PTT職涯區 / Stock (股票)

Re: [新聞] 美監管機構調查：特斯拉自駕系統存在「關鍵缺陷」

看板Stock (股票)作者 (gosu mage)時間1天前 (2025/06/01 14:43), 1天前編輯推噓16(16推 0噓 60→)
留言76則, 15人參與, 13小時前最新討論串14/16 (看更多)
※ 引述《LDPC (Channel Coding)》之銘言： : 週末貢獻我兩分錢意見 竟然有人說waymo要收掉 在自從LLM Agent出現後@@ : 機器人領域瘋狂發展 尤其自駕又開始捲起來 在大好戰場線整合戰前 把waymo收掉 @@? : (=_= 讓我想起2024 1月 提到業界要把LLM整合自駕 一堆人噴我不懂) : https://ptt.reviews/Stock/E.S-E3eOc5k9jE : 給個時間線 : 2024 5月 LLM Agent概念成立 : 2024 10月 Waymo 額外籌資56億美元 : 2024 年底 Waymo引入Gemini 開始成立LLM Agent引入自駕 : https://ai.zhiding.cn/2024/1104/3161049.shtml : https://reurl.cc/bWjoYX : 機器人搭配Agent 現在就是AI界的戰場 自駕開始在捲了 : https://reurl.cc/0K8eWK (美國最近一堆中國自駕公司部門在招人 @@b 大伙快上) : https://zhuanlan.zhihu.com/p/16225874331 : 這條AI agent路可以通吃自駕和機器人 技術基石就是對現實世界的了解和路徑規劃 : 濃縮成幾句話就是 機器人和自駕在技術底層有大量同性質 多模態LLM推理能力會成 : 為最後關鍵點 而關鍵點就是LLM Agent 所以搞自駕和搞機器人都會搞再一起 : (**題外話 阿祖最近開始瘋狂招機器人@@) : 回到特斯拉端對端(end2end)這種做法 無法做可解釋planning和決策等更高階 : 如果戰場拉到LLM Agent 特斯拉唯一能依靠 : 就是xAI LLM模型 然後xAI目前人才招聘.....現在裡面就各種亂 : 就引用nano-gpt fast run發起人Keller Jordan (現在openaAI) : https://x.com/kellerjordan0/status/1893868235381961140 : Some trivia: In November I interviewed at both OpenAI & xAI. : I thought both labs seemed strong, even tho ppl said xAI was a noncontender ba : -- the xAI guys told me all my ideas must be wrong & rejected me 珮_(ツ)_/? : 回到股點 如果你想買個股票是看AI浪潮 目標是五年後 那你注意的地方就是 : 誰能掌握越多大模型的下游任務(自駕 搜尋 生成色色圖片@@b 人工助手 虛擬助理） : 有高黏度性用戶 誰就能贏這場戰役 : 而狗家現在就是 AR眼鏡(虛擬助手 參照之前文章#1cH_ZPvT) 自駕 搜尋 影音媒體任務 : (e.g.notebookLM) 各種廖化調參數大軍 嘗試贏得用戶黏度 我現在每個週末就是吃泡 麵 : 每週買點狗家 @@ 但狗家的ceo有點抖就是.... : 不過如果你覺得這篇兩分錢文章不對 一切以你意見為主@@b Waymo迄今仍未把 LLM 正式「上車」 https://i.imgur.com/t3wEpKC.jpeg
截自今天遇到突發狀況仍然會卡住 遇道路有三角錐卡住 https://i.imgur.com/1lB3C8w.jpeg
