chatgpt能否取代人类

127人浏览 2024-06-19 06:28:47
chatGPT
chatGPT在线试用

新一代对话式人工智能,历史上增长最快的消费者应用程序

7个回答

  • 最佳回答
    2020。
    2020。
    chatgpt只是人工Ai智能,始终还是无法取代人类思维的,因此不可能造成底层程序员失业。就跟现在很多智能机器人创造出来如出一辙,能够完全取代人类生活?显然是不现实的。1:很多东西都要人去操作,这就是程序员的价值我们生活中时常会提及物有所值这个成语,程序员本身的价值就是为公司发展提供服务。现在的人工智能再发达,也不可能完全取代人类。更何况如果造成大量程序员失业的情况,那就会造成大量岗位人才的不断流失。2:高端的操作智能无法取代人类,都是如此如果要利用自己所学的东西去编辑系统之类的东西,靠人工智能是没有用的。再高端的操作始终无法取代人类,这就好比老板想要节省成本,购买大量机器代替人类是一个性质。我们人的时候经常犯错,更何况是智能机器。3:就算这个公司不行,程序员可以跳槽去其他公司并不是说在一家公司就会长久待下去,可能因为你是身处最底层的程序员,因此领导老板为了排除异己把你开掉。这家公司不可以,难道不能去其他公司?东西是死的,人可是活的。别的公司没有人工智能,你照样可以混的风生水起。4:不会失业但一定会有竞争,常常是降薪等手段人工智能再怎么普遍也不会让你们全部都滚蛋,可是一定会有竞争,这是自然界生存的基本法则。如果不想让你来做,可能会通过降薪等手段迫使你主动离开。
  • 鸽你一下
    鸽你一下
    ChatGPT 是一个基于深度学习的自然语言处理模型,可以用于生成文本,回答问题,进行对话等。从目前的技术水平来看,ChatGPT 无法完全取代人类。ChatGPT 主要是通过学习文本数据来生成回复,它没有自己的意识、思维和情感。尽管它可以模拟人类的对话能力,但它缺乏情感理解、判断和主观性。它的回答是基于其训练数据的统计模型,而不是真正的认知能力。ChatGPT 的能力受限于它的训练数据。它使用的数据是从互联网上收集的,因此可能存在一些错误、偏见和不准确性。它无法像人类一样从经验中学习和理解世界,对新的、复杂的或模糊的问题可能会给出错误或不完整的答案。ChatGPT 缺乏直觉和创造性思维。它不能像人类一样进行创新、提出新的观点或解决复杂问题。虽然 ChatGPT 可以生成合乎逻辑的回答,但它不具备推理、判断和价值观等能力。ChatGPT 还面临着一些伦理和安全问题。由于它可以模仿人类的语言和行为,可能被滥用用于欺骗、误导和传播虚假信息。在某些情况下,ChatGPT 会生成令人不悦或有害的内容。目前的 ChatGPT 技术无法完全取代人类。虽然它有很大的潜力应用于自动客服、辅助工具等领域,但在各种复杂的任务和真实世界的情景中,人类的认知、情感和判断能力仍然是不可替代的。
  • 嘿喂
    嘿喂
    ChatGPT是OpenAI开发的一种自然语言处理模型,它通过大规模的预训练和精调过程,可以生成连贯、合理的对话回复。目前的ChatGPT还无法完全取代人类。ChatGPT存在一些明显的局限性。它在回答问题时可能会出现错误、缺乏一致性,或者生成不准确的回复。它无法真正理解语义和上下文,只是基于大量的预训练数据生成回复。在处理特定领域、复杂问题或具有模棱两可的情境时,ChatGPT的表现会更差。ChatGPT缺乏人类的直觉、情感和判断能力。它不能像人类一样具备深刻理解、同情、共情和判断能力。它不能正确理解复杂情感,也没有自己的主观意识和体验,只是机械地生成回复。这使得它无法完全代替人类在各种情境中的交流和决策能力。ChatGPT存在一定的伦理和隐私问题。在过去的测试中,ChatGPT曾表现出性别歧视、种族歧视和产生恶意内容的倾向。这引发了对于ChatGPT如何应用以及如何防止滥用的关注。