Ksuj on Nostr: 聊聊萝卜快跑和特斯拉自动驾驶 ...
聊聊萝卜快跑和特斯拉自动驾驶
实践「第一性原理思考」最大的挑战是什么？
是最小阻力的那条路
所谓最小阻力的那条路，就是只要我沿着它往前走，每走一步都可以立刻看到正反馈的路。
而任何时候，摆在我们面前的，其实永远会有一条最小阻力的路
但如果沿着最小阻力的路径去走，那也不需要思考了呀，因为任何人都会本能的去继续做那些可以立刻看到正反馈的事情。既然都不需要思考了，就更不需要第一性原理的思考了。
所以基于第一性原理的思考去做事情，其实从本质上来讲就是一条岔路，是一条一开始一定会落后，但未来有可能会弯道超车的路！而有些人之所以可以坚持下来，正是因为长期坚持用第一性原理的思维去思考。
但在任何时候，忍住不去做那些可以立刻看到正反馈的事情都是很难的。
特斯拉坚持纯视觉的自动驾驶路线，就纯粹是马斯克基于第一性原理的思考给逼出来的。马斯克认为，第一，人类所有道路的基建都是为了纯视觉设计的，因此单纯基于纯视觉就一定可以实现自动驾驶；第二，在第一条的前提下，加入激光雷达反而会增加额外的变量，导致它可能最终变成累赘，比如雨雪天气的问题等。
得出以上结论似乎不难，但最难的地方在于，激光雷达实在太好用了。任何团队，只要在自动驾驶技术中加入激光雷达，效果都会立竿见影。而基于纯视觉，可能好几年都不会有任何有意义的进展，因为 AI 的能力还不够。
所以马斯克把激光雷达比喻为拐棍，它非常好用，拄着拐棍的人可能立刻就可以站起来走路了，但它会限制人自身能力的提升。因为一旦拐棍用多了，人就没那么容易丢掉它了。就像技术路线，一旦走错了，到时候是要全部推倒重来的，而不是简单的把雷达去掉就行了。
这就是为什么我们只知道 Suno v3 而不知道 Suno v1 和 v2，因为它们太差了。
Suno 创始人在采访中说道：
“我们的思想就是 do the right thing，虽然一开始很难，而且效果会非常差，但长期来看这会是正确的路。这个思想就是 end to end，也就是端到端的训练模型。我们没有给模型输入任何关于音乐的知识，就像你不需要给 ChatGPT 输入这是名词，这是动词之类的任何关于语言的知识。为什么到 Suno V3 才突然变好？因为之前的版本太烂了！而一开始你其实也不知道端到端这条路最终能不能 work。任何你加入进去的音乐知识，短期内都会产出很好的效果，但长期内会限制你。”
这里有两个重点：
1、做 AI 的时候，只要加入人工的知识，短期内效果立竿见影
2、端到端的训练 AI（不加入任何人类知识，纯粹基于数据去训练），一开始效果一定很差，提升的速度也慢，所以你其实也不知道这条路最终能不能 work
这里人工的加入知识，就是那条阻力最小的路。而基于端到端的训练，就是基于第一性原理的思考。它是一条弯道超车的路线，而且我们一开始其实也不知道最终能不能超车，什么时候才能超车。因为短期内看不到正反馈，所以不确定性很高。
这其实来自于一条著名的 AI 领域的第一性原理：the Bitter Lesson。总结成一句话就是：短期内，人工越多，效果越好；长期内，人工越少，效果越好。而我们今天说端到端的大模型，就是不加入任何人类知识的模型。用 Sora 发明人的话说就是：nothing is explicit, everything is implicit - 训练 Sora 时没有加入任何显性的人类知识，所有东西都是大模型自己学到的。
今天的萝卜快跑和 Google 的 Waymo，都是基于高清地图 + 激光雷达 + 远程接管的模式，成本非常高，而且规模化的速度会很慢（要一个个城市，一个个区域去弄）。但它的效果是真的好，至少现在比 V12 好的多，可以说 Waymo 已经几乎实现 L4 了。
但特斯拉在走一条难而正确的路，特斯拉端到端 + 纯视觉的路线，一旦技术进步越过了零界点，就是 ChatGPT 时刻，我们就可以说 AI 就「学会了开车」，那么在任何时间，任何地点，它可以去任何地方。成本还很低，不需要高清地图，不需要激光雷达，不需要远程接管。
特斯拉在坚持第一性原理的思考。但这就是科技 + 商业的交汇，面对巨大的不确定性，岂能尽如人意。V12 最终能不能越过零界点，没有人知道。
P.S.