技術現況 Waymo 的商用仍採傳統「感知 → 規劃 → 控制」模組化架構，搭配高精地圖、LiDAR 與 雷達；真正載客的車隊並未讓大型語言模型（LLM）直接參與即時決策。2024 年 10 月 ，Waymo 對外發表了實驗性 EMMA（End-to-End Multimodal Model for Autonomous Driv ing），宣稱透過 Google Gemini 提升多模態推理能力，但官方亦強調 EMMA 目前仍屬研 究性質，尚未完全取代既有安全策控流程 。 若要把 LLM 真正塞進量產車，Waymo 得先解決三大難題 1. 安全與法規驗證 – LLM 推理結果難以逐條驗證；在 ISO 26262、UL 4600 等汽 車 能安全框架下，要讓「黑箱」模型直接操控方向盤，監管單位與保險業者都更謹慎。 2. 車載硬體與成本 – LLM 推理需更高算力與記憶體。若要在車端即時運行、勢必 升 GPU/NPU，會墊高車輛 BOM 成本與耗電負載。 3. 商業節奏 – Waymo 以「安全零容忍」為品牌資產：不確定就停車、需遠端人員 介 。全面切換新架構若導致早期穩定性下降，將直接傷害乘客信任。 財務壓力 2024 年 10 月，Waymo 完成 56 億美元增資，由 Alphabet 領投，累計對外融資已逾 10 0 億美元 。然而 Alphabet「Other Bets」部門單季仍要虧損逾 10 億美元，而分析 師推估 Waymo 年虧損約 15–20 億美元，營收僅數千萬美元級別 。在此現金流結構 下，引入 LLM 雖能改善體驗與靈活性，但同時會推高硬體與驗證成本，延長盈利時程。 Tesla E2E：LLM「可有可無」的另一條路 若 Tesla 日後把自家 xAI LLM 疊在 E2E 之上，主要帶來少量增益： 自然語言互動 – 乘客可用語音直接改路、查詢車況。 車隊後台優化 – 在雲端用 LLM 做調度、維護及客服。 然而，Tesla E2E 核心已能覆蓋大部分駕駛行為；LLM 只是「提升體驗」而非「補安全短 板」，引入迫切性相對 Waymo 小。 Waymo 若將 LLM 深度整合，可望顯著降低「遇特殊障礙就卡住」的保守行為，並提升乘 客互動體驗；但必須支付更高硬體、驗證與研發成本，進一步拉長本就沉重的燒錢周期。 Tesla 在 E2E 架構下已擁有低邊際成本與龐大真實世界數據，LLM 更多是錦上添花；短 期不必為此承擔顯著成本，長期則可用於語音服務與後台營運。 簡言之，Waymo 更「需要」LLM 才能突破商業化瓶頸，但最痛的也是成本與法規；Tesla e2e則「用得好更完整，用不到也跑得動」。 在自駕戰局真正分勝負之前，誰能把技術升級的成本曲線壓得最低、又最快通過監管門檻 ，誰就更接近最終的贏家。 以下數據是消費者付費： Elon Musk 預測的 Tesla Robotaxi 預估未來每公里約 $0.19–$0.25 美元，是主打超低成本的願景，強調靠大規模、純 視覺系統壓低價格。 真人 Uber / Lyft 美國主要城市平時每公里約 $1.2–$1.8 美元，尖峰時段與大城市（如紐約、舊金山）甚 至達到 $2–$3 美元。司機人力成本是主要成本來源。 Waymo Robotaxi 鳳凰城：每公里約 $1.2–$2 美元，與 Uber 價格接近。 舊金山：因感測器、地圖與營運成本高，每公里平均約 $7.4 美元，遠高於 Uber。 運營成本： Uber / Lyft：人力成本占大頭，實際單公里營運成本可能接近乘客付費價（甚至略高， 平台依靠抽成與動態定價賺利潤）。 Waymo：據內部估算，單公里成本 $0.30–$0.40/km，但目前收費（特別是在舊金山） 遠高於成本，原因是要攤提研發、感測器、地圖更新、公司營運與早期投資回報，如果加 入LLM會更高。 Tesla Robotaxi（預測值）：Elon 說的是營運成本 $0.12–$0.15/km，但這僅是假設值 ，還未實現。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.73.72.160 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1748760232.A.485.html ※ 編輯: LimYoHwan (42.73.72.160 臺灣), 06/01/2025 14:46:10
