我只想造车，你们却逼我造火箭 第186节

　　“先独立出来吧，不然一旦等理想汽车低价亲民的路线，在市场上形成思维定势，很容易影响未来汽车将来的品牌打造。”

　　“一个专走高端，一个专走低端？”

　　老爹一下就明白了李毅的想法。

　　“对，反正也不用什么技术研发团队，只要出一个产品设计团队就可以。”

　　“到时候直接下放FF未来汽车的技术就可以。”

　　“行，双品牌战略挺好，资源也不浪费！”

　　父子两人把事情定下来之后，李毅又说了一下比亚第在市场上的突然雄起。

　　“这说明电动汽车起势了，说明你选择的路线没有错。”

　　老爹对李毅说的倒是突然很乐观，“你只要安心加快新产品的研发就可以了。”

　　能怎么办？确实只能加快产品的研发了。

　　李毅第二天就把自己正月里做的工作规划拿了出来，细化了一下，给FF未来汽车的工程师们制定了主攻方向。

　　1.彻底解决电控技术的问题，在4月底之前完成车辆的适配。

　　2.滑动底盘各部分的推进，改造，调教，力争尽快实现定型。

　　3.采购部开始展开对FF未来汽车以及理想汽车零部件采购的规划，对已经接近定型的理想MINI EV各零部件进行招标采购。

　　4.对模具企业进行跟进，针对所需磨具，进行定制采购。

　　如果再加上之前针对超级计算机算法中心的采购，还有车辆软硬件系统研发设备的投入，零零总总，FF未来汽车的OA任务中心，新增的任务又增加了数百条。

　　这样伴随而来的就是金钱的哗哗流逝。

　　“怎么，心疼钱了？”

　　走进李毅办公室汤凌云，看着李毅哗啦哗啦的翻着财务报表，眉头皱成了一堆，笑着问了一句。

　　“确实支出太大了，我需要想办法再搞一笔钱了。”

　　“你要不要试着去融资？市场上现在对咱们感兴趣的资金应该不少。”

　　对FF未来汽车感兴趣的资本确实不少，包括跟李毅关系不错的诚心资本刘清，还有刚刚收购IDG成功的熊晓哥等人，都跟他打听过，需不需要融资。

　　毕竟有了特斯拉在美国的榜样，FF未来汽车作为国内第一家不涉及传统油车，而是直接以电车起步的公司，即便未来只有特斯拉的十分之一，那也是了不得的成就，够他们撇下面子来投一把了。

　　“现在如果找资金，给我们的估值不会太高。”

　　“所以还不如等我们第一辆车出来以后，再在资本市场上找投资，反正我手上的资金也足够，大不了把其他公司股份抵押一部分。”

　　汤凌云笑了一下，“你自己心里有数就好。”

　　“我找你是另一回事情。”

　　“自动驾驶的？”

　　“对！”

　　“还是对我说的端到端方案有疑虑？”

　　“确实有一点。”

　　“我分析了你说的端到端的模式，我感觉这个模式最大的缺点，就是端到端的模型，因为是训练出来的，所以对于模型的解释性就不足。

　　相对于标准化流程，我们可以很清楚看到每一步都在做什么，包括我们的规则是怎么样被采纳的。”

　　李毅点点头，这确实是端到端最大的问题。

　　端到端的模型很多东西对使用者来讲，是一个黑盒子。

　　我们训练了一个端到端的模型，使用效果好，不知道为什么。使用效果不好呢，那就只有再补充训练。

　　这就导致这个模型的不确定性很高。

　　李毅放下手里的笔，想了一下。

　　“我举两个例子吧，比如说我们现在，不是要做一个人工智能的语音对话方案？”

　　汤凌云点了点头，这也是他们软件系统部门当下很重要的事情。

　　“我们如果做一个人工智能的语音对话，按照现在的逻辑，做出来之后，用户使用大概是要分三步。

　　用户提问是语音，那么先有一个语音转换的模块儿，把语音转换成文字，这是第一个。”

　　“系统转成文字之后呢，我们需要再把文字交给大模型，大模型根据我们设定的程序，只能处理文字，然后根据我们转换成的文字，理解回答这个问题，回答出来的也是文字。”

　　“然后还需要第三步，需要再通过语音合成的模型，这个模型再把文字转成语音。”

　　“是这样的模式吧？”

　　汤凌云继续点头。

　　“你想一下，这中间的延迟，需要多久？几秒？十几秒？”

　　汤凌云想了一下，“根据语音指令的长度，不同吧。”

　　“那如果是变成我说的端到端呢？”

