聊两句这两天自动驾驶领域的动态。

前两天 Waymo 发了一篇名为「Scaling Laws of Motion Forecasting and Planning

A Technical Report」的论文。

这个研究 Waymo 用了 44.7 万小时，560 万英里的数据，揭示了大语言模型中的 Scaling Law 同样适用于自动驾驶领域的运动预测和规划。模型的性能随算力、模型规模和数据的增加而可预测的改善。

论文一出，有几位 AI 领域的专家出来评论。

Anthropic 计算负责人 Corry Wang：

我认为人们还没意识到 Waymo 新发布的论文 Scaling Law 实际上是在承认：Waymo 错了，Tesla 对了。

与 Waymo 不同，Tesla 显然已吸取了「苦涩的教训」。他们几年前就抛弃了旧的自动驾驶软件架构，建了一个比 Waymo 大 10 倍的训练算力集群，且目前路上比 Waymo 大 1000 倍的车队在收集训练数据。

前 ZOOX 规控工程师、xAI 研究员 Zach Churukian：

当特斯拉决定重写自动驾驶软件，采用几乎端到端的深度学习时，所有人都认为他们疯了，非常特立独行。

现在，行业领导者 Waymo 基本上承认这是正确方向。未来几年自动驾驶领域将非常有趣。

英伟达生成式 AI 产品经理 Santiago Pombo：

「苦涩的教训」再次显现。

自动驾驶与具身 AI 同样遵循 Scaling Law 。更多算力和数据带来运动预测与规划的幂律增益。

祝贺 Andrej karpathy 和 Tesla AI 的先见之明。

————

大约在同一时间，腾讯汽车采访了小马智行 CTO 楼天城，楼天城的具体看法建议大家通读腾讯汽车采访全文。

我这里简单总结一下我自己读完的理解，可能理解有误：楼的大意是说，除了技术上做对，L4 自动驾驶的两个关键门槛是无人化和规模化，这是两个硬标准，需要六七年的努力才能达到这个结果。目前能够做到规模化和无人化的公司，全球只有 Waymo、小马智行和百度。

————

楼表述的是事实，截至到今天，特斯拉 Robotaxi 尚未开始运营，更谈不上规模化和无人化了。

当然了从另一个角度讲，如果特斯拉 Robotaxi 要做到规模化和无人化，「需要六七年的努力才能达到这个结果」，我觉得特斯拉股票的史诗级暴跌就在眼前。

一边是 Elon Musk，一边是楼天城，情况就是这么个情况，大家用脚投票吧！