→
06/01 14:49, 1天前 , 1F
跟你說啦TSLA已經在放LLM 之前找我面tech lead role
06/01 14:49, 1F
E2E 視覺網路已能直接學人類駕駛行為；插入 LLM 反而打破「少模組、可大規模擴張」 的設計初衷 有跡象顯示 Tesla 正在「車內」測試 LLM（Grok／Foundation-Model），但目前僅用於 語音助理與高層互動，**沒有公開證據表明 LLM 已被接入 FSD 的即時駕駛決策。
→
06/01 14:54, 1天前 , 2F
...TSLA的超大本夢比就建築在LLM上面…
06/01 14:54, 2F
E2E 模型完全由影像→控制信號，不含語言推理
推
06/01 14:54, 1天前 , 3F
waymo這個垃圾看到三角錐還會卡死
06/01 14:54, 3F
→
06/01 14:54, 1天前 , 4F
笑死
06/01 14:54, 4F
→
06/01 14:54, 1天前 , 5F
一直靠遠程遙控員 不丟臉嗎
06/01 14:54, 5F
→
06/01 14:54, 1天前 , 6F
遠程遙控員介入
06/01 14:54, 6F
→
06/01 14:55, 1天前 , 7F
還故意不算入統計數據 人為接管
06/01 14:55, 7F
→
06/01 14:55, 1天前 , 8F
waymo跟中國那群二貨自駕有什麼差異
06/01 14:55, 8F
→
06/01 14:57, 1天前 , 9F
遠程遙控不算人工接管
06/01 14:57, 9F
→
06/01 14:57, 1天前 , 10F
要現場人員去移車 才叫做接管
06/01 14:57, 10F
→
06/01 14:57, 1天前 , 11F
跟中國二貨自駕一樣
06/01 14:57, 11F
→
06/01 14:57, 1天前 , 12F
靠作弊消息騙只會「第一層思考」的賠錢韭菜
06/01 14:57, 12F
→
06/01 14:58, 1天前 , 13F
waymo這麼做騙一堆韭菜去投資
06/01 14:58, 13F
→
06/01 14:58, 1天前 , 14F
以為waymo自駕車最強
06/01 14:58, 14F
※ 編輯: LimYoHwan (42.73.72.160 臺灣), 06/01/2025 15:00:28 ※ 編輯: LimYoHwan (42.73.72.160 臺灣), 06/01/2025 15:01:34
→
06/01 15:01, 1天前 , 15F
@@ 樓上的確內行 那是個實驗專案 隸屬robotaxi
06/01 15:01, 15F
→
06/01 15:03, 1天前 , 16F
e2e就是無法解決資料沒落地場景 所以才有genAI
06/01 15:03, 16F
推
06/01 15:05, 1天前 , 17F
光達狗把waymo當成自駕聖杯
06/01 15:05, 17F
→
06/01 15:05, 1天前 , 18F
結果光達連前面淹水都看不到
06/01 15:05, 18F
推
06/01 15:09, 1天前 , 19F
害得waymo直接衝入水裡 乘客差點嚇死
06/01 15:09, 19F
→
06/01 15:10, 1天前 , 20F
waymo除了 衝去河裡 撞牆 撞工地外
06/01 15:10, 20F
→
06/01 15:10, 1天前 , 21F
頭頂上那顆光達到底是幹嘛的
06/01 15:10, 21F
→
06/01 15:10, 1天前 , 22F
光達看不清楚嗎 xdxd
06/01 15:10, 22F
→
06/01 15:13, 1天前 , 23F
E2E 一樣也是Blackbox阿
06/01 15:13, 23F
→
06/01 15:15, 1天前 , 24F
LLM也可以搞成e2e 在fine-tune階段做就行
06/01 15:15, 24F
→
06/01 15:15, 1天前 , 25F
主要是e2e對資料數據需求高 數據須包求所有場景
