只要你在网上冲浪，大概都看到过关于“ChatGPT”的消息。这个智能聊天机器人程序，犹如上知天文下知地理的智者，可以和人类富有条理地对话，并提供恰如其分的答案。比如问“会有人无法拥有爱情吗？”，ChatGPT回复“并不是每个人都能拥有爱情，但这并不代表他们就不会得到幸福和满足感……”收集数据、分析报告和公关软文等，ChatGPT能完成许多职场工作。

尽管还没有达到无所不能的地步，但相比于苹果Siri等人工智能聊天产品， ChatGPT已经在反应、逻辑及信息等方面，展现出超乎想象的智慧能力。ChatGPT凭借不可思议的表现，受到全球不计其数的网友追捧：发布第五天，注册用户数就超过100万，Facebook花了10个月才达到的成绩；发布两个月，月活用户已突破1亿，成为史上增长最快的消费者应用。

ChatGPT在智能行业也受到高度赞誉，更有甚者称其代表AI在通用智能领域“干翻”人类的起点。而作为公司最大投资者的微软，则已开始整合ChatGPT模型资源，准备开启搜索引擎新时代。

ChatGPT的爆红，让人类看到了智能世界的曙光，也似乎预示着特斯拉未来大有可为。

国际搜索巨头Google，前几日发布对话式AI服务Bard，结果演示视频出现了一个显而易见的错误，公司股价应声暴跌1000亿美元。中国的互联网企业，也拥有海量数据和庞大资金，也的确打造了一些人工智能产品。

比如百度即将发布国内版ChatGPT“文心一言”，京东推出了产业版ChatGPT“ChatJD”，网易、腾讯等在整合类似ChatGPT模型探索场景发展。各大厂商的资源实力毋庸置疑，但大多数产品都是只能触及到ChatGPT的皮毛，要么反应迟钝逻辑混乱，要么回答生硬处理机械。

为什么做不到ChatGPT水准？互联网安全公司标杆360，坦言大家在数据资源方面并不落下风，但预训练大模型依旧需要时间来打磨。直白点讲，训练时间和训练强度都不够。

一个学生，需要通过“阅读-做题-反馈-调整-阅读”学习模式，循序渐进吸收不同层级的知识，进而成长为一个有用之才。人工智能，亦是如此。ChatGPT在国外历经约10年时间，从英伟达的StyleGAN模型到DeepMind的DVD-GAN模型，再到如今OpenAI的GPT模型，一步一步训练学习图片、视频和语言能力。十年如一日的高强度大规模训练，ChatGPT才有了今天的智慧能力。

中国人工智能产品，几乎没有哪一个可以应用各种高质量模型，并且长年累月坚持训练。何况，训练模型是项“烧钱”竞赛——GPT-3的单次训练成本，高达460万美元。显然，这不符合急功近利的经营思维。

基础模型质量高、训练充分程度强，这才让ChatGPT取得当前的表现。恰巧，特斯拉也具备这两项成功因素。

考虑到人类是视觉动物，以及成本可控等因素，特斯拉的智能驾驶是走纯视觉技术路线。早期Autopilot走的是多传感器路线，启用摄像头和毫米波雷达协同完成智能驾驶，结果后期发现面对复杂路况时，两者常常互撂挑子——毫米波雷达水平方向识物，摄像头垂直图像读景。2010年特斯拉舍弃毫米波雷达， 隔年便在北美车型上去掉，智能驾驶技术全面倒向潜力更高的摄像头。

只有单一外设摄像头，特斯拉想要实现高阶智能驾驶，必须重构智能驾驶算法，这就需要大量路况数据及高频规模训练。特斯拉成立至今，全球累计交付超350万辆，它们将为特斯拉收集庞大且复杂的路况数据。而特斯拉也已建立神经网络，源源不断吸收反馈回来的数据深度训练智能算法。

以蔚来为首的造车新势力，销量尚未达到一定规模，智能算法沉淀又不足，所以智能驾驶走“雷达+地图”的高精设备技术路线。高精设备识准度等方面远胜摄像头，相对而言更容易精准抓取路况信息，协助驾驶系统做出正确的操控。但是，过度依赖反而会让自动驾驶系统变得极其脆弱。

高精设备好比屠龙刀，新手拿了也能威震四方。然而真正的武林高手，落叶飞花皆可大杀四方。另外，高精设备成本高昂，并不利于普及大众。如今，高精地图又受到更严格的监管限制，高精路线想要实现智能驾驶的难度更大。包括吉利在内的不少车企，已在通过自研高精地图等方式，想尽办法扶持高精技术路线。

两种技术路线各有优劣，谁也不能完全碾压谁。但是，当智能技术达到一定成熟时，物美价廉的纯视觉路线，显然更易投向市场拥抱大众。路况数据大、训练强度高，再加上世界领先级技术、硬件及人才支持，特斯拉会像ChatGPT一样，实现如同人类操控的智能驾驶体验。