不知道，最近大家有沒(méi)有關(guān)注到一個(gè)現(xiàn)象，悄然間「世界模型」已經(jīng)站在智駕的高地，成為衡量一家車企智駕能力的「新」風(fēng)向標(biāo)。

有人說(shuō)，這是在智能駕駛領(lǐng)域繼「BEV&Transformer」、「占用網(wǎng)絡(luò)OCC」、「端到端」等技術(shù)后，又一次跨越式進(jìn)步。

更有行業(yè)大佬，募集十幾億，致力于構(gòu)建「大型世界模型」。更像一些頭部公司，諸如谷歌旗下人工智能企業(yè)DeepMind，花費(fèi)重金聘請(qǐng)了OpenAI視頻生成器Sora的聯(lián)合負(fù)責(zé)人蒂姆·布魯克斯來(lái)開(kāi)發(fā)世界模型。

世界模型的準(zhǔn)確定義是這樣的：

通過(guò)模擬人類的認(rèn)知過(guò)程，使機(jī)器系統(tǒng)能夠理解和預(yù)測(cè)復(fù)雜環(huán)境中的未來(lái)情景，從而實(shí)現(xiàn)自主決策和行動(dòng)。

說(shuō)人話就是，人為地創(chuàng)造一個(gè)像大腦一樣具備思考能力的智能體。

它可以理解真實(shí)世界的物理法則，還能對(duì)事物的關(guān)系、規(guī)律、原因和結(jié)果進(jìn)行理解和預(yù)測(cè)，從而做出決策判斷。

關(guān)于理解真實(shí)世界的物理法則，其實(shí)并沒(méi)有大家想象得那么容易。

比如說(shuō)，現(xiàn)在讓大家去想象手掌時(shí)，幾乎所有人都能準(zhǔn)確且毫不費(fèi)力地想象出來(lái)，但是在目前的AI制作中，卻會(huì)經(jīng)常會(huì)出現(xiàn)多根手指或連指的現(xiàn)象。

此前，圖靈獎(jiǎng)得主Yann LeCun就明確表示，基于文本提示生成的逼真視頻并不代表模型真正理解了物理世界。之后更是直言，像Sora這樣通過(guò)生成像素來(lái)建模世界的方式注定要失敗。

表象尚且不準(zhǔn)，至于對(duì)事物的關(guān)系、規(guī)律、原因和結(jié)果的理解就更難了，以我們最為熟悉的ChatGPT舉例，目前還存在「幻覺(jué)問(wèn)題」。

就是用一種可以令人信服但完全編造的方式來(lái)表達(dá)自己，也就是一本正經(jīng)地已讀亂回。

比如：?jiǎn)柲Ｐ偷谝粋€(gè)在月球上行走的人是誰(shuí)？模型回復(fù)，Charles Lindbergh在1951年的月球先驅(qū)任務(wù)中第一個(gè)登上月球。

實(shí)際上，第一個(gè)登上月球的人是Neil Armstrong。

這也在一定程度上限制了ChatGPT在金融、法律等知識(shí)鑒別門檻極高的行業(yè)里應(yīng)用。

而理解只是路徑，決策才是最終想要達(dá)到的結(jié)果。

通常來(lái)說(shuō)，當(dāng)大腦內(nèi)部進(jìn)行預(yù)測(cè)時(shí)，可以根據(jù)我們當(dāng)前的運(yùn)動(dòng)動(dòng)作，預(yù)測(cè)未來(lái)的感官數(shù)據(jù)。

我們能夠本能地按照這種預(yù)測(cè)采取行動(dòng)，并在面臨危險(xiǎn)時(shí)做出快速的反應(yīng)，而無(wú)需有意識(shí)地規(guī)劃行動(dòng)方案。

以棒球?yàn)槔?，棒球擊球手只有幾毫秒的時(shí)間來(lái)決定如何揮棒，甚至比我們眼睛的視覺(jué)信號(hào)到達(dá)大腦所需的時(shí)間還要短。

而擊球員能夠擊出時(shí)速100英里的快速球，是因?yàn)樗軌虮灸艿仡A(yù)測(cè)球會(huì)在何時(shí)何地飛去哪里。

對(duì)于職業(yè)球員來(lái)說(shuō)，這一切都是潛意識(shí)發(fā)生的。他們的肌肉會(huì)根據(jù)大腦的預(yù)測(cè)，在正確的時(shí)間和地點(diǎn)反射性地?fù)]棒，無(wú)需有意識(shí)地推出可能的未來(lái)情景來(lái)制定計(jì)劃。