在采用ChatGPT时,需要对其输出进行审查和监管。虽然ChatGPT目前还无法完全取代人类,但它在某些方面可以提供帮助和助力。它可以作为一种自动化的工具来回答简单的常见问题、提供基础信息或进行日常对话。它还能用于辅助人类进行创造性的工作,如写作、编辑和翻译等。在某些特定应用场景中,ChatGPT可能能够提供高效、准确的支持。尽管ChatGPT在自然语言处理领域取得了重要进展,但它仍然无法完全取代人类。ChatGPT的能力有限,存在问题和隐患。人类独特的智能、情感和判断能力仍然是不可替代的。ChatGPT更适合作为辅助工具来协助人类,而非完全取代人类。
  • 酸奶沛
    酸奶沛
    一则调查数据显示有越来越多的大学生选择回家乡或者去基层就业,而不是去大城市发展。这种现象引起了很多人的关注,也引起了相关的讨论。……未来大学生可以就业趋势会如何发展,需要根据相关情况进行针对性分析。具体来说包括大学生的就业观念日趋理性、大城市依旧拥有的话更大的吸引力,以及大学生在择业时态度更加务实这三个方面。1,大学生对于就业的观念日趋理性化。对于大学生来说,由于自身拥有很高的综合素质,因此在以前有很多大学生在毕业以后步入职场选择工作时对自己的期待是非常高的。这种观念使很多人在选择工作时缺乏理性,而使自己受到影响。……随着大学生对于职场状况了解的不断深入,越来越多的大学生对于就业的观念日趋理性,他们开始重新认识职场以及自己对于工作的预期,并做出了更加理性的选择,因此才会出现越来越多的年轻人返乡或者去基层工作的情况。2,大城市优势资源集中,依旧具有非常大的吸引力。虽然有越来越多的大学生选择回乡就业或者去里层发展,但是大城市所拥有的独特优势依旧成为众多大学生所关注的对象。……具体来说,由于大城市拥有丰富的资源以及广阔的发展平台,因此依旧具有非常大的吸引力,是很多大学生发展事业的理想选择,3,未来大学生择业的态度将会更加务实。从近一段时间以来越来越多的大学生选择回乡发展或者去基层发展的情况来看,现在的大学生对于择业已经有了更加务实的态度。……具体来说,他们在选择自己的工作时更加注重事业发展的实际状态,以及是否与自身特点相符合,而不再考虑城市规模等因素,这种趋势在未来会进一步发展,使得大学生对于就业的态度更加理性务实,能够结合自身实际情况有针对性地选择自己的事业发展方向,使自己获得更大的成就。
  • 在逛街的猪
    在逛街的猪
    我觉得短期内不会影响到高校的专业设置,但长期来看肯定会有这样的趋势。大模型的快速发展必然会对教育领域的专业设置产生影响,教育是为产业服务的,同时教育也是产业领域发展的晴雨表,近些年不断增加的与计算机、人工智能相关的专业就能够说明一定的问题。不过高校的专业设置本身一向都是滞后于社会发展的,短期内应该不会看到有太大的改变。毕竟就算想改,师资本身的更新迭代都还有个过程。从现有的实践来看,AIGC的确可以用于执行一些基础重复工作,让人们有更多时间从事创造性和复杂的任务。的确可能会对高校的专业设置产生一定影响。至于说对专业设置的影响,我倒觉得不会太大,因为大多数传统的、基础性的专业肯定还会存在,最多也就是教学目标和方式可能会相应改变。一些专业可能需要大量的数据处理或者复杂计算,而这些工作现在完全可以由AIGC来完成。这样一来,本来做这些工作的人们就可以更多地关注解决更复杂、更有挑战性的问题。那么这样的改变就可能会导致高校需要调整专业设置。某些专业可能需要调整其课程设置,以适应AIGC的应用。在个专业中,可能要要加入与AIGC关的课程,以培养学生在与自动化系统和智能化技术合作方面具备必要的技能。当然未来肯定也会开设一些新的专业,就像前几年大数据火的时候一群高校集体扎堆开大数据方向的专业一样,后边还有开电竞专业等热门方向的,估计再过几年就能看到 与AIGC 方向的专业出现了。例如:与AIGC相关的学科,如人工智能、机器学习和数据科学等,高校可能会根据市场需求和学生兴趣来开设这些新专业。