Podcast Overview
<p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">电子替身，科技类播客，重点关注科技领域(人工智能)，讲述行业缔造者及关键人物的故事。</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal"><br />栏目灵感来自知名漫画《JoJo的奇妙冒险》中超能力替身概念。<br /><br />漫画充满想象，替身可以真实，技术革命让每一个人成为拥有“千里眼顺风耳”能力的替身使者。<br /><br />“原来，你也是替身使者。果然，替身使者是互相吸引的”，很开心在这里遇到你。<br /><br /></p>
Language
🇨🇳
Publishing Since
3/20/2024
1 verified contact email on file for 电子替身
Pitch yourself as a guest, propose sponsorships, or reach out directly to the host.
Recent Episodes
September 15, 2025
一汽是如何把自己打造为AI车企的？
<blockquote style="font-size:14px;margin:10px 0px;color:rgb(102, 102, 102);border-left:5px solid rgb(232, 232, 232);padding-left:15px;"><p style="color:#666666;font-size:14px;" data-flag="bk-span">一汽是如何把自己打造成AI车企的？<br>从Digitalization到Tokenization，智能化的本质到底是什么？<br>为什么说未来企业的管理范式，将从ERP转向EOA？<br></p></blockquote><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">本期《电子替身》节目，邀请到了中国一汽红旗品牌运营委员会副总裁门欣、阿里云AI汽车行业总经理李强、阿里云研究中心主任安筱鹏，与大家分享传统车企巨头一汽，是如何通过数据治理和组织变革，把自己打造成一家连新势力都要来取经的AI车企。节目深入探讨了从数字化到智能化的范式革命，以及EOA（企业运营智能体）如何颠覆传统的ERP管理模式。</p><span><br></span><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【主播/主持人】<br>至顶科技CEO兼总编辑 高飞</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【嘉宾】<br>门欣，中国一汽红旗品牌运营委员会副总裁<br>李强，阿里云AI汽车行业总经理<br>安筱鹏，阿里云研究中心主任</p><span><br></span><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;">【以下是本期播客的<span>后记，来自<span>来自</span><span>至顶科技CEO兼总编辑高飞</span>】</span></p><span><br></span><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;">前一阵，我去了一趟长春一汽总部，和中国一汽红旗品牌运营委员会副总裁门欣、阿里云AI汽车行业总经理李强、阿里云研究中心主任安筱鹏做了场对话，做了一期播客，感觉很有启发。</p><br><span>我一直是康威定律的信徒，也就是有什么样的组织结构，就有什么样的产品。所以，汽车产品AI化的浪潮之下，车企自身作为一个企业，如何AI转型？</span><br><br><span>没想到，一汽有一套很完整的方法论，而且有新势力车企到一汽取经（你没看错）。所以，不仅仅是车企，传统企业AI转型，都应该能从一汽这里得到很多启发。</span><br><br><span>根据播客总结了九个核心观点，具体请大家听音频，很有“哲学三问”的味道：</span><br><br><span>一、核心洞察</span><br><span>1、大模型正在引发三场根本性革命</span><br><br><span>安筱鹏的判断是：大模型不只是技术迭代，而是整个时代的转折点。</span><br><br><span>• 计算范式革命：英伟达市值超4万亿美元的背后，是整个数字技术体系从CPU切换到GPU为核心，这不仅仅是芯片的更替，而是意味着存储、网络、架构、操作系统、调度系统、数据库到应用的全面重构，整个技术栈都在经历一场彻底的换血。</span><br><br><span>• 认知协作革命：互联网时代的本质是信息匹配创造商业模式，所以有了"羊毛出在猪身上"的广告模式，而AI大模型的核心是为问题找答案、给出最短路径，商业逻辑变成了"羊毛出在羊身上"，你创造多少价值就收多少钱，这种直接的价值交换模式，让企业必须真正思考如何为用户创造价值。