简单说明一下，特斯拉做了两个基于第一性原理的思考，一个是纯视觉，一个是端到端，但这两个并不是割裂的。因为前些年激光雷达非常贵，所以只有做纯视觉才能快速的把车投放市场，收集数据。只有收集的数据足够多，才能做端到端的大模型。而 Waymo 选了一条短期内成本高但效果也好的路线，缺陷就是收集的数据远远少于特斯拉。所以今天即便大家都共识了端到端的效果更好（因为被特斯拉 V12 验证了），Waymo 也要面临一个数据从哪来的问题。关于自动驾驶技术路线的争议一直都是非常大的，而且对于所有的技术路线选择问题，其实都只能 wait and see。弯道能不能超车，在超过去之前，永远都是不知道的。今天只能说特斯拉 V12 让超车的概率变大了不少。
实践「第一性原理思考」最大的挑战是什么？
是最小阻力的那条路
所谓最小阻力的那条路，就是只要我沿着它往前走，每走一步都可以立刻看到正反馈的路。
而任何时候，摆在我们面前的，其实永远会有一条最小阻力的路
但如果沿着最小阻力的路径去走，那也不需要思考了呀，因为任何人都会本能的去继续做那些可以立刻看到正反馈的事情。既然都不需要思考了，就更不需要第一性原理的思考了。
所以基于第一性原理的思考去做事情，其实从本质上来讲就是一条岔路，是一条一开始一定会落后，但未来有可能会弯道超车的路！而有些人之所以可以坚持下来，正是因为长期坚持用第一性原理的思维去思考。
但在任何时候，忍住不去做那些可以立刻看到正反馈的事情都是很难的。
特斯拉坚持纯视觉的自动驾驶路线，就纯粹是马斯克基于第一性原理的思考给逼出来的。马斯克认为，第一，人类所有道路的基建都是为了纯视觉设计的，因此单纯基于纯视觉就一定可以实现自动驾驶；第二，在第一条的前提下，加入激光雷达反而会增加额外的变量，导致它可能最终变成累赘，比如雨雪天气的问题等。
得出以上结论似乎不难，但最难的地方在于，激光雷达实在太好用了。任何团队，只要在自动驾驶技术中加入激光雷达，效果都会立竿见影。而基于纯视觉，可能好几年都不会有任何有意义的进展，因为 AI 的能力还不够。
所以马斯克把激光雷达比喻为拐棍，它非常好用，拄着拐棍的人可能立刻就可以站起来走路了，但它会限制人自身能力的提升。因为一旦拐棍用多了，人就没那么容易丢掉它了。就像技术路线，一旦走错了，到时候是要全部推倒重来的，而不是简单的把雷达去掉就行了。
这就是为什么我们只知道 Suno v3 而不知道 Suno v1 和 v2，因为它们太差了。
Suno 创始人在采访中说道：
“我们的思想就是 do the right thing，虽然一开始很难，而且效果会非常差，但长期来看这会是正确的路。这个思想就是 end to end，也就是端到端的训练模型。我们没有给模型输入任何关于音乐的知识，就像你不需要给 ChatGPT 输入这是名词，这是动词之类的任何关于语言的知识。为什么到 Suno V3 才突然变好？因为之前的版本太烂了！而一开始你其实也不知道端到端这条路最终能不能 work。任何你加入进去的音乐知识，短期内都会产出很好的效果，但长期内会限制你。”
这里有两个重点：
1、做 AI 的时候，只要加入人工的知识，短期内效果立竿见影
2、端到端的训练 AI（不加入任何人类知识，纯粹基于数据去训练），一开始效果一定很差，提升的速度也慢，所以你其实也不知道这条路最终能不能 work
这里人工的加入知识，就是那条阻力最小的路。而基于端到端的训练，就是基于第一性原理的思考。它是一条弯道超车的路线，而且我们一开始其实也不知道最终能不能超车，什么时候才能超车。因为短期内看不到正反馈，所以不确定性很高。
这其实来自于一条著名的 AI 领域的第一性原理：the Bitter Lesson。总结成一句话就是：短期内，人工越多，效果越好；长期内，人工越少，效果越好。而我们今天说端到端的大模型，就是不加入任何人类知识的模型。用 Sora 发明人的话说就是：nothing is explicit, everything is implicit - 训练 Sora 时没有加入任何显性的人类知识，所有东西都是大模型自己学到的。
今天的萝卜快跑和 Google 的 Waymo，都是基于高清地图 + 激光雷达 + 远程接管的模式，成本非常高，而且规模化的速度会很慢（要一个个城市，一个个区域去弄）。但它的效果是真的好，至少现在比 V12 好的多，可以说 Waymo 已经几乎实现 L4 了。
但特斯拉在走一条难而正确的路，特斯拉端到端 + 纯视觉的路线，一旦技术进步越过了零界点，就是 ChatGPT 时刻，我们就可以说 AI 就「学会了开车」，那么在任何时间，任何地点，它可以去任何地方。成本还很低，不需要高清地图，不需要激光雷达，不需要远程接管。
特斯拉在坚持第一性原理的思考。但这就是科技 + 商业的交汇，面对巨大的不确定性，岂能尽如人意。V12 最终能不能越过零界点，没有人知道。
P.S.
简单说明一下，特斯拉做了两个基于第一性原理的思考，一个是纯视觉，一个是端到端，但这两个并不是割裂的。因为前些年激光雷达非常贵，所以只有做纯视觉才能快速的把车投放市场，收集数据。只有收集的数据足够多，才能做端到端的大模型。而 Waymo 选了一条短期内成本高但效果也好的路线，缺陷就是收集的数据远远少于特斯拉。所以今天即便大家都共识了端到端的效果更好（因为被特斯拉 V12 验证了），Waymo 也要面临一个数据从哪来的问题。关于自动驾驶技术路线的争议一直都是非常大的，而且对于所有的技术路线选择问题，其实都只能 wait and see。弯道能不能超车，在超过去之前，永远都是不知道的。今天只能说特斯拉 V12 让超车的概率变大了不少。