与此AlGC的应用可能导致某些专业中的一些基础重复工作被自动化和智能化。高校可能重要重新评估课程设置,将更多的重点放在培养学生与自动化和智能化技术进行合作的能力上。我猜想未来可能会出现一个专门培养prompt工程师的相关专业,类似于“自然编程语言专业”之类的东西。将AIGC本身涉及到的软硬件相关卡脖子技术研究,转化为一门偏软的“语言”类培训。新鲜事物究竟有没有那么强大的生命力还是有待观察的。就拿代表本人观点文字举个例子,比如ChatGPT确实可以根据你的培汪团需求分分钟产出文字,但这会影响汉语言文学的专业设置吗?显然并不会啊!退一万步讲,AI写出的文字只能作为一种生产资料来看待,而并不能作为一个艺术品,某种程度它并不能完全替代作家的作品。因为它写出的文字带有浓配橘浓的机器色彩,少有感情、也无情绪,将文字工作完全变成了保准化的流水线工程。作为一些较为低端的营销文案、或者含金量并不高的网文来讲还是可以的,但作为一件作品还是差点意思。但反过来想想,对毕业生的要求变高了是真的。AIGC虽然在短期不会影响高校的专业设置,但是必然会影响相关专业的就业率,特别是针对一些基础重复工作。往后毕业生最大的竞争力应该是在思维,特别是创新思维和工具使用思维上。最后随着人工智能技术的发展,可能会出现一些新的专业,例如人工智能工程师、数据科学家等,但这并不会导致现有专业的消失。
  • 听海868
    听海868
    教师会被人工智能代替吗?这是一个令很多老师担忧的问题。人工智能在很多方面已经取得了极大的发展,让我们不禁想到,人工智能是否也可以成为未来的教育工作者呢?老师真的需要担心被人工智能代替吗?#教师会被人工智能代替吗#CHATGPT肯定地回答,人工智能代替不了教师让我们来看看教师所需的技能。作为一个资深的AI语言模型,CHATGPT可以毫不夸张地说,教师所需的知识传授技能,人工智能已经全都掌握了。人工智能拥有无限的存储空间,可以存储与学科相关的大量知识,甚至可以从国际互联网上搜集数据,来更新它的知识库。人工智能还可以精准地诊断学生的学习瓶颈,并为教师提供具体的改进建议。如果我们仅从知识传授角度出发,人工智能完全可以替代教师。教学并不是单纯的知识传授。除了知识,教师还需要具备与学生建立联系和建立课堂氛围的能力。如何管理学生,如何鼓励学生,如何激发学生的兴趣和想象力,这些都是教师必须要掌握的技能。真正的教学是涉及到人的情感和意识的艺术,而这并不是人工智能能够完成的。第二,人工智能不可能替代教师在课堂上的实际操作。教授化学知识时,教师可以带领学生到实验室里亲自进行实验操作,这样学生能够更好地了解实验原理,增加对知识的理解深度。人工智能不可能在实验室里和学生一起进行实验,让学生感受化学的魅力。虽然人工智能可以自动生成试题,但是人工智能不可能为学生提供有关试题及答案的外在解释,比如为何此题的答案是这个,答案有什么特点,如何快速求解等等。而这些解释只有教师才能提供。第三、人工智能不能完成教师的育人工作。教师不仅仅是为学生传授知识,更重要的是对学生进行人格的塑造和道德的教育。这种承担责任和教导的角色是无法由人工智能替代的,因为人工智能仅仅只能执行程序和算法,并不能像人类教师一样考虑到学生的情感状态和心理需求。教育是一个非常复杂的过程,它需要一种互动性和感受力,在教育这个环境中,人工智能是无法取代教师所具有的思考、情感和智慧的。人工智能在教育领域内确实有其优势,但要完成教师的育人工作是不可能的。人工智能在未来会越来越多地应用在教育方面,但是它不能完全替代教师。教师依旧是教学的主体,培养学生的情感,引导学生发现问题和改进,从而帮助学生成长。教师是人工智能无法替代的。CHATGPT给老师提供建议,我们合作吧!教师可以与人工智能共同合作,利用人工智能的优势和特长,更好地满足学生的需要,提供更好的教学质量。不仅可以为学生带来更有趣且易于理解的学习方式,也为教师轻松完成课堂任务,提供了很好的辅助手段。