06/01 15:15, 25F
→
06/01 15:16, 1天前 , 26F
LLM就得真的換硬體架構 所以現在都是實驗性質專案
06/01 15:16, 26F
→
06/01 15:18, 1天前 , 27F
另一種解法就是合成數據 這樣就可以繼續用e2e
06/01 15:18, 27F
→
06/01 15:19, 1天前 , 28F
反正原篇是想吐槽某老兄說waymo要關門@@
06/01 15:19, 28F
推
06/01 15:21, 1天前 , 29F
LLM的最大問題是反應慢 為什麼要走E2E因為反應才快
06/01 15:21, 29F
→
06/01 15:21, 1天前 , 30F
你在路上還有速度用LLM如何做決策？看到障礙想一下
06/01 15:21, 30F
→
06/01 15:22, 1天前 , 31F
然後先撞上障礙物 LLM再決策說你該閃避
06/01 15:22, 31F
→
06/01 15:22, 1天前 , 32F
=_=樓上 LLM反應慢這問題可以解決 速度是由記憶體
06/01 15:22, 32F
→
06/01 15:23, 1天前 , 33F
和模型大小決定 kv-cahce壓縮和multi-token等
06/01 15:23, 33F
→
06/01 15:27, 1天前 , 34F
06/01 15:27, 34F
→
06/01 15:28, 1天前 , 35F
我沒反對特特有機會統治江湖 但Lim大講的成本是個好
06/01 15:28, 35F
→
06/01 15:28, 1天前 , 36F
議題 @@其餘的說啥waymo要倒閉這個就值得吐槽
06/01 15:28, 36F
→
06/01 15:30, 1天前 , 37F
如果題目變成e2e是唯一解 那我解法就是得要3D合成
06/01 15:30, 37F
→
06/01 15:30, 1天前 , 38F
不然沒見過場景(zero-shot)就是e2e卡點
06/01 15:30, 38F
→
06/01 15:49, 1天前 , 39F
=_=決定砍文好了 都變成兩派吵架文
06/01 15:49, 39F
推
06/01 15:58, 1天前 , 40F
LDPC別刪啊qq，這串討論超有趣的，拋磚引玉很有價值
06/01 15:58, 40F
→
06/01 15:58, 1天前 , 41F
啊
06/01 15:58, 41F
→
06/01 15:58, 1天前 , 42F
想請問您，另一篇文有提到waymo可以辨識警察手勢前
06/01 15:58, 42F
→
06/01 15:58, 1天前 , 43F
進，在沒有遠端操縱的前提下，這是怎麼做到的呢？謝
06/01 15:58, 43F
→
06/01 15:58, 1天前 , 44F
謝
06/01 15:58, 44F
→
06/01 15:59, 1天前 , 45F
車載算力成本才是LLM無法在車載大量部署的難點，現
06/01 15:59, 45F
→
06/01 15:59, 1天前 , 46F
階段LLM即便deep seek r1也有671B，放車上即便GPU算
06/01 15:59, 46F
→
06/01 15:59, 1天前 , 47F
力夠能耗也不夠你跑多遠。另一個問題就是資料，tesl
06/01 15:59, 47F
→
06/01 15:59, 1天前 , 48F
a資料是很多，但是車載上其實有更多莫名其妙案例需
06/01 15:59, 48F
→
06/01 15:59, 1天前 , 49F
要GenAI，缺最後edge case資料才是最麻煩的問題。
06/01 15:59, 49F
推
06/01 15:59, 1天前 , 50F
廣義來說LLM或通用模型也是通過人類數據學習，只是
06/01 15:59, 50F
→
06/01 15:59, 1天前 , 51F
文本加上影片數據量可能比e2e更大而已？所以落地場
06/01 15:59, 51F
→
06/01 15:59, 1天前 , 52F
景這個也只是數據量問題，另外我查過也有人做e2e加