</span><br><br><span>• 人机交互革命：从40年前需要掌握汇编语言才能与机器对话，到DOS时代的命令行，再到Windows的图形界面，如今我们直接用自然语言交互，"说话就可以变成代码"，这种交互方式的代际跃迁，正在重新定义人与机器的关系边界。</span><br><br><span>"5到10年内，一切智能硬件都会被AI大模型驱动，一切软件都会被AI大模型重构，一切数据会被AI大模型激活。"</span><br><br><span>2、从Digitalization到Tokenization：智能化的本质</span><br><br><span>30年前《数字化生存》定义了一个时代，今天我们需要新的概念来理解智能化。这可能是整场对话中最具启发性的概念区分。</span><br><br><span>• 数字化时代的核心是Digitalization：把世界的信号转换成"01"代码，然后用基于规则的软件处理，但这种处理能力始终有限，就像门总说的，总是做到0.8就差最后0.2分才到满分，那种"差一口气"的感觉让很多数字化项目始终无法产生质变。</span><br><br><span>• 智能化时代的核心是Tokenization：把所有数据变成Token，无论是点云、摄像头还是雷达数据，都能变成同一维度处理，实现了"车同轨书同文"，这种统一让之前看似不相关的数据能够产生化学反应，多传感器融合的难题迎刃而解。</span><br><br><span>• 为什么Token如此重要：李强认为，"你只有真正理解了Token，才能理解这轮AI大模型的本质"，因为Token化不是简单的格式转换，而是让机器能够理解和处理人类世界的复杂性，让之前无法统一处理的多模态数据有了共同语言，这是从量变到质变的关键。</span><br><br><span>门欣用了一个生动的比喻："数据是21世纪的石油，但石油不能直接放在车里，需要提炼。Tokenization就是这个提炼过程，完成了从数据到价值的真正转化。"</span><br><br><span>3、一汽的"无心插柳"：4年前就开始的数据治理</span><br><br><span>当大部分企业在2023年才开始组建AI团队时，一汽的准备工作已经进行了4年。门欣坦言，这种超前布局并非完全出于战略预见，而是一种对数据价值的直觉判断。</span><br><br><span>• 方法论先行：建立了标准化的数据治理体系，信息架构是"六阶十八步"，指标治理是"五阶十六步"，把汽车工程化的思维应用到数据治理，这种标准化不是为了好看，而是确保每一个数据都有明确的来源、用途和质量标准，为后来的AI应用打下了坚实基础。</span><br><br><span>• 从被动到主动：不是去治理已有数据库里的"死数据"，而是"返回来，按照服务端的需求"主动设计数据采集和治理，门总说"数据在那，如果没有服务端的需求，它是没有价值的"，这种价值导向的数据治理思路，避免了很多企业陷入的"为了数字化而数字化"的陷阱。</span><br><br><span>• 清洁数据的重要性："没有清洁数据，大模型一跑就中毒了"，这个苦活必须干，而且不能干错，一汽为此培养了专门的数据管家团队，建立了完整的数据质量管理体系，这些看似枯燥的基础工作，恰恰是AI能够发挥作用的前提条件。</span><br><br><span>"我自己亲身感受是，我之前三四年做的所有事，都是在等这一刻。" 李强回忆说，"当时也不知道路在何方，但门总给我们讲的过程，让我们看到了一个很不一样的数字化转型路径。"</span><br><br><span>4、颠覆性的组织变革：IT不再是服务部门</span><br><br><span>传统企业的IT部门往往是"背锅侠"：业务部门提需求，IT部门实现，权责利都不清。一汽彻底颠覆了这个模式。</span><br><br><span>• 角色反转：传统模式是业务部门提需求、IT部门执行，一汽反过来，"我们提需求，业务部门办"，这不是简单的职责调换，而是让最懂技术可能性的人来设计业务流程，让最懂业务痛点的人来实施改造，双方的积极性都被充分调动起来。</span><br><br><span>• 全员赋能：培训各部门的"数据管家"，开发数据治理工作台，让业务人员自己做数据治理，"他需要什么数据，他需要什么指标，他自己做"，这种赋能不是简单的培训，而是真正让业务人员掌握数字化工具，成为自己领域的"数字化专家"，打破了技术与业务的隔阂。</span><br><br><span>• 战队模式：把业务的人和信息化的人整合到一个战队，共同推进项目，这种模式下，技术人员理解了业务逻辑，业务人员掌握了技术思维，形成了真正的"双向奔赴"，而不是传统的甲乙方关系或者部门墙。</span><br><br><span>5、EOA vs ERP：企业管理范式的根本转变</span><br><br><span>如果说ERP代表了工业时代企业管理的巅峰，那么EOA（企业运营智能体）则预示着智能时代的新范式。门欣提出的这个概念，不是对ERP的修修补补，而是彻底的重构。</span><br><br><span>• ERP的本质问题：基于财务和产销存的系统，业务跟着系统走，"很多企业放弃了自我思考"，SAP怎么设计模块，企业就怎么调整流程，数据服务系统而非创造价值，这种"削足适履"的做法，让很多企业的数字化转型变成了"上ERP找死，不上ERP等死"的两难困境。