刚刚，英伟达推出了「Cosmos」系统。
试图用合成驾驶数据来解决自动驾驶的训练难题！
传统车企在自动驾驶领域落后特斯拉多年，英伟达似乎找到了一条「捷径」：用人工智能生成合成数据来训练自动驾驶系统。
这个名为「Cosmos」的系统，能够从真实驾驶场景中创建可驾驶的3D环境。它不仅可以重现已有的驾驶记录，还能通过人工智能交通生成器创造出各种新的驾驶场景。
更厉害的是，它还配备了神经重建引擎，可以利用自动驾驶车辆的传感器日志，创建高保真的4D模拟环境。
通过对之前的驾驶数据进行3D重放并生成各种场景变化，英伟达的AI数据工厂可以把数百次驾驶放大成数十亿英里的有效训练数据。
特斯拉的数据优势
而特斯拉现在已经拥有710万辆汽车在全球道路上行驶，每年总里程超过750亿英里。每辆车都配备了多个摄像头，这意味着特斯拉拥有超过5600万个摄像头可以实时收集真实世界的驾驶数据。
而且，每年使用FSD（全自动驾驶）系统的行驶里程已经达到数十亿英里，并且还在持续增长。
一位FSD测试者说到：「为了我的安全，我不会乘坐一辆仅基于合成数据训练的自动驾驶汽车。」
业内人士怎么看？
Ashwinkumar（前特斯拉软件工程师，现任Eightfold.ai首席工程师）表示：「从核心技术角度来看，没有哪家公司能在自动驾驶系统上独占鳌头。这更多是特斯拉粉丝的偏见，而不是硬核工程的观点。」
Ray Sisbiget指出：「别忘了特斯拉也在用合成视频来增强他们的真实训练数据，这并不是什么新鲜事。」
David Kleriga（工程师）则认为：「合成数据确实可以确保基础训练数据的充足，但这并不能真正让车辆为真实世界做好准备。」
现实的挑战
GAS🖕OFF（特斯拉车主）提出了一个关键问题：「英伟达是要为所有人解决这个问题，还是期望每个车企都投资GPU、招聘人才来解释和维护软件？他们甚至还没有具备硬件能力的车辆在路上行驶。」
一位名为Jade Wolf的评论者分享了一个有趣的观察：「我听说Waymo的每次出行都需要员工监控并用操纵杆通过棘手情况。我想知道，英伟达的系统能模拟挡风玻璃眩光、下雪、下雨等情况吗？」
Mr. Spectacular（生物环保学家和特斯拉爱好者）指出了FSD目前存在的问题：「特斯拉如何解决将火车识别为一排汽车的问题？或者它无法检测到链条障碍物的问题？这些是我在V13.2.2版本中注意到的缺陷。」
看好特斯拉的声音
Chamber of 32 Doors（特斯拉和可持续能源未来的关注者）描绘了一个美好愿景：「想象一下，不用坐飞机，你可以让汽车载你去目的地。你可以看电影、玩游戏、工作，而汽车会安全地带你到达。没有任何麻烦。」
Alexander Brueck（特斯拉长期股东，软件/机械工程师）一针见血：「他们连完全联网的汽车都做不到，因为这对他们来说太难了。如果软件工程都这么困难，尖端的数据科学就更不用说了。作为顾问，我和这些传统公司打过交道，这事儿就是不可能。」
Virus（特斯拉和AI爱好者）预测：「希望传统车企能认识到自动驾驶有多难，然后他们就会选择直接授权使用FSD。」
这场自动驾驶的竞赛，已经不仅仅是技术的比拼，更是数据和工程能力的较量。
如American Rose所说：「自动驾驶汽车的技术令人惊叹。不过在完全理解之前，我需要亲眼看到它是如何工作的。这与我目前的思维方式有些违背，但确实非常迷人！」
那么，你认为英伟达的合成数据能赶上特斯拉的自动驾驶吗？
（文：AGI Hunt）