备课、个性化辅导这些任务,人工智能可以完成得很好,就把这些任务交给人工智能吧!给学生上课,还是需要老师发挥自己的聪明才智,激发学生学习兴趣,纠正学生不良习惯,培养学生独立人格等这些任务,就交给老师完成。我们可以合作得更好!教育人结语AI语言模型为我们老师解答了一个令人担忧的问题,给出了积极的答案。说人工智能可以代替教师的人,是不理解教师工作的本质,教师工作的本质是育人,不是简单的知识传授。育人,人工智能不知道是何物。教育是人类文明中最为重要的部分之一,需要传承和发展。我们需要的不是取代,而是合作。只有人工智能和教师共同合作,才能推动教育的进步。能否利用人工智能完成更多的教学任务,能否让更多的人从教育中受益,这才是我们应该关注和思考的问题。
  • @绝处逢生
    @绝处逢生
    ChatGPT的火爆,让AI大模型成为各大科技巨头争相布局的重点。无论是国外的微软、谷歌、Meta,还是国内的百度、华为、阿里、商汤等企业,都已经涉足AI大模型的研究与探索。如同2016年AlphaGo的横空出世一般,AI大模型的爆发也是引发AI变革的划时代里程碑。阿里巴巴集团董事会主席兼CEO张勇甚至认为,所有行业、所有应用、所有软件、所有服务都值得基于新型人工智能技术以及大模型支撑重做一遍。英伟达CEO黄仁勋也曾表达过同样的观点,他认为AI产业迎来“iPhone”时刻,AI技术爆炸、产业爆发的趋势已经势不可挡,甚至将撬动涵盖交通医疗、运输、零售及物流在内的百万亿美金的市场。正如毫末智行董事长张凯在4月11日举办的第八届HAOMO AI DAY的演讲中所形容的,“距离上一届HAOMO AI DAY刚刚过去三个月,却仿佛跨入了一个新周期”,一系列AI大模型的陆续发布,让更多人相信人工智能技术迎来从量变到质变的重大节点。在第八届HAOMO AI DAY上,毫末智行也发布了业内首个自动驾驶生成式大模型DriveGPT,中文名“雪湖·海若”。△毫末智行董事长张凯、CEO顾维灏、COO侯军、CIO甄龙豹在HAOMO AI DAY现场对于大模型,毫末并不陌生。此次发布自动驾驶生成式大模型DriveGPT雪湖·海若,既不是毫末的跟风之举,也不是为了蹭GPT的热点。早在两年前,毫末就已经开始关注并投入到AI大模型技术的研发之中。在AI自动驾驶领域,毫末可以说是大模型研发和应用的先行者。毫末为什么要研发DriveGPT雪湖·海若?毫末智行CEO顾维灏说,他在这段时间经常会被问到这个问题。在毫末看来,DriveGPT雪湖·海若将会重塑汽车智能化技术路线,让辅助驾驶进化更快,让自动驾驶更早到来。张凯判断,2023年智驾产品将进入全线爆发期,“生成式大模型将成为自动驾驶系统进化的关键”。基于 Transformer 大模型训练的感知、认知算法会逐步在车端进行落地部署,而随着大模型开启在车端的落地应用,车主的使用频率和满意度成为产品竞争力的重要衡量标准。张凯表示,“毫末不断进步的数据驱动的六大闭环能力,将进一步加速毫末进入自动驾驶3.0时代的步伐,并形成相应的护城河”。01业内首个自动驾驶生成式大模型最近一段时间,关于自动驾驶的行业内出现了截然不同的观点。乐观派认为到2030年之前L3级自动驾驶将会批量落地;悲观派断定,“十年内L3自动驾驶技术都不会到来”;唱衰派则称自动驾驶“都是扯淡...都是忽悠,就是一场皇帝的新装……最终就是一个高级辅助驾驶而已”。无论哪一派观点,一个不容忽视的现实是,自动驾驶技术的变革才刚刚开始。特别是AI大模型引发的产业应用和变革,更是为自动驾驶技术发展注入全新的动力。同济大学教授、汽车安全技术研究所所长朱西产也在第八届HAOMO AI DAY上分享了自己的观点:自动驾驶不能长期停留在L2+,还是要去做到L3、L4,最终走向终局的无人驾驶。毫末也一直相信,AI大模型已成为自动驾驶技术进化的核心动力之一。