E175 AI 产业变革与智驾展望 | David 对谈智驾行业专家小吕老师
投资实战派
Mar 09
E175 AI 产业变革与智驾展望 | David 对谈智驾行业专家小吕老师
E175 AI 产业变革与智驾展望 | David 对谈智驾行业专家小吕老师

投资实战派
Mar 09
本期节目围绕人工智能技术,特别是智能驾驶领域的最新进展与深层挑战展开深度对话,聚焦技术演进逻辑、产业落地瓶颈与商业价值实现路径。
嘉宾指出,当前智能驾驶仍处于物理 AI 初级阶段,L2–L5 分级本质是监管与产业管理工具,用户真正关心的是责任归属。技术发展面临模型能力爆发与车端硬件滞后间的巨大鸿沟,华为 ADS5.0 百亿级投入和特斯拉 AI5 芯片重启凸显算力与数据攻坚的紧迫性。城区智驾使用率仅 20%,市场尚未规模化,但云端大模型先行、车端小模型协同的路径正成共识。端到端架构虽推动范式变革,但多模态理解与世界建模能力仍受限;数据闭环难、Corner case 泛化弱、真实数据不可替代,构成核心瓶颈。中国复杂路况成为终极验证场,华为领跑,小米、小鹏加速追赶。L4 落地受牌照、学习能力和运力杠杆三重制约,Robot Taxi 与私家车将长期共存。行业天然倾向封闭系统,软件全栈能力最稀缺,价值链正向头部集中。
07:31
07:31
不做网络 CEO 就不评价企业战略 —— 观察者需立足行业整体,关注未完善技术的生命力与真实用户价值
11:05
11:05
智驾要解决的问题明确,即让车无人干预从 A 点到 B 点,过程遵循 SCE 三个原则
18:02
18:02
车端芯片设计周期 36 个月,而模型更新周期短,现有芯片可能无法适配快速迭代的智驾模型
24:49
24:49
评价不成熟的科技产品意义不大,行业对算力与模型演进路径尚无清晰结论
25:26
25:26
当云端模型足够成熟,可考虑迁移到车端
34:23
34:23
世界模型是为了认知智能,语言模型不是真正的智能,真正的智能基于认知和记忆
46:39
46:39
FSD V12 用端到端大模型取代 30 万行 C++ 规则代码,标志智能驾驶范式革命
48:36
48:36
华为 ADS5.0 100 亿开支中约三分之一用于人工,三分之一多用于算力
56:46
56:46
强化学习生成的数据质量不如真实世界录入的数据
1:03:31
1:03:31
L4 阶段存在‘3L’理论:License(执照)、Learning(技术)、Leverage(资源与融资能力)
1:07:53
1:07:53
专车注重乘客体验,自己愿意为 Robot Taxi 付费,因其稳且干净
1:11:17
1:11:17
智驾系统是封闭生态,开源不适合,各主机厂更像一个个小苹果