解读DriveGPT：解谜的过程唯有躬身入局

　　[爱卡汽车 爱卡独角SHOW 原创]

　　AI的每一次出手都超过了大众心理预期。

　　2023年初，ChatGPT彻底火爆全球，引发大众狂欢，比尔盖茨的这一判断被一再验证。ChatGPT之所以能成为“很会聊天的AI”，是因为训练的时候使用了RLHF算法，利用人类知识，让模型能判断自己的答案质量，训练自己逐步给出更高质量的回答。顾名思义，名词雷同的DriveGPT，也能够通过不断学习千千万万个老司机的驾驶经验，进而帮助模型自己做出最优决策吗？都是GPT，DriveGPT和ChatGPT有什么区别？真正的DriveGPT何时能够到来？本期《爱卡独角SHOW》，我们就来聊一聊DriveGPT上车前的故事。

　　01、一家非常典型的“特斯拉”路线公司

　　如果盘点中国自动驾驶行业，我们可以发现一家非常典型的“特斯拉”路线的自动驾驶公司——毫末智行。

　　在目前的自动驾驶领域，行业里优秀的案例就是特斯拉的Autopilot和FSD。Autopilot软硬件系统的快速迭代，确保了特斯拉车型实现规模量产的同时，其车端AP系统的数据积累能够保持同样的高速增长。特斯拉不仅自研了FSD车端大算力芯片，而且实现了车端的预装，并通过软件售卖的模式来实现商业化。同时，特斯拉在近两年加快了超算中心的建设，对以Transformer大模型为代表的最新AI技术，在自动驾驶上的探索和应用不断深入。可以说，特斯拉的技术路线以及量产模式，已经成为全球自动驾驶行业的样板。

　　再来看毫末智行的路线。今年初，毫末智行有两个动作，一个是发布了自动驾驶行业最大的智算中心MANA OASIS（雪湖·绿洲），另一个是发布了自动驾驶版的ChatGPT，毫末称之为“DriveGPT”。DriveGPT实际上是毫末在自动驾驶认知大模型上的成果，其核心是基于真实人驾数据，特别是将人驾接管数据引入大模型当中，持续优化自动驾驶的认知决策模型。

　　经过多年的发展，自动驾驶经历了以硬件驱动为主的1.0时代、以软件驱动为主的2.0时代，目前正在进入由数据驱动的自动驾驶3.0时代。自动驾驶当前的技术范式与十几年前的自然语言处理技术非常相近，即小数据、小模型，通过采集各种各样的交通数据、进行人工标注、再用这些数据训练出小模型，然后再把模型部署到车上，结合业务规则，去控制车。这种模式的弊端十分明显——一旦量产上车，当数十万辆车在全国各地跑起来，就会出现各种各样的路况、场景，如果还按照之前的思路去做人工标注，一方面需要消耗大量的人力成本和时间，另一方面则永远不可能标注完所有场景，场景的变化几乎是无穷的。

　　过去几年，自然语言处理领域，大模型技术取得了技术突破，尤其是GPT这样的大模型出现以后，大模型具备很强的泛化能力，通过一个大模型就能解决各类问题。基于这样的行业困境、借鉴自然语言处理领域的经验，毫末相信大数据、大模型会成为自动驾驶领域一种新的解题思路。

　　在技术路线上，毫末早在2021年初就开始探索将Transformer大模型技术落地应用到自动驾驶产品当中，同时也成为国内首家研发落地BEV感知技术的自动驾驶公司；2022年4月，率先在国内发布以“重感知”方式实现的城市NOH导航辅助驾驶产品；2023年4月，基于GPT大模型所具有的生成式、预训练、人类反馈强化学习等技术优势，毫末将视觉自监督大模型、3D重建大模型、多模态互监督大模型、动态环境大模型、人驾自监督认知大模型等五大模型进行统一升级，发布了行业首个自动驾驶生成式大模型DriveGPT雪湖·海若。至此，DriveGPT诞生。

　　02、为什么DriveGPT也能称之为“GPT”？

　　GPT，是一个大规模的通用预训练大模型，而DriveGPT正是采用了与ChatGPT一样的具有Attention注意力机制的Transformer架构的大模型，其特点是随着模型参数规模、数据规模增加以及训练方法的提升，模型算法的效果也稳步提升，适应性更好。

　　因此，DriveGPT的底层模型与ChatGPT一样，都采用了生成式预训练模型架构，使用了大规模无监督的数据进行初始模型的生成，也都采用了Prompt微调方式和RLHF人类反馈强化学习的方式进行模型效果的优化；二者的不同之处在于，ChatGPT输入输出的是自然语言的文本，而DriveGPT输入输出的分别是历史场景序列和未来场景序列，ChatGPT主要用于自然语言处理领域，而DriveGPT主要用于自动驾驶领域。