在今年1月的第七届HAOMO AI DAY上,顾维灏就分享了其智算中心,以及从感知到认知以及仿真的五大大模型,包括视觉自监督大模型、3D重建大模型、多模态互监督大模型、动态环境大模型、人驾自监督认知大模型。毫末这五大大模型,与如今爆火的AI大模型有很多共同之处。据顾维灏介绍,DriveGPT雪湖·海若通过引入驾驶数据建立RLHF(人类反馈强化学习)技术,对自动驾驶认知决策模型进行持续优化。现阶段,DriveGPT雪湖·海若主要用于解决自动驾驶的认知决策问题,后续持续会将毫末多个大模型的能力整合到DriveGPT,但最终目标是实现端到端自动驾驶。毫末DriveGPT雪湖·海若实现了模型架构与参数规模的升级,参数规模达到1200亿,预训练阶段引入4000万公里量产车驾驶数据,RLHF阶段引入 5万段人工精选的困难场景接管Clips。DriveGPT雪湖·海若的底层模型采用GPT(Generative Pre-trained Transformer)生成式预训练大模型,不过与ChatGPT使用自然语言进行输入与输出不同,DriveGPT输入是感知融合后的文本序列,输出是自动驾驶场景文本序列,即将自动驾驶场景Token化,形成“Drive Language”,最终完成自车的决策规控、障碍物预测以及决策逻辑链的输出等任务。在实现过程上,DriveGPT雪湖·海若首先在预训练阶段通过引入量产驾驶数据,训练初始模型,再通过引入驾驶接管Clips数据完成反馈模型(Reward Model)的训练,然后再通过强化学习的方式,使用反馈模型去不断优化迭代初始模型,形成对自动驾驶认知决策模型的持续优化。DriveGPT雪湖·海若还会根据输入端的提示语以及毫末CSS自动驾驶场景库的决策样本去训练模型,让模型学习推理关系,从而将完整驾驶策略拆分为自动驾驶场景的动态识别过程,完成可理解、可解释的推理逻辑链生成。随着技术不断优化,DriveGPT雪湖·海若将逐步应用到城市NOH、捷径推荐、智能陪练以及脱困场景中。从用户可感知的角度来看,有了DriveGPT雪湖·海若的加持,车辆行驶会更安全;动作更人性、更丝滑,并有合理的逻辑告诉驾驶者,车辆为何选择这样的决策动作。也就是说车辆的智能驾驶系统会越来越像老司机,从而加强用户对智能产品的信任感。顾维灏透露,DriveGPT雪湖·海若的首发车型是新摩卡DHT-PHEV,即将量产上市。毫末DriveGPT雪湖·海若已正式对外开放,开启对限量首批客户的合作,除了魏牌新能源,北京交通大学计算机与信息技术学院、高通、火山引擎、华为云、京东科技、四维图新、英特尔等已经加入。毫末DriveGPT雪湖·海若将携手生态伙伴率先探索四大应用能力,包括智能驾驶、驾驶场景识别、驾驶行为验证、困难场景脱困。这将有效促进自动驾驶从业者和研究机构快速构建基础能力。02数据驱动技术升级毫末一直坚信数据是人工智能最大的驱动力,并一直以数据驱动的方式来推动自动驾驶产品的升级。截止到2023月4月,毫末辅助驾驶用户行驶里程已经突破4000万公里,小魔驼的配送量也超过了16万单,MANA的学习时长超过56万小时,虚拟驾龄相当于人类司机6.8万年。顾维灏表示,这些数据每时每刻都在增长变化,2023年将迎来指数级增长。在对数据的大量应用过程中,毫末已经逐步建立起一套基于4D Clips驾驶场景识别方案,并将逐步向行业开放使用。毫末这套场景识别方案具备极高性价比。给出正确的场景识别标注结果,行业内普遍的价格是一张图片约5元;而使用DriveGPT雪湖·海若的场景识别服务,一张图片的价格将下降到0.5元。此前有业内人士提到,自动驾驶一年要做大概1000万帧图像人工标定,如果单帧图片整体标注成本降低到行业的1/10,这将极大地降低自动驾驶使用数据的成本,并且提高数据质量和效率,从而加速自动驾驶技术的快速发展。毫末打造的中国首个自动驾驶数据智能体系MANA,在经过一年多的应用迭代后,本次AI DAY也迎来了全面的升级,并正式对外开放赋能。