电子产品世界

三、自动驾驶人工智能系统的成本

2022年OpenAI公司推出ChtGPT后，今年又推出Sora，近日微软公司又发布Copilot，这一系列人工智能大模型应用产品的接连问世，显现出美国公司的人工智能大模型技术在通用计算机系统应用领域的飞速发展。

人工智能大模型在通用计算机系统上是利用复杂的算法和规则，从大规模数据集中学习，可以创造出新的文本、图片、声音、视频、代码和管理系统等多类型、多用途的结果。但是，人工智能大模型创造出的这些结果许多是准确度要求不高或需做修改的结果，一般还需人来确定是否可用。

人工智能大模型在专用计算机系统产生的结果就不能再由人做一下验证，需要准确直接执行。自动驾驶是人工智能大模型在专用计算机系统应用中，应是对可靠性和准确性要求最高的人工智能系统。为确保自动驾驶的可靠性和准确性，世界许多研制自动驾驶的公司和团队已经和还在持续不断地投入几亿、甚至上百亿的资金，不惜成本地在进行激烈的竞争。

商品的成本一般包含研制、销售、维护、回收等相关支出费用。人工智能系统的研制成本主要是人工智能模型的设计和运行成本。人工智能系统由算法、算力和数据三部分组成。当前，几乎所有的自动驾驶人工智能系统都采用深度学习等人工智能大模型，需要极高成本的巨大的算力和大量高质量的数据。

以特斯拉公司摒弃传统的自动驾驶人工智能系统采用的分切法，用成本更高的端对端的FSD宣传直播为例：直播中的特斯拉车是搭载了HW3（Hardware 3.0）驾驶辅助硬件系统的Model S，上面安装了最新版FSD V12软件。这套HW3硬件采用的是特斯拉自主研发的FSD芯片，采用14纳米工艺制造，单芯片算力72TOPS。每套HW3.0硬件配置了两块FSD芯片，总算力为144TOPS，总功耗为200W。看起来每辆特斯拉搭载FSD 的资源成本不大，但在后台支撑FSD的系统成本是惊人的。

特斯拉公司的FSD是通过分布在全球的几百万量产的特斯拉车，基于影子模式，每当每辆车的自动驾驶的决策与人类司机不一致时，就会采集并回传一个视频片段（clips）到FSD的后台支撑系统。特斯拉公司的FSD判断完成一个端到端自动驾驶的训练至少需要100万个、分布多样、高质量的clips才能正常工作。这种不停地采集数据需求，使特斯拉公司已在数据规模、数据分布和数据质量上都在业内领先，同时也在不断地付出巨大的资金。为了能在云端处理这些数据，特斯拉已用了现今一张难求的高价的A100近10万张。预计到今年底特斯拉将为FSD提供100EFlops的算力，在算力上付出的资金也是巨大的。

特斯拉公司这种不惜代价运营FSF端到端的自动驾驶人工智能系统的高昂成本，让业内公司和团队望尘莫及、已让著名的国际跨国公司在内的一些公司退出自动驾驶赛道。

按人工智能大模型具有的大算法、大算力和大数据衡量，特斯拉公司的FSD端对端的自动驾驶人工智能系统的配置应是顶尖的。但是按对嵌入式系统系定义的六特性：功能、可靠性、成本、体积、功耗、环境中，仅以我所认识的其中功能、可靠性和成本这前三项特性衡量，特斯拉公司的FSD端对端的自动驾驶人工智能系统至少是不适合自动驾驶需求的优质的嵌入式系统。

此外、近日，一辆启动FSD的特斯拉汽车，在雾天冲向火车的视频引起人们关注。虽然特斯拉公司发布数据想证明配有FSD的汽车出现刮擦事故会远低于非自动驾驶车。但是，非自动驾驶车发生的所有事故都是可查出原因的，可做出防范措施。而所有采用深度学习人工智能大模型的自动驾驶系统，因深度学习有天生存在、并无法克服的不可解释缺陷，对事故的原因无法分析，也就不能在系统上修正，因此同样错误不仅会屡错屡犯，还因深度学习存在黑箱，不一定何时在系统中还会出现不可预知的错误（也就是业内说的会产生幻觉）造成事故发生。

对于使用深度学习大模型的自动驾驶人工智能系统，这种事故也许是几十万、几百万分之一的发生可能，但对于当事的用户讲是百分之百。所以，采用有先天缺陷的深度学习大模型的自动驾驶人工智能系统无论投入研制成本再高，也去除不掉深度学习大模型自身产生事故的隐患。

综上所述，我认为：适合自动驾驶的人工智能系统，应是采用低能耗、可解释、没黑箱的人工智能小模型的嵌入式系统。（待续）

关键词： 自动驾驶 中国嵌入式系统产业联盟