　　李毅循循善诱，“端到端做这样一个语音对话应该怎么做呢？那就是训练一个模型，这个模型直接输入的是语音，那么他就在模型内部直接能理解语音的含义，而且能够做出回答，而且回答也是直接语音输出，一个模块儿浑然一体。”

　　“想一想，你这边直接语音输入，他那边就语音输出，这样的速度会有多快，延迟会有多低？你想过吗？”

　　“好，语音这一块儿咱们放开，咱们再说到自动驾驶上。”

　　“你们现在的方式是需要用传感器和各种雷达，把收集到的信息识别之后，再传递到车辆控制芯片上，然后控制芯片在指挥车辆绕开前方的各种障碍，这里面就有很高的延迟。”

　　“而为了降低这种延迟，就需要配备昂贵的，数量众多的雷达，甚至是激光雷达。”

　　“确实是这样，可端到端不也得需要这么多传感器和雷达吗？”

　　汤凌云还是不服气。

　　“不一样的。”

　　“刚才说的自动驾驶，在路上遇到各种复杂的情况，它是分成三个模块儿，一个是感知模块，先看清路面发生了什么。第二，送了一个决策模块，决策模块写满了我们人类的驾驶知识，写满了无数的规则，但是规则是很难穷尽的。”

第186章 端到端和打怪升级

　　看着汤凌云在很耐心的听，李毅讲的又有些口干舌燥，就倒了杯水，给他放在面前之后。

　　接着前面的说道：“以上两步完成后，然后还有第三个，姑且叫动作模块儿，对车采取行动，下达指令。”

　　“如果万一遇到不在我们写的规则之内的事情发生，那么你猜车辆会怎么办？”

　　汤凌云想了一下这个场景，确实有意思。

　　“但我们端到端的模型，就是只要给前方的路况作为输入，然后司机的动作作为输出，这样经过足够多的数据训练，面对路上各种复杂的情况，端到端的模型就能够自动举一反三的做出新的动作决策。”

　　“可以说，他的模式，就是学习我们人类的思考模式来解决问题而不是程序化的死板！”

　　“可这是需要海量数据训练的啊！”

　　“凌总，相比于高效、安全，这些训练，完全是值得的。”

　　“而且我也知道你担心什么，无非是钱的问题。”

　　“但，凌总，给你一个假设，根据我们现在一辆车上面配置的雷达以及传感器价格计算，这是1万多人民币的成本。”

　　“未来随着雷达传感器精度的提升，价格会不会水涨船高？”

　　“到时候一辆车的成本需要多少钱？”

　　“如果我们的车一年卖上10万辆，100万辆呢？”

　　“这中间的成本，又怎么算？”

　　汤凌云似乎终于放松了下来，“行，就全力推进端到端模式。”

　　“把项目保密级别提升到绝密，对于什么端到端大模型训练，平时一个字都不要提。”

　　“我们只做，等我们的模型训练到一定的程度，能够商用的时候再说也可以。”

　　“芯片……”

　　汤凌云瞬间想到了核心。

　　“是的，我们毕竟是采购的国外的GPU，这种端到端的训练在概念上其实很容易理解，一旦捅破这层窗户纸，竞争对手很容易依靠庞大的资金和就近的GPU供货地，而把我们踩在脚下。”

　　李毅这里特指的就是特斯拉，汤凌云自然清楚，重重点点头之后，出了门。

　　现在国际上对于端到端的概念还没有形成，寥寥有数的几个研发智能驾驶的公司，包括李毅采购芯片的Mobileye公司，现在也还在硬件上堆叠，对于算法没有重视起来。

　　至于特斯拉提出这个概念，还得在一年之后，然而这种概念的实际商用一直推迟到2014年10月份才落地。

　　这一年多到两年的时间足够李毅取得一定的领先地位。

　　当然关于端到端大模型训练还有好多，李毅并没有跟汤凌云说。

　　比如训练方式，未来的大模型训练，需要海量的数据投喂，这些数据怎么来？

　　今夜头条的文字端，还有未来要开发的抖音，在音视频的生成上，就是天然的数据产生源头。

　　至于应用方式，也不仅仅是自动驾驶一项，比如未来在机器人的应用使用上，在AI大数据的分析匹配上等等等等，大模型训练都是基础，只是侧重点不同罢了。

　　汽车研发逐渐走入正轨，李毅也重新做回了他的线控底盘工程师。

　　所谓的线控底盘，就是通过传递电信号对汽车底盘进行控制，从而适用于自动驾驶车辆的需求。