知识块
#250624Z4QYC8
从 Waymo 在加州的 “接管次数” 看自动驾驶场景测速的深入
下图是 Google 其下自动驾驶汽车 Waymo 在过去小十年的每 1000 英里的接管次数（Disengagement）。
如果只看图，会容易得出结论 2020 年之前，随着 Waymo 汽车的传感器、数据积累、软件和算法模型的优化，Waymo 被驾驶员 “接管" 的次数越来越少，自动驾驶的成熟度日趋提高。
从图上看，2020 年之后貌似进入 “瓶颈”，因为接管次数不降反升。
但实际上是，Waymo 2021 年进入了人口密集的旧金山，以及后续更多的自动驾驶出租车Robotaxi 投入使用。
数据来源
加州交通管理局
Altimeter
分享链接
http://robin5G.com/250624Z4QYC8
延伸阅读
自动驾驶
TuSimple
自动驾驶的 AI 需要大量的里程数据积累这是常识。
图森未来（TuSimple）的一张图展示了里程数据积累和用例验证的关系。
当用例比较简单时，相对少量的里程数据即达到所需要的的机器学习数据。随着用例难度的提升，所需要的数据呈指数级增长。
有些类似某个小孩学习，分数考及格还是很容易的，80-90 分要多付出一些努力。而如希望达到 99~100 分则需要非常之多的努力。
自动驾驶
Waymo
Google 旗下的自动驾驶出租车 Waymo 于 2023 年 8 月在旧金山运行以来，市场份额持续提升。与之对应的是 Uber 和 Lyft 的持续份额下型。
截止到 2025 年 4 月，Waymo 的份额已经超越了 Lyft。
OpenAI
0xPaulius@X
从业人员 @0xPaulius 认为，在 OpenAI GPT 出现之前，聊天机器人用于某个特定用例的训练需要花费数月，以及 10,000 美金以上的训练成本，而且效果还很糟糕。
而使用 GPT、Llama 等大模型后，特定用户的训练效果会改善，而且训练成本只需要到 1,000+ 美元。
