉无法在中国收集数据。 “我们可能是第一个在中国这样做的人，中国公司也有能力取得V13结果。”但是，他还通过了值得考虑的观察结果：为什么特斯拉不强调制作L3的必要性，为什么它没有明智的驾驶“在停车位中的公园”？在这方面，周广的解释是，在中国，“公园到停车位”取决于高准确性和“缝制怪物”的地图。它没有技术价值和DOES不能提高AI的功能，但用户认为它具有一定的数量。 “特斯拉不会这样做是为了取悦用户，但是有望通过技术来解决它来真正使用AI的能力来实现'停车位的公园'。” Zhou guang认为，在这里更重要的是改善AI功能的上限。他说，即使是Yuanrong Qixing也具有追求AI限制的愿景，并认为在物理世界中创建AGI的重要性和使命更大，它也将满足市场的商业化需求。 “如果不考虑商业化，我认为不应该有L3。它应该直接像特斯拉，从L2尽可能地绑住L5。从纯粹的AI角度来看。” 周广认为特斯拉之所以这样做，是因为它在美国没有竞争对手，但是在中国这样的市场中，它也可以成为“停车位的公园空间”。 为了在更高级别的驾驶能力中取得成功，许多KUmcar和智能驾驶公司开始专注于端到端的自动驾驶模型，甚至开始创建包括Wika-Vision-Behavior-Behavior的VLA模型。 周光解释说，端到端意味着一切都是由神经网络决定的，而大型模型是端到端的，而不是以前的范式。 “现在，这一切都被称为这个大型Zhihua模型，任何人都可以大喊口号。但是，自主驾驶远非大型模型时期。只有通过大型模型进行自主驾驶，这就是大型模型期间的参赛作品。现在，我们才开始从专家开始转移到专家。” 他说，当该模型的大型模型已完全输入并采用了较新的Architecturera时，我们将享受缩放法律带来的好处。任何可以在智能驾驶模型中输入的人都可以享受这一奖金。但是现在，许多同行是专家系统，因此不存在SO称为的规模优势。 他进一步解释了为了实现自动驾驶的最终目的，我们必须对一般的物理世界有一般的了解，但是除了了解线路，汽车，人员和某些障碍的线路外，当前的智能驾驶系统还为零，以了解物理世界中的其他情况。 根据当前的专家系统方法，必须将系统概括，以使大型模型能够理解物理世界中的各种情况。实现一般能力是实现自主驾驶水平的必要条件。Zhou Guang说，它来自理解AI，这也是为什么Yuanrong Enterprise Enterprise Enterprise nextrise Company and Smart ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai ai n ai ai ai ai ai ai ai goine。又有一个智能的驾驶公司，而是AI AI AI AI AI AI AI AI AI AI AI AI。 在NVIDIA GTC会议上，Yuan Rong Qixing发行了Roadagi产品。周广说，他希望实现从专家系统到通用驾驶系统的转变。计划将启动VLA今年，预计将在10多个型号中实现超过200,000辆汽车的质量制造量表。 但是，在自动驾驶朝向大型模型时期的过程中，周光还承认，可能有错误的路径可能是错误的，没有什么可以是100％正确的。 他说：“每当Thosemain技术的变化都会为该行业带来变化，下一步可能会摇晃地面。当技术路线错误时，今天市场中的SO票数今天就会消失。” 周广说，Yuanrong Qijiang将继续在物理AI领域取得突破，而Zhihua可能是物理AI的第一个主要实施。 “因此，让我们继续做得更好，直到我们真正意识到物理世界中的AGI。”回到Sohu看看更多