</span><br><br><span>• EOA的核心理念：基于数据成熟度自动流转，每个业务活动产生的数据成熟到一定阈值，就自动触发下一步工作，"不用等，它自己就在走"，这种基于数据驱动的业务流转，打破了传统的部门墙和审批链，让企业运营像生物体一样具有自适应能力。</span><br><br><span>• 实践成果：中国一汽红旗采购定点发包、供应商协同、报价全部自动化，"人已经不在过程中干预了，人真正的作业对象是模型"，这不是简单的流程自动化，而是让人从执行者变成了规则制定者和异常处理者，真正实现了人机协同的新境界。</span><br><br><span>"在中国一汽现在已经没有ERP的概念，全部打碎，形成基于数据流转、人工作业孪生的体系。" 李强作为前ERP专家感慨："门总给我讲这个东西时，我觉得是把ERP完全改变了一个时代。"</span><br><br><span>6、垂直行业大模型的必要性</span><br><br><span>一汽选择了打造自己的汽车行业大模型。这个决定背后，是对企业核心竞争力的理解。</span><br><br><span>• 通用模型的局限：响应太慢影响用户体验、幻觉问题导致决策失误、准确性不足无法满足专业需求，"不足以满足我们对企业改造的需求"，更重要的是，通用模型无法理解汽车行业的专业术语、业务逻辑和安全要求，简单套用只会产生"鸡同鸭讲"的效果。</span><br><br><span>• 垂域优势：基于汽车产业70年积累的优良、干净数据集训练，让模型"更准、更有效、发挥更大潜能"，这些数据包含了从研发设计到生产制造、从供应链到售后服务的全链条知识，是一汽独特的数字资产，也是构建竞争壁垒的关键。</span><br><br><span>• 能力建设："最重要的是培养了这个团队这群人，他们会用AI视角改造企业和产品"，技术可以购买，但能力必须自建，通过自主训练大模型，一汽培养了一支既懂汽车又懂AI的复合型团队，这才是真正的护城河。</span><br><br><span>门欣的核心观点："企业真正的发展不是战略牵引的，是能力溢出牵引的。AI能力可能成为中国一汽面向未来的核心能力。"</span><br><br><span>而阿里云也为一汽大模型提供了三重关键支撑：基础模型上，通义千问作为全球领先的开源模型提供技术底座，每三个月迭代一次，确保持续进化；差异化能力上，阿里云将部分未公开的先进模型定向开源给一汽，并派出专家团队深度参与，实现模型能力与汽车专业知识的融合；算力保障上，提供从CPU到各档位GPU的灵活配置，支撑从训练到调优的全流程需求。</span><br><br><span>7、座舱智能化的奇点时刻</span><br><br><span>2024年，多个技术要素的成熟度同时越过临界点，座舱智能化迎来了真正的爆发期。这不是渐进式改良，而是体验的代际跃迁。</span><br><br><span>• 硬件突破：新一代芯片算力提升10倍，"过去的芯片算力不够，模型大了跑不起来，模型小了效果很差"，现在终于可以在端侧运行真正有用的大模型，延迟从秒级降到毫秒级，用户体验产生质的飞跃，那种"说话就懂"的自然交互成为可能。</span><br><br><span>• 模型进化：通义模型"尺寸变得更小，但比过去尺寸大一倍的模型还能打"，这种效率提升不是简单的优化，而是模型架构和训练方法的革命性突破，让原本只能在云端运行的能力下沉到端侧，实现了"离线可用、实时响应"的理想状态。</span><br><br><span>• 体验革命：未来座舱将成为"另一个你"，辅助驾驶能学习个人驾驶风格，实现"千人千面"而非"千人一面"，这种个性化不是简单的参数调整，而是AI真正理解了你的习惯、偏好甚至情绪，车不再是冰冷的机器，而是懂你的伙伴。</span><br><br><span>门欣的前瞻思考："如果语言交互、肢体眼神交互甚至脑机接口都实现了，还需要那些大屏和按钮吗？就像Windows取代DOS，自然交互将彻底改变汽车的形态。"</span><br><br><span>8、从制造商到运营商的身份转变</span><br><br><span>汽车企业的本质是什么？安筱鹏给出了一个颠覆性的答案：不是制造商，而是运营商。这个定位的转变，将深刻影响企业的战略选择和资源配置。</span><br><br><span>• 关系重构：车企与车的关系从"卖完拜拜"变成"持续连接"、车主与车的关系从"拥有工具"变成"享受服务"、车与服务生态的关系从"孤岛"变成"节点"，这三重关系的重构，让汽车从一个产品变成了一个平台，从一次性交易变成了持续运营。</span><br><br><span>• 运营商模式："中国移动是运营商，载体是手机；汽车公司也是运营商，载体是车"，要实时洞察客户需求、实时满足、提供极致体验，这意味着车企要像互联网公司一样思考用户生命周期价值，通过OTA升级、增值服务、生态连接来创造持续价值。</span><br><br><span>• 价值创造：从一次性销售转向持续运营，从产品思维转向服务思维，从硬件利润转向软件和服务收入，这种转变不是简单的商业模式调整，而是要求企业具备完全不同的能力：数据分析能力、用户运营能力、生态整合能力。