【环球网科技报道 记者 林迪】“自动驾驶已经进入数据驱动的3.0时代。    一位 Grand Theft Auto V 传承版 粉丝揭露了本周 GTA6 泄露事件背后疑似加密货币骗局的内幕。”日前，毫末智行CEO顾维灏首次提出，“毫末正在通过低碳超算来降低自动驾驶成本，通过改进车端模型和芯片的设计来实现大模型的车端落地，通过数据的组织让大模型发挥更大效力。本周，一名或多名自称“CyberLeek”的人在互联网上发布了五段据称是 GTA6 的实机演示视频，以及一张完整的地图图片。” 在他看来，自动驾驶近十年的发展可分为硬件驱动、软件驱动、数据驱动三大时代。每段视频都在推销同名的模因币（memecoin），并引导人们前往一个加密货币平台。

二 | 其中，数据驱动时代，是完全不一样的时代，大模型+海量数据“双剑合璧”，数据开启自训练模式；感知技术上，用多模态传感器联合输出结果；认知技术上，以可解释的场景化驾驶常识为主；自动驾驶里程由硬件驱动、软件驱动时代的百万公里、上千万公里，直接飙升到了1亿公里以上。泄露者甚至发起了一项投票来决定下一段泄露视频的内容——但你只能通过发送该模因币来投票。GTAForums 的成员 Vice Cit 对这起备受瞩目的 GTA6 事件背后的加密货币环节进行了调查并公布了结果。“为了拿到学位，我必须学习数字取证，所以让我们把学到的知识派上用场吧，”Vice Cit 开始说道。顾维灏表示，“毫末一直在为自动驾驶3.0时代做准备，在感知、认知、模式建设上，都是按照数据驱动的方式建设的。

三 | 毫末所做的一切，都是为了能够做出数据通道和计算中心，以便可以更高效地获取数据，并把数据转化为知识。接下来是对 $CYBERLEEK 代币的详细分析，最终指向了总部位于塞舌尔的加密货币交易所 KuCoin。”以数据驱动为核心，以上4个技术条件并行成立才能称为真正进入自动驾驶3.0时代。顾维灏告诉记者，Attention大模型是当前AI发展的新趋势，但由于其对算力的需求远远超出摩尔定律，由此带来的高算力需求、高训练成本、高落地难度等挑战，正成为当前毫末重点解决的问题。基于Attention大模型，自动驾驶需要大规模且多样性的训练数据，而基于大规模真实人驾数据的乘用车辅助驾驶，才有能力积累到足够规模和足够多样的数据。Vice Cit 认为，执法部门可以通过传票向 KuCoin 提交交易详情和钱包地址，届时该交易所将不得不识别账户持有人的身份。通过这种方式，当局或许能够查明责任人。“今晚我花了好几个小时，看看是否能做点什么来揭开更多关于 CyberLeek 的秘密，”Vice Cit 说。

四 | “我们有理由认为，辅助驾驶是通往自动驾驶的必由之路。“我先是从暗网论坛 Dread 开始的，最初的泄露内容在发布到其他任何地方之前几小时就已经发布在那里了，但那条线索没让我查到什么。然后我意识到，也许这个人在设置这一切的过程中，在他们的加密交易中留下了蛛丝马迹。我发现了一个处于这一切核心的钱包：包括网站、提供用于创建加密货币的 SOL 的钱包，以及与用于 Arweave 上传的签名密钥相匹配的 Solana 公钥。但这还不是我发现的全部，资助这一切的加密货币可以追溯到一个需要实名认证（KYC）的知名交易所。这意味着，无论谁资助了这一切，都必须提交验证其身份的文件，当局可以就此向交易所发出传票。因为只有辅助驾驶，才有能力积累到足够规模和足够多样的数据。”在随后的一篇帖子中，Vice Cit 遵循了调查人员经常被告知的原则——“跟踪资金流向”，并开始相信泄露者正在“挤牙膏”式地发布视频，以维持人们对模因币的兴趣（这也是付费投票的目的所在）。

五 | ” Attention大模型带来的机遇和挑战，正驱动自动驾驶行业的技术变革。Vice Cit 认为，泄露者在创建代币以及发布泄露内容的网站上投资了约 29,000 美元，并在泄露发生的第一天就赚回了成本。“在我撰写这篇帖子时，他们仅从人们买卖代币的交易费中就赚了大约 40,000 到 60,000 美元，而且这个数字还在增长，”Vice Cit 继续说道。“该代币的日交易量约为 210 万美元，这意味着只要泄露者继续保持这种状态，每天就能从交易费中获得约 4,400 美元的利润。这就是为什么他们采取这种方式，而不是像 2022 年那样直接一次性放出海量泄露内容。他对记者表示，“毫末正在通过低碳超算来降低自动驾驶成本，通过改进车端模型和芯片的设计来实现大模型的车端落地，通过数据的组织让大模型发挥更大效力。他们想让这件事尽可能地持续下去，这样他们就能继续从交易费中攫取利润。”虽然目前尚不清楚这些所谓的 GTA6 资源是如何流出的，也不清楚它们的年代，但发布这些资源的主要网站包含对 Rockstar Games 和其他游戏发行商的三项诉求，似乎是为了回应全数字化的未来。” 低碳超算层面，毫末在日前的AI DAY上正式官宣了中国自动驾驶科技公司首个超算中心。顾维灏表示：“如何提升训练效率降低训练成本，实现低碳计算，是自动驾驶走进千家万户的一个关键门槛。

