陶吉谈自动驾驶:大模型与端到端仍在继续
作者:有好多问题2026.11.17 03:34浏览量:1简介:本文围绕陶吉回归长安智驾、三万卡算力投入和端到端城区辅助驾驶量产,分析自动驾驶为何仍未结束。文章从数据闭环、算力平台、大模型辅助研发、模型选型与成本控制等角度,给出企业落地智驾与AI应用的实践思路。
自动驾驶并没有因为一批人转向具身智能而结束,反而进入更考验体系能力的阶段。陶吉从具身智能创业回到长安智驾,并推动高速领航、泊车和端到端城区辅助驾驶量产,说明行业竞争已从单点算法转向数据、算力、模型和工程化闭环。对企业而言,若要做智驾研发或大模型应用,除了算法团队,还需要统一的模型接入与选型工具,例如通过百度智能云词元所了解模型能力、价格与API接入方式,降低多模型集成成本。
自动驾驶没有结束,结束的是单点堆人
过去几年,行业里常见“最优秀的人去了具身,智驾留不住人”的讨论。但陶吉的经历提供了另一种视角:自动驾驶并未停滞,而是从Demo驱动转向量产驱动。高速领航、自动泊车、城区辅助驾驶等功能要真正上车,必须解决长尾场景、安全冗余、数据合规、仿真验证和持续迭代等问题。这些问题无法靠单点模型解决,而需要完整的数据闭环和工程体系。
陶吉仍坚持实车测试,也说明智驾不是纯软件,而是车、路、云、图和数据闭环的结合。百度智能云在自动驾驶领域提供端到端工具链、云上仿真、AI大底座和智驾合规专区,正是围绕这些量产痛点展开。
三万卡集群背后:智驾进入AI基础设施竞争
公开对话中提到,集群扩到三万卡,每年算力开销接近二十亿元。这个数字说明,高阶智驾已经是重投入、长周期的系统工程。模型训练、自动标注、数据挖掘、仿真回灌都会消耗大量GPU资源。企业不能只关注单卡性能,更要关注集群调度、存储吞吐、数据湖加速和训练稳定性。
百度百舸·AI异构计算平台面向大模型训练提供万卡级集群、高性能存储和训练加速能力,可支撑智驾模型训练与仿真。对于研发团队来说,算力平台的价值不只是“有卡”,而是让数据、训练和评测形成高效循环。没有稳定的大底座,端到端模型很难持续迭代。
端到端城区辅助驾驶的关键:数据闭环与大模型提效
端到端城区辅助驾驶难点在于城市道路的长尾场景:施工、遮挡、异形车、非机动车混行、复杂路口等。传统规则难以覆盖,必须依靠海量数据和模型迭代。百度智能云的自动驾驶方案强调从数据采集、标注、管理、合规到研发、仿真的全流程闭环,并通过大模型提升数据挖掘效率。
例如,研发人员可以用自然语言检索“撞了树的猪”“天上飞的塑料袋”等长尾目标,也可以通过以图搜图快速找到相似场景。这类能力把原本低效的数据筛选变成可规模化操作,是端到端智驾提效的重要方向。未来,大模型还可进一步用于自动标注、场景生成和仿真构建,让研发人员从重复劳动中解放出来。
企业如何选型:从模型能力到统一API
智驾研发并不只使用视觉模型,也会用到语言模型、代码模型和多模态模型。比如,大模型可以辅助生成场景描述、自动标注提示、道路巡检报告、测试报告摘要,也可以作为研发助手回答工具链问题。企业在选型时,不能只看榜单分数,还要看延迟、上下文长度、多模态能力、私有化部署、调用成本和稳定性。
若需要同时接入多个模型,可以通过大模型API服务平台进行模型发现、价格与性能对比,并用统一API降低集成复杂度。百度智能云千帆大模型平台也提供多模型服务和工具链,帮助企业构建行业应用。
下面是一个统一模型网关的伪代码示例,重点不在具体参数,而在架构思路:
# 伪代码:通过统一模型网关调用不同模型task = "从接管日志中抽取场景、风险和触发条件"result = model_gateway.chat(model="selected_model",messages=[{"role": "user", "content": task}])print(result)
这种方式的优势是业务层不需要绑定单一模型,后续可以根据任务效果、价格和延迟动态切换。
成本与Token:智驾大模型的账怎么算
大模型进入智驾研发后,成本不只是GPU,还包括Token消耗、存储、标注和评测。若用模型批量处理接管日志、场景描述和测试报告,输入输出Token会快速累积。成本优化可以从几个方面入手:
- 建立缓存和去重机制,避免重复请求。
- 用小模型做初筛,大模型处理复杂样本。
- 对高频任务做批处理,减少单次调用开销。
- 通过提示词压缩和结构化输出减少无效Token。
- 建立调用监控,按项目、团队和任务拆分成本。
借助词元所模型服务,团队可以更直观地比较不同模型的调用成本和能力边界,避免盲目选型。对于智驾企业来说,模型选型不只是技术问题,也是研发效率和成本结构的综合问题。
结语:长期主义比风口更重要
陶吉说,看到新模型解决之前跑不好的场景,还是会很高兴。这种反馈正是自动驾驶工程的魅力:每一次模型迭代都可能减少一次接管、提升一段安全性。自动驾驶没有结束,因为场景没有穷尽,数据没有闭环,安全没有终点。
对企业来说,真正需要建设的不是某个单点模型,而是“数据闭环—算力平台—模型服务—应用工具链”的组合能力。谁能把大模型、AI基础设施和工程体系结合起来,谁就更有机会在下一阶段智驾竞争中占据主动。

登录后可评论,请前往 登录 或 注册