</span><br><br><span>"未来所有的企业都应当是一个运营商"，这个判断的背后，是对智能时代商业逻辑的深刻洞察。</span><br><br><span>9、数据视角下的企业运营革命</span><br><br><span>如果把企业比作一个生命体，传统管理是解剖学思维（组织架构），而数据驱动是生理学思维（信息流动）。门欣关于数据成熟度的观点，代表了管理思维的根本转变。</span><br><br><span>• 传统困境：基于组织和流程的管理，"路径不是最短的，协同起来非常难"，因为你要考虑部门利益、权力结构、历史包袱，每个决策都要经过层层审批，信息在传递中衰减和扭曲，最终导致大企业病：决策慢、执行难、创新少。</span><br><br><span>• 数据视角：通过数据成熟度触发业务流转，"金字塔组织和流程都会消弭于无形"，数据不会说谎、不会推诿、不会延迟，当数据达到设定阈值，业务自动推进，这种机制让企业运营像神经系统一样敏捷，而不是像官僚机构一样迟缓。</span><br><br><span>• 去审批化：过去几年最大成就是去审批化，"审批到底在审什么？用Token化方式一条条说清楚，模型化，审批就干掉了"，这不是简单的流程优化，而是把人的经验和判断转化为机器可执行的规则，让决策从"人治"走向"智治"。</span><br><br><span>"每个业务活动产生的数据，它的数据成熟到一定阈值，它就可以开始下一步的工作"，这种基于数据成熟度的自动流转机制，可能是企业管理的下一个范式。</span><br><span><br></span><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【在这里找到我们】</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">公众号：科技行者（ID：itechwalker）�</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">收听渠道：喜马拉雅｜苹果播客｜小宇宙｜蜻蜓FM</p><span><br></span><br>
July 24, 2025
从端到端到世界模型，智能驾驶如何翻越四座大山
<p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal"><span>从端到端到世界模型，智能驾驶如何翻越四座大山？</span></p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal"><span>真正的L3/L4啥时候能到来？</span></p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal"><span>AI老司机的感觉是怎么培养出来的？</span><br><br><span>本期《电子替身》邀请到了</span><span>卓驭科技CEO沈劭劼，<span>阿里云智能集团AI汽车线总经理李强，与大家分享<span>目前智能驾驶的技术演进路线；为什么做端到端；VLA的价值；如何从汽车的角度看世界模型；另外也探讨了真正的L3/L4实现的方法。</span></span></span></p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal"><span>【主播】</span></p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">高飞，至顶科技CEO兼总编辑</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal"><span><span>【嘉宾】</span></span></p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal"><span><span>沈劭劼，</span>卓驭科技CEO</span></p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal"><span><span>李强，</span>阿里云智能集团AI汽车线总经理</span></p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal"><br>【你将听到】<br><span>一、从百万行代码到端到端：一个痛苦但必要的决策</span><br><span>1、技术路线的转折点</span><br><span>-规则时代的天花板：到2023年，基于规则的城区领航系统代码量达到百万行级别（仅决策规划，不含感知），但城市接管率怎么都降不下来，性能停滞不前</span><br><span>-端到端的降维打击：转向端到端后，城区复杂场景的接管率直接降了10倍，这是数量级的差异，不是小幅优化能解决的</span><br><span>-决策的关键时刻：2024年下决心彻底转向端到端，虽然CEO沈劭劼是"写规则出身"的机器人背景，但秉承"打不过就加入"的务实态度</span><br><br><span>2、“为学日益，为道日损”的技术哲学</span><br><span>-从加法到减法：七年时间不断添加规则，试图用代码覆盖现实世界的所有可能性，这是"为学日益"；但当端到端出现时，真正的突破是减法——让机器自己学会判断，这是"为道日损"</span><br><span>-从Say