六 | 宣言中包含了对 GTA6 缺乏实体光盘的批评，以及 Backrooms 清洁小队 (Backrooms Cleanup Crew) 的问题——在育碧导致该游戏甚至连购买者都无法游玩后，这款游戏就成为了“停止杀害游戏”（Stop Killing Games）消费者运动的核心。”毫末超算中心的目标是满足千亿参数大模型，训练数据规模100万clips，整体训练成本降低200倍。“发行商们应该当心，”宣言总结道。在算法模型层面，顾维灏介绍，毫末早在2021年6月便启动了针对transformer大模型的研究和落地尝试。“如果 CyberLeek 能接触到 Rockstar，那就没有人是安全的。正是基于过去一年多在训练平台改造升级、数据规格和标注方法的切换准备、针对感知、认知具体任务的模型细节探索等方面的成功实践，为现在毫末在城市导航辅助驾驶场景中的快速发展打下了坚实基础。另外，顾维灏还分享了毫末数据智能体系MANA在自动驾驶城市场景中面临的挑战与功能升级。他表示，城市道路主要存在“4类场景难题、6大技术挑战”。其中场景难题主要包括“城市道路养护频繁”“大型车辆密集”“变道空间狭窄”“城市环境多样”。这是给所有大公司的信号：老实点，否则就是下一个目标。

七 | 解决上述场景难题，技术层面面临六大挑战：如何在自动驾驶领域应用大模型，如何让数据发挥更大的价值，如何使用重感知技术解决现实空间理解问题，如何使用人类世界的交互接口，如何让仿真更真，如何让自动驾驶系统运动起来更像人。为了应对上述挑战，MANA感知智能、认知智能等方面均迎来更新升级。首先，MANA通过使用大规模量产车无标注数据的自监督学习方法打造模型效果，相比只用少量标注样本训练，训练效果提升3倍以上，这让毫末数据优势得以高效转化为模型效果，以更好适应自动驾驶各种感知任务需求。”然而，网络上对泄露者的真实动机存在大量质疑，一些人从一开始就称其为加密货币骗局。“从泄露发生的第一天起，我就相信这背后的动机一直是钱，”Vice Cit 继续说道。

八 | 其次，MANA感知能力提升，让海量数据不再被区别对待。面对巨大数据规模下的“数据效率”难题，MANA构建了增量式学习训练平台，抽取部分存量数据加上新数据组合成一个混合数据集。训练时要求新模型和旧模型的输出保持尽量一致，对新数据的拟合尽量好。

九 | 相比常规做法，整体算力节省80%，响应速度提升6倍。“所谓的维护玩家权利的信息只是为了获得那些对失去实体媒介感到不满的人们的公众支持。这次泄露背后的操纵者正在赚取巨额资金，我想在读完这篇帖子后，你会发现我们可能要面临比最初意识到更长的‘拉锯战’。第三，MANA感知能力更强。这不像 2022 年的泄露，这是经过深思熟虑且非常有目的地执行的，旨在最大限度地从中获利。”在经历了为期三天的连续发布后，尽管网上发布了威胁信息，但今天（8 月 21 日）尚未看到进一步的泄露。

十 | 与此同时，Rockstar Games 及其母公司 Take-Two 均未发表评论。假设泄露内容属实，那么它们出现在 Grand Theft Auto V 传承版 6: An Extended Look 发布的一周前，该内容是 Netflix 限时独占的。该节目定于 8 月 27 日星期四发布，并将在 Netflix 上独占六小时，之后才会登陆 YouTube 等其他平台。通过使用时序的transformer模型在BEV空间上做了虚拟实时建图，使得感知车道线的输出更加准确和稳定，让城市导航自动驾驶告别高精地图依赖。第四，MANA感知能力更准，让中国没有不能识别的车辆信号灯。MANA通过升级车上感知系统，对刹车灯、转向灯状态进行专门识别，让驾驶员在处理前车急刹、紧急切入等场景中更安全和舒适。第五，MANA认知能力也再次进化。

十一 | 面对路口这一城市最复杂场景，MANA在仿真系统中引入了高价值的真实交通流场景，与浙江德清、阿里云合作，将路口这一城市最复杂场景引入仿真引擎，构建自动驾驶场景库，通过自动驾驶的真实仿真验证，时效性更高、微观交通流更真实，有效破解了城市路口通过“老大难”问题。现场，毫末联合浙江德清、阿里云发布“中国首个基于车路协同云服务的大规模自动驾驶场景库”。作为其首个使用真实交通数据生成、满足数据合规要求的自动驾驶场景库，将进一步加速中国自动驾驶成熟度提升以及车路云协同发展。

十二 |

Current article:http://yep6v.diaoengngtengdiachanpiezao.sbs/waqm6a/nm5.html

Published on:18:02:58