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bileye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

本章未完，请点击下一页继续阅读！ 第1页 / 共6页