Yes到Say No：以前工程师要写规则告诉车怎么动（Say Yes），现在模型输出多条轨迹，工程师只需要否决不安全的（Say No），从正向解复杂非线性优化问题变成简单的空间验证</span><br><span>-拟人化驾驶：端到端让车的行为更像人，能与其他交通参与者形成默契，而不是像个生硬的机器</span><br><br><span>3、端到端带来的质变</span><br><span>-预判而非反应：鬼探头场景下，系统不是反应更快，而是学会了"不肯加速"——车辆表现出了近似人类的预判能力</span><br><span>-绕开而非刹停：测试AEB时，车会主动绕开障碍物而不是急刹，"人类司机开车反而比较容易测AEB"</span><br><span>-涌现能力：系统学会了人类司机的直觉，让驾驶变得拟人，解决了机器与其他交通参与者之间的"默契"问题</span><br><br><span>二、技术演进路线图：从模仿学习到世界模型</span><br><span>1、三个阶段的清晰定义</span><br><span>（1）模仿学习（当前）：输入数据输出轨迹，像用"小脑"开车，处理大部分驾驶场景但缺乏复杂场景理解</span><br><span>（2）</span><span>VLA（Vision-Language-Action，2025年下半年）：整合视觉、语言和行动能力，加入语义理解能力，解决主辅路选择、复杂路口选道等需要"大脑"的问题</span><br><span>（3）</span><span>世界模型（愿景阶段）：真正理解物理世界，能处理从未见过的场景（如钢卷掉落、山体滑坡），基于物理推演而非数据模仿</span><br><span>2、时间线预测</span><br><span><span><span>-</span></span>L3落地：需要后验证明（1万小时碰撞不超过1次），预计26-27年政策出台，高速场景会先行</span><br><span>-VLA技术：2025年下半年技术上基本成熟，但仍是让L2++系统变得更好用的思路</span><br><span>-舱驾一体：2025年10月就会量产，一个芯片同时跑座舱和智驾</span><br><span>-世界模型上车：这是"许愿"状态，怎么做、怎么部署都还不清楚，但趋势确定</span><br><br><span>三、四座大山：智能驾驶的资源配置学</span><br><span>1、成本与性能的平衡术</span><br><span>-双目方案的系统性价值：卓驭坚持双目立体视觉，不仅是深度感知，更重要的是大幅降低了数据需求和算力需求，训练资源能降低2-3倍，直接影响"一年是需要5亿还是50亿做模型训练"</span><br><span>-算力投入的真相：每年几个亿的算力费用，但真正用于最终模型训练的不超过10%，90%都是试错成本，这是先行者必须承担的探索代价</span><br><span>-算力晴雨表：阿里云的一个数据，2025年3月某一天，在汽车领域，AI算力消耗超过CPU通用算力，到5月底占比已达55-56%，这个趋势不可逆</span><br><br><span>2、数据的质量vs规模</span><br><span>-数据悖论：几十万辆采集车每天的数据"光存都存不下"，但绝大多数是在空旷高速上的无用数据</span><br><span>-智能挖掘：在车端部署专门的小VLM模型，不负责驾驶但专门判断"什么数据有意思"，驾驶员的接管行为也作为高价值数据的信号</span><br><span>-从人工到智能：最开始靠人工标注（有多少人工就有多少智能），后来用大模型做半自动、全自动标注</span><br><br><span>3、特斯拉的启示</span><br><span>-10万卡算力中心：特斯拉作为第一个把端到端落地的先行者，承担了更多试错成本，需要更大的冗余来探索不同路径</span><br><span>-中国的现实选择：国内公司通过更精细的软硬件协同设计，在有限预算下达到接近的效果</span><br><br><span>四、商业模式的灵活性：不是只有"交钥匙"</span><br><span>1、多样化的合作模式</span><br><span>-完整交钥匙：传感器、控制器、软件、数据闭环全包，这是能力的体现但不是唯一选择</span><br><span>-部分集成：提供控制器和前视双目，其他传感器由主机厂或第三方提供</span><br><span>-纯软件合作：只提供软件，跑在主机厂的硬件上</span><br><span>-IP授权和赋能自研：更深度的技术转移，部分代码会随合作深入转移给主机厂</span><br><br><span>2、成功的关键</span><br><span>-兜底能力：让主机厂用最省心的方式实现智能化，"优质的兜底"是打动9家车企的核心</span><br><span>-保持开放：不要对商业模式有执念，根据客户能力和诉求灵活调整</span><br><span>-共同价值点：抛开各种杂音，核心就是"把车卖