🔥36氪•較早收集於 15m
周鴻禕談馬斯克關於自動駕駛的預言
💡了解從LLM聊天介面轉向物理世界具身智慧代理的戰略轉變。
⚡ 30-Second TL;DR
有什麼變化
AI正從資訊處理轉向物理世界的實際操作
為什麼重要
此觀點強調了向具身智慧（Embodied AI）的轉變，建議開發者應將重點放在物理世界的整合，而非僅限於LLM聊天介面。
下一步行動
探索具身智慧與機器人模擬框架，為從純數位AI應用向物理世界應用的轉型做好準備。
誰應關注：Developers & AI Engineers
關鍵要點
- •AI正從資訊處理轉向物理世界的實際操作
- •自動駕駛將從根本上重塑物流與交通運輸
- •AI發展重心正轉向在真實世界中執行任務
🧠 深度解析
Web-grounded analysis with 21 cited sources.
🔑 增強重點摘要
- •馬斯克對自動駕駛的預言更為具體，他預計在十年內，90%的行駛里程將由自動駕駛系統完成，並預期在2026年下半年，美國將更廣泛地推廣無安全員值守的完全自動駕駛汽車。
- •「物理AI」是一個比自動駕駛更廣泛的概念，它涵蓋了機器人和其他智慧機器與現實世界的互動，被視為AI發展的下一波浪潮，旨在彌合「世界模型」與真實物理世界之間的差距。
- •特斯拉的FSD（Full Self-Driving）系統採用「純視覺+端到端」的神經網絡模型技術路線，透過海量真實駕駛數據進行訓練，這與其他依賴光達和高精地圖的多傳感器融合方案形成對比。
- •AI從「監督式」（Level 2）自動駕駛向「無監督式」（Level 3/4）FSD的轉變，涉及法律責任從人類駕駛員向車輛系統的關鍵性轉移，這帶來了複雜的倫理和監管挑戰。
- •NVIDIA在「物理AI」領域扮演關鍵角色，透過提供開放平台和模型（如NVIDIA Isaac模擬框架、NVIDIA Cosmos世界模型和NVIDIA Isaac GR00T N模型），加速智慧機器人和自主系統的開發與部署。
🛠️ 技術深入
- 特斯拉FSD架構：採用「純視覺+端到端」的神經網絡模型，透過數百萬段真實世界駕駛片段進行訓練，將從攝像頭圖像直接輸出控制指令（「光子進入，控制輸出」），以取代傳統大量的C++顯式代碼。
- 物理AI核心概念：旨在將物理定律深度整合到AI系統中，實現物理一致的感知、推理與交互。
- 多模態輸入：物理AI系統接收多模態輸入數據，包括影像、影片、文字、語音以及來自攝像頭、麥克風、溫度傳感器、慣性測量單元、雷達和光達等實體傳感器的數據。
- 認知與行動層：物理AI由「世界模型」（負責認知層，理解、預判、物理推理）和「具身智能」（負責行動層，物理交互、動作執行、反饋學習）兩大支柱構成。
- NVIDIA的物理AI平台：NVIDIA透過Omniverse平台、Isaac模擬框架、Cosmos世界模型和Isaac GR00T N模型等，為開發者提供工具，以設計、測試和優化在物理世界中運行的智慧機器人。
🔮 前景展望AI analysis grounded in cited sources
自動駕駛將顯著降低由人為錯誤造成的交通事故。
AI系統不受分心、疲勞或酒駕等人類因素影響，這些因素是目前大多數交通事故的主要原因。
物理AI的廣泛應用將導致交通運輸以外的傳統產業結構重組。
物理AI使智慧機器能夠在真實世界環境中執行複雜任務，進而影響製造業、物流、醫療保健和家庭服務等多個領域。
監管框架將難以跟上無監督自動駕駛技術的快速發展步伐。
在更高級別的自動駕駛（L3+）中，法律責任從人類轉移到AI系統，這帶來了複雜的倫理和法律挑戰，需要大量時間來達成共識和制定法規。
⏳ 時間線
1925-XX
發明家Francis Houdina展示無線電遙控汽車，為自動駕駛概念的早期萌芽。
2009-XX
Google的Waymo正式啟動自動駕駛汽車項目，推動技術發展。
2013-09
馬斯克首次預測三年內90%的行駛里程將實現自動駕駛。
2019-04
特斯拉推出搭載自研FSD晶片的HW3.0，全面邁入全棧自研智能駕駛新階段。
2021-05
周鴻禕的360公司宣布與哪吒汽車合作造車，專注於智能網聯汽車安全。
2026-01
NVIDIA執行長黃仁勳在CES 2026宣布「物理AI的ChatGPT時刻已經到來」，強調AI從數位走向物理世界的轉變。
📎 來源 (21)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 36氪 ↗