帶入這個(gè)視角，你會(huì)發(fā)現(xiàn)，一些車企的智駕技術(shù)就很好理解了。

比如，智已說(shuō)的邁入「直覺(jué)」智駕新時(shí)代。

這套系統(tǒng)就在強(qiáng)調(diào)一個(gè)“下意識(shí)”的決策動(dòng)作，無(wú)需經(jīng)過(guò)常規(guī)的識(shí)別與處理，就像老司機(jī)遇到緊急情況那樣，不需要復(fù)雜思考，就能夠給出一個(gè)正確的反應(yīng)。

說(shuō)了這么多世界模型，大家或許發(fā)現(xiàn)了，世界模型是一個(gè)覆蓋面很大的詞匯，可以應(yīng)用在機(jī)器人、智能汽車等多個(gè)領(lǐng)域。

僅對(duì)于智能駕駛來(lái)說(shuō)，世界模型具體有什么用呢？

答案是成本。

智能駕駛發(fā)展至今，數(shù)據(jù)的重要性越發(fā)凸顯。然而，實(shí)車采集、人工標(biāo)注的費(fèi)用卻在水漲船高，況且，能夠滿足訓(xùn)練要求的數(shù)據(jù)還少之又少，更不必說(shuō)一些非常罕見(jiàn)的corner case。

自動(dòng)駕駛應(yīng)用了世界模型，就可以借助視頻生成技術(shù)，創(chuàng)建駕駛場(chǎng)景，從而降低成本。

比如說(shuō)，有一天，路測(cè)人員在測(cè)試中發(fā)現(xiàn)了測(cè)試車輛的問(wèn)題，后續(xù)可以通過(guò)世界模型，生成多條軌跡和這些軌跡實(shí)時(shí)交互的多場(chǎng)景視角，滿足訓(xùn)練模型的需求，從而提升系統(tǒng)的迭代效率。

例如，按照官方的說(shuō)法，NWM（即蔚來(lái)世界模型）能夠在0.1秒內(nèi)推演出216種可能發(fā)生的軌跡，尋找最佳決策。

然后在接下來(lái)的0.1秒內(nèi)，根據(jù)外界的信息輸入，重復(fù)更新內(nèi)在時(shí)空的模型，再去預(yù)測(cè)216種可能性。以此循環(huán)，跟隨駕駛軌跡持續(xù)預(yù)測(cè)，得到駕駛的最優(yōu)解。

也就是說(shuō)，后續(xù)我們完全可以借助世界模型仿真模擬出極端的駕駛場(chǎng)景，來(lái)訓(xùn)練提升車輛的智駕能力。

這也是世界模型在自動(dòng)駕駛的兩大應(yīng)用：生成能力、仿真能力。

但是，目前的世界模型缺陷也有很多。比如生成長(zhǎng)視頻的能力，目前公開(kāi)的、最長(zhǎng)的視頻時(shí)間，也不過(guò)幾分鐘而已。

還有視頻的清晰程度，即使是國(guó)外領(lǐng)先的自動(dòng)駕駛公司W(wǎng)AYVE旗下的世界模型GAIA，它所生成的視頻也很模糊。同時(shí)，時(shí)間和空間一致性的問(wèn)題也不能忽略。

這些背后都指向了算力需求，而算力成本是非常高昂的。

可以說(shuō)，世界模型還是一項(xiàng)非常新興的技術(shù)，需要大量的資金，大量的人力鋪在上面。當(dāng)然，資本市場(chǎng)對(duì)大模型技術(shù)也是非?？春玫摹?/p>

根據(jù)國(guó)際數(shù)據(jù)公司（IDC）最新發(fā)布的《中國(guó)模型即服務(wù)(MaaS)及AI大模型解決方案市場(chǎng)追蹤（2024H1）》報(bào)告顯示，2024上半年，中國(guó)AI大模型解決方案市場(chǎng)的規(guī)模為13.8億元人民幣。

預(yù)計(jì)在2024-2028年期間也將持續(xù)高速長(zhǎng)，年均復(fù)合增長(zhǎng)率為56.2%，到2028年整體市場(chǎng)規(guī)模將達(dá)到211億元人民幣。

燃油車時(shí)代，仿佛一切都比較簡(jiǎn)單，沒(méi)有那么多技術(shù)名詞。來(lái)到了智能化時(shí)代，層出不窮的技術(shù)名詞，不僅令消費(fèi)者感到困惑，包括多數(shù)業(yè)內(nèi)人士也是一頭霧水。

但對(duì)于智能化的宏大主題來(lái)說(shuō)，行進(jìn)道路確實(shí)非常艱難。有時(shí)目標(biāo)足夠沉，問(wèn)題足夠多，才有這么多的技術(shù)被發(fā)明、被創(chuàng)造，而每個(gè)技術(shù)名詞的背后，都是成長(zhǎng)的印記，也是試錯(cuò)的痕跡。

合抱之木，生于毫末，九層之臺(tái)，起于累土。正是一段段的技術(shù)死磕，才讓智能化逐漸有了一個(gè)更明朗的未來(lái)。