好"</span><br><br><span>五、一体化哲学：工程美学的体现</span><br><span>1、技术架构的演进</span><br><span>-软硬一体：像人需要大脑和身体协调，软件和硬件必须螺旋式共同进步，前后端会互相影响，需要一起权衡优化</span><br><span>-舱驾一体：避免重复部署模型浪费1.7倍算力，通过共享内存让VLM等模型复用，360环视"谁想用谁用"，解决黑屏等工程问题</span><br><span>-不多也不少：好的工程方案应该让人觉得"刚刚好"，资源的优雅整合而非功能的简单堆砌，这是一种技术美学</span><br><br><span>2、具体案例</span><br><span>-360全景的实现：传统架构需要从驾驶控制器通过以太网传到座舱显示，既耗算力又可能黑屏；一体化设计则是"共享内存，谁想用谁用"</span><br><span>-管理的TDMA：沈劭劼用通信术语形容自己的时间管理——时分复用，在技术修养和团队管理之间通过时间分配实现整体优化</span></p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal"><br><span>3、核心洞察（Q&A形式）</span><br><span>Q1：为什么2024年是智能驾驶的分水岭？ </span><br><span>A：因为基于规则的方案已经触及天花板，百万行代码仍无法降低接管率，而端到端带来了数量级的性能提升。这不是优化问题，而是范式转换。更重要的是，这个转换不可逆——一旦看到10倍性能差异，就不可能再回头。这是从"为学日益"到"为道日损"的哲学转变。</span><br><br><span>Q2：中国智能驾驶最大的挑战是什么？ </span><br><span>A：不是技术，而是"预算"。每家公司都想要特斯拉那样的10万卡算力中心，但现实是要在有限资源下做到最优。这就需要更聪明的方案，比如用双目降低数据和算力需求2-3倍，用车端模型筛选高价值数据，在云端和车端找到最佳平衡点。关键是系统性优化而非局部优化。</span><br><br><span>Q3：智能驾驶的终局会是怎样？ </span><br><span>A：世界模型上车后，理解物理世界的AI将不仅用于汽车，还会延伸到机器人、无人机等所有需要与物理世界交互的场景。但这需要时间——从规则到数据驱动的转换用了40年（虽然端到端会更快），技术范式的每次转换都会比想象中慢，但一旦成功影响会比想象中大。</span><br></p><span><br></span><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal"><strong style="color:#FC5832;word-break:break-all;font-family:Helvetica,Arial,sans-serif;font-weight: normal;"><span>【在这里找到我们】</span></strong><span>公众号：科技行者（ID：itechwalker）</span><br><span>收听渠道：<span>喜马拉雅｜</span>苹果播客｜小宇宙｜蜻蜓FM</span><br><span>联系我们：zhou.ya@zhiding.cn</span><br></p>
January 10, 2025
OP.8【游戏三部曲】微软自戕，三红，自爆，临阵换将，抛弃核心客户
<p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">OP8 【游戏三部曲】微软自戕，三红、自爆、临阵换将、抛弃客户</p><span><br></span><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【一句话故事】抢占市场后如何进一步扩大市占率，放弃核心客户利益是多么可怕。</p><span><br></span><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">本期问题：大企业跌至谷底的宏观自救</p><span><br></span><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【01‘17】更强大的机能，微软的野心</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【03’10】STI联盟——索尼+东芝+IBM联盟剑指竞对-微软-INTEL-AMD</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【08‘15】IBM暗中串联微软，CELL 芯片& Xenon 芯片</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【15’30】XBOX360首发，抢占市场的意义</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【21‘30】死亡三红，不负责的灾难</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【25’00】打破吉尼斯纪录，黑科技Kniect</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【30’00】放弃核心客户的代价 </p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【37‘50】XBOX救星，菲尔·斯宾塞真正懂客户的管理者是客户</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【45’00】虽然“格局”这个词很俗，但“格局”是真的很重要</p><span><br></span><span><br></span><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【人员名单】</p><span><br></span><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【出品】高飞</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【外援】周周</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【脚本】高杨</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【录音】高杨</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">【剪辑】高杨</p><span><br></span><br>
11 total episodes available
Deep-dive analytics for 电子替身
Frequently asked questions
Have a different question and can't find the answer you're looking for? Reach out to our support team by sending us an email and we'll get back to you as soon as we can.
- What is 电子替身?
<p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica,Arial,sans-serif;hyphens:auto;text-align:justify;" data-flag="normal">电子替身，科技类播客，重点关注科技领域(人工智能)，讲述行业缔造者及关键人物的故事。</p><p style="color:#333333;font-weight:normal;font-size:16px;line-height:30px;font-family:Helvetica, Arial, sans-serif;hyphens:auto;text-align:justify;" data-flag="normal"><br />栏目灵感来自知名漫画《JoJo的奇妙冒险》中超能力替身概念。<br /><br />漫画充满想象，替身可以真实，技术革命让每一个人成为拥有“千里眼顺风耳”能力的替身使者。<br /><br />“原来，你也是替身使者。果然，替身使者是互相吸引的”，很开心在这里遇到你。<br /><br /></p> - How often does this podcast release new episodes?
This podcast updates bi-weekly.
- Where can I listen to this podcast?
This podcast is available on 6 platforms including Apple Podcasts, Spotify, and more. You can also use the RSS feed directly.
- Does this podcast accept guests?
Yes, this podcast regularly features guests.
Legal Disclaimer
Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.
All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.
We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.
While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at hey@podengine.ai for prompt review and appropriate action, which may include content removal or proper attribution.
By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.