06/01 15:59, 52F
→
06/01 15:59, 1天前 , 53F
上cot的理論不知道這個是否可以更優化推理能力
06/01 15:59, 53F
推
06/01 16:02, 1天前 , 54F
目前這些公司對LLM是想要來取代遠端遙控降低成本，
06/01 16:02, 54F
→
06/01 16:02, 1天前 , 55F
真上車可沒那麼容易
06/01 16:02, 55F
→
06/01 16:17, 1天前 , 56F
E2E+CoT個人覺得重點在於降低恐怖谷效應，最佳化E2E
06/01 16:17, 56F
→
06/01 16:17, 1天前 , 57F
反而可能會嚇死乘客，用戶體驗度不見得好
06/01 16:17, 57F
推
06/01 16:21, 1天前 , 58F
電動車就被中國捲爛，在怎麼發展一樣賺不到錢，呵
06/01 16:21, 58F
→
06/01 16:21, 1天前 , 59F
，特市值就敗在電動車領域投資太多
06/01 16:21, 59F
推
06/01 16:27, 1天前 , 60F
車端算力已經錙銖必較了 根本擠不出來
06/01 16:27, 60F
→
06/01 16:28, 1天前 , 61F
放LLM搶算力 本末倒置
06/01 16:28, 61F
→
06/01 16:29, 1天前 , 62F
理想已經實作一次了 還不是慘慘慘
06/01 16:29, 62F
→
06/01 16:30, 1天前 , 63F
WAYMO可以多加幾顆晶片試試 成本又控制不來
06/01 16:30, 63F
推
06/01 16:32, 1天前 , 64F
E2E的結果跟LLM結果衝突的話聽誰的？
06/01 16:32, 64F
推
06/01 16:33, 1天前 , 65F
這個問題幾個月前X圈已經討論過了
06/01 16:33, 65F
→
06/01 16:34, 1天前 , 66F
結論 這是搞不出來E2E時 用的範式
06/01 16:34, 66F
→
06/01 16:35, 1天前 , 67F
當初以為可以靠LLM克服E2E做不出來的問題
06/01 16:35, 67F
→
06/01 16:37, 1天前 , 68F
結果實作出來 又耗算力 效果還超差
06/01 16:37, 68F
推
06/01 16:39, 1天前 , 69F
能試的 中國廠商都已經試過一遍了
06/01 16:39, 69F
推
06/01 16:41, 1天前 , 70F
特斯拉預估那個我記得是營運成本 不是實際價格啦
06/01 16:41, 70F
推
06/01 16:49, 1天前 , 71F
老馬的說法都要先打個對折才行，所以實際可能成本
06/01 16:49, 71F
→
06/01 16:49, 1天前 , 72F
應該是 0.24 -0.30
06/01 16:49, 72F
推
06/01 19:09, 1天前 , 73F
Robotaxi如果是Waymo一半價錢，Waymo跟Uber大概沒人
06/01 19:09, 73F
→
06/01 19:09, 1天前 , 74F
要搭乘
06/01 19:09, 74F
→
06/02 01:21, 1天前 , 75F
瑪黑跟特黑打死都不會坐robotaxi
06/02 01:21, 75F
推
06/02 15:56, 13小時前 , 76F
沒事啦 幾年前也一堆人不搭高鐵
06/02 15:56, 76F
‣ 更多 LimYoHwan 的文章
文章代碼(AID): #1eE_QeI5 (Stock)
討論串 (同標題文章)
完整討論串 (本文為第 14 之 16 篇)：
排序： 最舊先 | 最新先 | 留言數
在新視窗開啟完整討論串 (共16篇)
Stock 近期熱門文章
更多 近期熱門文章 >>
PTT職涯區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 LimYoHwan 的文章
文章代碼(AID): #1eE_QeI5 (Stock)