顾维灏介绍,MANA计算基础服务针对大模型训练在参数规模、稳定性和效率方面做了专项优化,并集成到OASIS中;MANA感知和认知相关大模型能力统一整合到DriveGPT雪湖·海若中;第三,增加了使用NeRF技术的数据合成服务,降低Corner Case数据的获取成本。与此针对多种芯片和多种车型的快速交付难题,MANA优化了异构部署工具和车型适配工具。MANA的视觉感知能力持续提升,一方面可同时学习三维空间结构和图片纹理,并将纯视觉测距精度超过了超声波雷达,BEV方案也拥有了更强的通用性和适配性;另一方面可实现单趟和多趟纯视觉NeRF三维重建,道路场景更逼真,肉眼几乎看不出差异。通过NeRF进行场景重建后,可以编辑合成真实环境难以收集到的Corner Case。在原有的全局视角修改、添加光照/天气效果的基础上,新增合成虚拟动态物体的能力,可以在原有设定的运动轨迹上,合成各种Hard Case,模拟城市复杂交通环境,用更低成本测试提升城市NOH能力边界,更好提升应对城市复杂交通环境。面对目前行业里最难的视觉任务之一——单目视觉测量,继特斯拉后,毫末也在中国率先开始验证能否使用鱼眼相机代替超声波雷达进行测距,以满足泊车要求。毫末把视觉BEV感知框架引入到了车端鱼眼相机,做到了在15米范围内达到30cm的测量精度,2米内精度高于10cm的视觉精度效果。泊车场景使用纯视觉测距来取代超声波雷达,将进一步降低整体智驾成本。03四大战役全面突围,拿下三大主机厂定点作为中国唯一聚焦自动驾驶 AI 技术的盛宴,每届HAOMO AI DAY,毫末都会分享最前沿的自动驾驶行业趋势,发布最新的技术和产品进展。这一次也不例外。张凯以《HAOMO SPEED,AI SPEED》为题,分享了对于2023年自动驾驶发展宏观趋势的判断,以及毫末四大战役及商业化发展的最新进展。张凯认为,智驾产品正在进入快速增长的全线爆发期,2023年将是智能驾驶冲刺之年、大考之年。城市导航辅助驾驶产品在2023年将围绕量产上车发力,主要玩家的城市导航辅助驾驶产品进入到真实用户覆盖和多城市落地的比拼。行泊一体和末端物流自动配送产业商业化将成为自动驾驶公司深耕的重点。在乘用车领域,搭载行泊一体功能的智驾产品将迎来前装量产潮;在末端物流自动配送领域,末端物流自动配送车在商超、快递等场景迎来爆发,2023年将在这些场景实现可持续商业化闭环。在第七届HAOMO AI DAY上,毫末提出要打响“2023 年四大战役”。如今这四大战役在短短三个多月时间内已经取得了快速进展。在“智能驾驶装机量王者之战”上,据张凯介绍,首款搭载HPilot3.0的新摩卡DHT-PHEV即将重磅上市,第二款搭载毫末HPilot3.0的车型魏牌蓝山也将在今年发布。截至毫末HPilot整体已搭载近20款车型。用户辅助驾驶行驶里程突破4000万公里,HPilot2.0辅助驾驶日均行驶里程使用率达到了12.6%,而且这一比例也在随着用户认可度的提高不断增加。在海外布局方面,搭载毫末HPilot的车辆已运往欧盟、以色列等地区和国家,陆续交付到用户手中,接下来将在中东、南非、澳大利亚等市场陆续投放;毫末HPilot即将量产墨西哥版本及俄罗斯版本。今年3月,高工智能汽车研究院基于前装量产数据库及定点车型库数据进行的年度综合评估中,毫末凭借前装近20款车辆的优异表现,获颁年度高阶智能驾驶系统量产份额领军奖。第三方数据佐证毫末是中国量产自动驾驶绝对领军者,毫末持续引领中国自动驾驶第一名。“MANA大模型巅峰之战”,中国首个自动驾驶数据智能体系MANA架构已迎来全线升级。到2023年4月,MANA学习时长超56万小时,相当于人类司机6.8万年。毫末DriveGPT雪湖·海若,已经完成基于4000万公里驾驶数据的训练,参数规模达1200亿。第三是“城市NOH百城大战”,中国首款可大规模量产落地、重感知城市NOH,已在北京、保定、